• 한국재난정보학회 논문집
• /
• 제18권4호
• /
• pp.899-907
• /
• 2022

연구목적: 기계학습법을 이용하여 일반적인 직선 교량의 지진 취약도 분석 연구는 다수 수행되었으나 곡선 교량 구조물에 대한 연구 사례는 미미하다. 따라서 본 연구의 목적은 기계학습법 기반 I형 곡선 거더를 갖는 교량의 재료 특성 및 기하학적 불확실성을 고려한 지진 취약도 분석하는 것이다. 연구방법: 강재 및 콘크리트의 재료 특성과 교각의 높이를 불확실성 매개변수로 고려하였다. 라틴하이퍼큐브 기법을 이용하여 매개변수를 샘플링하였으며 지진파의 불확실성을 고려하여 시간이력해석을 수행하였다. 해석결과를 원본데이터로 인공신경망, 반응표면분석법을 적용하여 학습 데이터를 생성하였다. 최종적으로 원본 데이터 및 학습데이터를 이용하여 지진 취약도 분석을 수행하였다. 연구결과: 라틴하이퍼큐브 기법을 이용하여 매개변수를 샘플링하였으며 지진파의 불확실성을 고려하여 총 160회의 시간 이력해석을 수행하였다. 해석결과와 기계학습을 통해 얻어진 예측 값을 비교하였으며 두 값의 유사도를 비교하기 위해 결정계수를 비교하였다. 반응표변분석법의 결정계수가 0.737로 비교적 관측 값과 유사한 것으로 나타났다. 지진 취약도 곡선도 반응표면 분석법을 통해 예측된 값이 관측 값과 유사한 것으로 나타났다. 결론: 본 연구에서 유한요소 해석을 통해 관측된 값과 기계학습법을 통해 예측된 값을 비교하였을 때 반응표면 분석법이 관측값과 유사한 결과를 예측하는 것으로 나타났다. 하지만 두 가지 기계학습법 모두 관측 값에 비해 과소평가되는 것으로 나타났다.

• 디지털융복합연구
• /
• 제12권2호
• /
• pp.467-473
• /
• 2014

적응적 학습 시스템은 학습자의 학습 요구에 따라서 학습 자료를 적응적으로 제공해주는 시스템을 의미한다. 적응적 학습 시스템은 전문가 모델, 수업 모델, 학습자 모델로 구성되어있다. 전문가 모델은 가르치는 정보를 저장하고 있다. 학습자 모델은 학생들의 학습 정보와 학습 이력에 대한 데이터를 저장한다. 수업 모델은 실제 학습자에게 필요한 학습 자료를 제공해주는 모델이다. 본 논문에서는 학습자 프로파일 정보를 통하여 학습자 모델을 구성하였으며, 동적 시나리오 구축을 통하여 수업 모델을 구성하였다. 이후 학습자의 프로파일 정보 기반의 동적 시나리오를 구축해줌으로써 학습자에게 적응적으로 학습 콘텐츠를 제공해주는 시스템을 개발하였다. 마지막으로 시스템에 대한 만족도 결과는 88%로 높은 만족도를 보였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권5호
• /
• pp.606-610
• /
• 2010

본 논문에서는 학습 패러다임의 변화에 따른 효과적인 학습을 제공하기 위해 Learning Design (LD) 기반 학습관리시스템에서 전단부 엔진인 LD Publication 엔진을 설계하고 구현하였다. LD Publication 엔진은 LD 기반으로 작성된 학습 콘텐츠 패키지를 분석하고 학습활동을 기술한 정보파일의 구문과 의미를 분석하여 모델화한다. 모델화된 데이터는 학습관리시스템에서 효과적으로 접근 가능한 형태로 단편화하여 데이터베이스에 영속한다. LD 기반 학습관리시스템은 학습 효과와 학습자 편리성을 제공하여 높은 학습 성과를 가져올 수 있도록 도와준다. 그리고 학습 콘텐츠의 재생산, 재사용, 공유를 통한 콘텐츠 개발의 활성화를 도모하고 인프라 확대에 기여할 것이다. 또한, 학습자의 역량, 성향 그리고 학습이력 등을 연계가 가능하도록 설계되어 시스템의 확장이 용이하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.477-478
• /
• 2021

관광관련 광고, 상품판매 촉진, 추천 등을 위해 제주도 관광객의 관심 정보에 있어 기후요소가 끼치는 영향을 분석하고 이를 토대로 예측모델을 개발한다. 예측모델은 입력으로 기온, 강수량, 풍속, 습도, 일사량 및 전운량, 출력으로 가장 관심도가 높은 관광지 유형을 가지며 TMAP의 검색순위 이력 데이터와 기상청의 기후이력 데이터를 다운로드하여 학습패턴을 생성한다. 예측모델은 Sklearn 인공신경망 라이브러리를 이용하여 구현하였으며, 81.8 %의 정확도를 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.402-405
• /
• 2023

본 연구의 목적은 발생한 거래에 대해 적합한 회계 계정을 선택하는 예측 모델을 생성하는 것이다. 이를 통해 단기적으로 보조 수단으로 활용하여 회계 전표 승인에 대한 소요 시간을 단축하거나, 장기적으로 손익계산서가 일정 오차율 이내에서 자동으로 빠르게 작성됨으로써 재무 정보의 적시성을 올려주고, 기업의 실적을 나타냄에 있어 개별 담당자의 주관이 개입될 여지가 줄어든다는 면에서 재무 정보의 객관성을 올려줄 것으로 기대한다. 제안하는 모델은 비용 전표 이력의 적요를 자연어 처리하고 학습한 모델을 통해 1 차(공시용) 비용 계정을 분류한다. 분류 결과를 범위로 활용하는 기계 학습을 활용하여 좀 더 세밀한 범위의 2 차(관리용) 비용 계정을 분류하였다.

• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.9-15
• /
• 2023

기존의 단순 통계 기반 추천 시스템은 학생들의 수강 이력 데이터만을 활용하기 때문에 선호하는 수업을 찾는 것에 많은 어려움을 겪고 있다. 이를 해결하기 위해, 본 연구에서는 심층 강화학습 기반의 개인화된 전공과목 추천 시스템을 제안한다. 이 시스템은 학생의 학과, 학년, 수강 이력 등의 정형 데이터를 기반으로 학생들 간의 유사도를 측정하며, 이를 통해 각 전공과목에 대한 정보와 학생들의 강의 평가를 종합적으로 고려하여 가장 적합한 전공과목을 추천한다. 본 논문에서는 이 DRL 기반의 추천 시스템을 통해 대학생들이 전공과목을 선택하는 데에 유용한 정보를 제공하며, 이를 통계 기반 추천 시스템과 비교하였을 때 더 우수한 성능을 보여주는 것을 확인하였다. 시뮬레이션 결과, 심층 강화학습 기반의 추천 시스템은 통계 기반 추천 시스템에 비해 수강 과목 예측률에서 약 20%의 성능 향상을 보였다. 이러한 결과를 바탕으로, 학생들의 강의 평가를 반영하여 개인화된 과목 추천을 제공하는 새로운 시스템을 제안한다. 이 시스템은 학생들이 자신의 선호와 목표에 맞는 전공과목을 찾는 데에 큰 도움이 될 것으로 기대한다.

• 한국산학기술학회논문지
• /
• 제18권11호
• /
• pp.46-52
• /
• 2017

최근 ICT 및 IoT 제품의 활용 분야가 다양화 되면서 오픈소스 소프트웨어의 활용 분야가 컴퓨터, 스마트폰, IoT 디바이스 등 다양한 기기와 환경에서 활용되고 있다. 이처럼 오픈소스 소프트웨어의 활용분야가 다양해짐에 따라 오픈소스의 보안 취약점을 악용하는 불법적인 사례가 지속적으로 증가하고 있다. 이에 따라 다양한 시큐어 코딩을 위한 도구나 프로그램이 출시되고 활용되고 있지만 여전히 많은 취약점들이 발생하고 있다. 본 논문에서는 안전한 오픈 소스 소프트웨어 개발을 위해 오픈 소스의 취약점 분석 결과에 의한 이력과 패턴을 지속적으로 학습하여 신규 취약점 분석에 활용할 수 있는 방법을 제안한다. 본 연구를통해 취약점 이력 및 패턴 학습기반의 취약점 분석 시스템을 설계하였으며, 프로토타입으로 구현하여 실험을 통해 시스템의 성능을 평가하였다. 5개의 취약점 항목에 대해 평균 취약점 검출 시간은 최대 약 1.61sec가 단축되었으며, 평균 검출 정확도는 약 44%point가 향상된 것을 평가결과에서 확인할 수 있었다. 본 논문의 내용 및 결과는 소프트웨어 취약점 연구 분야에 대한 발전과 소프트웨어 개발자들의 취약점 분석을 통한 시큐어 코딩에 도움이 될 것을 기대한다.

• 한국식품저장유통학회지
• /
• 제30권3호
• /
• pp.459-471
• /
• 2023

뱀장어 생산단계 안전성조사 부적합여부에 영향을 미치는 특성변수를 베이지안 네트워크(BN) 모델을 적용하여 분석하였다. 2012년부터 2021년까지의 통합식품안전정보망(IFSIN)의 뱀장어 생산단계 안전성조사 데이터에 양식장의 HACCP 정보, 지리적 정보 및 용수환경 데이터를 연계하여 BN 모델을 수립하였다. 뱀장어의 부적합여부에 영향을 주는 특성변수로 양식장의 HACCP 인증여부, 양식장의 이전 5년간 검사대상 유해물질의 검출여부, 해당 양식장의 이전 5년간 부적합적발이력, 사용되는 용수환경의 적정성이 제안되었으며, 이때 용수환경의 적정성은 총대장균군과 총유기탄소량으로부터 산출되었다. 뱀장어 부적합이 발생할 확률이 가장 높은 경우는 지난 5년간 검사대상 유해물질의 검출이력이 있으면서 동시에 부적합 적발 이력이 있는 HACCP 인증을 받지 않은 양식장으로서, 용수환경도 총대장균군 또는 총유기탄소가 높아 오염이 의심되는 용수를 사용하는 경우로 이때 부적합이 발생할 확률은 24.5%로 뱀장어 생산단계 안전성 조사 시 부적합률인 0.26%의 94배 높았다. 2022년 1월부터 8월까지 뱀장어 양식장 안전성조사 결과를 시험용 데이터세트(6,785건 중 부적합 15건)로 하여 BN 모델의 적정성을 검토하였다. 영향강도가 높았던 설명변수인 HACCP, 검출이력, 부적합이력으로 구성한 BN 모델을 시험용 데이터세트에 적용한 결과 부적합일 확률이 15.8%로 시험용데이터의 부적합률인 0.22%의 약 71.4배 개선할 수 있었다. 그러나 이 모델의 재현율은 0.2에 머물렀는데, 이는 특히 부적합항목인 유해물질의 기준·규격이 신설되어 해당 양식장에서 검사기록이 없는 경우와, 매우 드물게 발생하여 10년 동안 검출이력이 없어 학습데이터세트에는 없는 경우이었다. 베이지안 네트워크를 적용하여 부적합확률이 높은 생산단계 안전성 조사대상을 선정하게 되면 설명변수별로 시나리오에 따라 부적합확률을 설명가능하게 되어 다른 머신러닝 알고리즘을 적용하는 경우 지적되어온 설명불가능이라는 문제점을 해소할 수 있으며, 향후 안전성조사 데이터 축적 시 용이하게 모델 업데이트가 가능하며 이를 통해 모델의 예측성능개선도 기대할 수 있다는 장점이 있다.

• 한국항행학회논문지
• /
• 제15권4호
• /
• pp.640-645
• /
• 2011

이러닝의 발전과 더불어 다양한 학습도구의 개발 및 이러닝 콘텐츠의 공동 활용 등 이러닝을 통한 교류가 활발하게 이루어지고 있다. 또한 이러닝 교류는 학습자 정보교환 중심의 교류, 교수자 정보교환 중심의 교류 등 여러 가지가 있다. 그러므로 각각 LMS의 상호 연동을 고려하지 않고 개발되었기 때문에 이러닝 교류시 문제점이 나타나게 되었다. 이 문제점을 해결하기 위하여 본 논문에서는 우선 먼저 학습에 가장 필요로 하는 학습요소들 즉, 과목정보, 강의정보, 사용자정보, 수강신청정보, 학습이력정보를 연동데이터로 정의하였으며, 가상의 테이블인 뷰를 이용하여 데이터 연동 테이블을 구성하여 이러닝간 운영관리를 위한 LMS 연동 모델 구현한다. 향후에는 다양한 학습요소에 대한 연동과 세션처리, 보안을 고려한 LMS 연동이 연구과제로 남아있다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.53-67
• /
• 2020

본 연구는 가공식품의 제조·가공 업소를 대상으로 기계학습 분야의 지도학습(Supervised Learning) 예측 모형을 적용하여 부적합이 예상되는 업체를 사전에 적발하는 단속 선별시스템을 마련하여 단속 활동의 효율성을 높이고자 하였다. 본 연구에서는 머신러닝의 예측 모델링을 위한 목적 정의, 데이터의 기초 분석과 시각화, 특성 변수 도출 및 예측 모형의 선정 및 예측 등으로 기계학습 수행의 표준적인 절차에 따라 연구를 수행하였다. 종속변수는 2014년도부터 2018년까지 과거 5년 동안 지도점검 적발 건수로 설정하였고, 목적함수는 실제 부적합업체를 사전에 판정하여 단속활동이 이루어지는 것을 최대화하는 것으로 하였다. 제조가공업소의 매출액, 영업일수, 종업원 수 등 기본속성뿐만 아니라 과거 지도점검 단속 이력 정보를 반영하여 자료를 재구성하였다. 특성 변수 추출 방법을 적용하여 부적합 판정에 영향을 미치는 업체 위험, 품목 위험, 환경 위험 및 과거 위반 이력 등을 특성 변수로 도출하여 머신러닝 알고리즘을 데이터에 적용하였다. 랜덤포레스트 모형이 식품의약품안전처 지도점검 업무 목적에 가장 적합한 것으로 나타났다. 본 연구결과를 바탕으로 식품안전 관리 국가 사무가 데이터기반의 과학적인 행정 체계로 발전할 수 있는 기반이 되기를 기대한다.