• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.235-238
• /
• 2016

본 논문은 사기업들의 개방 데이터를 바탕으로 사용자의 과거 행동과 주변 상황정보를 토대로 사용자의 음식 기호를 맞추는 앱 어플리케이션 '눈치코칭_음식'의 설계 및 구현에 대하여 서술한다. '눈치코칭_음식'은 사용자가 쉽게 음식점을 추천 받을 수 있도록 만들어진 앱 어플리케이션으로 기존의 필터링 방식으로 사용자가 검색하는 방식의 유사한 어플리케이션들과 달리 사용자의 주변 상황과 사용자의 행동패턴 분석을 통해 문제해결에 대한 도움을 줌으로써 시간 절약을 할 수 있다. 사용자의 별도의 입력을 받지 않고 앱에서의 간단한 클릭과 나의 음식 저장과 같은 기능을 활용할 때의 주변 위치나 날씨와 같은 상황정보를 함께 저장한 후 다음 앱 사용 시기의 상황정보와 비교하여 기존 데이터를 바탕으로 사용자에게 다시금 피드백 되는 앱이다. 사용자의 행동패턴에 따라 알림 기능을 활용하기 위해서 사용자 식사 시간 설정 기능을 통해 매일 식사하는 시간에 알림 설정을 할 수 있도록 만들었다. 또한 사용자의 편의성을 위해서 음식선택 시간의 평균을 내서 해당 설정 식사시간을 추적할 수 있도록 구성하였다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.235-238
• /
• 2016

본 논문은 사기업들의 개방 데이터를 바탕으로 사용자의 과거 행동과 주변 상황정보를 토대로 사용자의 음식 기호를 맞추는 앱 어플리케이션 '눈치코칭_음식'의 설계 및 구현에 대하여 서술한다. '눈치코칭_음식'은 사용자가 쉽게 음식점을 추천 받을 수 있도록 만들어진 앱 어플리케이션으로 기존의 필터링 방식으로 사용자가 검색하는 방식의 유사한 어플리케이션들과 달리 사용자의 주변 상황과 사용자의 행동패턴 분석을 통해 문제해결에 대한 도움을 줌으로써 시간 절약을 할 수 있다. 사용자의 별도의 입력을 받지 않고 앱에서의 간단한 클릭과 나의 음식 저장과 같은 기능을 활용할 때의 주변 위치나 날씨와 같은 상황정보를 함께 저장한 후 다음 앱 사용 시기의 상황정보와 비교하여 기존 데이터를 바탕으로 사용자에게 다시금 피드백 되는 앱이다. 사용자의 행동패턴에 따라 알림 기능을 활용하기 위해서 사용자 식사 시간 설정 기능을 통해 매일 식사하는 시간에 알림 설정을 할 수 있도록 만들었다. 또한 사용자의 편의성을 위해서 음식선택 시간의 평균을 내서 해당 설정 식사시간을 추적할 수 있도록 구성하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.223-227
• /
• 2011

유역 특히 상습침수지구의 통합관리는 유역이라는 한정된 범위 내에서 물에 영향을 미치거나 물에 의하여 영향을 받는 모든 인간 활동과 자연현상을 통합적으로 고려하는 것이다. 이러한 관점에서 유역관리는 유역 차원에서 물을 경제적이고 공평하게 관리하고 분배하여 수자원에 대한 장기적이고 지속가능한 해결방안을 마련하는 것이다. 여기에는 정부, 시민사회 및 기업 행위자가 사회경제적 개발목표와 정책형성, 집행계획을 수립하는 것으로부터 시작된다. 유역관리를 위한 의사결정들은 행위자들과의 영향으로 수정되며, 이런 과정에서 토지와 수자원에서 분쟁이 발생하며, 수자원 관리자는 자연현상, 물 사용, 재정적, 인적자원 및 외부적인 요인으로 인해 목적을 달성하는데 부합하지 않을 수도 있다. 효과적인 유역관리를 위해서는 제약조건하에서 수자원 관리자가 의사결정에 정보를 주고 주요 행위자들과 협력을 통해서 이루어 질 수 있다. 본 논문에서는 유역관리를 위한 의사결정을 행위자기반모형(Agent based Model, ABM)으로 이해하고자 하며, ABM은 유역관리의 이해당사자간의 정책과정을 도출하고 다양한 유역관리 대안을 평가하고 유역관리의 영향을 설명하는 모델이다. 본 모형은 관측자료를 통해 상향식 접근법으로 가능한 많은 세부사항을 모의할 수 있다. 분석과정은 자료의 수집, 모델 확립, 모델의 개발, 통계자료 수집 및 모델의 결과와 실제 시스템의 보충된 관측자료를 비교하는 검증 순으로 진행되며, 본 모델에서의 행위자는 과거의 행동으로부터 주위 환경의 반응하는 패턴을 확인하고 개발하며, 이러한 패턴은 정책들을 구별하기 위해서 이용되며, 이러한 과정에서 강화학습이 이루어진다. 이를 통해 행위자의 익숙한 방식의 합리적인 행동과 정책들의 상관관계를 평가할 수 있으며, 강화학습을 통해 실제적인 통계적인 모델이 가능하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.851-854
• /
• 2010

유역관리는 유역이라는 한정된 범위 내에서 물에 영향을 미치거나 물에 의하여 영향을 받는 모든 인간 활동과 자연현상을 통합적으로 고려하는 것이다. 이러한 관점에서 유역관리는 유역 차원에서 물을 경제적이고 공평하게 관리하고 분배하여 수자원에 대한 장기적이고 지속가능한 해결 방안을 마련하는 것이다. 여기에는 정부, 시민사회 및 기업 행위자가 사회경제적 개발목표와 정책 형성, 집행계획을 수립하는 것으로부터 시작된다. 유역관리를 위한 의사결정들은 행위자들과의 영향으로 수정되며, 이런 과정에서 토지와 수자원에서 분쟁이 발생하며, 수자원 관리자는 자연현상, 물 사용, 재정적, 인적자원 및 외부적인 요인으로 인해 목적을 달성하는데 부합하지 않을 수도 있다. 효과적인 유역관리를 위해서는 제약조건 하에서 수자원 관리자가 의사결정에 정보를 주고 주요 행위자들과 협력을 통해서 이루어 질 수 있다. 본 논문에서는 유역관리를 위한 의사결정을 행위자기반모형(Agent based Model, ABM)으로 이해하고자 하며, ABM은 유역관리의 이해당사자간의 정책과정을 도출하고 다양한 유역관리 대안을 평가하고 유역관리의 영향을 설명하는 모델이다. 본 모형은 관측자료를 통해 상향식 접근법으로 가능한 많은 세부사항을 모의할 수 있다. 분석과정은 자료의 수집, 모델 확립, 모델의 개발, 통계 자료 수집 및 모델의 결과와 실제 시스템의 보충된 관측자료를 비교하는 검증 순으로 진행되며, 본 모델에서의 행위자는 과거의 행동으로부터 주위 환경의 반응하는 패턴을 확인하고 개발하며, 이러한 패턴은 정책들을 구별하기 위해서 이용되며, 이러한 과정에서 강화학습이 이루어진다. 이를 통해 행위자의 익숙한 방식의 합리적인 행동과 정책들의 상관관계를 평가할 수 있으며, 강화학습을 통해 실제적인 통계적인 모델이 가능할 것이다.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2005.05a
• /
• pp.244-253
• /
• 2005

사람에게 행동의 개인차가 있듯이 rat이나 mouse에 있어서도 행동의 차이를 발견할 수 있다. Rat의 행동성향에 따른 (1)학습 및 기억 능력의 차이, (2)기억과 해마의 관계, (3)치매유발단백질의 하나로 알려진 아밀로이드 베타($A{\beta}$ )및 수종의 항 치매 약물효과를 알아보는 것이 본 실험의 목적이다. Rat의 행동관찰을 통해 두 가지 행동패턴을 관찰할 수 있었는데, 이러한 rat의 행동 특성은 심리학자 Jung이 심리유형으로 설명하고 있는 extraversion, introversion의 행동성향과 유사할 것이라는 가정 하에 실험을 계획, 실시하였다. Rat에 water maze test를 실시하여 공간 기억의 단기, 장기 기억을 분석하였는데 그 결과 두 가지 행동 성향을 가진 rat은 서로 다른 학습 및 기억 능력의 특성을 보였다. 즉, extraversion은 단기 기억의 향상을 보인 반면에, introversion은 장기 기억의 향상을 보였다. Rat을 대상으로 water maze test 외에 Y-maze, passive avoidance test를 실시하여 공간 기억(spatial memory), 작동 기억(working memory), passive avoidance memory, 그리고 단기, 장기 기억의 관계를 종합적으로 분석해 보았다. 그 결과 두 가지 행동성향에 따라 서로 영향을 미치는 기억의 종류 및 관계에 차이가 있음을 발견할 수 있었다. 또한 두 가지 행동성향을 가진 rat에 약물을 투여했을 때, 서로 다른 약물 효과를 보였으며, $A{\beta}$ 를 주입했을 때, 기억(memory) 및 해마(hippocampus) 세포 사멸(cell death)에 서로 상반된 결과를 보여주었다. 이러한 연구 결과는 개체의 행동성향에 따라 학습 및 기억의 효과가 다를 수 있음을 보여주는 결과라 할 수 있고, 개인의 적성과 소질의 인식 및 개발의 중요성에 시사하는 바가 크다. 또한 개개인의 행동과 학습 및 기억 능력의 차이를 두뇌과학적으로 이해하여, 두뇌의 장점은 살리고 단점을 보완할 수 있는 이론적 토대를 세우는데 이러한 동물실험이 그 기초를 제공해 줄 수 있을 것이다. 또한 행동성향 및 기억의 종류에 따른 약물효과의 차이는 기억과 관련된 질병인 알츠하이머 환자에 있어 개개인에게 맞는 적절한 특징적인 치료약물이 존재할 것이라는 가능성을 제공해줄 뿐만 아니라 학습과 기억력 증진 효과를 기대해 볼 수 있을 것이라고 생각된다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.12
• /
• pp.123-129
• /
• 2014

In accordance with the development of various convergence devices, cameras are being used in many types of the systems such as security system, driver assistance device and so on, and a lot of people are exposed to these system. Therefore the system should be able to recognize the human behavior and support some useful functions with the information that is obtained from detected human behavior. In this paper we use a machine learning approach based on 2D image and propose the human behavior pattern recognition methods. The proposed methods can provide valuable information to support some useful function to user based on the recognized human behavior. First proposed one is "phone call behavior" recognition. If a camera of the black box, which is focused on driver in a car, recognize phone call pose, it can give a warning to driver for safe driving. The second one is "looking ahead" recognition for driving safety where we propose the decision rule and method to decide whether the driver is looking ahead or not. This paper also shows usefulness of proposed recognition methods with some experiment results in real time.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.892-895
• /
• 2017

본 논문에서는 비분할 비디오로부터 이 비디오에 담긴 사람의 행동을 효과적으로 탐지해내기 위한 심층 신경망 모델을 제안한다. 일반적으로 비디오에서 사람의 행동을 탐지해내는 작업은 크게 비디오에서 행동 탐지에 효과적인 특징들을 추출해내는 과정과 이 특징들을 토대로 비디오에 담긴 행동을 탐지해내는 과정을 포함한다. 본 논문에서는 특징 추출 과정과 행동 탐지 과정에 이용할 심층 신경망 모델을 제시한다. 특히 비디오로부터 각 행동별 시간적, 공간적 패턴을 잘 표현할 수 있는 특징들을 추출해내기 위해서는 C3D 및 I-ResNet 합성곱 신경망 모델을 이용하고, 시계열 특징 벡터들로부터 행동을 자동 판별해내기 위해서는 양방향 BI-LSTM 순환 신경망 모델을 이용한다. 대용량의 공개 벤치 마크 데이터 집합인 ActivityNet 비디오 데이터를 이용한 실험을 통해, 본 논문에서 제안하는 심층 신경망 모델의 성능과 효과를 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.238-241
• /
• 2019

본 연구에서는 사회인들의 정해진 패턴을 IoT를 기반으로 AI 기술을 활용하여 Deep Learning 기술을 적용하여 행동패턴을 자동으로 시스템에 업로드 한다. 업로드된 데이터는 Deep Learnig 기술을 통해 유의미한 데이터를 추출하고 이를 각종 가전제품에 제공한다. 데이터의 정합도를 높이기 위해서 초기 데이터는 사용자가 입력한 정해진 생활 패턴을 바탕으로 하며 가우시안 분포를 따르는 난수를 생성하여 training data set으로 사용하여 실제 학습에 적용시켰다. 실생활에서 자동으로 데이터를 활용하기 위해서 IoT기기를 연결하여 AI 학습을 진행하였다. 사회인들은 이 시스템을 통해 집에 들어올 때와 집 밖에 외출할 때 댁내에 있는 편리한 서비스를 제공받을 수 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.25 no.9
• /
• pp.53-62
• /
• 2020

Product recommendation services that have been researched recently are only recommended through the customer's product purchase history. In this paper, we propose the digital signage service through customers' behavior pattern analysis that is recommending through not only purchase history, but also behavior pattern that customers take when choosing products. This service analyzes customer behavior patterns and extracts interests about products that are of practical interest. The service is learning extracted interest rate and customers' purchase history through the Wide & Deep model. Based on this learning method, the sparse vector of other products is predicted through the MF(Matrix Factorization). After derive the ranking of predicted product interest rate, this service uses the indoor signage that can interact with customers to expose the suitable advertisements. Through this proposed service, not only online, but also in an offline environment, it would be possible to grasp customers' interest information. Also, it will create a satisfactory purchasing environment by providing suitable advertisements to customers, not advertisements that advertisers randomly expose.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.389-394
• /
• 2007

스팸 메일의 비율은 지속적으로 증가하여 최근 전체 이메일의 92.6%가 스팸 메일인 것으로 드러났다. 본 논문에서는 시간의 경과에 따른 사용자의 액션 패턴을 기반으로 사용자의 관심에 따른 가중치를 적용하여 스팸 메일 여부를 가리는 방법을 다룬다. 액션간의 관계와 액션 사이의 시간에 따라 가중치를 차별화함으로써 얼마나 높은 필터링 성능을 보일 수 있는 지, 또한 학습 속도 향상에 얼마나 기여할 수 있는지를 측정할 것이다. 실험에서는 실제 메일 데이터를 이용하여 베이지안 분류자, 가중치가 부여된 베이지안 분류자와 본 논문이 제안하는 시스템의 학습 성능의 향상 속도를 비교할 것이다. 또한 제안된 시스템이 Concept Drift와 적응 학습, 그리고 개인화를 어떻게 다룰 지를 보일 것이다.