• 한국음향학회지
• /
• 제43권1호
• /
• pp.19-28
• /
• 2024

본 논문은 Convolutional Neural Network(CNN) 모델을 이용하여 선박 소음의 로파그램 분석을 통한 선박 식별 시 허프 변환을 적용함으로써 성능을 향상시키는 방안을 제안한다. 수동소나에 수신된 신호를 처리하면 시간-주파수 영역인 로파그램이 생성된다. 로파그램에는 선박이 방사하는 기계류 소음이 토널 신호로 나타나고 이를 분석하면 선박의 클래스를 특정할 수 있다. 그러나 로파그램의 분석은 숙달된 인원에 의해 진행되는 전문적이고 오랜 시간이 소요되는 작업이다. 또한, 로파그램에는 수중환경 특성 상 다양한 배경소음이 같이 전시되기 때문에 표적 식별을 위한 분석이 매우 어렵다. 이 문제를 해결하기 위해 로파그램에 허프 변환을 적용하여 선을 추가함으로써 토널 신호를 강조하였다. 원본 로파그램과 허프 변환을 적용한 로파그램에 대해 CNN 모델을 이용해 식별을 시도한 결과, CNN 모델의 정확도와 매크로 F1 점수를 통해 허프 변환을 적용한 것이 로파그램 식별 성능을 향상시켰음을 보여주었다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권6호
• /
• pp.393-402
• /
• 2015

조직을 구성하는 인적자원은 조직의 중요한 구성요소 중 하나다. 특히 통제된 조직일수록 인적자원의 가치는 조직의 목표 달성을 위해 더욱 중요하다. 현재까지의 조직 구성원 진단은 과거 병력과 같은 외연적인 개인의 특성 및 인성검사와 같은 자발적 진단결과를 통해서 이루어지고 있다. 그러나 구성원 개인단위에 대한 진단방법은 설문 내용이 방대하고 본인의 응답에 전적으로 의존하는 것이어서 거짓 응답 및 은폐 등의 단점이 있으며 소요되는 시간 또한 길다. 이러한 단점을 극복할 수 있는 객관적 진단방법으로 구성원 상호간 진단방법이 있으나, 사람과 사람사이의 눈에 보이지 않는 관계를 표현하고 분석하기 어렵다는 제한사항이 있다. 본 논문에서는 구성원 상호간 진단방법을 통한 조직 진단 모델인 다면평가 모델을 제안한다. 이 모델은 10분 내외의 설문으로 조직의 사회 연결망을 구성한 후 소셜 네트워크 분석 기법을 이용한 제안된 알고리즘을 통해 조직을 진단한다. 실험결과 표본 집단에서 특별 관리하는 인원과 비교하여 Weighted Precision 0.62를 보였으며, 기존 방법으로 식별되지 않는 인원들을 식별할 수 있었다. 본 연구에서 제안하는 모델을 기반으로 조직 진단 시각화 시스템을 구성한다면 인적자원을 관리하는 모든 조직 관리자에게 유용한 시스템이 될 것이다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.