• Review of KIISC
• /
• 제30권6호
• /
• pp.107-115
• /
• 2020

다양한 응용분야에서 심층신경망 기반의 학습 모델이 앞 다투어 이용됨에 따라 인공지능의 설명 가능한 동작 원리 해석과, 추론이 갖는 불확실성에 관한 분석 또한 심도 있게 연구되고 있다. 이에 심층신경망 기반 기계학습 모델의 취약성이 수면 위로 드러났으며, 이러한 취약성을 이용하여 악의적으로 모델을 공격함으로써 오동작을 유도하고자 하는 시도가 다방면으로 이루어짐에 의해 학습 모델의 강건함 보장은 보안 분야에서의 쟁점으로 부각되고 있다. 모델 추론의 입력으로 이용되는 이미지에 교란값을 추가함으로써 심층신경망의 오분류를 발생시키는 임의의 변형된 이미지를 적대적 사례라 정의하며, 본 논문에서는 최근 인공지능 및 컴퓨터비전 분야에서 이루어지고 있는 이미지 기반 적대적 사례의 생성 기법에 대하여 논한다.

• Proceedings of the Safety Management and Science Conference
• /
• 대한안전경영과학회 1999년도 추계학술대회
• /
• pp.109-121
• /
• 1999

플랜트 및 설비가 대규모, 정교화, 복잡화 될수록 이로 인한 고장 및 오류에 의한 피해가 막대하기 때문에, 시스템의 신뢰성, 보전성 및 안전성 향상과 제품 품질 향상을 추구 및 안전성 유지에 대한 관심이 고조되고 있다. 고장진단은 잠재적으로 노이즈를 가지고 있다고 생각되는 데이터의 해석에 근거하여 시스템의 고장을 찾는 일련의 체계적이고 통합된 방법이다. 그러나 대부분의 방법들이 이진 논리에 기초를 둔 추론으로 불확실성을 제대로 결과에 반영하지 못하고 있다. 본 논문에서는 예방정비의 관점에서 시스템에 내재된 다양한 불확실성을 효율적으로 처리하기 위해 전문가의 직관과 경험등을 기초로 하여 언어학적 변량을 취하고, 이를 퍼지 기법을 이용하여 정량화 함으로써 불확실성을 고려한 판단이 가능하게 하는 퍼지 전문가 시스템을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 한국퍼지및지능시스템학회 1998년도 춘계학술대회 학술발표 논문집
• /
• pp.11-15
• /
• 1998

일반적으로 러프집합은 지식베이스 시스템에서 근사공간을 이용한 불확실한 데이터의 분류, 추론 및 의사결정 등에 사용된다. 지식베이스 시스템의 데이터 중에서 연속적인 구간 특성을 갖는 정량적 속성값이 불연속적일 때 중복 또는 불일치 등의 불확실성이 발생된다. 본 논문은 러프집합의 정량적 속성값들의 정성적 속성으로 변환시킬 때 식별 불가능 영역에 있는 정량적 속성값들을 명확한 경계를 갖는 보조구간으로 분리하여 불확실성을 제거함으로써 러프집합의 분류능력을 향상시키는 방법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(D)
• /
• pp.91-93
• /
• 2012

최근 모바일 컴퓨팅 환경 지원을 실현하기 위한 연구가 전 세계적으로 활발히 진행되고 있으며, 나아가 그 중요성은 점점 더 증가하고 있다. 모바일 컴퓨팅 환경에서 지능형 서비스를 제공하기 위해서는 상황 데이터를 수집하고 적절한 가공을 통해 상황정보로 변환시켜 해석, 추론 및 학습 과정을 거쳐 사용자의 상황에 맞는 적절한 서비스를 제공할 수 있어야 한다. 본 논문은 모바일 환경에서 단일 상황추론의 한계를 개선하는 다중 상황추론과 완전히 형성되지 않은 상황정보를 기반으로 한 상황추론으로 불확실성을 지원하는 다중추론지원 분산형 상황인식 시스템을 제안한다.

• International Journal of Highway Engineering
• /
• 제13권1호
• /
• pp.69-77
• /
• 2011

This study is to suggest a methodology to overcome the uncertainty and lack of reliability of data. The fuzzy reasoning model and the neural network model were developed in order to overcome the potential lack of reliability which may occur during the process of data collection. According to the result of comparison with the Poisson regression model, the suggested models showed better performance in the accuracy of the accident frequency prediction. It means that the more accurate accident frequency prediction model can be developed by the process of the uncertainty of raw data and the adjustment of errors in data by learning. Among the suggested models, the performance of the neural network model was better than that of the fuzzy reasoning model. The suggested models can evaluate the safety of signalized intersections in operation and/or planning, and ultimately contribute the reduction of accidents.

• Journal of KIISE
• /
• 제43권12호
• /
• pp.1365-1375
• /
• 2016

One of the most important capabilities for autonomous service robots working in living environments is to recognize and understand the correct context in dynamically changing environment. To generate high-level context knowledge for decision-making from multiple sensory data streams, many technical problems such as multi-modal sensory data fusion, uncertainty handling, symbolic knowledge grounding, time dependency, dynamics, and time-constrained spatio-temporal reasoning should be solved. Considering these problems, this paper proposes an effective dynamic context management and spatio-temporal reasoning method for intelligent service robots. In order to guarantee efficient context management and reasoning, our algorithm was designed to generate low-level context knowledge reactively for every input sensory or perception data, while postponing high-level context knowledge generation until it was demanded by the decision-making module. When high-level context knowledge is demanded, it is derived through backward spatio-temporal reasoning. In experiments with Turtlebot using Kinect visual sensor, the dynamic context management and spatio-temporal reasoning system based on the proposed method showed high performance.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.165-165
• /
• 2021

전 세계적으로 하천 수질이 저하되고 있다. 이는 수생태계의 손상을 야기하고 인류를 위한 하천의 물 공급원 기능에 저해 요소로 작용한다. 오염된 수생태계에 대한 효과적인 맞춤형 관리전략을 수립하려면 수질의 시공간적 변동 요인을 이해하는 것이 중요하다. 시간적 및 공간적 변동성이 모두 중요하지만, 본 연구에서는 낙동강 전체 유역에서 나타나는 공간적인 변동성에 집중하여 하천 수질의 공간적 차이에 영향을 미치는 요인을 식별하고 그들의 상대적 중요성을 분석하고자 하였다. 분석을 위해 낙동강 유역 전역의 40개 수질오염총량관리 단위유역에서 5년 동안 수집된 하천 총인 농도와 유역특성 자료를 사용하였다. 총인 농도의 공간적 변동성에 영향을 미치는 주요 유역특성을 식별하기 위한 통계모델 선정을 위해 완전 탐색 접근법과 베이지안 추론이 적용되었다. 완전 탐색은 두 단계에 걸쳐 진행되었으며, 1 단계 완전 탐색의 결과로 유역특성 자료들의 중요도가 선정되었으며 2 단계 완전탐색 결과로 통계모델이 우선 선정되었다. 우선 선정된 통계모델은 베이지안 추론을 통해 모델의 정확도와 불확실성이 분석되었고 공간적 변동성 분석을 위한 최적 모델이 선정되었다. 본 연구의 결과로 낙동강 하천 총인 농도의 공간적 변동성에 영향을 미치는 주요 유역특성에 대한 통찰력이 제공된다. 또한 식별된 주요 유역특성은 유역특성 변화에 대한 하천의 수질 반응을 예측하는데 사용될 수 있을 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (C)
• /
• pp.362-366
• /
• 2007

다양한 기능과 센서를 탑재한 최신 모바일 디바이스는 사용자의 위치, 전화기록, SMS, 사진, 동영상 등 사용자에 관한 다양한 정보를 지속적으로 수집할 수 있기 때문에 개인의 생활을 이해하고 다양한 서비스를 제공할 수 있는 가능성을 가지고 있다. 하지만, 모바일 장치의 성능 제약 및 환경 불확실성으로 인해 아직까지 많은 연구 과제들이 남아 있다. 본 논문에서는 이러한 모바일 환경의 문제를 극복하기 위해 베이지안 네트워크를 이용한 라이프 로그 분석 모델 및 자동 학습 방법을 제안한다. 제안하는 베이지안 네트워크 모델은 모듈화 되어서 계산량은 감소되었으며, 자동 학습 방법을 통해 지속적인 업데이트가 가능하다. 이는 제안하는 방법이 복잡한 확률 모델을 자동으로 분할하는 방법과 분할된 상태에서의 유기적인 추론 방법을 포함하고 있기에 가능하다. 실험에서는 실제 모바일 장치에서 수집된 로그 데이터를 이용하여 제안하는 방법에 의한 실험 결과를 분석하고 분할을 통한 효율성 향상을 논의 한다.

• Annual Conference on Human and Language Technology
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.517-520
• /
• 2022

지능형 대화 시스템은 줄곧 서비스의 목표와 무관한 사용자 입력을 전달받아, 그 처리 성능을 의심받는다. 특히 종단간 대화 이해 생성 모델이나, 기계학습 기반 대화 이해 모델은 학습 시간대에 한정된 범위의 도메인 입력에만 노출됨으로, 사용자 발화를 자신이 처리 가능한 도메인으로 과신하는 경향이 있다. 본 연구에서는 대화 생성 모델이 처리할 수 없는 입력과 신뢰도가 낮은 생성 결과를 배제하기 위해 불확실성 정량화 기법을 대화 의도 분류 모델에 적용한다. 여러 번의 추론 샘플링이 필요 없는 실용적인 예측 신뢰도 획득 방법과 함께, 평가 시간대와 또다른 도메인으로 구성된 분포 외 입력 데이터를 학습에 노출시키는 것이 분포 외 입력을 구분하는데 도움이 되는지를 실험으로 확인한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.634-636
• /
• 2005

지능형 로봇 기술이 발전하면서 영상에서 장면을 이해하는 연구가 많은 관심을 받고 있으며, 최근에는 불확실한 환경에서도 좋은 성능을 발휘할 수 있는 확률적 접근 방법이 많이 연구되고 있다. 본 논문에서는 확률적 모델링이 가능한 베이지안 네트워크(BN)를 이용해서 장면 인식 추론 모듈을 설계하고, 실제 환경에서 얻어진 증거 및 베이지안 추론 결과를 결합하여 분류 성능을 향상시키기 위한 방법을 제안한다. 영상 정보는 시간에 대해 연속성을 가지고 있기 때문에, 증거 정보와 베이지안 추론 결과들을 적절히 결합하면 더 좋은 결과를 예상할 수 있으며, 본 논문에서는 확신 요소(Certainty Factor: CF) 분석에 의한 결합 방법을 사용하였다. 성능 평가 실험을 위해서 SET (Scale Invariant Feature Transform) 기법을 이용하여 물체 인식 처리를 수행하고, 여기서 얻어진 데이터를 베이지안 추론의 증거로 사용하였으며, 전문가의 CF 값 정의에 의한 베이지안 네트워크 설계 방법을 이용하였다.