• 지능정보연구
• /
• 제16권4호
• /
• pp.195-211
• /
• 2010

전시회는 전시업체가 새로운 상품이나 서비스를 관람객에게 알리기 위해 개최되는 것으로 효과적인 마케팅 수단으로 중요한 역할을 수행한다. 전시회를 방문하는 다양한 관람객의 니즈를 충족시키기 위하여 다양한 유비쿼터스 기술이 전시회에 응용되고 있지만 관람객이 사전에 요청한 정보만을 제공함으로 개별 관람객의 선호가 반영되지 않아 관람객의 니즈를 충족시키기에는 한계가 있다. 이러한 한계를 해결하기 위한 방법으로 개인의 선호에 부합하는 부스를 추천하는 추천 시스템의 이용이 가능하다. 추천시스템은 전시 환경에서 관람객의 선호를 추론하여 선호에 부합하는 방문 부스를 추천하여 관람객의 니즈를 충족시킬 수 있다. 그러나 추천 시스템 중 가장 성공적으로 평가 받는 기존의 협업 필터링은 관람객의 부스 방문 순서에 나타나는 선호를 반영하지 않아 동적으로 변화하는 선호를 가지는 관람객으로 구성된 전시 환경의 추천 시스템으로는 적합하지 않다. 따라서 본 연구에서는 관람객의 방문 순서를 고려하는 기법 중 순차 연관 규칙을 이용하여 관람객의 선호에 부합하는 부스를 추천하는 방법론을 제안하였다. 본 연구에서 제안한 방법론의 성과 측정을 위해 실제 전시회에서 획득한 데이터를 사용하여 기존의 협업 필터링과 비교한 결과 전체적으로 추천의 성과가 향상되어 향후 전시 환경에서의 부스 추천시스템에 적용하여 관람객의 니즈를 충족시킬 것으로 기대된다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.237-246
• /
• 2020

최근 고해상도 영상을 지원하는 위성들이 다양화되면서 도심지에 대한 DSM (Digital Surface Model) 생성 및 업데이트가 가능해지고 있다. 그에 따라 고해상도 DSM을 이용해 건물 단위의 변화탐지가 가능해지면서 DSM을 활용한 건물 변화탐지 기법들이 다양하게 연구되고 있다. 기본적으로 DSM을 활용한 건물 변화탐지를 위해서는 스테레오 위성영상을 이용한 두 시기에 대한 DSM의 생성이 필요하며, 생성된 DSM의 표고값 차이를 이용해 변화를 탐지하는 D-DSM (Differential DSM) 방법이 일반적으로 사용된다. 그러나 D-DSM을 이용하는 기법은 두 DSM 간의 수직오차가 클 경우 건물의 변화를 탐지하기 위한 최소 수직좌표의 임계치를 정밀하게 적용하기에 어려움이 있다. 따라서 본 연구에서는 DTM (Digital Terrain Model)의 높이를 기준표고로 지정하고 구조물의 높이만을 표현하는 nDSM (Normalized DSM)을 기반으로 D-nDSM (Differential nDSM)을 생성하고 모폴로지 필터링을 거쳐 변화탐지를 진행하여 표고 오차에 따른 변화탐지의 오류를 줄이고자 하였다. 또한 도로변 건물의 추출 정밀도 향상을 위해 nDSM에서 도심지의 도로망을 추출하는 방안을 제시해 D-nDSM기법에 적용하였다. 도시 변화지역을 대상으로 두 시기의 스테레오 영상을 이용하여 실험을 진행하였고, D-DSM을 이용한 변화탐지기법과 D-nDSM기법, 도로선형을 추출해 D-nDSM에 적용한 탐지방법 등을 비교하여 결과를 얻었다. 단순 D-DSM을 이용한 기법에서 수직 임계치에 따라 약 30~55%의 정확도를 얻어낼 수 있었다. 또한 D-nDSM 기법의 적용시 59%의 정확도를 얻었으며, 노이즈 필터링의 과정을 거쳐 77.9%의 정확도를 얻었다, 최종적으로 대상지의 도로 선형을 추출해 적용하여 87.2%의 전체 정확도를 얻을 수 있었다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.43-56
• /
• 2020

추천 시스템은 사용자가 다양한 옵션 중에서 최선의 선택을 할 수 있도록 도와준다. 그러나 추천 시스템이 상업적으로 성공하기 위해서는 극복할 몇 개의 문제점이 존재한다. 첫째, 추천시스템의 투명성 부족 문제이다. 즉, 추천된 상품이 왜 추천되었는지 사용자들이 알 수 없다. 둘째, 추천시스템이 사용자 선호의 변화를 즉각적으로 반영할 수 없는 문제이다. 즉, 사용자의 상품에 대한 선호는 시간이 지남에 따라 변함에도 불구하고, 추천시스템이 사용자 선호를 반영하기 위해서는 다시 모델을 재구축해야 한다. 따라서 본연구에서는 이러한 문제를 해결하기 위해 토픽 모델링과 순차 연관 규칙을 이용한 추천 방법론을 제안하였다. 토픽 모델링은 사용자에게 아이템이 왜 추천되었는지 설명하는데 유용하며, 순차 연관 규칙은 변화하는 사용자의 선호를 파악하는데 유용하다. 본 연구에서 제안한 방법은 크게 토픽 모델링 및 사용자 프로파일 생성 등 토픽 모델링에 기반한 사용자 프로파일 생성 단계와 토픽에 사용자 선호 확인 및 순차 연관 규칙 발견 등 순차 연관 규칙에 기반한 추천 단계로 구분된다. 벤치마크 시스템으로 협업 필터링 기반 추천 시스템을 개발하고, 아마존의 리뷰 데이터 셋을 이용하여 제안한 방법론의 성능을 비교 평가하였다. 비교 분석 결과, 제안한 방법론이 협업 필터링 기반 추천시스템보다 뛰어난 성능을 보였다. 따라서 본 연구에서 제안하는 추천 방법을 통해 추천 시스템의 투명성을 확보할 수 있을 뿐만 아니라, 시간에 따라 변화하는 사용자의 선호를 반영할 수 있다. 그러나 본 연구는 토픽과 관련된 상품을 추천하기 때문에, 토픽에 포함된 상품의 수가 많을 경우 추천이 정교하지 못하는 한계점이 있다. 또한 토픽의 수가 적기 때문에 토픽에 대한 순차 연관 규칙이 너무 적은 문제점이 있다. 향후 연구에서 이러한 문제점을 해결한다면 좋은 연구가 될 것으로 판단된다.

• 감성과학
• /
• 제21권4호
• /
• pp.63-76
• /
• 2018

본 연구의 목적은 스마트 헬스케어를 위해 접촉식 직물전극의 구조가 심장활동 신호 획득에 미치는 영향을 연구하는 것이다. 본 연구에서는 심장활동 신호 측정을 위하여 전극의 크기와 구성방식을 조작한 6종의 접촉식 직물전극을 컴퓨터 자수 방식으로 구현하였고, 이를 가슴밴드에 부착하여 응용형 리드 II(modified Lead II) 방식으로 심장활동 신호를 검출하였다. 건강한 신체의 남성 4명을 대상으로 서서 정지한 자세에서 각 직물전극을 사용하여 심장활동 신호를 검출하였으며, 모든 유형의 전극에 걸쳐 4회씩 반복측정 하였다. 심장활동 신호의 수집을 위해 BIOPAC ECG100 장비를 사용하여 1 kHz로 샘플링하였으며, 검출된 원 신호를 대역통과 필터를 사용하여 필터링하였다. 직물전극의 구조에 따른 심장활동 신호 획득의 성능을 비교하기 위하여 신호의 파형과 크기를 파라미터로 하여 정성적 분석을 실시하였고, 각 전극을 통하여 획득된 심장활동 신호의 SPR(signal power ratio)을 산출함으로써 정량적 분석을 실시하였다. 산출된 SPR 값을 대상으로 하여 비모수 통계분석 방식의 차이검정과 사후검정을 실시함으로써 6개 전극의 구조에 따른 심장활동 신호 획득의 성능 차이를 구체적으로 분석하였다. 연구 결과 접촉식 직물전극의 구조에 따라 심장활동 신호의 품질에는 정성적, 정량적 측면에 걸쳐 모두 주요한 차이가 있는 것이 고찰되었다. 접촉식 직물전극의 구성 측면에 있어서는 입체전극이 평면전극에 비해 더 우수한 품질의 신호가 검출되는 것으로 나타났다. 한편 3가지 전극 크기에 따른 심장활동 신호 획득의 유의한 성능 차이는 발견되지 않았다. 이러한 결과는 심장활동 신호 획득을 위한 접촉식 직물전극 구조의 두 가지 요건 중 구성방식(평면/입체)이 웨어러블 헬스케어를 위한 심장활동 신호 획득의 성능에 주요한 영향을 미치는 것을 시사한다. 본 연구 결과를 기반으로 후속 연구에서는 직물전극이 일체형으로 통합된 의복형 플랫폼을 구현하고 성능 고도화 방안을 연구함으로써, 시공간의 제약 없이 고품질의 심장활동 모니터링이 가능한 스마트 의류 기술을 개발하고자 한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.139-161
• /
• 2019

전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.

• 지질공학
• /
• 제31권4호
• /
• pp.603-620
• /
• 2021

수진기들을 서로 케이블로 연결하지 않고 독립적으로 운용하는 육상-노달 탄성파 기술을 수륙 경계지역에 대한 탄성파 반사법자료를 얻기 위해 사용하였다. 이 기술은 수진기 설치와 수거가 간편하기 때문에 지형조건 영향을 적게 받으면서 양호한 자료를 얻을 수 있다는 점에서 매우 경제적이다. 경상북도 포항시 형산강 하구를 테스트 지역으로 한 이 연구에서는 송수신 측선을 약 120 m 간격으로 서로 평행하도록 전개하여 음원은 강에서 에어건을 사용하고 무선 수신은 하상에 설치한 노달 시스템을 사용하였다. 수집된 반사파 자료들은 낮은 신호대잡음(S/N)과 불연속적인 이벤트를 보이며, 특히 직접파, 가이드파, 음파, Scholte 표면파를 포함한 대부분의 이벤트들이 현장 자료에서 쌍곡선 형태로 나타는데 이러한 특징은 송수신이 같은 측선에서 이루어지는 일반적인 탐사에서의 직선 형태와 크게 대비된다. 주된 자료처리는 저주파 고진폭 잡음에 가려진 미약한 신호를 향상시키기 위한 띠통과 필터링, 공기파를 완화시키기 위한 주파수-파수 필터링, 송수신기 사이의 전파시간을 보정하기 위한 시간지연 보정을 수행하여 궁극적으로 가이드파와 공기파에 가려진 천부의 반사파를 표출하는데 목적을 두었다. 송신기와 수신기 사이의 횡단-오프셋 거리에 따른 시간지연 보정을 위한 주시방정식과 곡선을 이 연구에서 새로이 제시하였다. 시간지연 보정 효과는 최소 횡단-오프셋 자료에서 보정 후 약 200 ms 상향 이동하는 잘 정렬된 수평층으로 잘 관찰된다, 직접파/공기파를 기준으로 한 시간지연 보정은 서로 평행한 송수신 측선에서 얻어지는 자료처리에 필수적인 것으로 나타났다. 이 연구에서 개발되고 적용된 육상 노달-수상 에어건 시스템 자료의 수집과 처리 기법은 차후 천부가스, 단층대, 연안지역 및 도심지의 엔지니어링 설계를 위해 육해상 경계 지역에서 얻어지는 고분해능 자료에 효과적으로 쉽게 적용될 것으로 기대된다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.167-176
• /
• 2022

심지층 특성화 기술 확보에 필요한 자체 기기 개발의 일환으로 철재 케이싱이 설치된 시추공에도 적용가능한 공곡검층기 K-DEV를 설계하고 500 m 깊이 용 시작품을 개발하였다. K-DEV는 디지털 출력을 제공하고 이미 성능이 입증된 센서들을 장착하며, 기존에 국내에서 사용하는 윈치시스템과 호환성을 갖추도록 설계되었다. K-DEV 시작품은 외경 48.3 mm 비자성 스테인레스강 하우징을 채용했으며 실험실 내에서 20 MPa까지의 방수 시험, 그리고 1 km 깊이 시추공에 삽입하여 내구성 시험을 거쳤다. 시작품을 이용해 600 m 깊이까지의 하향 및 상향 연속 검층을 수행하여 작동의 안정성 및 자료의 반복성을 확인하였다. 철재 케이싱이 설치되어 있는 시추공내에서 방위각 결정에 필수적인 자이로 센서로 K-DEV 시작품에서는 고정밀도 MEMS 자이로스코프를 채택하였다. 여기에 가속도계 자료와 각속도 자료를 융합하고 무향 칼만 필터링(Unscented Kalman Filtering)을 통해 최적화 함으로써 정확한 궤적 추적을 수행하는 알고리듬을 고안하였다. 시험 시추공에서 K-DEV 시작품과 상업적 기기와의 비교 검층을 통해 서로 매우 근접한 결과를 얻었다. 특히, MEMS 자이로 센서의 시간에 따른 drift에 의한 오차 누적 문제는 검층 전 후에 정두에서 동일한 방향으로 위치한 정지 상태에서 측정한 자료로부터 각속도를 보정함으로써 해소될 수 있으며, 철재 케이싱이 설치된 시추공에서의 공곡검층이 나공 상태에서의 결과와 거의 동일한 궤적 추정 결과를 제공함을 확인할 수 있었다. 이러한 시작품 적용 결과로서 K-DEV 개발의 방법론, 시작품의 안정성 및 자료의 신뢰성을 확보하였다고 판단된다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.311-328
• /
• 2022

정보통신기술 발달로 스마트폰이 보급되면서, 온라인 쇼핑몰 서비스는 컴퓨터가 아닌 모바일로도 사용이 가능해졌다. 그로 인해 온라인 쇼핑몰 서비스를 이용하는 사용자는 급격히 증가하게 되고, 거래되는 제품의 종류 또한 방대해지고 있다. 따라서 기업은 이익을 최대화하기 위해서는 사용자가 관심을 가질만한 정보를 제공해주는 것이 중요하다. 이를 위해 사용자의 과거 행동 데이터나 행동 구매 기록을 기반으로 사용자에게 필요한 정보 또는 제품을 제시하는 것을 추천 시스템이라 한다. 현재 추천 서비스를 제공하는 대표적인 해외 기업으로는 Netflix, Amazon, YouTube 등이 있다. 최근 이러한 전자상거래 사이트에서는 사용자가 해당 제품에 대한 리뷰가 유용한지에 대해 투표할 수 있는 기능을 제공하고 있다. 이를 통해, 사용자는 유용하다고 판단되는 제품에 대한 리뷰와 평점을 참고하여 구매 의사결정을 내린다. 따라서 본 연구에서는 제품에 대한 평점과 리뷰의 유용성 정보 간의 상관관계를 파악하고, 리뷰의 유용성 정보를 추천 시스템에 반영하여 추천 성능을 확인하고자 한다. 또한 대부분의 사용자들은 만족한 제품에만 평점을 부여하는 경향이 있고 제품에 대한 평점이 높을수록 구매 의도가 높아지는 경향이 있다. 따라서 전통적인 협업 필터링 기법에 모든 평점을 반영한 결과와 4점과 5점 평점만을 반영한 추천 성능 결과를 비교하고자 한다. 이를 위해 본 연구에서는 Amazon에서 수집한 전자 제품 데이터를 사용하였으며, 실험 결과는 평점과 리뷰 유용성 정보 간 상관관계가 있는 것으로 확인되었다. 또한 모든 평점과 4점과 5점 평점만을 추천 시스템에 반영하여 추천 성능을 비교한 결과, 4점과 5점 평점만을 추천 시스템에 반영한 결과의 추천 성능이 더 높게 나타났다. 그리고 리뷰 유용성 정보를 추천 시스템에 반영한 결과는 리뷰가 유용할수록 추천 성능은 높게 나타나는 것으로 확인하였다. 따라서 이러한 실험 결과는 향후 개인화 추천 서비스의 성능 향상에 기여하고, 전자상거래 사이트에 시사점을 제공할 수 있을 것으로 본다.

• 한국방사선학회논문지
• /
• 제17권3호
• /
• pp.297-303
• /
• 2023

소아 전산화단층촬영(Computed Tomography, CT) 검사 시 어린 환자들의 협조가 어려워 검사 실패나 재검사가 빈번히 발생할 수 있다. 딥러닝 이미지 재구성(Deep Learning Image Reconstruction, DLIR) 방법은 방사선 감수성이 높은 소아 환자들의 CT 검사에서 재검사율을 낮추면서 진단적 가치가 높은 영상을 획득할 수 있다. 본 연구에서는 DLIR을 적용하여 소아 흉부 CT 검사에서 호흡이나 움직임으로 인한 노이즈를 줄이고 임상적으로 유용한 영상을 얻기 위한 가능성을 조사하였다. 경상남도 소재의 P병원에서 7세 미만의 소아 43명의 흉부 CT 검사 데이터를 후향적으로 분석하였으며, 필터링 역 투영 재구성법(Filtered Back Projection, FBP), 반복적 재구성법(Adaptive Statistical Iterative Reconstruction, ASIR-50), 딥러닝 알고리즘인 True Fidelity-Middle(TF-M)의 영상을 비교하였다. 조영 증강된 흉부 영상 중 오른쪽 상행 대동맥(Ascending Aorta, AA)과 등 근육(Back Muscle, BM)에 동일한 ROI를 그리고 각 영상에서 HU값을 이용하여 노이즈(Standard deviation, SD)를 측정하였다. 통계분석은 SPSS(ver. 22.0)를 사용하여 세 측정치의 평균값을 일원 배치 분산분석(One-way ANOVA)으로 분석하였다. 연구의 결과로 AA의 SD값은 FBP=25.65±3.75, ASIR-50=19.08±3.93, TF-M=17.05±4.45 로 나타났으며(F=66.72, p=0.00), BM의 SD값은 FBP=26.64±3.81, ASIR-50=19.19±3.37, TF-M=19.87±4.25 로 나타났다(F=49.54, p=0.00). 사후검정의 결과는 세 그룹간 유의한 차이가 있었다. DLIR 재구성 방법은 기존의 재구성 방법과 비교하여 유의하게 낮은 노이즈 값을 보였다. 따라서 딥러닝 알고리즘인 TrueFidelity-Middle(TF-M)의 적용은 소아 흉부 CT 검사 시 호흡이나 움직임에 의한 영상 화질의 저하를 줄일 수 있어 임상적으로 매우 유용하게 활용될 것으로 기대된다.