• 한국정보통신학회논문지
• /
• 제24권3호
• /
• pp.349-354
• /
• 2020

녹지 영역의 확충을 위한 사전 조사에는 많은 비용과 시간이 필요하다는 문제가 발생한다. 본 논문에서는 구글 어스를 이용한 합성곱 신경망 기반의 녹지 분류를 통해 특정 지역의 녹지 비율을 측정함으로써 문제를 해결한다. 먼저 제안하는 방법은 구글 어스에서 여러 지역 영상을 수집하고 합성곱 신경망을 이용하여 학습한다. 제안하는 방법은 특정 지역의 녹지 비율을 측정하기 위해서 영상을 재귀적으로 분할하고 학습된 모델을 이용하여 녹지 여부를 판단한 뒤, 녹지로 판단된 영역 면적을 이용하여 녹지 비율을 계산한다. 실험 결과 제안하는 방법은 다양한 지역의 녹지 비율 측정에 높은 성능을 보여주는 것을 확인할 수 있었다.

• 한국전자통신학회논문지
• /
• 제14권5호
• /
• pp.943-950
• /
• 2019

머신 러닝은 인력을 대체함으로써 업무 효율성을 크게 높일 수 있다. 특히 4차 산업혁명 시대의 요청에 따라 인공지능을 포함한 머신 러닝의 중요성은 점점 커지고 있다. 본 논문은 MLP, RNN, LSTM, ANFIS 신경망 알고리즘 이용하여, 월별 전력 거래량을 예측한다. 본 논문에서는 통계청에서 제공하는 월별 전력 거래량과 월별 전력 거래금액, 최종에너지 소비량, 자동차용 경유 가격에 대한 2001~2017년까지의 공공 데이터를 사용하였다. 본 논문은 제시하는 각각의 알고리즘들을 학습시키고, 알고리즘이 예측하는 시계열 그래프를 이용하여 예측 결과를 보여주고 RMSE를 이용하여 이들 중에서 가장 우수한 알고리즘 제시한다.

• 디지털콘텐츠학회 논문지
• /
• 제19권2호
• /
• pp.415-423
• /
• 2018

최근, 컴퓨터 분야의 기계 학습(Machine Learning)과 딥러닝(Deep Learning) 등 컴퓨터 관련 학습이 각광을 받고 있다. 이들은 인공 신경망(Artificial Neural Network)을 이용하여 가장 하위 레벨로부터 학습을 시작하여, 최상위 레벨까지 그 결과를 전달하여 최종 결과를 산출하는 방식이다. 하위레벨로부터의 체계적인 학습을 통한 효과적인 성장 및 교육 방안에 대한 연구는 다양한 분야에서 이루어지고 있으나, 체계적인 규칙과 방법에 기반한 모델은 찾아보기가 힘들다. 이에, 본 논문에서는 성장 및 융합 모델인, TNT 모델(Transitive Nested Triangle Model)을 처음으로 제안한다. 제안하는 모델은 기하학적인 형태를 통해 형성된 각 기능들이 유기적 계층 관계를 형성하여, 상위로 성장 및 융합하면서, 그 결과가 반복 사용되는 순환적 재귀 모델이다. 즉, '수평적 형제 병합에 이은 상위로의 융합(Horizontal Sibling Merges and Upward Convergence)'의 분석적 방법이다. 이러한 모델은 공학, 디지털공학, 인문학, 예술학 등에 모두 적용될 수 있는 기본기적 이론으로, 본 연구에서는 제안하는 TNT 모델을 설명하는 것에 그 초점을 둔다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권1호
• /
• pp.11-18
• /
• 2022

신약 디자인은 단백질 수용체와 같은 생물학적 표적과 상호작용할 수 있는 약물 후보물질을 식별하는 과정이다. 전통적인 신약 디자인 연구는 약물 후보 물질 탐색과 약물 개발 단계로 구성되어 있으나, 하나의 신약을 개발하기 위해서는 10년 이상의 장시간이 요구된다. 이러한 기간을 단축하고 효율적으로 신약 후보 물질을 발굴하기 위하여 심층 학습 기반의 방법들이 연구되고 있다. 많은 심층학습 기반의 모델들은 SMILES 문자열로 표현된 화합물을 재귀신경망을 통해 학습 및 생성하고 있으나, 재귀신경망은 훈련시간이 길고 복잡한 분자식의 규칙을 학습시키기 어려운 단점이 있어서 개선의 여지가 남아있다. 본 연구에서는 self-attention과 variational autoencoder를 활용하여 SMILES 문자열을 생성하는 딥러닝 모델을 제안한다. 제안된 모델은 최신 신약 디자인 모델 대비 훈련 시간을 1/26로 단축하는 것뿐만 아니라 유효한 SMILES를 더 많이 생성하는 것을 확인하였다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1999년도 학술발표대회 논문집 제18권 1호
• /
• pp.109-112
• /
• 1999

본 연구에서는 신호원에 대한 사전 정보 없이 혼합된 신호로부터 잡음 신호만을 선택적으로 제거할 수 있는 새로운 형태의 능동 소음 제거기(Active noise canceller)를 제안한다. 음성신호와 같은 독특성을 갖는 신호의 분리에 효과적으로 사용되는 동적 재귀 신경망 (Dynamic recurrent neural network)을 원하는 신호원에 섞인 잡음신호를 분리하여 선택적으로 제거하기 위한 능동소음제거기의 전처리기로 미용한다. 능동 소음 제거기는 분리된 잡음 신호에 대한 역 위상 신호를 적응적으로 발생함으로써 특정 위치에서 원하는 신호만을 선택적으로 남길 수 있도록 한다. 컴퓨터를 이용한 시뮬레이션에서는 제안된 시스템이 선택적인 소음제거에 효과적임을 보인다.

• 전자공학회논문지S
• /
• 제34S권9호
• /
• pp.23-30
• /
• 1997

In this paper, a decision feedback recurrent neural equalization (DFRNE) scheme is proposed for adaptive equalization problems. The proposed equalizer models a nonlinear infinite impulse response (IIR) filter. The modified Real-Time recurrent Learning Algorithm (RTRL) is used to train the DFRNE. The DFRNE is applied to both linear channels with only intersymbol interference and nonlinear channels for digital video cassette recording (DVCR) system. And the performance of the DFRNE is compared to those of the conventional equalizaion schemes, such as a linear equalizer, a decision feedback equalizer, and neural equalizers based on multi-layer perceptron (MLP), in view of both bit error rate performance and mean squared error (MSE) convergence. It is shown that the DFRNE with a reasonable size not only gives improvement of compensating for the channel introduced distortions, but also makes the MSE converge fast and stable.

• 한국음향학회지
• /
• 제18권6호
• /
• pp.3-8
• /
• 1999

본 연구에서는 신호원에 대한 사전 정보 없이 혼합된 신호로부터 잡음 신호만을 선택적으로 제거할 수 있는 새로운 형태의 능동 소음 제거기(Active noise canceller)를 제안한다. 음성신호와 같은 동특성을 갖는 신호의 분리에 효과적으로 사용되는 동적 재귀 신경망(Dynamic recurrent neural network)을 원하는 신호원에 섞인 잡음신호를 분리하여 선택적으로 제거하기 위한 능동 소음 제거기의 전처리기로 이용한다. 능동 소음 제거기는 분리된 잡음 신호에 대한 역위상 신호를 적응적으로 발생함으로써 특정 위치에서 원하는 신호만을 선택적으로 남길 수 있도록 한다. 컴퓨터 시뮬레이션을 통하여 제안된 시스템이 선택적인 소음제거에 효과적임을 보인다.

• 한국정보통신학회논문지
• /
• 제26권4호
• /
• pp.633-636
• /
• 2022

The reduction of energy consumption at the base station (BS) has become more important recently. In this paper, we consider the adaptive muting of the antennas based on the predicted future traffic load to reduce the energy consumption where the number of active antennas is adaptively adjusted according to the predicted future traffic load. Given that traffic load is sequential data, three different RNN structures, namely long-short term memory (LSTM), gated recurrent unit (GRU), and bidirectional LSTM (Bi-LSTM) are considered for the future traffic load prediction. Through the performance evaluation based on the actual traffic load collected from the Afghanistan telecom company, we confirm that the traffic load can be estimated accurately and the overall power consumption can also be reduced significantly using the antenna musing.

• 한국지능시스템학회논문지
• /
• 제21권4호
• /
• pp.475-480
• /
• 2011

본 논문에서는 충돌 위험도 판단 시스템을 제안한다. 먼저 칼만 필터를 이용하여 보행자의 정보를 예측하고, 몬테 카르롤로 모의 실험과 신경 회로망을 이용해 충돌 확률을 계산한다. 그리고 과거의 충돌 확률 정보를 이용하여 충돌확률을 예측한다. Belief 충돌 예측 방법은 현재뿐만 아니라, 과거의 필터링 정보를 모두 이용하여 충돌 확률을 에측한다. 마지막으로 컴퓨터 시뮬레이션으로 제안된 알고리즘의 성능을 확인한다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권2호
• /
• pp.39-46
• /
• 2021

악성코드를 분석하여 방어하기 위해, 함수 위치 정보 등을 분석 방식으로 리버스 엔지니어링을 활용한다. 하지만, 스트립 된 바이너리는 함수 심볼 정보가 제거되어 함수 위치 등의 정보를 찾기가 쉽지 않다. 이를 해결하기 위해, BAP, BitBlaze IDA Pro 등 다양한 바이너리 분석 도구가 존재하지만, 휴리스틱을 기반으로 하므로 일반적인 성능이 우수하진 못하다. 본 논문에서는 재귀 하강 방식으로 역 어셈블리어에 대응되는 바이너리를 데이터로 N-byte 기법의 알고리즘을 제시해 LSTM 기반 모델을 적용하여 함수정보를 추출하는 기법을 제안한다. 실험을 통해 제안 기법이 수행 시간과 정확도 면에서 기존 기법들보다 우수함을 보였다.