• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.994-997
• /
• 2019

영상 기반 상식 추론(VCR) 문제는 기존의 영상 기반 질문-응답(VQA) 문제들과는 달리, 영상에 포함된 사물들 간의 관계 파악과 답변 근거 제시 등 별도의 상식 추론이 요구되는 새로운 지능 문제이다. 본 논문에서는 입력 데이터(영상, 자연어 질문, 응답 리스트)에서 사물들 간의 관계와 맥락 정보를 추출해내는 모듈들 외에, 별도로 ConceptNet과 같은 외부 지식 베이스로부터 관련 상식들을 직접 가져다 GCN 기반의 지식 그래프 임베딩 과정을 거쳐 추가적으로 활용할 수 있는 모듈들을 포함한 새로운 심층 신경망 모델인 KG_VCR을 제안한다. 제안 모델인 KG_VCR의 세부 설계사항들을 소개하고, VCR 벤치마크 데이터 집합을 이용한 다양한 실험들을 통해 제안 모델의 성능을 입증한다.

• The Journal of Engineering Geology
• /
• v.15 no.2 s.42
• /
• pp.145-154
• /
• 2005

This study conducted to develop an assessment method of runout distance of debris flow that is a major type of landslides in Korea. In order to accomplish the objectives, this study performed detailed field survey of runout distance and laboratory soil tests using 24 landslides over three pilot sites. Based on the data of the field survey and the laboratory tests, an assessment method of runout distance was suggested using the artificial neural network. The input data for the analysis of artificial neural network are change rate of slope angle, Permeability coefficient of in-situ soil, dry density, void ratio, volume of debris and the measured runout distance. The analyzed results using the artificial neural network show low error rate of inference distributing lower than $10\%$. Some cases have $5\%$ and $2\%$ of error rates of inferences. The results can be thought as excellent teaming rates. However, it is difficult to be accepted as excellent results if it is considered with the results derived using only 24 landslide data. Therefore, more landslide data should be surveyed and analyzed to increase the confidence in the assessment results.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.391-398
• /
• 1999

사례기반 추론을 포함한 Lazy Learning 방법들은 인공신경망이나 의사결정 나무와 같은 Eager Learning 방법들과 비교하여 여러 가지 상대적인 장점을 가지고 있다. 그러나 Lazy Learning 방법은 역시 상대적인 단점들도 가지고 있다. 첫째로 사례를 저장하기 위하여 많은 공간이 필요하며, 둘째로 문제해결 시점에서 시간이 많이 소요된다. 그러나 보다 심각한 문제점은 사례가 관련성이 낮은 속성들을 많이 가지고 있는 경우에 Lazy Learning 방법은 사례를 비교할 때에 혼란을 겪을 수 있다는 점이며, 이로 인하여 분류 정확도가 크게 저하될 수 있다. 이러한 문제점을 해결하기 위하여 Lazy Learning 방법을 위한 속성 가중치 부여 방법들이 많이 연구되어 왔다. 그러나 기존에 발표된 대부분의 방법들이 속성 가중치의 유효 범위를 전역적으로 하는 것들이었다. 이에 본 연구에서는 새로운 지역적 속성 가중치 부여 방법을 제안한다. 본 연구에서 제안하는 속성 가중치 부여 방법(CBDFW : 사례기반 동적 속성 가중치 부여)은 사례별로 속성 가중치를 다르게 부여하는 방법으로서 사례기반 추론의 원리를 속성 가중치 부여 과정에 적용하는 것이다. CBDFW의 장점으로서 (1) 수행 방법이 간단하며, (2) 논리적인 처리 비용이 기존 방법들에 비해 낮으며, (3) 신축적이라는 점을 들 수 있다. 본 연구에서는 신용 평가 문제에 CBDFW의 적용을 시도하였고, 다른 기법들과 비교에서 비교적 우수한 결과를 얻었다.

• The Journal of Korean Association of Computer Education
• /
• v.9 no.5
• /
• pp.31-39
• /
• 2006

The change into the knowledge based information society requires a transformation of educational paradigm. Accordingly, intelligent learning and distance education are attracting a fair amount of attention. To apply the instructional learning method in this field, we need to consider a individualization of learning, as it were, abstraction of fact and path through learning, which is based on learner's traits, this focus entails a argument for individualized reasoning strategy. Therefore, in this paper, we design a learner's cognitive union, which is based on X-Neuronet(eXtended Neuronet), represent learner's hierarchical knowledge is able to self-learn, and grows adaptive union by proprietor. Additionally, we propose a individualized reasoning strategy, which relies upon learner's cognitive union, and verify the validity.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2004.06a
• /
• pp.67-72
• /
• 2004

않은 양의 유즈넷 뉴스 중에서 사용자가 찾고자 하는 정확한 정보를 빠른 시간 안에 검색하고, 원하는 정보만 필터링 하는 것은 중요하다. 그러나 뉴스 문서는 이메일과 달라서 미리 자신에게 맞는 뉴스그룹을 등록해 주어야만 정보를 얻을 수 있다. 본 연구에서는 다양한 뉴스그룹들 중에서 사용자의 취향과 유사한 뉴스그룹들을 코호넨 신경망을 이용하여 추천해주는 방법을 제시한다. 신경망을 학습시키기 위한 뉴스 문서의 키워드들을 선택하기 위해 예제 문서들로부터 후보 용어들을 추출하고 퍼지 추론을 적용하여 대표 용어들을 선택한다. 하지만 신경망의 학습 패턴을 관찰해 보면, 많은 부분이 비어있는 희소성 문제를 발견할 수 있다. 이에 본 연구에서는 통계적인 결정계수를 도입하여 불필요한 차원을 제거한 후 신경망을 학습시키는 새로운 방법을 제안한다. 제안된 방법은 모든 차원을 활용할 때 보다 클러스터내 거리와 클러스터간 거리의 척도를 이용한 클러스터 중첩도 면에서 우수한 분류 성능을 보여줌을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.487-490
• /
• 2019

시각과 언어 기반의 이동(VLN)은 3차원 실내 환경에서 실시간 입력 영상과 자연어 지시들을 이해함으로써, 에이전트 스스로 목적지까지 이동해야 하는 인공지능 문제이다. 이 문제는 에이전트의 영상 및 자연어 이해 능력뿐만 아니라, 상황 추론과 행동 계획 능력도 함께 요구하는 복합 지능 문제이다. 본 논문에서는 시각과 언어 기반의 이동(VLN) 작업을 위한 새로운 심층 신경망 모델을 제안한다. 제안모델에서는 입력 영상에서 합성곱 신경망을 통해 추출하는 시각적 특징과 자연어 지시에서 순환 신경망을 통해 추출하는 언어적 특징 외에, 자연어 지시에서 언급하는 장소와 랜드마크 물체들을 영상에서 별도로 탐지해내고 이들을 추가적으로 행동 선택을 위한 특징들로 이용한다. 다양한 3차원 실내 환경들을 제공하는 Matterport3D 시뮬레이터와 Room-to-Room(R2R) 벤치마크 데이터 집합을 이용한 실험들을 통해, 본 논문에서 제안하는 모델의 높은 성능과 효과를 확인할 수 있었다.

• Journal of Broadcast Engineering
• /
• v.23 no.4
• /
• pp.503-510
• /
• 2018

Restoring of damaged images is a fundamental problem that was attempted before digital image processing technology appeared. Various algorithms for reconstructing damaged images have been introduced. However, the results show inferior restoration results compared with manual restoration. Recent developments of DNN (Deep Neural Network) have introduced various studies that apply it to image restoration. However, if the wide area is damaged, it can not be solved by a general interpolation method. In this case, it is necessary to reconstruct the damaged area through contextual information of surrounding images. In this paper, we propose an image restoration network using a generative adversarial network (GAN). The proposed system consists of image generation network and discriminator network. The proposed network is verified through experiments that it is possible to recover not only the natural image but also the texture of the original image through the inference of the damaged area in restoring various types of images.

• Proceedings of the Korean Society for Rock Mechanics Conference
• /
• 1996.03a
• /
• pp.35-42
• /
• 1996

지하 구조물의 안정성 확보와 경제적인 시공을 위하여 상세하고 합리적인 암반분류가 필요하다. 설계 초기에는 제한적인 정보와 암반의 불확실성에 따라 암반분류의 신뢰도가 떨어진다. 이러한 불확실한 지질 정보를 근사하게 추론할 수 있는 방법으로서 인공지능(Artificial intelligence) 특히 인공신경망 (Artificial neural network)이 있다. (중략)

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.32 no.5
• /
• pp.817-826
• /
• 2022

AI technology is being successfully introduced in many fields, and models deployed as a service are deployed with black box environment that does not expose the model's information to protect intellectual property rights and data. In a black box environment, attackers try to steal data or parameters used during training by using model output. This paper proposes a method of inferring the type of model to directly find out the composition of layer of the target model, based on the fact that there is no attack to infer the information about the type of model from the deep learning model. With ResNet, VGGNet, AlexNet, and simple convolutional neural network models trained with MNIST datasets, we show that the types of models can be inferred using the output values in the gray box and black box environments of the each model. In addition, we inferred the type of model with approximately 83% accuracy in the black box environment if we train the big and small relationship feature that proposed in this paper together, the results show that the model type can be infrerred even in situations where only partial information is given to attackers, not raw probability vectors.

• Tunnel and Underground Space
• /
• v.9 no.1
• /
• pp.48-55
• /
• 1999

One of the major roles of concrete lining is the supplementary support of ground load. Therefore, if there are cracks or deformation found in the lining, the causes should be carefully examined. Tunnel Soundness Evaluation System (DW-TSES) was developed to meet such requirements. Main facility of the system was intended to find the probable causes on the basis of the apparent changes in lining and the environmental conditions. It also includes facilities for evaluating the soundness of a tunnel and indicating the method for repair or reinforcement. The characteristic feature of damages is used for reasoning in case of deterioration and leakage, and artificial neural network is used in external pressure. This process depends on the results of the case analyses and FDM, which have a collection of the typical features of different types of damages as well as the unusual changes caused by the external pressure. The comparison of the outputs of this system with those of expert's diagnoses draws the following conclusions. 1) Artificial neural network was a suitable tool to find to causes of damages by external pressure. 2) The environmental conditions improved the accuracy in reasoning. 3) The result of finding causes and evaluating soundness was helpful to suggest effective methods concerning tunnel maintenance.