• 인터넷정보학회논문지
• /
• 제23권2호
• /
• pp.107-114
• /
• 2022

본 논문에서는 컴퓨터학부 기초전공 수업에서 팀 활동에 대한 학생평가의 활용성을 분석하였다. 이를 위해, 동료평가, 자기평가, 학업성취도 사이의 관계를 알아보고자 상관분석을 실시하여 이들 사이에는 모두 통계적으로 유의한 양의 상관관계가 있음을 알아냈다. 이어서 동료평가 점수와 자기평가 점수의 차이를 분석하였다. 일표본 t-test를 실시했을 때 그 차이 값은 매우 유의미한 것이었다. 그러나 그 차이의 정도는 두 클래스에서 다르지 않았다. 즉 학생들은 학년에 상관없이 본인 스스로에 대한 평가 점수가 동료들로부터 받은 평가 점수보다 평균적으로 후한 경향이 있었다. 마지막으로 동료평가, 자기평가 점수의 차이와 학업성취도와의 관계를 분석하였을 때, 점수 차이와 학업성취도 사이에는 유의미한 상관관계가 없었다. 즉, 학업성취도가 높은 학생이든 낮은 학생이든 동료평가와 자기평가를 하는 경향성은 다르지 않았다. 이와 같은 분석 결과는 팀 기반 수업에서 학생평가가 개인별 평가에 활용될 수 있음을 보여준다. 자기평가 점수와 동료들로부터 받은 점수 사이에 높은 상관관계가 있는 것은 학생평가의 객관성을 나타낸다. 비록 자기평가 점수가 동료로부터 받은 점수보다 평균적으로 높은 것은 분명하지만 그것이 학년이나 과목에 따라서 또는 학업성취도에 따라서 달라지지 않으므로 객관성 면에서 더 활용가치가 높다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.139-159
• /
• 2022

코로나19 이후 건강기능식품의 관심이 높아짐에 따라 수입 식품 안전성 검사의 중요성도 더욱 커지고 있다. 그러나 매년 증가하는 건강기능식품 수입량과 반대로 식품 검사에 필요한 예산과 인력은 한계점에 다다르고 있다. 따라서 본 연구의 목적은 수출입 식품 중 건강기능식품을 대상으로 데이터의 특성을 살펴보고, 판별의 정확성과 결과의 설명 가능성을 고려하여 효율적으로 부적합 식품을 탐지할 수 있는 기계학습 모델 기반 자동화 시스템 설계 방안을 제시하는 것이다. 이를 위해 첫째, 부적합 판정에 영향을 미치는 식품 검사 데이터로부터 부적합 판정에 유의한 파생변수를 생성하며, 둘째, 건강기능식품 수출입 검사 데이터에 대한 탐색적 분석을 통해 클래스 불균형과 비선형성 등을 고려하여 영향변수를 선정하며, 셋째, 다양한 머신러닝 기법을 적용하여 모델 별 성능과 해석가능성에 대해 비교를 수행하고자 한다. 성능 분석 결과, 앙상블 모델이 가장 우수하였으며, 본 연구에서 제안하는 파생변수 및 모델이 수출입 식품 검사에서 활용하고 있는 시스템에 도움이 될 수 있음을 확인하였다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.347-364
• /
• 2022

고객의 구매 의사결정에 영향을 주는 온라인 리뷰의 부적절한 조작을 통해 이익을 얻고자 하는 기업 또는 온라인 판매자들 때문에, 리뷰의 신뢰성은 온라인 거래에서 매우 중요한 이슈가 되었다. 온라인 쇼핑몰 등에서 온라인 리뷰에 대한 소비자들의 의존도가 높아짐에 따라 많은 연구들이 조작된 리뷰를 탐지하는 방법에 개발하고자 하였다. 기존의 연구들은 온라인 리뷰를 기반으로 정상 리뷰와 조작된 리뷰를 대상으로 기계학습으로 이용함으로써 조작된 리뷰를 탐지하는 모형을 제시하였다. 기계학습은 데이터를 이용하여 이진분류 문제에서 탁월한 성능을 보여왔으나, 학습에 충분한 데이터를 확보할 수 있는 환경에서만 이러한 성능을 기대할 수 있었다. 조작된 리뷰는 학습용으로 사용할 수 있는 데이터가 충분하지 못하며, 이는 기계학습이 충분한 학습을 할 수 없다는 치명적 약점으로 내포하게 된다. 본 연구에서는 기계학습이 불균형 데이터 셋으로 인한 학습의 저하를 방지할 수 있는 방안으로 부족한 조작된 리뷰를 인공지능을 이용하여 생성하고 이를 기반으로 균형된 데이터 셋에서 기계학습을 학습하여 조작된 리뷰를 탐지하는 방안을 제시하였다. 파인 튜닝된 GPT-3는 초거대 인공지능으로 온라인 플랫폼의 리뷰를 생성하여 데이터 불균형 문제를 해결하는 오버샘플링 접근방법으로 사용되었다. GPT-3로 생성한 온라인 리뷰는 기존 리뷰를 기반으로 인공지능이 작성한 리뷰로써, 본 연구에서 사용된 로짓, 의사결정나무, 인공신경망의 성능을 개선시키는 것을 SMOTE와 단순 오버샘플링과 비교하여 실증분석을 통해서 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.77-82
• /
• 2023

본 논문은 농림축산식품부에서 구축한 농경지 전자지도인 팜맵을 딥러닝을 이용하여 농경지 속성정보인 논, 밭, 인삼, 과수, 시설, 비경지의 속성 정보를 판독하는 방안을 제안한다. 팜맵은 항공 및 위성 영상을 이용하여 현실 세계의 농경지를 디지털화하여 작물 생산 현황 파악과 드론 운영에 공간정보로 활용되고 있으며, 판독 매뉴얼을 작성하여 매년 사람을 통해 농경지의 경계를 구획하고 속성을 판독하여 갱신한다. 사람을 통한 농경지 속성판독은 사람의 판독 역량과 경험에 따라 차이를 보이며, 판독 오류는 예산과 공간적 시간적 한계로 직접 현장에 갈 수 없어 현실적으로 검증이 쉽지 않다. 팜맵은 5가지의 농경지 속성의 이미지에 해당 객체의 위치 정보와 클래스 정보를 가지고 있어 적합한 AI의 기법은 인스턴스 분할 모델인 ResNet50으로 실험을 진행하였으며, 딥러닝을 이용한 농경지 속성판독과 사람에 의한 속성판독 결과를 비교하여, 향후 다른 결과를 나타내는 속성판독에 집중하여 기술을 개발한다면 속성 오류를 줄이고 농경지 전자지도의 정확성 향상에 큰 역할을 할 것으로 기대된다.

• 한국재난정보학회 논문집
• /
• 제19권3호
• /
• pp.665-672
• /
• 2023

연구목적: 지하공동구는 도시 지하에 전기, 수도, 가스 등의 인프라를 공동 수용하는 시설로 공기 흐름이 부족하여 계절에 상관없이 결로가 자주 발생한다. 결로는 전기 설비의 누전 화재를 일으키는 원인이 되므로 지하공동구 내의 조명 등 각종 시설물 관리를 위해 필요한 제어반은 결로에 노출되지 않도록 문이 닫힌 상태로 관리되어야 한다. 본 논문에서는 딥러닝 객체인식 기술을 활용하여 수km 거리에 반복 배치된 공동구 제어반의 문 열림 여부를 이동 카메라 조건과 조명이 꺼진 조건에서도 인식하고자 한다. 연구방법: 지하공동구를 순찰하는 로봇이 촬영한 영상데이터를 이용하여 딥러닝 객체인식 모델인 YOLO를 모자이크 이미지 증강기법으로 학습시켜 제어반 문 열림과 문 닫힘을 인식한다. 연구결과: 모자이크 이미지 증강기법으로 학습시킨 모델과 사용하지 않은 모델의 성능을 비교한 결과, 모자이크 학습 모델이 더 우수한 성능(모든 클래스에 대한 mAP가 0.994 이상임)을 보이는 것을 확인하였다. 결론: 지하공동구의 조명이 꺼진 상태에서도, 공동구 내부 시설물이 복잡한 환경에서도 제어반의 문열림 여부를 우수한 성능으로 인식하여 지하공동구 재난안전관리에 도움이 될 것으로 기대된다.

• 한국비블리아학회지
• /
• 제33권1호
• /
• pp.25-45
• /
• 2022

이 연구는 LRM 이후의 목록 동향을 반영한 KORMARC-통합서지용의 수용 방안을 마련하기 위한 것이다. 이를 위해 LRM 이후의 목록 동향에 관한 문헌연구, MARC 21 토론문서 분석, MARC 21과 KORMARC의 필드를 비교분석하였다. 그 결과 KORMARC에서 개정이 필요한 필드 및 식별기호의 수용방안 및 고려사항은 다음과 같다. 첫째, LRM/RDA 반영 측면에서 대표표현형은 381 혹은 387 필드를 확장하고, 구현형서술은 881 필드와 그 식별기호를 변경 및 추가하고, 데이터출처는 ▾7 식별기호에 해당하는 데이터출처 코드를 사용해 기술할 것을 제안하였다. 둘째, 링크드데이터 측면에서 RWO를 위해 식별기호 ▾1을 추가하고, 관련 저작 식별자 기술을 위해 758 식별기호를 신설할 것을 제안하였다. 셋째, KORMARC와 BIBFRAME의 데이터 상호연계를 위해 KORMARC 개발시 BIBFRAME 클래스와 속성과의 매핑을 고려할 것을 제안하였다. 넷째, 그 외에도 251 버전정보, 335 확장계획, 341 내용접근성, 348 악보 특성, 353 부록 특성, 532 접근성 주기, 370 관련 장소, 385 이용대상자 특성, 386 창작자/기여자 특성, 388 창작기간, 688 주제명부출표목-구체화되지 않은 개체의 유형, 884 변환정보, 885 매칭정보를 위해 필드를 추가 개발할 필요가 있다. 이 연구는 KORMARC-통합서지용 개정 및 국내 도서관의 표준 서지데이터 구축 및 활용에 활용될 수 있을 것이다.

• 한국빅데이터학회지
• /
• 제8권1호
• /
• pp.49-59
• /
• 2023

제조업의 안전보건 기준은 다양한 항목이 존재하지만, 질병 재해자 기준에서 업무상 질병과 근골격계 질환으로 나눌 수 있다. 이 중 근골격계 질환은 제조업에서 가장 많이 발생하며, 나아가서 제조 현장의 노동생산성감소 및 경쟁력 약화까지 유발할 수 있어서 이를 사전에 확인할 수 있는 시스템이 필요한 실정이다. 본 논문에서는 제조업 노동자의 근골격계 유해 요인을 검출하기 위하여 근골격계 부담작업 요인 분석 데이터 속성, 유해 요인 작업자세, 관절 키포인트를 정의하고 인공지능 학습용 데이터를 구축하였다. 구축한 데이터의 유효성을 판단하기 위해서 YOLO, Dite-HRNet, EfficientNet 등의 AI 알고리즘을 활용하여 학습하고 검증하였다. 실험 결과 사람 탐지 정확도는 99%, 탐지된 사람의 관절 위치 추론 정확도는 @AP0.5 88%, 추론된 관절 위치를 종합하여 자세를 평가한 정확도는 LEGS 72.2%, NECT 85.7%, TRUNK 81.9%, UPPERARM 79.8%, LOWERARM 92.7%를 도출하였으며, 추가로 딥러닝 기반의 근골격계 질병을 예방할 수 있는 연구에 필요한 요소를 고찰하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권5호
• /
• pp.199-206
• /
• 2023

현대 소프트웨어의 규모는 커지고 있다. 이에 따라 고품질 코드를 위한 정적 분석의 중요성이 커지고 있다. 코드에 대한 정적 분석을 통해 결함과 복잡도를 식별하는 것이 필요하다. 이를 가시화하여 개발자 및 이해 관계자가 알기 쉽게 가이드도 필요하다. 기존 코드 가시화 연구들은 정적 분석의 코드 내부 정보들을 데이터베이스 테이블에 저장하여 및 품질 지표(CK Metrics, Coupling, Number of function calls, Bed smell)에 대한 계산을 질의어화 하고 추출된 정보를 가시화하는 과정을 구현하는 것에만 초점을 두었다. 이러한 연구들은 방대한 코드로부터 추출한 정보를 이용하여 코드를 분석할 때 많은 시간과 자원이 소모된다는 한계점이 있다. 또한 각 코드 내 정보 테이블들이 정규화되지 않았기 때문에 코드 내부의 정보(클래스, 함수, 속성 등)들에 대한 테이블 조인 연산 시 메모리 공간과 시간 소비가 발생할 수 있다. 이러한 문제들을 해결하기 위해, 데이터베이스 테이블의 정규화된 설계와 이를 통한 코드 내부의 품질 메트릭 지표에 대한 추출 및 가시화 메커니즘 제안한다. 이러한 메커니즘을 통해 코드 가시화 공정이 최적화되고, 개발자가 리팩토링해야 할 모듈을 가이드 할 수 있을 것으로 기대한다. 앞으로는 부분 학습도 시도할 예정이다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.27-35
• /
• 2023

본 논문에서는 복합소재 생산 분야에서 수요가 높은 프리프레그 섬유 제조 공정에 딥러닝 기반의 결함 검출 및 분류 시스템을 적용하여 생산성을 높이는 과정을 제안한다. 다양한 조건별 다량의 불량 발생으로 해결방안이 필요한 토우 프리프레그 제조 장비에 적용하기 위해 우선 결함 감지와 분류 모델 제작에 필요한 카메라 및 조명을 선정하여 최적의 환경을 구축하였다. 그리고 다중 분류 모델 제작에 필요한 데이터를 수집하고 정상 및 불량 조건에 따라 라벨링을 진행하였다. 다중 분류 모델은 CNN 기반으로 제작하였으며 VGGNet과 MobileNet, ResNet 등의 사전 학습모델을 적용하여 성능을 비교하고 정확도 및 손실 그래프로 개선 방향을 파악한다. 주요 문제로 과적합 문제를 확인하여 개선하기 위해 데이터 증강 및 Dropout 기법을 적용하여 보완하였다. 모델에 대한 성능 평가를 위해 혼돈행렬을 성능지표로 한 성능 평가를 진행하였으며 99% 이상의 성능을 확인하였다. 또한, 실제 공정에 적용하여 실시간 획득된 이미지에 대한 분류 결과를 확인해보며 판별 값이 정확히 도출되는지 확인한다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.91-98
• /
• 2023

오늘날 인공지능 산업이 발전함에 따라 여러 분야에 걸쳐 인공지능을 통한 자동화 및 최적화가 이루어지고 있다. 국내의 철도 분야 또한 지도 학습을 이용한 레일의 결함을 검출하는 연구들을 확인할 수 있다. 그러나 철도에는 레일만이 아닌 다른 구조물들이 존재하며 그중 선로 체결 장치는 레일을 다른 구조물에 결합시켜주는 역할을 하는 장치로 안전사고의 예방을 위해서 주기적인 점검이 필요하다. 본 논문에는 선로 체결 장치의 데이터를 이용하여 준지도 학습(semi-supervised learning)과 전이 학습(transfer learning)을 이용한 분류기를 학습시켜 선로 안전 점검에 사용되는 비용을 줄이는 방안을 제안한다. 사용된 네트워크는 Resnet50이며 imagenet으로 선행 학습된 모델이다. 레이블이 없는 데이터에서 무작위로 데이터를 선정 후 레이블을 부여한 뒤 이를 통해 모델을 학습한다. 학습된 모델의 이용하여 남은 데이터를 예측 후 예측한 데이터 중 클래스 별 확률이 가장 높은 데이터를 정해진 크기만큼 훈련용 데이터에 추가하는 방식을 채택하였다. 추가적으로 초기의 레이블된 데이터의 크기가 끼치는 영향력을 확인해보기 위한 실험을 진행하였다. 실험 결과 최대 92%의 정확도를 얻을 수 있었으며 이는 지도 학습 대비 5% 내외의 성능 차이를 가진다. 이는 제안한 방안을 통해 추가적인 레이블링 과정 없이 비교적 적은 레이블을 이용하여 분류기의 성능을 기존보다 향상시킬 수 있을 것으로 예상된다.