• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.20-26
• /
• 2008

지능형 로봇이나 컴퓨터가 일상생활 속에서 차지하는 비중이 점점 높아짐에 따라 인간과의 상호교류도 점점 중요시되고 있다. 이렇게 지능형 로봇(컴퓨터) - 인간의 상호 교류하는데 있어서 감정 인식 및 표현은 필수라 할 수 있겠다. 본 논문에서는 음성 신호와 얼굴 영상에서 감정적인 특징들을 추출한 후 이것을 Bayesian Learning과 Principal Component Analysis에 적용하여 5가지 감정(평활, 기쁨, 슬픔, 화남, 놀람)으로 패턴을 분류하였다. 그리고 각각 매개체의 단점을 보완하고 인식률을 높이기 위해서 결정 융합 방법과 특징 융합 방법을 적용하여 감정 인식 실험을 하였다. 결정 융합 방법은 각각 인식 시스템을 통해 얻어진 인식 결과 값을 퍼지 소속 함수에 적용하여 감정 인식 실험을 하였으며, 특징 융합 방법은 SFS(Sequential Forward Selection) 특징 선택 방법을 통해 우수한 특징들을 선택한 후 MLP(Multi Layer Perceptron) 기반 신경망(Neural Networks)에 적용하여 감정 인식 실험을 실행하였다. 그리고 인식된 결과 값을 2D 얼굴 형태에 적용하여 감정을 표현하였다.

• 한국산업정보학회논문지
• /
• 제9권1호
• /
• pp.92-102
• /
• 2004

자기 주도적 학습능력의 수준별 교육을 위한 평가 방법으로서, 수행평가는 문제해결 능력과 높은 사고 능력평가에 대한 한계점을 극복하고 수업의 질과 학교 정상화를 위한 계획으로 선호되고 있다. 그러나 수행평가는 평가 오류, 채점 공정성 문제, 신뢰도 및 객관성 등의 확보에 어려움 있다. 이런 문제점을 해결하고 수행평가 만족을 높이기 위하여, 본 논문에서는 회계원리 과목을 대상으로 수행평가에 대한 각 영역에서 영향을 주는 인자를 분석하여 퍼지 소속 함수를 설계하고, 이를 적용한 객관적이고 신뢰성 높은 수행평가 방법을 제시하고자 한다.

• 헤리티지:역사와 과학
• /
• 제52권4호
• /
• pp.56-77
• /
• 2019

비석은 상례문화의 보고이자 서예사의 정수로서 시대사·사회사를 조명할 수 있는 중요한 문화재지만 그 연구는 아직 미미하다. 특히 비각의 제작 방식에 관한 것은 아직 미증유의 분야로 남아 있어 연구가 절실한 편이다. 비석의 제작은 석재의 탁마 과정과 조각, 그리고 글씨를 새기는 북칠 과정으로 대별할 수 있다. 본고에서는 이와 관련하여 몇 가지의 사실을 밝히고 있다. 첫째, 신과 관련한 의물(神儀物)인 상석, 혼유석, 비석에는 정교한 마정(磨正) 작업을 가한다. 이는 임진왜란, 병자호란의 영향으로 인한 유교적 상·제례의 정착과 전파로 혼유석에 대한 인식의 변화에 기인한다. 둘째, 영조 때 오석(烏石)의 비약적인 확산과 사저취용(私儲取用)은 사회·문화사적으로 큰 의미를 가지고 있다. 상품(上品)의 강화석이 고갈되자 사대부에서 사용하던 오석을 천릉한 장릉에 사용한 이후 사대부들을 중심으로 퍼지게 된다. 특히 오석의 사용과 마정 작업은 화학적·물리적 손상을 최소화시킬 수 있었다. 셋째, 비석의 각자 기술은 북칠(北漆)에 있다. 효종 영릉 천릉 시에 송시열의 지문을 북칠한 이후부터 북칠 과정은 동아시아에서 우리나라가 가장 성행했고 제도화된 점은 특기할 만하다. 북칠은 오석의 검은 색으로 인해 흑묵보다 붉은 당주를 이용하면서 더욱 정교화된다. 넷째, 조선 후기에 들어서면서 각자 방식에도 변화가 일어난다. 영조 연간까지 각자는 획의 두께에 따라 각의 깊이를 결정해 음영을 표현하고 양감을 나타냈다. 물론 이 같은 기법은 모든 표석이나 신도비에서 나타나는 것은 아니나 내수사에 소속된 뛰어난 경공장들의 전습에 의해 유지되었다. 따라서 비석을 제작하기 위해서는 숙석, 연정, 마정, 정간, 초도서입, 중초, 입각, 교정, 장황의 단계를 거쳐 하나의 완성품이 이뤄진다. 이러한 것은 묘주에 대한 존경심과 공업을 알리는 목적이지만, 이를 통해 공예 기능의 분업과 협업에 바탕을 둔 작업이 표석의 전체 제작 과정에 나타난다는 사실을 알 수 있다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.119-142
• /
• 2015

사용자의 취향과 선호도를 고려하여 정보를 제공하는 추천 시스템의 중요성이 높아졌다. 이를 위해 다양한 기법들이 제안되었는데, 비교적 도메인의 제약이 적은 협업 필터링이 널리 사용되고 있다. 협업 필터링의 한 종류인 모델 기반 협업 필터링은 기계학습이나 데이터 마이닝 모델을 협업 필터링에 접목한 방법이다. 이는 희박성 문제와 확장성 문제 등의 협업 필터링의 근본적인 한계를 개선하지만, 모델 생성 비용이 높고 성능/확장성 트레이드오프가 발생한다는 한계점을 갖는다. 성능/확장성 트레이드오프는 희박성 문제의 일종인 적용범위 감소 문제를 발생시킨다. 또한, 높은 모델 생성 비용은 도메인 환경 변화의 누적으로 인한 성능 불안정의 원인이 된다. 본 연구에서는 이 문제를 해결하기 위해, 군집화 기반 협업 필터링에 마르코프 전이확률모델과 퍼지 군집화의 개념을 접목하여, 적용범위 감소 문제와 성능 불안정성 문제를 해결한 예측적 군집화 기반 협업 필터링 기법을 제안한다. 이 기법은 첫째, 사용자 기호(Preference)의 변화를 추적하여 정적인 모델과 동적인 사용자간의 괴리 해소를 통해 성능 불안정 문제를 개선한다. 둘째, 전이확률과 군집 소속 확률에 기반한 적용범위 확장으로 적용범위 감소 문제를 개선한다. 제안하는 기법의 검증은 각각 성능 불안정성 문제와 확장성/성능 트레이드오프 문제에 대한 강건성(robustness)시험을 통해 이뤄졌다. 제안하는 기법은 기존 기법들에 비해 성능의 향상 폭은 미미하다. 또한 데이터의 변동 정도를 나타내는 지표인 표준 편차의 측면에서도 의미 있는 개선을 보이지 못하였다. 하지만, 성능의 변동 폭을 나타내는 범위의 측면에서는 기존 기법들에 비해 개선을 보였다. 첫 번째 실험에서는 모델 생성 전후의 성능 변동폭에서 51.31%의 개선을, 두 번째 실험에서는 군집 수 변화에 따른 성능 변동폭에서 36.05%의 개선을 보였다. 이는 제안하는 기법이 성능의 향상을 보여주지는 못하지만, 성능 안정성의 측면에서는 기존의 기법들을 개선하고 있음을 의미한다.