• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.966-969
• /
• 2013

최근 새로운 스마트 기기의 등장과 활용으로 분산 컴퓨팅 산업이 발전하고 있다. 이런 환경 속에서 각 단말기기간 또는 시스템간의 어플리케이션간 연동 또한 그 규모가 커지고 있다. 연동하는 시스템들의 상호작용을 검사하기 위해서는 기존의 단일시뮬레이션 기법으로는 모델-모델 연동시뮬레이션, 코드-코드 연동시뮬레이션은 가능하지만 모델-코드 연동시뮬레이션 기법이 불가능하다. 또한 일반적으로 모델 시뮬레이션 후 코드 시뮬레이션이 이루어지는데 모든 모델이 코드로 완전히 구현되기 전에는 시뮬레이션이 불가능하다. 본 논문에서는 앞서 언급한 어려움들을 해결하기 위해 시뮬레이터 합성기와 코드 어댑터를 사용하여 모델 및 소스코드의 연동시뮬레이션이 가능한 시뮬레이션 구조를 제안한다. 또한 모델과 코드가 분산하여 존재하므로 시스템의 점진적인 개발이 가능하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.245-246
• /
• 2009

TMO(Time-triggered Message-triggered Object) 모델은 실시간 분산 처리 모델로써 설계 단계에서 명시된 주기를 가지고 분산된 노드들 사이에 메시지가 전달되며 이 메시지를 통해 각 노드들에게 주어진 작업이 수행되는 구조를 가지고 있다. 본 논문은 이러한 TMO 모델을 TMO Tele Operation 모델을 이용하여 기존의 분산 처리 모델(HPJava, MPI 등)과 비교하여 TMO 모델의 성능의 장, 단점 및 더 좋은 실시간 분산 처리 모델을 제시하기 위한 성능평가 방법을 제시하고자 한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.1286-1289
• /
• 2022

최근 영상 군집화 분야는 딥러닝 모델에게 Self-supervision을 주거나 unlabeled 영상에 유사-레이블을 주는 방식으로 연구되고 있다. 또한, 고차원 컬러 자연 영상에 대해 잘 압축된 특징 벡터를 추출하는 것은 군집화에 있어 중요한 기준이 된다. 본 연구에서는 자연 영상에 대한 Convolutional Auto Encoder의 특징 추출 성능을 평가하기 위해 설계한 실험 방법을 소개한다. 특히 모델의 특징 추출 능력을 순수하게 확인하기 위하여 Self-supervision 및 유사-레이블을 제공하지 않은 채 Naive한 모델의 결과를 분석할 것이다. 먼저 실험을 위해 설계된 4가지 비지도학습 모델의 복원 결과를 통해 모델별 학습 정도를 확인한다. 그리고 비지도 모델이 다량의 unlabeled 영상으로 학습되어도 더 적은 labeled 데이터로 학습된 지도학습 모델의 특징 추출 성능에 못 미침을 특징 벡터의 군집화 및 분류 실험 결과를 통해 확인한다. 또한, 지도학습 모델에 데이터셋 간 교차 학습을 수행하여 출력된 특징 벡터의 군집화 및 분류 성능도 확인한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.629-631
• /
• 2021

본 논문에서는 웹 기반 서비스 플랫폼 환경에서 3D 모델의 경량화 및 품질 유지를 위한 후처리 방법을 제안한다. 3D 모델을 산업 현장에서 다양한 용도로 활용되기 위해 웹 기반 환경에서의 3D 모델 시각화 서비스가 제공되고 있으며, 최적화된 서비스 제공을 위해 대용량 3D 모델의 경량화 및 품질 유지가 필수적이다. 제안하는 3D 모델의 후처리 방법은 간편한 사용자 조작뿐만 아니라 면의 경량화 가능 및 시각 품질을 유지할 수 있다. 이는 웹 기반 환경에서의 활용을 위한 대용량 3D 모델을 효율적으로 최적화하는 방안이 될 것으로 기대한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.883-885
• /
• 2020

최근 활발히 진행되는 교통 속도 예측 연구는 기존에는 하나의 모델로 하나의 도로구간에 대해서만 예측하는 문제를 주로 다루었다. 그러나 하나의 도로구간을 하나의 속도 예측 모델로 예측할 시, 도로구간마다 모델이 존재하여야 하므로 모델의 예측 비용이 도로구간의 수만큼 증가한다. 본 논문에서는 하나의 모델을 통해 다수의 도로구간에 대한 속도를 예측하는 다중 도로구간 속도 예측 모델을 제안한다. 제안하는 다중 도로구간 속도 예측 모델은 기존의 단일 도로구간 속도 예측 모델 대비 정확도를 보존하면서, 그 예측 비용을 크게 감소시켰다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.375-378
• /
• 2020

본 연구는 토지 보상비의 추정 모델 개발을 위해서 건설 CALS (Continuous Acquisition & Life-cycle Support) 시스템의 내부데이터와 개별공시지가 및 표준지 공시지가 등의 외부데이터, 그리고 개발된 추정 모델의 고도화를 위한 개별공시가 데이터를 기반으로 생성된 데이터를 활용하였다. 이렇게 수집된 3가지 유형의 데이터를 분석하기 위해서 기존 선형 모델 또는 의사결정나무 (Tree) 기반의 모델상 과적합 오류를 제거할 경우 매우 유용한 알고리즘으로 Decision Tree 기반의 Xgboost 알고리즘을 데이터 분석 방법론으로 토지 보상비 추정 모델 개발에 활용하였다. Xgboost 알고리즘의 고도화를 위해 하이퍼파라미터 튜닝을 적용한 결과, 실제 보상비와 개발된 보상비 추정 모델의 MAPE(Mean Absolute Percentage Error) 범위는 19.5%로 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.558-561
• /
• 2021

심리학에서 사람의 심리 상태를 알아보기 위해 사용되는 검사 방법 중, 집-나무-사람 검사(HTP Test)는 피실험자가 그린 집, 나무, 사람을 포함하는 그림을 사용하여 피실험자의 심리를 분석하는 투영 검사법이다. 본 논문에서는 딥러닝 모델을 이용해 HTP Test 에 사용되는 그림을 분석하는 시스템을 제안하며, 성능 평가를 통해 심리학에서의 딥러닝 모델 적용 가능성을 확인한다. 또한 그림 데이터 분석에 적합한 사전 훈련 모델을 개발하기 위해, ImageNet 과 스케치 데이터셋으로 사전 훈련하여 성능을 비교한다. 본 논문에서 제안하는 시스템은 크게 감정 분석을 위한 이미지 객체 추출부, 추출된 객체로 피실험자의 감정을 분류하는 감정 분류부로 구성되어 있다. 객체 추출과 이미지 분류 모두 CNN(Convolution Neural Network) 기반의 딥러닝 모델을 사용하며, 이미지 분류 모델은 서로 다른 데이터셋으로 모델을 사전 훈련한 후, 훈련 데이터셋으로 전이 학습하여 모델의 성능을 비교한다. 그림 심리 분석을 위한 HTP test 스케치 데이터셋은, HTP Test 와 동일하게 피실험자가 3 개 클래스의 집, 나무, 사람의 그림을 그려 자체 수집하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.631-633
• /
• 2022

인체 선형 모델 (이하 SMPL 모델)은 3 차원 사람 모델로, 3 차원 컴퓨터 그래픽 기술이 발전함에 따라 활용 범위가 확대될 수 있다. 다운샘플링 (Down-sampling)으로 여러 해상도의 SMPL 모델이 사용가능 하다면, 3 차원 컴퓨터 그래픽 기술 발전에 도움이 될 것이다. 3 차원 모델의 다운샘플링을 위한 많은 메쉬 단순화 (Mesh simplification) 기법이 존재한다. 하지만 기존의 기법만을 사용하면 다운 샘플링 한 모델의 자세 (Pose)를 변경했을 때 기대한 것과 다른 결과물이 만들어지는 문제가 발생한다. 본 논문에서는 가장 가까운 정점으로 SMPL 모델의 관절 회귀자 (Joint regressor) 값을 넘겨주어 문제를 해결하는 다운샘플링 (Down-sampling) 방법을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.229-231
• /
• 2023

테크놀로지의 발달에 따라 수업에서 테크놀로지의 도입이 증가하고 있다. 테크놀로지는 학교 현장에 도입되어서, 교수-학습 형태의 변화와 교육 환경의 혁신을 이끌고 있다. 이에 따라 수업에서 테크놀로지 중요성은 더욱 증가하였으며, 예비 교사의 교육 모델에서 테크놀로지 지식을 함양하기 위한 노력이 이어졌다. 이에 따라 Mishra and Koehler(2006)의 TPACK 모델을 활용한 교육이 활발하게 이루어지고 있다. 본 연구에서는 TPACK 모델을 활용하여 예비 교사의 인공지능 융합 수업 전문성을 함양하기 위한 교육 모델을 개발하였다. 개발한 교육 모델은 브레인스토밍, 협력, 탐색(TPACK, AI, 교육과정, 교육적 맥락, 수업 사례), 수업 설계, 마이크로티칭, 수업 비평, 수업 성찰을 포함하였다. 본 연구에서 개발한 인공지능 융합 TPACK 교육 모델을 바탕으로 예비 교사의 인공지능 융합 수업 전문성 변화를 분석하는 후속 연구가 필요하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.689-691
• /
• 2023

불균형 데이터의 분류의 성능을 향상시키기 위한 앙상블 구성 방법에 관하여 연구한다. 앙상블의 성능은 앙상블을 구성한 기계학습 모델 간의 상호 다양성에 큰 영향을 받는다. 기존 방법에서는 앙상블에 속할 모델 간의 상호 다양성을 높이기 위해 Feature Engineering 을 사용하여 다양한 모델을 만들어 사용하였다. 그럼에도 생성된 모델 가운데 유사한 모델들이 존재하며 이는 상호 다양성을 낮추고 앙상블 성능을 저하시키는 문제를 가지고 있다. 불균형 데이터의 경우에는 유사 모델 판별을 위한 기존 다양성 지표가 다수 클래스에 편향된 수치를 산출하기 때문에 적합하지 않다. 본 논문에서는 기존 다양성 지표를 개선하고 가지치기 방안을 결합하여 유사 모델을 판별하고 상호 다양성이 높은 후보 모델들을 앙상블에 포함시키는 방법을 제안한다. 실험 결과로써 제안한 방법으로 구성된 앙상블이 불균형이 심한 데이터의 분류 성능을 향상시킴을 확인하였다.