• 한국통신학회논문지
• /
• 제35권12A호
• /
• pp.1181-1187
• /
• 2010

본 논문은 게임에서 신경망기반으로 지능캐릭터에게 학습을 통한 상황판단을 하는 이동 인공지능을 제안하였다. 신경망은 게임 규칙과 문제해결 방법을 정의한 알고리즘을 통한 입출력 값을 이용하여 지도 학습된다. 지도 학습된 지능캐릭터는 변화하는 주변 환경을 인지하여, 적절한 행동을 하게 된다. 본 논문에서는 신경망을 이용한 이동 인공지능을 점진적으로 설계하였고, 성능 실험을 위하여 간단한 게임을 구현하였다. 이 게임은 일정한 2차원 공간에 목표, 캐릭터, 장애물이 존재하고 캐릭터는 목표 지점으로 장애물을 회피하며 이동해야한다. 이동 인공지능은 실험마다 정의한 알고리즘을 통해 규칙과 몇 가지 문제해결법을 학습하여 변화하는 환경에서 목표를 완수 할 수 있으며, 정의한 알고리즘과 신경망 구조를 동일하게 설계하였다. 실험 결과, 제안한 이동 인공지능은 주변 상황을 인지하여 이동을 수행하고 목표를 완수할 수 있음을 보였다. 이동 인공지능은 복잡한 구조의 게임도 학습 알고리즘을 정의하여 학습하면 신경망은 변화한 환경에서도 적절한 결과를 보여 줄 수 있을 것이다.

• 인지과학
• /
• 제26권2호
• /
• pp.147-165
• /
• 2015

서답형 문항은 학생들의 종합적인 사고력을 평가할 수 있다는 장점이 있으나, 채점 비용이 많이 들고 채점자의 주관이 개입될 수 있다는 단점이 있다. 이런 단점을 개선하기 위해 영어권에서는 자동채점 시스템을 개발하여 사용하고 있으나, 한국어의 경우에는 아직 여전히 연구 단계에 있다. 본 논문에서는 준지도학습 방법을 이용한 한국어 서답형 문항의 채점 시스템을 제안한다. 제안된 시스템은 모범답안을 초기 모델로 학생답안의 일부를 채점하고 그 결과를 이용해서 점진적으로 학생답안의 채점을 늘려가는 준지도학습 방법을 이용한다. 제안된 시스템을 평가하기 위해서 2013학년도 학업성취도 평가의 국어 및 사회 과목의 서답형 문항을 사용했다. 채점 시간과 일관성에 관해서 매우 좋은 결과를 얻었다. 그 결과 채점 시간을 크게 단출할 수 있었으며 다양한 채점 방법을 적용하여 객관성을 확보한다면 현장에서 바로 적용할 수 있을 것으로 기대된다.

• 아동학회지
• /
• 제13권1호
• /
• pp.5-15
• /
• 1992

아동의 언어습득 과정에서의 모방은 흔히 볼 수 있는 현상이지만 한편 인간의 독특하고 신기한 일면이기도 하다. 이 모방에 관하여 그동안 많은 연구들이 되어왔으나 그 중요성이나 역할에 대한 연구들의 결론이 모두 일치하는 것은 아니다. 본 논문에서는 이 모방현상에 대한 그 동안의 연구들을 이론별로 분류해 보고 각 이론들이 모방의 역할을 밝히기 위하여 사용해 온 연구방법, 절차들을 분석해 보았다. 행동주의와 사회학습이론에서는 언어습득에서의 모방의 역할을 특히 강조하고 있으며 이 모방의 효과를 입증하기 위하여 다른 어떤 이론보다도 훨씬 조직적인 실험연구를 해 왔다. 이와는 대조적으로, 언어 심리학적 접근에서는 언어습득에서의 생득성과 창의성을 강조하므로 모방의 역할은 중시하지 않으며, 모방의 정의를 엄격하게 규정하고 자연적인 관찰 중심의 연구를 주로 하여 언어습득에서의 모방의 역할이 미비하다는 결론을 내리고 있다. Piaget 중심의 인지발달적 접근에서는 모방을 인간의 전체 발달의 한 측면으로 보아 모방은 인지발달과 함께 점진적으로 발달되는 것으로 설명하고 있다. 특히 언어발달에서의 지연모방의 중요성을 강조하고 있으며, 대부분의 연구는 자연적인 관찰연구를 통하여 모방의 발달과정을 밝히고 있다. 언어발달에서의 모방의 역할에 대한 지금까지의 일치하지 않는 연구 결과들은 각각의 이론들이 나름대로 달리 모방을 정의하고, 언어의 다른 측면들을 다루어 왔기 때문으로 밝혀 졌다. 앞으로 언어발달이 아동의 발달 전체의 맥락 속에서 연구되어지고, 언어습득과정에서 보이는 아동들의 개인차까지도 고려되어지는 포괄적인 연구가 이루어지면 모방의 역할도 좀더 명백하고 일관성 있게 밝혀지리라 본다.

• 한국컴퓨터정보학회논문지
• /
• 제25권2호
• /
• pp.49-58
• /
• 2020

본 연구는 온라인 다중 객체 추적 환경에서 모든 객체의 상태(예. 위치 및 크기) 및 identifications (IDs)를 추적하는 문제를 다룬다. 프레임들 간 검출 결과들을 연관하여 객체들의 궤도를 점진적으로 완성하는 tracking-by-detection 접근법을 기반으로 온라인 다중 객체 추적 문제를 해결하고자 한다. 정확한 온라인 연관을 수행하기 위해 이산 푸리에 변환과 부분 최소 제곱법(partial least square, PLS) 분석을 기반으로 하는 새로운 온라인 외형 학습 방법을 제안한다. 즉, 먼저 주파수 도메인에서 추적에 용이한 객체 특징량을 추출하기 위해 추적 객체에 대한 이미지를 푸리에 이미지로 변환한다. 나아가 객체간의 주파수 특징을 보다 잘 구별할 수 있도록 PLS기반 부분 공간을 학습한다. 제안된 외형 학습을 최신 신뢰도 기반 연관 기법과 결합하였고, 다중 객체 추적평가 분야에서 국제적으로 공인된 MOT 벤치마크 챌린지 데이터 셋에서 최신 다중 객체 추적 알고리즘과 비교평가를 수행하였다.

• 한국통신학회논문지
• /
• 제24권9A호
• /
• pp.1411-1418
• /
• 1999

본 논문에서는, 움직임 예측과 신경 회로망을 이용한 고속 움직임 추려하여, 현재 블록의 움직임 벡터를 인적 블록들의 움직임 벡터들로 예측하정 알고리즘을 제안하였다. 움직임 벡터의 공간적 상관성이 높다는 점을 고였다. 학습 시간이 빠르고 2차원 적응적 특성의 KSFM(Kohonen self-organizing feature map) 신경망을 이용하여, 움직임 벡터의 코드북(codebook)을 설계하였다. 2차원 코드북상에서 서로 비슷한 코드벡터들(codevectors)은 가까이 위치하므로, 예측 코드벡터로부터 코드북상에서 점진적으로 움직임을 추정하였다. 모의 실험 결과, 제안한 방법이 적은 계산량으로도 우수한 성능을 나타냄을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제13권1호
• /
• pp.37-44
• /
• 2008

데이터 스트림은 시간이 경과함에 따라서 데이터의 패턴이 변화하는 특성이 있다. 데이터 스트림에 내재되어 있는 이러한 특성 (컨셉트 변화)은 분류 모델의 예측 성능을 감소시킨다. CVFDT와 IOLIN은 점진적인 분류모델의 갱신을 통해 컨셉트 변화를 해결하고자 하였다. 그러나 이러한 방법들은 작은 패턴의 변화가 전체 분류 결과에 영향을 주는 지역적 컨셉트 변화를 식별하지 못함으로써 모델을 재 구축하는 단점이 있다. 본 논문은 컨셉트변화 발생 시 지역적 컨셉트 변화를 찾음으로써 시스템의 예측성능을 향상시키는 적응형 IOLIN을 제안한다. 실험 결과는 제안 기법인 적응형 IOLIN기법이 IOLIN기법에 비해 정확률에서 약 2.8%, CVFDT기법보다 약 11.2%정도 우수하였다.

• 한국콘텐츠학회논문지
• /
• 제9권7호
• /
• pp.379-389
• /
• 2009

본 연구에서는 그 동안 교과부에서 추진해 온 유러닝 시범학교들의 효과를 분석해 보고 그 성과를 일반화할 수 있는 방안을 제시하였다. 이에 따라 유러닝 효과성의 지표를 만족도, 효능감, 학업성취도, 일반화 가능성으로 정하고 유러닝 연구학교의 운영 결과와 선행연구의 결과를 재분석하고 시사점을 도출하고 그 시사점에 기초하여 유러닝의 효과를 일반화 시킬 수 있는 방안을 제시하였다. 유러닝의 일반화 방안은 도입단계, 확산단계, 정착단계로 나누어 점진적으로 진행할 수 있도록 제시하였으며, 각 단계는 정책, 교수 학습, 품질제고, 기술적용 등의 4개 요소로 세분해 구체적인 내용을 제시하였다. 유러닝의 일반화 방안은 유러닝의 효과를 좌우하는 유비쿼터스 기술의 발전 방향에 따라 달라질 수 있겠으나 본 연구에서 제시한 일반화 방안은 3단계를 통한 점진적인 방법을 취하고 있어 향후 유비쿼터스 기술의 변화에도 어느 정도 대응할 수 있을 것으로 사료된다.

• 한국측량학회지
• /
• 제40권2호
• /
• pp.91-108
• /
• 2022

대부분의 경우 광학 RGB 영상을 딥러닝(DL: Deep learning)의 학습 데이터로 사용하여 객체탐지, 인식, 식별, 분류, 의미적 분할 및 객체 분할 등을 수행하지만, 실세계의 3차원 객체들을 2차원 영상으로 완전하게 파악하는 것은 한계가 있다. 그러므로 대표적인 3차원 지형 공간정보인 수치표면모델(DSM: Digital Surface Model)과 더불어 DSM에 내재된 특성정보를 이용하여 3차원 지형지물을 분석하는 것이 효과적이다. 건물과 같이 기하학적으로 정형화된 형태의 인공구조물은 3차원 공간데이터로부터 얻을 수 있는 기하학적 요소와 특성을 이용하여 객체의 분류와 형상 묘사가 가능하다. 이 연구는 고차원 시각정보(high-level visual information) 시스템에서 중요한 역할을 하는 내재된 고유의 특성정보(intrinsic information)를 기반으로 하며, 이를 위하여 객체의 기하학적 요소인 경사와 주향을 DSM으로부터 도출하고, 다방향에서 생성한 음영기복영상(SRI: Shaded Relief Image)과 함께 DL 모델의 학습 수행에 사용하였다. 실험은 ISPRS (International Society for Photogrammetry and Remote Sensing)에서 제공하는 데이터 셋 중에서 DSM과 레이블 데이터를 객체의 의미적 분류를 위해 개발된 합성곱 기반의 SegNet 학습에 사용하였다. 지형지물을 분류하고 분류 결과를 이용하여 건물을 추출하였다. 특히 DL 모델의 학습 성능 향상을 위해 학습 데이터의 여러 조합에 따른 시너지 효과를 분석하는 것에 핵심이다. 제안한 방법은 건물 분류와 추출에 효과적임을 보여주고 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권10호
• /
• pp.816-824
• /
• 2009

얼굴영상 공간에서 얼굴영상들은 조명이나 포즈에 의해 비선형적 분포를 갖는다. 이들을 선형모델에 기반을 둔 AAM으로 모델링 하는 것은 한계가 있다. 본 논문에서는 얼굴영상에 대한 몇 개의 군집이 주어졌다고 가정하고, 각 군집 별로 지역적인 AAM 모델을 구축하여 정합과정 중에 적합한 모델이 선택되도록 한다. 정합과정에서 발생하는 모델변경에 따른 모델간의 정합 인자 갱신의 문제는 인자 공간에서 모델간의 선형 관계를 미리 학습하여 해결한다. 심각한 정합 실패에 따른 잘못된 모델 선택을 줄이기 위해 점진적으로 모델변경이 이루어지도록 한다. 실험에서는 제안하는 방법을 Yale-B 조명얼굴 영상에 적용하여 모델을 생성하고 기존 방법과 정합 성능을 비교한다. 제안 방법은 심각한 그림자가 발생하는 강도 높은 조명얼굴 영상에서 성공적인 정합 결과를 보여주었다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.