• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.30-40
• /
• 2022

심전도 신호는 개인에 따라 형태와 특징이 다양하므로, 하나의 신경망으로는 분류하기가 어렵다. 주어진 데이터를 직접적으로 분류하는 것은 어려우나, 대응되는 정상 데이터가 있을 경우, 이를 비교하여 정상 및 비정상을 분류하는 것은 상대적으로 쉽고 정확하다. 본 논문에서는 템플릿 군을 이용하여 대표정상심박 정보를 획득하고, 이를 입력 심박에 결합함으로써 심박을 분류한다. 결합된 심박을 영상화한 후, 학습 및 분류를 진행하여, 하나의 신경망으로도 다양한 레코드의 비정상심박을 검출이 가능하였다. 특히, GoogLeNet, ResNet, DarkNet 등 다양한 신경망에 대해서도 비교학습 기법을 적용한 결과, 모두 우수한 검출성능을 가졌으며, GoogLeNet의 경우 99.72%의 민감도로, 실험에 사용된 신경망 중 가장 우수한 성능을 가졌음을 확인하였다.

• 수산해양기술연구
• /
• 제58권1호
• /
• pp.19-31
• /
• 2022

Damages by jellyfish are occurring frequently around the world. Among them, accidents caused by jellyfish stings are serious enough to cause death. So we designed a jellyfish blocking net and analyzed its stability to prevent sting caused by jellyfish entering the beach. To this end, the dynamic behavior of the jellyfish blocking net according to the current speed (0.25-1.0 m/s) and the net type (50, 100 and 150 mm) on the upper part of the blocking net was modeled using the mass spring model. As a result of simulations for the model, the horizontal tension (horizontal component of the mooring tension) of the mooring line increased with the decrease in the mesh size on the upper part of the blocking net at all current speeds, but exceeded the holding force at high tides faster than 0.5 m/s and exceeded the holding force at all current speeds at low tide. Therefore, the jellyfish blocking nets showed poor stability overall. The depth of the float line had a little difference according to the upper mesh size and increased lineary proportional to the current speed. However, the float line sank too much to block the incoming jellyfish. These analysis results helped us find ways to improve the stability of the jellyfish blocking net, such as adjusting the length of the mooring line and improving the holding power. Therefore, it is expected that this technology will be applied us various underwater structures to discover the weaknesses of the structures and contribute to increasing the stability in the future.

• 한국전자통신학회논문지
• /
• 제17권3호
• /
• pp.529-536
• /
• 2022

지난 2년 동안 중증급성호흡기증후군 코로나바이러스-2(SARS-CoV-2)는 점점 더 많은 사람들에게 영향을 미치고 있다. 본 논문에서는 COVID-19 폐 CT 이미지를 분할하고 분류하기 위해서 서브코딩블록(SCB), 확장공간파라미드풀링(ASSP)와 어텐션게이트(AG)로 구성된 혼합 모드 특징 추출 방식의 새로운 U-Net 컨볼루션 신경망을 제안한다. 그리고 제안된 모델과 비교하기 위하여 FCN, U-Net, U-Net-SCB 모델을 설계한다. 제안된 U-Net-MMFE 는 COVID-19 CT 스캔 디지털 이미지 데이터에 대하여 atrous rate가 12이고, Adam 최적화 알고리즘을 사용할 때 다른 분할 모델에 비하여 94.79%의 우수한 주사위 분할 점수를 얻었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권7호
• /
• pp.307-314
• /
• 2022

최근 전력수요를 예측하기 위해 통계기반 시계열 분석 기법을 대체하기 위해 딥러닝 기법을 활용한 연구가 활발히 진행되고 있다. 딥러닝 기반 전력수요 예측 연구 결과를 분석한 결과, LSTM 기반 예측 모델의 성능이 우수한 것으로 규명되었으나 장기간의 지역 범위 전력수요 예측에 대해 LSTM 기반 모델의 성능이 충분하지 않음을 확인할 수 있다. 본 연구에서는 기온 데이터를 반영하여 24시간 이전에 전력수요를 예측하는 WaveNet 기반 딥러닝 모델을 개발하여, 실제 사용하고 있는 통계적 시계열 예측 기법의 정확도(MAPE 값 2%)보다 우수한 예측 성능을 달성하는 모델을 개발하고자 한다. 먼저 WaveNet의 핵심 구조인 팽창인과 1차원 합성곱 신경망 구조를 소개하고, 전력수요와 기온 데이터를 입력값으로 모델에 주입하기 위한 데이터 전처리 과정을 제시한다. 다음으로, 개선된 WaveNet 모델을 학습하고 검증하는 방법을 제시한다. 성능 비교 결과, WaveNet 기반 모델에 기온 데이터를 반영한 방법은 전체 검증데이터에 대해 MAPE 값 1.33%를 달성하였고, 동일한 구조의 모델에서 기온 데이터를 반영하지 않는 것(MAPE 값 2.31%)보다 우수한 전력수요 예측 결과를 나타내고 있음을 확인할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권2호
• /
• pp.87-92
• /
• 2022

이미지 기반 애플리케이션 테스트는 이미지 구조 비교를 통한 애플리케이션 테스트 방법을 제안한다. 이 연구는 다양한 디바이스 운영체제의 종류나 GUI에 의존 없이 다양한 기기에서 테스트가 가능하다. 기존 연구는 운영체제 변경, 화면상의 애니메이션 실행 그리고 해상도 변경의 경우 정답 이미지와 달라지기 때문에 기존의 경우 각각 변형마다 테스터를 생성해야 했다. 하지만 이 방법은 운영체제 변경, 해상도 크기의 변경, 화면상의 애니메이션 실행과 같은 변화가 발생해도 동일한 기준으로 판별하기 때문에 하나의 테스터로 테스트할 수 있다. 두 이미지의 객체들의 기본 구조를 비교하고 이미지에 차이가 존재하는 영역을 추출해서 Faster D2-Net의 특징점으로 이미지 유사성을 비교한다. Faster D2-Net 개발로 D2-Net보다 연산의 수와 공간적 손실을 줄여 애플리케이션 이미지에서 특징점을 추출하기 적합하고 수행 시간 단축이 가능했다.

• 한국정보통신학회논문지
• /
• 제27권1호
• /
• pp.34-40
• /
• 2023

고객이 온라인으로 요청한 명함을 자동으로 명함을 인쇄하는 스마트 명함 인쇄 시스템이 활성화되고 있다. 이때, 문제는 고객이 시스템에 제출한 명함이 비정상일 수 있다는 것이다. 본 논문에서는 인공 지능 기술을 도입하여 명함의 이미지가 비정상적으로 회전됐는지 여부를 판정하는 문제를 다룬다. 명함은 0도, 90도, 180도, 270도 회전한다고 가정하였다. 특별한 인공신경망을 설계하지 않고 기존의 VGG, ResNet, DenseNet 인공신경망을 적용하여 실험하였는데 모든 신경망이 97% 정도의 정확도로 이미지 회전을 분별할 수 있었다. DenseNet161은 97.9%의 정확도를 보였고 ResNet34도 97.2%의 정밀도를 보였다. 이는 문제가 단순할 경우, 복잡한 인공신경망이 아니어도 충분히 좋은 결과를 낼 수 있음을 시사한다.

• 융합보안논문지
• /
• 제23권1호
• /
• pp.27-33
• /
• 2023

Covid-19으로 인한 디지털화는 인공지능 기반의 음성인식 기술을 급속하게 발전시켰다. 그러나 이 기술은 데이터셋이 일부 집단에 편향될 경우 인종 및 성차별과 같은 불공정한 사회적 문제를 초래하고 인공지능 서비스의 신뢰성과 보안성을 열화시키는 요인이 된다. 본 연구에서는 대표적인 인공지능의 CNN(Convolutional Neural Network) 모델인 VGGNet(Visual Geometry Group Network), ResNet(Residual neural Network), MobileNet을 활용한 편향된 데이터 환경에서 정확도에 기반한 불공정성을 비교 및 분석한다. 실험 결과에 따르면 Top1-accuracy에서 ResNet34가 여성과 남성이 91%, 89.9%로 가장 높은 정확도를 보였고, 성별 간 정확도 차는 ResNet18이 1.8%로 가장 작았다. 모델별 성별 간의 정확도 차이는 서비스 이용 시 남녀 간의 서비스 품질에 대한 차이와 불공정한 결과를 야기한다.

• 한국지반공학회논문집
• /
• 제22권8호
• /
• pp.5-11
• /
• 2006

준설매립된 초연약지반의 표층처리공법 적용시 보강재로 이용되고 있는 대나무망 및 토목섬유로 보강된 준설매립지반의 지지력 특성을 파악하기 위하여 현장 대형평판재하시험을 실시하였다. 각 보강재별 지지력비(BCR) 산정결과 대나무망 보강의 경우 지지력비는 $.{\sim}6.03$, 토목섬유의 경우 $2.19{\sim}3.59$로서 대나무망 보강의 경우 $1.6{\sim}1.7$배 크게 측정되었고, 실험결과와 이론식에 의한 지지력 비교결과 기존 토목섬유 보강시의 지지력 평가식은 대나무망 보강시 지지력 평가에 있어 적용성이 떨어짐을 알 수 있었다. 대나무 망 보강시의 지지력 평가를 위한 변수들의 상관관계 분석결과, 시험에서 얻어진 지지력비(BCR)와 복토두께/대나무망 간격의 비(H/S)로 표현한 경우 좋은 상관관계 특성을 얻을 수 있었고, 이는 대나무망의 지지력특성 파악을 위한 기초 자료로서 활용할 수 있을 것으로 판단되었다.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.157-170
• /
• 2023

최근 우리나라에서도 2030 국가 온실가스 감축목표를 달성하기 위한 이산화탄소 지중저장 기술이 큰 주목을 받고 있으나, 국내 대규모 CCS 사업이 지연되면서 우리나라의 이산화탄소를 해외 저장소에 저장하는 국외감축 사업이 주목을 받고 있다. 따라서 본 논문에서는 호주 깁스랜드 분지에서 추진 중인 CarbonNet 프로젝트의 개발 현황을 조사하여 단기적으로는 국내감축을 위한 대규모 저장소 탐사, 장기적으로는 국외감축 부지 정보 축적을 위한 보조자료로 활용하고자 한다. 먼저 호주의 퇴적분지와 호주에서 추진 중인 CCS 사업을 간략히 소개하고, 대규모 CCS 사업이 추진 중인 깁스랜드 분지의 지질학적 형성과정을 분석한다. 이후 CarbonNet 프로젝트의 부지 선정 과정을 정리하고, 선정된 펠리컨 부지의 CCS 적합성을 논의하고자 한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권1호
• /
• pp.126-146
• /
• 2024

Caladium bicolor is one of the most popular plants in Thailand. The original species of Caladium bicolor was found a hundred years ago. Until now, there are more than 500 species through multiplication. The classification of Caladium bicolor can be done by using its color and shape. This study aims to develop a model to classify Caladium bicolor using a transfer learning technique. This work also presents a proof of concept, GUI design, and web application deployment using the user-design-center method. We also evaluated the performance of the following pre-trained models in this work, and the results are as follow: 87.29% for AlexNet, 90.68% for GoogleNet, 93.59% for XceptionNet, 93.22% for MobileNetV2, 89.83% for RestNet18, 88.98% for RestNet50, 97.46% for RestNet101, and 94.92% for InceptionResNetV2. This work was implemented using MATLAB R2023a.