• 전자공학회논문지
• /
• 제52권6호
• /
• pp.117-125
• /
• 2015

앉아있는 시간이 긴 현대인들에게 바른 자세를 유지하도록 하는 것은 중요하다. 자세 교정을 위한 치료는 많은 시간과 비용이 소요되며, 전문의의 지속적인 관찰이 필요하다. 그러므로 사용자 스스로 자신의 자세를 판단하고 교정하기 위한 시스템이 필요하다. 본 논문에서는 사용자의 자세 데이터를 취득하여 취득된 자세가 정상자세인지 비정상자세인지 판단한다. 사용자의 자세 데이터 취득을 위해 관성 센서를 이용한 4개 관절 기반 모션캡쳐 시스템을 제안한다. 이 시스템을 통해 대상자의 자세 데이터를 취득하고, 취득한 데이터를 기반으로 특징을 추출하여 DB를 구축한다. 구축한 DB를 K-means 클러스터링 알고리즘을 이용하여 자세 학습을 수행한 후, 정상자세와 비정상자세를 분류한다. 관절의 회전각도, 위치정보, 분석정보를 이용하여 자세분류를 수행한 결과, 정상자세 판단 성공률은 99.79%로 나타났다. 이 결과로 미루어 4개 관절에 대한 특징을 이용하여 사용자의 자세를 판단 가능하며, 향후 척추질환 예방 시스템에 적용하여 사용자의 자세를 교정하는 데 도움을 줄 수 있을 것으로 판단된다.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.51-56
• /
• 2022

산업화의 발전으로 음식물 및 쓰레기 배출량이 급격히 증가하고 있다. 이에 정부도 심각성을 인지하고 이를 줄이고자 다방면으로 노력을 하고 있다. 그 일환으로 음식물 종량제을 도입을 하였고 도입 초기 여러 시행착오가 있었지만 20 ~ 30%의 감량 효과를 보여주고 있다. 이러한 실적은 음식물 종량제가 정착이 되고 있음을 암시하고 있다.하지만 1차 수거에서 2차 수거과정을 통해 집하장으로 모여서 자원 순환을 과정에서 이물질로 인한 폐해가 발생하고 있다. 이에 본 연구에서는 이러한 문제점을 근본적으로 해결하고자 인공지능을 적용하여 개선하고자 한다. 음식물쓰레기 특성상 많은 이미지를 구하는데는 한계가 있어 CNN을 기반으로 한 여러 모델을 비교하여 이를 이상 데이터 분류 즉, CNN 기반 모델들에 여러 유형의 이물질에 대한 학습을 시킨 후 그 중 정확도가 놓은 모델을 적용하여 설비 보호와 이물질 구분을 위해 투입되는 인력 등 유지보수에 대한 개선책을 마련하고자 한다.

• 전자공학회논문지CI
• /
• 제42권3호
• /
• pp.17-28
• /
• 2005

최근 컴퓨터 게임에서 지능 캐릭터는 게이머들의 흥미를 계속 유발시킬 수 있기 때문에 더욱 더 중요한 요소로 부각되고 있다. 지능 캐릭터를 구현하는 대표적인 방법으로 신경망을 사용하여 상대 캐릭터의 행동패턴과 게임 규칙을 학습하는 방법이 연구되었다. 그러나 게임의 규칙은 갑자기 변경될 수 있으며 온라인 게임과 같은 상황에서는 게이머에 따라서 행동 특성이 크게 다를 수 있다. 본 논문에서는 지능 캐릭터가 이러한 환경의 변화에 적응하는 방법으로서 개체 수준 적응 알고리즘과 개체군 수준 적응 알고리즘을 제안한다. 개체 수준 적응 알고리즘에서 각 지능 캐릭터는 자신의 게임 점수의 변화를 계속해서 관찰하면서, 최종적으로 획득한 점수들을 고려하여 환경의 변화를 판단하고, 만약 변화가 감지된 경우에는 다시 새로운 학습을 시작한다. 대용량 온라인 게임과 같이 다수의 사용자가 있는 게임에서는 지능 캐릭터들이 다양한 행동 패턴과 전략을 가지고 있는 여러 상대 캐릭터들과 대전한다. 개체군 수준 적응 알고리즘은 유전자 알고리즘을 이용하여 지능 캐릭터들의 출현을 조절하여 게임 월드내의 균형이 유지되도록 한다. 제안한 알고리즘의 성능을 평가하기 위하여 간단한 대전 액션 게임을 구현하고 그 환경 상에서 게임 규칙과 상대 캐릭터들의 행동 패턴을 변화시키면서 실험하였다. 실험 결과 지능 캐릭터는 제안한 기법을 이용하여 환경 변화에 적응할 수 있음을 보였다.

• 지질공학
• /
• 제30권4호
• /
• pp.649-661
• /
• 2020

도로비탈면관리시스템은 전국 도로 비탈면 현황을 파악하고 위험등급을 산정하여 유지대책 선정 및 사전에 비탈면 붕괴를 차단하여 국민의 안전을 도모하기 위해 만들어졌다. 이를 위해 전국 국도에 위치한 깎기비탈면에 대해 기초·정밀조사를 수행하여 데이터베이스를 구축하고 매년 갱신되고 있다. 수집된 데이터는 수치형과 문자형으로 구성되어 있으며, 사면에 대한 객관적인 정보와 전문가의 판단에 의해 결정된 주관적인 정보로 구성되어 있다. 본 연구에서는 도로비탈면관리시스템에서 관리하는 데이터 활용 가능성을 검토하기 위해, 기계학습인 로지스틱 회귀분석을 이용하여 독립적인 정보를 이용한 주관적 정보 예측 모델을 구축하고 검증하였다. 수행결과, 구축된 확률모델을 이용하여 높은 정확도로 주관적 판단이 필요한 정보들을 예측할 수 있음을 확인하였다. 또한, 구축된 모델을 활용하여 새로 수집된 정보와 모델로부터의 예측값을 비교 ? 검토를 통해 고품질의 데이터를 구축할 수 있을 것으로 기대된다.

• 융합정보논문지
• /
• 제12권2호
• /
• pp.30-36
• /
• 2022

본 논문에서는 가시광 통신시스템의 조명과 통신의 기능을 동시에 사용할 때, 조명의 Dimming Level 향상과 Flicker 현상을 줄일 수 있는 기법에 대해서 제안한다. 가시광 통신은 통신과 조명의 성능을 함께 만족해야 한다. 그러나 기존의 Data Code Mapping 방식은 전체 조명의 밝기를 감소시키는 결과를 나타낸다. 이는 조명의 성능 저하와 Flicker 현상을 유발한다. 이를 해결하기 위해, 본 논문에서는 전송 알파벳에 대해서 binary code 할당하고, 문자열에 알파벳의 발생 빈도율에 따라 할당된 binary code를 최적화하여 매칭 시키는 적응 학습형 코드 할당 기법을 제안하였다. 이를 통해, 각각의 문자열의 최대 Dimming level을 유지하면서 동시에 'OFF' 패턴이 연속적으로 발생하지 않도록 코드를 할당하여 통신 기능뿐만 아니라 조명으로써의 역할을 충실히 할 수 있는 기법에 대해서 연구하였다. 성능평가 결과, 전체 통신 성능에 큰 영향을 주지 않으면서, '1'의 발생 빈도가 유의미하게 증가하였고 반대로 연속적인 '0' 빈도율이 감소하여 시스템의 조명 성능이 크게 향상된 것을 보였다.

• 방송공학회논문지
• /
• 제25권6호
• /
• pp.944-953
• /
• 2020

객체 검출 알고리즘은 자율주행 시스템 구현을 위한 핵심 요소이다. 최근 심층 합성곱 신경망 (Deep Convolutional Neural Network) 기반의 영상 인식 기술이 발전함에 따라 심층 학습을 이용한 객체 검출 관련 연구들이 활발히 진행되고 있다. 본 논문에서는 객체 검출에 가장 널리 사용되고 있는 Mask R-CNN의 경량화 모델을 제안하여 도로 내 다양한 객체들의 위치와 형태를 효율적으로 예측하는 방법을 제안한다. 또한, 주의 모듈(Attention Module)을 Mask R-CNN 내 각각 다른 역할을 수행하는 신경망 계층에 적용함으로써 특징 지도를 적응적으로 재교정(Re-calibration)하여 검출 성능을 향상시킨다. 실제 주행 영상에 대한 다양한 실험 결과를 통해 제안하는 방법이 기존 방법 대비 크게 감소된 신경망 매개변수만을 이용하여 고성능 검출 성능을 유지함을 보인다.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.63-70
• /
• 2023

최근 스마트팜 에너지 비용 중 35% 낸난방비 에너지 소비가 증가되어 에너지 소비 효율화가 요구되며, 전기료 현실화에 대한 우려로 신재생 에너지 중요성이 증가하고 있다. 신재생 에너지는 수력, 풍력, 태양광 등에 속하며, 이중 태양광 에너지는 전기에너지로 변환하는 발전기술로, 이 기술은 에너지원이 환경에 미치는 영향이 적고, 유지 보수가 간편하다는 특징을 갖고 있다. 본 연구에서는 온실 축열조, 히트펌프 데이터 기반으로 축열조 영향을 많이 미치는 요소를 선정하고 축열조 공급 온도예측 모델을 개발하고자 한다. 시계열 데이터 분석 및 예측에 효과적인 LSTM(Long Short-Term Memory)과 다른 앙상블 학습 기법보다 뛰어난 XGBoost 모델을 이용하여 예측한다. 히트펌프 축열조 온도를 예측함으로써 에너지 소비를 최적화하여 시스템 운영을 최적화할 수 있다. 또한, 태양광 활용에 따른 냉난방비 절감 및 농가의 에너지 자립도 개선 등 스마트팜 에너지 통합 운영 시스템에 연계하고자 한다. 플랫폼을 통해 폐열 에너지의 공급을 관리하고 최대 난방부하 및 계절, 시간별 작물생장에 필요한 에너지값을 도출하여 이를 기반으로 최적 에너지 운용방안을 도출하고자 한다.

• 한국터널지하공간학회 논문집
• /
• 제24권2호
• /
• pp.217-230
• /
• 2022

쉴드TBM (Tunnel Boring Machine) 터널 시공에 있어 막장압 관리는 막장면 붕괴, 지반침하 등을 방지하여 막장 안정성을 유지하는 데 중요한 역할을 담당한다. 특히, 챔버 내부의 굴착토로 막장압을 조절하는 토압식 쉴드TBM의 경우, 이수식 쉴드TBM에 비해 막장압의 관리가 어렵다. 본 연구에서는 국내 토압식 쉴드TBM 터널 시공 현장의 지반조건 및 굴진특성 데이터를 분석하여, 토압식 쉴드TBM 터널의 세그먼트 링별 막장압 예측모델을 제시하였다. 예측모델의 입력특성으로 7가지를 선정하였으며, 912개의 학습 데이터 세트(Training data set)와 228개의 시험 데이터 세트(Test data set)를 확보하였다. 최적의 토압식 쉴드TBM 막장압 예측모델 선정을 위하여 KNN (K-Nearest Neighbors), SVM (Support Vector Machine), RF (Random Forest), XGB (eXtreme Gradient Boosting) 모델의 하이퍼파라미터(Hyperparameter)를 최적화하여 예측성능을 비교한 결과, RF 모델이 7.35 kPa의 평균 제곱근 오차(Root Mean Square Error, RMSE)로 가장 우수한 성능을 나타냈다. 추가적으로, RF 모델의 특성 중요도(Feature importance) 분석을 수행한 결과, 입력특성 중 수압의 영향도가 0.38로 가장 높았으며, 전반적으로 지반조건이 굴진특성보다 높은 중요도를 보여주었다.