• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.558-564
• /
• 2021

최근 5G 도입에 따라 생활 전반으로 전자파 방사원이 확산됨에 따라 국민 중심 전자파 안전관리 체계 구축이 필요한 실정이다. 특히 5G 안테나의 빔포밍 방식은 무선기지국 설치시 전자파의 전력밀도 측정은 10배 이상으로 증가되어 물리적인 측정으로 안전성을 판단하는 것은 무리가 있다. 따라서 체계적인 모델 분석을 통하여 계산에 의한 예측기법으로 생활속에 전자파 안전 유무를 판별할 필요가 있다. 본 논문에서는 이같은 문제를 해결하기 위한 방법으로 전자파 수치해석툴을 사용한 5G 무선기지국의 가능성을 확인하기 위해서 실제 기지국 측정값과 예측 모델을 통한 예측값을 상호 비교하는 신뢰도 평가를 통하여 가능성을 확인하였다.

• 스마트미디어저널
• /
• 제10권1호
• /
• pp.32-38
• /
• 2021

사진 이미지에서의 딥러닝 학습을 통한 이미지 분류는 지난 수년간 매우 활발한 연구 분야로 자리하고 있다. 본 논문에서는 국내산 석재 이미지로부터 딥러닝 학습을 통해 자동으로 석재를 판별하는 방법을 제안한다. 제안된 방법은 300×300픽셀의 황등석, 고흥석, 포천석의 사진 이미지들을 파이썬의 해시 라이브러리를 이용하여 석재별 중복된 이미지를 검사하고, 검사 결과로 해시값이 같은 중복된 이미지를 제거하여 석재별 딥러닝 학습이미지를 만드는 데이터 전처리 과정을 수행한다. 또한 미리 학습된 모델인 VGGNet을 활용하기 위해 학습된 이미지 사이즈인 224×224픽셀로 석재별 이미지들의 사이즈를 재조정하고, 학습데이터와 학습을 위한 검증데이터의 비율을 80% 대 20%로 나누어 딥러닝 학습을 수행한다. 딥러닝 학습을 수행한 후 손실 함수 그래프와 정확도 그래프를 출력하고 세 종류의 석재 이미지에 대해 딥러닝 학습 모델의 예측 결과를 출력하였다.

• 한국정보통신학회논문지
• /
• 제26권4호
• /
• pp.510-518
• /
• 2022

국가수준에서 시행되는 진단평가는 학교에서 학습부진이 있는 학생을 조기 발견하는 것이 매우 중요하다. 본연구는 부산교육종단의 2019년 중학교 1학년의 데이터를 입력하여 2020년 성취여부를 판별하는 인공지능 모델을 구축하고 분석하였다. 머신러닝 알고리즘으로 중학교 국어, 영어, 수학 기초학력을 예측하는 예측모형을 개발하고, 다음 학년 예측에도 78%, 82%, 83% 의 정확도를 보이는 것을 확인하였다. 또한, 중학교 과목별 성취예측 의사결정트리를 그려서 과정을 분석해보면서, 성취 예측에 영향을 미치는 특성들은 어떠한 것들이 있는지 살펴보았다.

• 정보처리학회 논문지
• /
• 제13권2호
• /
• pp.60-75
• /
• 2024

클라우드 환경에서 복잡한 가상 환경을 관리할 필요 없이 애플리케이션 본연의 작업에 집중하기를 원하는 사용자의 요구는 서버리스 컴퓨팅이라는 새로운 컴퓨팅 모델을 탄생시켰다. 서버리스 컴퓨팅 모델에서 사용자는 서버에서의 자원 할당이나 기타 서버 관리를 서비스 제공자에게 위임하고, 자신은 애플리케이션 코드 개발에만 집중하여 클라우드 서비스를 사용하는 것이 가능해졌다. 서버리스 컴퓨팅은 클라우드 서비스 사용자의 부담을 감소시킴으로써 클라우드 컴퓨팅의 활용도를 한 단계 업그레이드시켰으며, 향후 클라우드 컴퓨팅의 기반 모델로 자리 잡을 것으로 예상된다. 서버리스 플랫폼은 사용자를 대신하여 클라우드 가상 환경에 대한 관리를 담당하며, 애플리케이션을 구성하는 서버리스 함수를 클라우드 환경에서 실행시키는 역할을 담당한다. 사용하는 자원에 비례하여 사용자 과금이 이루어지는 서버리스 컴퓨팅의 특징을 고려 할 때 서버리스 플랫폼의 효율성은 사용자와 서비스 제공자 모두에게 매우 중요한 요소라고 볼 수 있다. 본 논문에서는 서버리스 컴퓨팅 성능에 영향을 미치는 다양한 요소를 판별하고, 관련된 최신 연구 동향을 분석하고자 한다. 그리고 분석 결과를 바탕으로 향후 서버리스 컴퓨팅의 발전 방향과 관련된 연구 방향을 논의한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.11-20
• /
• 2024

AI(Artificial Intelligence)의 다양한 모델 중 생성 모델, 특히 GAN(Generative Adversarial Network)은 이미지 처리, 밀도 추정, 스타일 전이 등 다양한 응용 분야에서 성공을 거두었다. 이러한 GAN은 CGAN(Conditional GAN), CycleGAN, BigGAN 등의 방식으로 확장 및 개선되었지만 재난 시뮬레이션, 의료 분야, 도시 계획 등 특정 분야에서는 데이터 부족과 불안정한 학습에 의한 이미지 왜곡 문제로 실제 시스템 적용에 문제가 되고 있다. 본 논문에서는 클래스 항목을 판별하는 ACGAN(Auxiliary Classifier GAN) 구조를 기반으로 기존 PGGAN(Progressive Growing of GAN)의 점진적 학습 방식을 활용한 새로운 점진적 단계의 학습 방법론 PST(Progressive Step Training)를 제안한다. PST 모델은 기존 방법 대비 70.82% 빠른 안정화, 51.3% 낮은 표준 편차, 후반 고해상도의 안정적 손실값 수렴 그리고 94.6% 빠른 손실 감소를 달성한다.

• 한국산림과학회지
• /
• 제83권2호
• /
• pp.175-190
• /
• 1994

산지사면붕괴(山地斜面崩壞)에 의(依)한 피해(被害)를 예방(豫防) 또는 극소화(極小化)하기 위(爲)하여 산사태(山沙汰)가 자주 발생(發生)하는 지역(地域)을 중심(中心)으로 각(各) 조사(調査) 단위사면(單位斜面)에 대(對)하여 산지사면붕괴(山地斜面崩壞)에 영향(影響)하리라고 예상(豫想)되는 12개(個) 환경요인(環境要因)을 현지조사(現地調査)하고 붕괴(崩壞)와 환경인자(環境因子)와의 관계(關係)를 수량화(數量化) 이론(理論)에 의(依)한 방법(方法)으로 분석(分析)하여 산사태발생(山沙汰發生)의 위험도(危險度)를 평가(評價)할 수 있는 예측(豫測)모델을 도출(導出)하였으며, 또한 이를 기초(基礎)로 하여 위험도(危險度)를 각(各) 급별(級別)로 구분(區分)하고 예지(豫知)모델을 검토(檢討)하였던 바 그 결과(結果)을 요약(要約)하면 다음과 같다. 산지붕괴발생면적(山地崩壞發生面積)에 영향(影響)을 주는 인자(因子)는 강우(降雨), 령급(齡級), 표고(標高), 토성(土性), 경사(傾斜), 사면위치(斜面位置), 임상(林相), 곡차수(谷次數), 종단사면형(縱斷斜面形), 모암(母岩), 토심(土深), 방위(方位)의 순(順)이었으며, 편상관계수(偏相關係數)에 의(依)한 인자(因子)는 령급(令級), 강우(降雨), 토성(土性), 모암(母岩), 경사(傾斜), 사면위치(斜面位置), 표고(標高), 종단사면형(縱斷斜面形), 곡차수(谷次數), 임상(林相), 토심(土深), 방위(方位)의 순(順)으로 나타났다. 또한 산지붕괴발생빈도(山地崩壞發生頻度)에 의(依)한 인자(因子)의 순위(順位)는 령급(令級), 표고(標高), 토성(土性), 경사도(傾斜度), 식생(植生), 강우(降雨), 종단사면(縱斷斜面), 곡차수(谷次數), 모암(母岩), 토심(土深)이었으며 사면위치(斜面位置) 및 방위(方位)는 기여도(寄與度)가 낮게 나타났다. 산지사면붕괴위험(山地斜面崩壞危險) 예지(豫知)를 위(爲)하여 붕괴발생면적(崩壞發生面積)에 의(依)한 예측(豫測)모델에서 위험도(危險度) 예측점수표(豫測點數表)를 작성(作成)할 수 있었으며, 점수합계(點數合計)가 9.1636이면 붕괴발생위험(崩壞發生危險)이 높은 것으로 평가(評價)되었으며 산지(山地) 사면붕괴(斜面崩壞)가 발생(發生)한 사면(斜面)과 발생(發生)하지 않은 사면(斜面)에 의(依)한 예측(豫測)모델에서 우사면(雨斜面)에 대(對)한 사면판별(斜面判別) 구분치(區分値)는 -0.02였고, 그 적중율(適中率)은 73%로 높았다. 또한 판별구분치(判別區分値)를 기준(基準)으로 한 산지사면붕괴발생(山地斜面崩壞發生) 위험도별(危險度別) 점수(點數)는 A급(級)은 0.3132 이상(以上)이었고, B급(級)은 0.3132~-0.1051, C급(級)은 -0.1050~-0.4195, D급(級)은 -0.4195 이하(以下)였다. 그리고 산지사면붕괴발생(山地斜面崩壞發生)의 예지(豫知)는 판별구분치(判別區分値)를 기준(基準)으로 위험도(危險度)을 A, B, C, D의 4등급(等級)으로 구분(區分)할 수 있었으며, 총(總) 300개(個) 사면(斜面) 중(中) A급사면(級斜面) 68개(個), B급사면(級斜面) 115개(個), C급사면(級斜面) 65개, D급사면(級斜面) 52개(個)였다. 위험도(危險度) A, B급(級)에서의 산사태발생(山沙汰發生)은 150개(個) 붕괴지(崩壞地) 중 125개(個)로서 약(約) 83.3%의 높은 적중율(適中率)을 보여 예측(豫測)모델로서 응용(應用) 가능성(可能性)이 높게 나타났다. 따라서 이러한 예지방법(豫知方法)에 의(依)하여 선정(選定)한 위험(危險)한 지역(地域)에 대(對)하여 산지재해위험도(山地災害危險度) 지도(地圖)를 작성(作成)하여 토지이용(土地利用) 계획(計劃) 및 재해위험지(災害危險地) 선정기준(選定基準)의 행정지표(行政指標)로서 활용(活用)할 수 있을 것이다. 또한 산지재해(山地災害)에 대(對)한 종합(綜合) 대책(對策)에 유용(有用)하게 활용(活用)함으로써 막대(莫大)한 재산(財産) 피해(被害)와 인명(人命) 손실(損失)을 사전(事前)에 방지(防止)할 수 있을 것이다.

• 한국건설관리학회논문집
• /
• 제18권6호
• /
• pp.78-88
• /
• 2017

건설사업의 생애주기 단계별로 BIM의 활용도가 다양해지면서 이를 위한 전문화된 소프트웨어가 증가하고 있다. 이들 소프트웨어 간 BIM 정보 교환 시 상호호환성이 중요하며, 이때 국제표준 포맷인 IFC 데이터 모델을 채택하고 있다. 그러나 BIM 데이터를 IFC로 변환하기 위해서는 개별 객체에 IFC 클래스를 매핑해야 하는데, 현재까지 본 작업은 수동 작업으로 이뤄지고 있어, 매핑 상의 오류나 누락이 발생하게 된다. 본 연구에서는 BIM 객체 및 IFC 클래스 간 매핑의 무결성 검증을 위해 이상탐지분석 기법 중 하나인 Novelty detection을 적용하였다. 동일한 IFC 클래스의 객체들은 기하형상이 유사하다는 전제하에. 매핑이 잘못된 객체를 이상치로 판별하고자 하는 것이다. 3개의 BIM모델로부터 IFC 클래스별로 객체를 분류한 후 이 중 2개의 IFC 클래스(벽체 및 문)에 대해 one-class SVM을 학습시키고 검증하였다. 분석한 결과 총 160개의 이상치 중 141개를 정확하게 분류하여 이상치 판별능력이 높게 나왔다. Novelty detection 기법은 다중 경계면을 형성하고 사전적 학습이 가능하다는 점에서 높은 예측력을 발휘하여, 기존 방식이나 타 알고리즘보다 매핑 오류를 검증하는데 더 적합한 방법인 것으로 확인되었다.

• 전자공학회논문지
• /
• 제50권6호
• /
• pp.212-220
• /
• 2013

최근 사용자의 생체 신호 정보를 기반으로 사용자 인지향상을 위하여, 상황에 적합한 서비스를 제공하기 위한 인간-컴퓨터/기계 상호작용 (Human computer/machine interaction: HCI/HMI) 시스템이 급격하게 증가하고 있는 추세이다. 이와 같이 인간-컴퓨터/기계 상호작용 기반의 효과적인 사용자 인지향상 시스템을 개발하기 위해서는 사용자의 명시적 의도 파악과 더불어 사용자의 묵시적 의도 파악이 중요하다. 사람의 시각 운동 이론에 따르면, 사람의 안구운동 정보와 동공 반응은 사람의 의도와 행동에 대하여 많은 량의 정보를 제공한다. 이에 본 논문에서는 사용자의 묵시적 의도를 판별하기 위하여, 피험자에게 제공되는 자극영상의 관심(흥미) 영역 (area of interest: AOI) 내에서의 안구운동 패턴인 응시 시간/횟수, 동공 응답 패턴의 동공크기와 동공의 크기변화인 기울기 정보를 분석하는 새로운 접근 방법을 제안한다. 제안하는 모델은 항행적 의도 발생, 정보적 의도발생, 정보적 의도 소멸과 같은 세 가지 유형으로 인간의 묵시적 의도를 식별한다. 여기서 항행적 의도란 주어진 자극영상 내에서 무언가 흥미로운 것을 찾는 행위를 말하며, 이에 반해 정보적 의도는 특정 위치에서 특정 객체는 찾는 행위를 의미한다. 본 연구에서는 사용자 안구운동 패턴과 동공분석 정보 기반으로 서로 다른 묵시적 의도인 항행적 의도, 정보적 의도 발생, 그리고 정보적 의도 소멸 사이에서 그 천이를 감지할 수 있는 계층적 SVM (hierarchical support vector machine: H-SVM)을 이용하였다.

• 정보보호학회논문지
• /
• 제31권6호
• /
• pp.1215-1225
• /
• 2021

인공지능 기술은 우수한 성능을 기반으로 다양한 분야에 적용되고 있지만 입력 데이터에 인간이 감지할 수 없는 적대적 섭동을 추가하여 인공지능 모델의 오작동을 유도하는 적대적 예제에 취약하다. 현재까지 적대적 예제에 대응하기 위한 방법은 세 가지 범주로 분류할 수 있다. (1) 모델 재학습 방법; (2) 입력 변환 방법; (3) 적대적 예제 탐지 방법. 이러한 적대적 예제에 대응하기 위한 방법은 끊임없이 등장하고 있지만 각 적대적 공격 유형을 분류하는 연구는 미비한 실정이다. 따라서, 본 논문에서는 차원 축소와 군집화 알고리즘을 활용한 적대적 공격 유형 분류 방법을 제안한다. 구체적으로, 제안하는 방법은 적대적 예시로부터 적대적 섭동을 추출하고 선형 판별 분석(LDA)를 통해 적대적 섭동의 차원을 축소한 후에 k-means 알고리즘으로 적대적 공격 유형 분류를 수행한다. MNIST 데이터셋과 CIFAR-10 데이터셋을 대상으로 한 실험을 통해, 제안하는 기법은 5개의 적대적 공격(FGSM, BIM, PGD, DeepFool, C&W)을 효율적으로 분류할 수 있으며, 적대적 예제에 대한 정상 입력을 알 수 없는 제한적인 상황에서도 우수한 분류 성능을 나타내는 것을 확인하였다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.107-119
• /
• 2023

군인의 동작 및 운동 상태를 인식하는 기술은 웨어러블 테크놀로지와 인공지능의 결합으로 최근 대두되어 병력 관리의 패러다임을 바꿀 기술로 주목받고 있다. 이때 훈련 상황에서의 평가 및 솔루션 제공, 전투 상황에서의 효율적 모니터링 기능을 의도한대로 제공하기 위해서는 상태 판별의 정확도가 매우 높은 수준으로 유지되어야만 한다. 하지만 입력 데이터가 시계열 또는 시퀀스로 주어지는 경우, 기존의 피드포워드 신경망으로는 분류 성능을 극대화하는데 한계가 발생한다. 전장에서의 군사 동작 인식을 위해 다뤄지는 인간의 행동양식 데이터(3축 가속도 및 3축 각속도)는 시의존적 특성의 분석이 요구되기 때문에, 본 논문은 순환 신경망인 LSTM(Long-short Term Memory) 네트워크를 활용하여 취득 데이터의 이동 양상 및 순서 의존성을 파악하고 여덟 가지의 대표적 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는 고성능 인공지능 모델을 제안한다. 이때, 학습 조건 및 모델 변수는 그 정확도에 결정적인 영향을 끼치지만 인간의 수동적 조정이 필요해 비용 비효율적이고 최적의 값을 보장하지 못한다. 본 논문은 기계 스스로 일반화 성능이 극대화된 조건들을 취득할 수 있도록 베이지안 최적화를 활용해 하이퍼파라미터를 최적화한다. 그 결과, 최종 아키텍쳐는 학습 가능한 파라미터의 개수가 유사한 기존의 인공 신경망과 비교해서 오차율이 62.56% 감소할 수 있었으며, 최종적으로 98.39%의 정확도로 군사 동작 인식 기능을 구현할 수 있었다.