• 디지털융복합연구
• /
• 제17권12호
• /
• pp.467-472
• /
• 2019

국내 스마트폰 이용률이 증가함에 따라 모바일 게임의 발전 속도도 빨라지고 있지만, 시장 규모가 커짐에 따라 경쟁이 심화되는 현상이 나타나고 있다. 이러한 모바일 게임 시장에서 게임을 성공시키기 위한 요소 중 하나로 UI를 제시하고 있는데, 이러한 모바일 게임 UI 설계 시 이전에 기능과 심미적 표현, 기능중심디자인과 정보 전달과 더불어 사용자의 경험을 설계하는 측면에서 접근되어야 한다는 주장이 제시되었다. 본 논문에서는 UX요소 중 경험을 이용해 효과적인 모바일 RPG의 로비 layout을 제시하였다. Ernest Adams와 Andrew Rollings의 레이아웃 분류 방법을 통해 google play 누적매출 순위 20위 내 모바일 RPG의 9개를 선정해 로비 layout을 분석한 결과 모바일 RPG장르의 첫 시장 흥행을 이끌었던 게임의 로비 layout이 이후 출시되어 흥행한 게임의 기준이 되었다는 결과가 나왔다. 이는 기존 RPG를 이용했던 경험에 의해 낮은 진입장벽과 학습이 불필요 하다는 점에서 이용자가 이전에 이용하였던 게임과 유사하게 느끼는 로비 layout이 효과적이라고 해석할 수 있다. 향후 연구에서는 RPG 이외의 다른 장르에 관한 최적의 UX를 측정할 수 있는 연구가 진행된다면 넓은 장르의 공통적인 layout을 도출해낼 수 있을 것이다.

• 정보과학회 논문지
• /
• 제43권1호
• /
• pp.87-95
• /
• 2016

최근 인터넷과 디바이스의 발전으로 지식 정보의 양이 방대해 지면서 대용량 온톨로지를 이용한 추론 연구가 활발히 진행되고 있다. 일반적으로 트리플로 표현되는 빅데이터는 기계학습 프로그램이나 지식 공학자가 각 트리플의 신뢰도를 측정하여 제공한다. 하지만 수집된 데이터는 불확실한 데이터를 포함하고 있으며, 이러한 데이터를 추론하는 것은 불확실성을 내포한 추론 결과를 초래할 수 있다. 본 논문에서는 불확실성 문제를 해결하기 위해 수집된 데이터에 대한 신뢰의 정도를 나타내는 신뢰값(Confidence Value)를 이용한 RDFS 규칙 추론 방법에 대하여 설명하고, 메모리 기반의 분산 클러스터 프레임워크인 스파크(Spark)를 기반으로 데이터의 불확실성에 대한 고려를 하지 않는 기존의 추론 방법과 달리 신뢰값 계산에 대한 방법을 응용하여 RDFS 규칙을 통해 추론되는 새로운 데이터의 신뢰값을 계산하며, 계산된 신뢰값은 추론된 데이터에 대한 불확실성을 나타낸다. 제안하는 추론 방법의 성능을 검증하기 위해 온톨로지 추론과 검색 속도를 평가할 때 활용되는 공식 데이터인 LUBM을 대상으로 신뢰값을 추가하여 실험을 수행하였으며, 가장 큰 데이터인 LUBM3000을 수행하였을 때 1179초의 추론시간이 소요되었고, 초당 350K 트리플을 처리할 수 있는 성능을 보였다.

• 전자공학회논문지
• /
• 제52권11호
• /
• pp.87-104
• /
• 2015

최근 지능화된 사물들이 연결되는 네트워크를 통해 사람과 사물, 사물과 사물 간에 상호 소통하고 상황인식 기반의 지식이 결합되어 인공지능 서비스를 제공하는 사물인터넷 (IoT : Internet of Things) 환경이 급속도로 발전하고 있다. 이러한 사물인터넷의 발전과 더불어 C-ITS (Cooperative Intelligent Transport System) 환경에서 고속으로 이동하는 차량이 기존의 노변 인프라 외에 주행 중인 다른 차량까지 교통 인프라에 포함하여 차선 및 번호판 인식, 전방 사고 및 도로 공사 감지 등 쌍방향 정보 공유를 통해 효율적인 도로 주행을 함으로써 운전자에게 편리성과 안전성을 높여주고 나아가 교통 효율성을 높이고자 하는 연구가 활발히 진행되고 있다. 본 논문에서는 C-ITS 환경에서 고속도로 주행 시 버스전용 차선 인식 후 교통 인프라와 연계하여 버스전용 차선 내 주행차량의 주행 가능 여부를 판단하고 이에 따른 후속 조치에 관한 연구를 진행하였다. 버스전용차선 인식을 통해 버스전용 차로의 위치를 파악한 후 후속 차량의 정면 전방 및 측면 전방 차량의 번호판 인식을 진행하고 향후 교통 인프라로 하여금 인지하게 하는 방법에 관한 학습과 해당 실험결과를 제시하였다.

• 한국ITS학회 논문지
• /
• 제18권4호
• /
• pp.58-70
• /
• 2019

보행자 교통사고의 경우 사고 발생 시 사망사고로 연결되는 위험성이 있다. 국내 지능형 교통시스템(ITS)은 질 좋은 교통 인프라를 구축하고 있음에도 불구하고, 거의 교통정보 수집에만 이용되고 있어, 위험상황 발생 시 지능적인 위험 요소 분류가 이루어지지 않고 있다. 본 연구에서 제안하는 시스템의 주요 구성 요소인 CNN 기반의 보행자 탐지 분류 모델의 경우 제한적인 환경에서 설치 운영되는 것을 가정하여 임베디드 시스템 기반으로 구현되었다. 기존 YOLO의 인공신경망 모델을 개선하여 My-Tiny-Model3라는 새로운 모델을 생성하였고, 20,000번의 반복 학습 기준으로 평균 정확도 86.29%와 21.1 fps의 실시간 탐지 속도 결과를 보였다. 그리고, 이러한 탐지 시스템을 기반으로 하여 ITS 체계와 연계 가능한 시스템 구현 및 프로토콜 연동 시나리오를 구성하였다. 본 연구를 통해 기존 ITS 체계와 연동하는 보행자 사고 방지 시스템을 구현한다면, 새로운 인프라 구축비용을 절감하고 보행자 교통사고 발생률을 줄이는 데 도움이 될 것이다. 또한, 기존의 시스템 감시인력 소요에 따른 비용 또한 줄일 수 있을 것으로 기대된다.

• 한국융합학회논문지
• /
• 제10권7호
• /
• pp.15-21
• /
• 2019

가짜 정보를 탐지하기 위한 연구는 2016년 미국 대통령 선거 이후 본격적으로 시작되었다. 정확한 출처를 알 수 없는 정보들이 뉴스 형식으로 생산되고, 이는 자극적이고 흥미로운 소재에 많은 관심을 보이는 대중의 특성에 따라 빠른 속도로 확산되고 있다. 또한, 소셜 네트워크 서비스 등 정보를 전달하기 쉬운 플랫폼의 대중화는 이러한 현상을 더욱 악화시킨다. Poynter는 IFCN(International Fact Checking Network)를 만들어 숙련된 전문가들이 사실 여부를 판단할 수 있는 가이드라인을 제시하고, 팩트 체크 기관을 위한 강령을 제공하고 있다. 하지만 이러한 접근 방법은 하나의 기사에 대한 진위 여부를 검증하기 위해 다수의 전문가 인력이 투입되어야 하므로 시간 및 금전적 비용이 크다. 따라서 지속적으로 증가하는 가짜 뉴스에 효율적으로 대응할 수 있는 자동화된 가짜 뉴스 탐지 기술에 대한 연구가 주목받고 있다. 본 논문에서는 최근 딥러닝 기술의 접목으로 인해 빠르게 발전하고 있는 가짜 뉴스 탐지 시스템과 연구들을 정리 및 분석한다. 또한, 많은 연구가 필요한 본 분야에 연구자들이 쉽게 접근할 수 있도록 다양한 형태로 주어지는 학습 말뭉치 및 챌린지들도 정리한다.

• 지질공학
• /
• 제28권4호
• /
• pp.673-686
• /
• 2018

암반을 구성하는 암석의 물리적 특성에 대하여 약 2,400개의 자료의 7가지 물리적 특성을 암종별, 강도별, 대표암석별로 다양한 방법을 통하여 상관관계 및 특성을 분석하였다. 상관관계는 다중회귀분석 방법으로 유의수준을 통해 유의한 독립변수를 선별하여 종속변수와의 상관관계식을 도출해내었으며 인공신경망 학습을 수행하여 실제 데이터와의 비교를 통하여 검증을 수행하여 신뢰성을 확인하였다. 암종별, 강도별 분석결과, 종속변수에 영향을 미치는 독립변수로는 탄성파속도(압축파), 탄성계수가 주요 영향인자로 작용하는 것을 확인하였다. 이는 기존연구에서 상기항목을 이용한 관계식이 대다수를 이루고 있는지를 증명할 수 있으며, 각종 기준에서 암반분류를 상기항목으로 기준으로 하는지를 본 연구를 통하여 확인할 수 있었다. 또한 대표암석 분석결과, 일축압축강도와 탄성계수를 추정할 수 있는 관계식이 결정계수 0.8을 상회하므로 상관관계가 높은 것으로 분석되었다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.1-8
• /
• 2021

본 연구에서는 도로 포장 유지관리에 필요한 핵심정보를 생산해 낼 수 있는 저비용·고효율 포장상태 모니터링 기술을 개발하고자 하였다. 특히 시각정보와 고가 센서에 의존하는 기존 장비의 단점을 보완하기 위해 소음과 인공지능 기반의 포장상태등급 평가시스템을 고안하였다. 시스템 개발을 위한 아이디어 정립부터 기능 정의, 정보흐름 및 아키텍쳐 설계 과정을 거쳤으며, 생산된 프로토타입에 대한 성능 검증과 활용 전주기에 대한 실증 평가를 수행하였다. 그 결과, 높은 수준의 인공지능 평가 신뢰도가 확보되었으며, 하드웨어와 소프트웨어적 요소 외에도 시스템 활용에 관한 짜임새 있는 가이드라인이 개발되었다. 또한 현장평가 과정을 통해 비전문가도 쉽고 빠른 조사와 분석이 가능하고, 직관적인 시각적 정보 제공을 통해 관리자의 업무 지원이 가능함도 확인하였다. 반면에 학습에 고려되지 않은 외부 조건에 대한 선행 판별 기술, 시스템 간소화, 가변 주행속도 대응 기술 등 기술의 완성도 제고도 필요함을 알 수 있었다. 본 연구를 시작으로 1960년대 이후 반세기 이상 지속되어온 포장상태 모니터링 기술의 새로운 패러다임이 제시되길 기대한다.

• 한국콘텐츠학회논문지
• /
• 제21권1호
• /
• pp.531-540
• /
• 2021

사이버 상의 공격과 범죄가 기하급수적으로 증가와 해킹 공격들이 지능화, 고도화되면서 해킹 공격방법 및 루트가 복자하고 예측 불가능하게 진화하고 있어 실시간으로 범죄 발생을 예측, 예방과 대규모의 지능적인 해킹 공격에 대한 선제적 대응력 강화하기 위해 스스로 학습해 이상 징후를 감시 및 공격을 차단하여 대응하는 인공지능을 활용한 차세대 보안 시스템 구축을 통한 인공지능기반 보안관제 플랫폼 개발 방안을 제시하고자 한다. 인공지능기반 보안관제 플랫폼은 데이터 수집, 데이터 분석, 차세대 보안체계 운영, 보안체계 관리 등의 기반으로 개발되어야 한다. 빅데이터 기반과 관제시스템, 외부위협정보를 통한 데이터 수집 단계, 수집된 데이터를 전처리 후 정형화시켜 딥러닝 기반 알고리즘을 통해 정·오탐 선별과 이상행위 분석 등을 수행하는 데이터 분석 단계, 분석된 데이터로 통해 예방·관제·대응·분석과 유기적 순환구조의 보안체계를 운영하여 신규위협에 대한 처리범위 및 속도향상을 높이고 정상기반과 비정상행위 식별 등을 강화시키는 차세대 보안체계 운영, 그리고 보안위협 대응 체계 관리, 유해IP 관리, 탐지정책 관리, 보안업무 법제도 관리이다. 이를 통해 방대한 데이터를 통합적으로 분석하고 빠른 시간에 선제적으로 대처가 될 수 있도록 방안을 모색하고자 한다.

• 융합정보논문지
• /
• 제11권6호
• /
• pp.33-39
• /
• 2021

음성인식 기술은 딥러닝과 결합되며 빠른 속도로 발전하고 있다. 특히 음성인식 서비스가 인공지능 스피커, 차량용 음성인식, 스마트폰 등의 각종 기기와 연결되며 음성인식 기술이 산업의 특정 분야가 아닌 다양한 곳에 활용되고 있다. 이러한 상황에서 해당 기술에 대한 높은 기대 수준을 맞추기 위한 연구 역시 활발히 진행되고 있다. 그중에서 자연어처리(NLP, Natural Language Processing)분야에서 음성인식 인식률에 많은 영향을 주는 주변의 소음이나 불필요한 음성신호를 제거하는 분야에 연구가 필요한 상황이다. 이미 많은 국내외 기업에서 이러한 연구를 위해 최신의 인공지능 기술을 활용하고 있다. 그중에서 합성곱신경망 알고리즘(CNN)을 활용한 연구가 활발하게 진행되고 있다. 본 연구의 목적은 합성곱 신경망을 통해서 사용자의 발화구간에서 비음성 구간을 판별하는 것으로 5명의 발화자의 음성파일(wav)을 수집하여 학습용 데이터를 생성하고 이를 합성곱신경망을 활용하여 음성 구간과 비음성 구간을 판별하는 분류 모델을 생성하였다. 이후 생성된 모델을 통해 비음성 구간을 탐지하는 실험을 진행한 결과 94%의 정확도를 얻었다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.183-191
• /
• 2021

비간섭 부하 모니터링은 사용자 에너지 소비량의 실시간 모니터링을 통해 가전기기의 사용량 예측 및 분류를 하는 기술로, 최근 에너지 절약의 수단으로 관심이 증가하고 있다. 본 논문에서는 GAF(Gramian angular field) 기반 1차원 시계열 데이터를 2차원 행렬로 변환하는 기법과, 합성곱 신경망(convolutional neural networks)을 결합해 사용자 전력 사용량 데이터로부터 가전기기를 예측하는 시스템을 제안한다. 학습을 위해 공개 가정용 전력 데이터인 REDD(residential energy disaggregation dataset)를 사용하고, GASF(Gramian angular summation field), GADF(Gramian angular difference field)의 분류 정확도를 확인한다. 시뮬레이션 결과, 이중 상태(on/off)를 가지는 가전기기에서 두 모델 모두 97%의 정확도를 보였고, 다중 상태를 가지는 기기에서 GASF는 95%로 GADF보다 3% 높은 정확도를 보임을 확인하였다. 차후 데이터의 량을 증가시키고 모델을 최적화해 정확도와 속도를 개선할 예정이다.