• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권12호
• /
• pp.291-306
• /
• 2020

오늘날 데이터 네트워크 AI (DNA) 기반 지능형 서비스 및 애플리케이션은 비즈니스의 삶의 질과 생산성을 향상시키는 새로운 차원의 서비스를 제공하는 것이 현실이 되었다. 인공지능(AI)은 IoT 데이터(IoT 장치에서 수집한 데이터)의 가치를 높이며, 사물 인터넷(IoT)은 AI의 학습 및 지능 기능을 촉진한다. 딥러닝을 사용하여 대량의 IoT 데이터에서 실시간으로 인사이트를 추출하려면 데이터가 생성되는 IoT 단말 장치에서의 처리능력이 필요하다. 그러나 딥러닝에는 IoT 최종 장치에서 사용할 수 없는 상당 수의 컴퓨팅 리소스가 필요하다. 이러한 문제는 처리를 위해 IoT 최종 장치에서 클라우드 데이터 센터로 대량의 데이터를 전송함으로써 해결되었다. 그러나 IoT 빅 데이터를 클라우드로 전송하면 엄청나게 높은 전송 지연과 주요 관심사인 개인 정보 보호 문제가 발생한다. 분산 컴퓨팅 노드가 IoT 최종 장치 가까이에 배치되는 엣지 컴퓨팅은 높은 계산 및 짧은 지연 시간 요구 사항을 충족하고 사용자의 개인 정보를 보호하는 실행 가능한 솔루션이다. 본 논문에서는 엣지 컴퓨팅 내에서 딥러닝을 활용하여 IoT 최종 장치에서 생성된 IoT 빅 데이터의 잠재력을 발휘하는 현재 상태에 대한 포괄적인 검토를 제공한다. 우리는 이것이 DNA 기반 지능형 서비스 및 애플리케이션 개발에 기여할 것이라고 본다. 엣지 컴퓨팅 플랫폼의 여러 노드에서 딥러닝 모델의 다양한 분산 교육 및 추론 아키텍처를 설명하고 엣지 컴퓨팅 환경과 네트워크 엣지에서 딥러닝이 유용할 수 있는 다양한 애플리케이션 도메인에서 딥러닝의 다양한 개인 정보 보호 접근 방식을 제공한다. 마지막으로 엣지 컴퓨팅 내에서 딥러닝을 활용하는 열린 문제와 과제에 대해 설명한다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.640-645
• /
• 2021

딥러닝 기반 종단간 TTS 시스템은 텍스트에서 스펙트로그램을 생성하는 Text2Mel 과정과 스펙트로그램에서 음성신호를 합성하는 보코더 등 두 가지 과정으로 구성되어 있다. 최근 TTS 시스템에 딥러닝 기술을 적용함에 따라 합성음의 명료도와 자연성이 사람의 발성과 유사할 정도로 향상되고 있다. 그러나 기존의 방식과 비교하여 음성을 합성하는 추론 속도가 매우 느리다는 단점을 갖고 있다. 최근 제안되고 있는 비-자기회귀 방식은 이전에 생성된 샘플에 의존하지 않고 병렬로 음성 샘플을 생성할 수 있어 음성 합성 처리 속도를 개선할 수 있다. 본 논문에서는 비-자기회귀 방식을 적용한 Text2Mel 기술인 FastSpeech, FastSpeech 2, FastPitch와, 보코더 기술인 Parallel WaveGAN, Multi-band MelGAN, WaveGlow를 소개하고, 이를 구현하여 실시간 처리 여부를 검증한다. 실험 결과 구한 RTF로 부터 제시된 방식 모두 실시간 처리가 충분히 가능함을 알 수 있다. 그리고 WaveGlow를 제외하고 학습 모델 크기가 수십에서 수백 MB 정도로, 메모리가 제한되어 있는 임베디드 환경에 적용 가능함을 알 수 있다.

• 한국의료질향상학회지
• /
• 제27권2호
• /
• pp.57-72
• /
• 2021

Purpose: At present, there are a variety of serious patient safety incidents related to problems in health information technology (HIT), specifically involving electronic medical records (EMRs). This emphasizes the need for an enhanced electronic medical record system (EMRS). As such, this study analyzed both the nature of and potential to prevent incidents associated with HIT/EMRS based on data from the Korea Patient Safety Reporting and Learning System (KOPS). Methods: This study analyzed patient safety incidents submitted to KOPS between August 2016 and December 2019. HIT keywords were used to extract HIT/EMRS incidents. Each case was reviewed to confirm whether the contributing factors were related to HIT/EMRS (HIT/EMRS-related incidents) and if the incident could have been prevented (HIT/EMRS-preventable incidents). The selected reports were summarized for general clarity (e.g., incident type, and degree of harm). Results: Of the 25,515 obtained reports, 2,664 incidents (10.4%) were HIT-related, while 2,525 (9.9%) were EMRS-related. HIT/EMRS-related incidents were the third largest type of incident followed by 'fall' and 'medication incidents.' More than 80% of HIT/EMRS-related incidents were medication-related, accounting for approximately one-third of the total number of medication incidents. Approximately 10% of HIT/EMRS-related incidents resulted in patient harm, with more than 94% of these deemed as preventable; further, sentinel events were wholly preventable. Conclusion: This study provides basic data for improving EMR use/safety standards based on real-world patient safety incidents. Such improvements entail the establishment of long-term plans, research, and incident analysis, thus ensuring a safe healthcare environment for patients and healthcare providers.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.149-155
• /
• 2021

본 연구에서는 전동 이동기기를 이용하는 교통약자의 이동을 제한하는 노면 불량 요소를 딥러닝을 이용해 자동 검출하는 불량 노면객체 인식모델을 개발하고자 한다. 이를 위하여 부산시 관내 5개 지역에서 실제 전동 이동 보조 장치가 이동할 것으로 예상되는 보행로, 주행로를 대상으로 하여 노면 정보를 수집하였으며 이때 도로 정보 수집은 데이터 수집을 보다 용이하게 하기 위하여 소형 차량을 이용하였다. 데이터는 노면과 주변을 그 주변을 구성하는 객체로 구분하여 영상을 수집하였다. 수집된 데이터로부터 교통약자의 이동을 저해하는 정도에 따라 분류하여 보도블록의 파손등급 검출과 같은 일련의 인식 항목을 정의하였고, YOLOv5 딥러닝 알고리즘을 해당 데이터에 적용하여 실시간으로 객체를 인식하는 불량노면 객체 인식 딥러닝 모델을 구현하였다. 연구의 최종단계에서 실제 주행을 통해 객체 단위로 분리 수집된 영상 데이터의 가공, 정제 및 어노테이션 과정을 수행한 후 모델 학습과 검증을 거쳐 불량노면객체를 자동으로 검출하는 딥러닝 모델의 성능 검증 과정을 진행하였다.

• 한국시뮬레이션학회논문지
• /
• 제31권1호
• /
• pp.29-41
• /
• 2022

이상기후로 인한 불안정한 식량 수급을 해결하기 위한 대안 중 하나로 식물공장의 필요성이 증대되고 있다. 식물공장 내 기류는 재배작물의 증산작용과 열교환에 중요한 인자 중 하나로 인식되고 있다. 한편, 디지털트윈(Digital Twin: DT)은 실체계를 가상세계에 복제한 것으로 실체계만으로 불가능한 다양한 서비스를 제공하는 수단으로 주목받고 있다. 본 연구에서는 디지털트윈 개념을 실제 운용중인 식물공장 기류해석에 적용하여 다양한 상황에 기류를 예측할 수 있는 기류 예측 DT 모델 개발을 목표로 하였다. 이를 위해 먼저 기류 해석용 디지털트윈 수학적 형식론을 제시하고, 이를 기반으로 실제 운용중인 식물공장의 기류예측 모델링에 필요한 정보들을 명세한다. 이어서 식물공장 내 형상을 CAD로 구현하고 유동해석을 위한 전산유체역학(CFD) 구성요소들을 결합하여 DT 모델을 개발하였다. 마지막으로 DT 모델의 시뮬레이션 해석 결과를 식물공장에서 수집한 실제 기류값과 비교하는 모델의 실증 및 기계학습 기반 보정을 통해 정확도가 높은 기류 예측용 DT 모델을 완성하였다.

• 방송공학회논문지
• /
• 제27권2호
• /
• pp.185-197
• /
• 2022

최근 객체 인식에 높은 성능을 가진 딥러닝 네트워크가 나오고 있다. 딥러닝을 이용한 객체 인식의 경우 성능 향상을 위해 학습 데이터 셋 구축이 중요하다. 데이터 셋을 구축하기 위해서는 이미지를 수집하고 라벨링 해야 한다. 이 과정은 많은 시간과 인력이 필요하다. 때문에 오픈 데이터 셋을 사용한다. 그러나 방대한 오픈 데이터 셋을 가지고 있지 않는 객체도 존재한다. 그 중 하나가 번호판 검출과 인식에 필요한 데이터이다. 이에 본 논문에서는 이미지를 최소화 하여 대용량 데이터 셋을 만들 수 있는 인조 번호판 생성기 시스템을 제안한다. 또한 인조 번호판 배치구조에 따른 검출률을 분석했다. 분석결과 가장 좋은 배치구조는 FVC_III, B이며 가장 적합한 네트워크는 D2Det이었다. 인조 데이터셋 성능은 실제 데이터셋의 성능보다 2~3%가 낮았지만, 인조 데이터를 구축하는 시간이 실제 데이터셋을 구축하는 시간보다 약 11배 빨라 시간적으로 효율적인 데이터 셋 구축 시스템임을 증명하였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.235-246
• /
• 2023

본 연구에서 연구진은 메타버스와 디지털 교육과 관련된 전문가들의 경험과 직관을 바탕으로 델파이조사 방법론을 적용하여 교육용 메타버스 개발을 위한 제언을 제시하였다. 델파이 조사에 참여한 전문가는 1차, 17명, 2차, 16명이며, 자료수집은 2022년 1월 중에 진행되었고, 1차는 1월 5일에서 1월 10일까지, 2차는 1월 12일부터 1월 17일까지 전자우편으로 발송되고 회송되었다. 면담자료는 개방형 질문이었던 1차 조사에 대해 내용 분석(content analysis)방법을 사용하여 분석하였고, 1차 조사 결과 7개의 질문(미래 교육에 있어서 메타버스 교육 플랫폼의 필요성, 메타버스에서 미래 인재에게 필요한 역량을 향상시키는 교육 방법, 메타버스 플랫폼을 활용한 교육 시에 발생할 수 있는 문제점, 교육용 메타버스 플랫폼이 갖춰야 할 기능, 교육용 메타버스 플랫폼 활용 시 필요한 인프라 및 환경, 학습공간으로서 메타버스의 효율적인 활용 방법, 교육용 메타버스 플랫폼에서 진행하면 효율적일 교과 및 교육 콘텐츠)에 대해 120개의 하위 항목이 도출되었다. 2차 조사는 7개 질문에 대한 하위 항목들에 대해 5점 척도의 동의 정도를 표시하여 각 항목에 대한 응답자들의 평균을 구해 7개 영역의 하위요인들의 순위를 매겼다. 연구 결과를 토대로 교육용 메타버스 구축을 위한 제언을 기술하였고, 마지막으로 연구의 한계점과 후속 연구의 제안을 제시하였다.

• 한국방사선학회논문지
• /
• 제16권6호
• /
• pp.697-702
• /
• 2022

PET에서 영상화를 위해서는 검출기에 입사한 감마선과 상호작용한 섬광 픽셀의 위치를 측정해야한다. 이를 위해서 기존 시스템에서는 섬광 픽셀의 평면 영상을 획득하여, 각 섬광 픽셀이 영상화된 영역을 분리한 후, 섬광 픽셀의 위치를 특정하여 디지털 신호로 획득한다. 본 연구에서는 검출기의 광센서에서 형성되는 신호를 바탕으로 딥러닝 방법을 적용하여, 여러 절차를 거치지 않고 직접 디지털 신호로 획득하는 방법을 개발하였다. 이에 대한 검증 및 위치 측정의 정확도 평가를 위해 DETECT2000 시뮬레이션을 수행하였다. 6 × 6 섬광 픽셀 배열과 4 × 4 광센서를 사용하여 검출기를 구성하였으며, 섬광 픽셀의 중심에서 감마선 이벤트를 발생시켜, 앵거 식을 통해 4채널의 신호로 합산하였다. 획득된 신호를 사용하여 딥러닝 모델을 학습한 후, 섬광 픽셀의 서로 다른 깊이 방향에서 발생된 감마선 이벤트에 대한 위치를 측정하였다. 그 결과 모든 섬광 픽셀 및 위치에서 정확한 결과를 보였다. 본 연구에서 개발한 방법을 PET 검출기에 적용할 경우, 보다 편리하게 섬광 픽셀의 위치를 디지털 신호로 측정할 수 있을 것이다

• 한국수학교육학회지시리즈A:수학교육
• /
• 제61권3호
• /
• pp.457-476
• /
• 2022

수학 교수 학습을 지원하기 위한 자원으로서의 수학 교과서는 우리나라 수업에서 특히 중요하게 활용된다. 그동안 수학 교과서 연구의 범위가 확장되고 그에 따른 연구가 많아지고 있지만, 정작 우리나라의 수학 교과서 연구의 전반적인 동향을 분석한 연구는 많지 않다. 본 연구는 국내 수학교육 학술지에 게재된 논문 중 수학 교과서와 관련된 418편의 논문을 대상으로 전반적인 교과서 연구의 동향을 분석하였다. 분석 결과 교과서 분석 연구의 비중이 압도적으로 높았고, 다음으로 교과서 활용 연구, 교과서 개발 연구의 순서로 나타났다. 전체적으로 중고등학교급보다 초등학교급에서 교과서 연구가 많았다. 교과서 분석 연구의 경우는 특정한 수학 개념을 교과서에 어떻게 제시하였는지 분석하는 연구가 가장 많았고, 교과서 활용 연구의 경우는 교사와 학생을 대상으로 교과서의 적절성을 검토하거나 특정 코너나 활동에 대한 인식 및 사용실태를 설문조사를 바탕으로 분석하는 경우가 많았다. 교과서 개발 연구의 경우는 스토리텔링과 전자교과서와 같은 새로운 교과서 개발 방향과 예시를 다루는 논문이 많았다. 이와 같은 연구 결과를 토대로, 본 논문은 국내 수학교육 맥락과 국외 수학 교과서 연구의 동향에 비추어 교과서 연구에 대한 시사점을 제시하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.59-76
• /
• 2023

코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는 다양한 부동산 사이트에서 자료 수집 및 크롤링을 통해 2015년부터 2020년까지 87만개의 방대한 데이터셋을 구축하고 다양한 아파트 정보와 경제지표 등 가능한 많은 변수를 모은 뒤 미래 아파트 매매실거래가격을 예측하는 모델을 만든다. 해당 연구는 먼저 다중 공선성 문제를 변수 제거 및 결합으로 해결하였다. 이후 의미있는 독립변수들을 뽑아내는 전진선택법(Forward Selection), 후진소거법(Backward Elimination), 단계적선택법(Stepwise Selection), L1 Regularization, 주성분분석(PCA) 총 5개의 변수 선택 알고리즘을 사용했다. 또한 심층신경망(DNN), XGBoost, CatBoost, Linear Regression 총 4개의 머신러닝 및 딥러닝 알고리즘을 이용해 하이퍼파라미터 최적화 후 모델을 학습시키고 모형간 예측력을 비교하였다. 추가 실험에서는 DNN의 node와 layer 수를 바꿔가면서 실험을 진행하여 가장 적절한 node와 layer 수를 찾고자 하였다. 결론적으로 가장 성능이 우수한 모델로 2021년의 아파트 매매실거래가격을 예측한 후 실제 2021년 데이터와 비교한 결과 훌륭한 성과를 보였다. 이를 통해 머신러닝과 딥러닝은 다양한 경제 상황 속에서 투자자들이 주택을 구매할 때 올바른 판단을 할 수 있도록 도움을 줄 수 있을 것이라 확신한다.