• Steel and Composite Structures
• /
• 제17권5호
• /
• pp.623-639
• /
• 2014

Due to recent advancements in the area of Artificial Intelligence (AI) and computational intelligence, the application of these technologies in the construction industry and structural analysis has been made feasible. With the use of the Adaptive-Network-based Fuzzy Inference System (ANFIS) as a modelling tool, this study aims at predicting the shear strength of channel shear connectors in steel concrete composite beam. A total of 1200 experimental data was collected, with the input data being achieved based on the results of the push-out test and the output data being the corresponding shear strength which were recorded at all loading stages. The results derived from the use of ANFIS and the classical linear regressions (LR) were then compared. The outcome shows that the use of ANFIS produces highly accurate, precise and satisfactory results as opposed to the LR.

• International Journal of Advanced Culture Technology
• /
• 제7권2호
• /
• pp.195-200
• /
• 2019

Media art, which is a combination of media technology and art, is making a lot of progress in combination with AI, IoT and VR. This paper aims to meet people's needs by creating a video that simulates the dance moves of an object that users admire by using media art that features interactive interactions between users and works. The project proposed a universal image synthesis system that minimizes equipment constraints by utilizing a deep running-based Skeleton estimation system and one of the deep-running neural network structures, rather than a Kinect-based Skeleton image. The results of the experiment showed that the images implemented through the deep learning system were successful in generating the same results as the user did when they actually danced through inference and synthesis of motion that they did not actually behave.

• 대한임베디드공학회논문지
• /
• 제16권1호
• /
• pp.1-8
• /
• 2021

Detecting Out-of-Distribution (OOD) data is fundamentally required when Deep Neural Network (DNN) is applied to real-world AI such as autonomous driving. However, modern DNNs are quite vulnerable to the over-confidence problem even if the test data are far away from the trained data distribution. To solve the problem, this paper proposes a novel Adversarial-Mixup training method to let the DNN model be more robust by detecting OOD data effectively. Experimental results show that the proposed Adversarial-Mixup method improves the overall performance of OOD detection by 78% comparing with the State-of-the-Art methods. Furthermore, we show that the proposed method can alleviate the over-confidence problem by reducing the confidence score of OOD data than the previous methods, resulting in more reliable and robust DNNs.

• 정보처리학회논문지B
• /
• 제8B권5호
• /
• pp.485-492
• /
• 2001

요즘 소프트웨어를 개발하는데 인간 친화적인 인터페이스의 일환으로 캐릭터 에이전트를 사용하고 있다. 본 논문에서는 현재 상황과 사용자의 행위에 따라 캐릭터의 감정을 생성하고 표현하는 연구를 수행하였다. 본 논문에서는 사용하고 있는 감정 추론 방법은 인공지능 분야에서 문제해결을 위해 널리 사용하고 있는 블랙보드 기반의 인지 모형을 사용하였다. 블랙 보드 추론기관은 감정을 추론하는데 필요한 규칙으로 이루어진 감정 지식원(knowledge source)은 독립성을 유지할수 있으며, 새로운 감정 지식원들을 편리하게 추가 삭제 할 수 있다. 이는 캐릭터 에이전트에 유연성을 부여함으로써 적용 시스템에 맞춰 다양하게 적용할 수 있다. 또한 본 논문에서는 캐릭터 에이전트는 각 사용자의 성향과 행위를 학습하여 이를 기반으로 캐릭터의 감정을 생성한다. 이처럼 사용자의 과거 행위 정보를 모델링하여, 이를 기반으로 생성함으로써, 같은 상화이더라도 사용자에 따라 추론되어지는 감정이 달라진다. 즉, 주어진 상황뿐 아니라 사용자에 따라 생성되는 감정이 달라지는 개인화 감정 엔진을 연구한 것이다.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.850-858
• /
• 2022

리소스가 제한된 임베디드 장치에 GRU를 배포하기 위해 이 논문은 구조적 압축을 가능하게 하는 재구성 가능한 FPGA 기반 GRU 가속기를 설계한다. 첫째, 조밀한 GRU 모델은 하이브리드 양자화 방식과 구조화된 top-k 프루닝에 의해 크기가 대폭 감소한다. 둘째, 본 연구에서 제시하는 재사용 컴퓨팅 패턴에 의해 외부 메모리 액세스에 대한 에너지 소비가 크게 감소한다. 마지막으로 가속기는 알고리즘-하드웨어 공동 설계 워크플로의 이점을 얻는 구조화된 희소 GRU 모델을 처리할 수 있다. 또한 모든 차원, 시퀀스 길이 및 레이어 수를 사용하여 GRU 모델에 대한 추론 작업을 유연하게 수행할 수 있다. Intel DE1-SoC FPGA 플랫폼에 구현된 제안된 가속기는 일괄 처리가 없는 구조화된 희소 GRU 네트워크에서 45.01 GOPs를 달성하였다. CPU 및 GPU의 구현과 비교할 때 저비용 FPGA 가속기는 대기 시간에서 각각 57배 및 30배, 에너지 효율성에서 300배 및 23.44배 향상을 달성한다. 따라서 제안된 가속기는 실시간 임베디드 애플리케이션에 대한 초기 연구로서 활용, 향후 더 발전될 수 있는 잠재력을 보여준다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제37권4호
• /
• pp.591-614
• /
• 2023

오래전부터 NCTM(National Council of Teachers of Mathematics)과 같은 수학교육기관에서 글쓰기는 필수적인 부분으로 언급해 왔다. 그리고 최근 교육부 조사에 따르면 코로나 시대 이후 기초학력 저하의 심각성을 보고하였다. 본 연구는 수학교육에서 수학 쓰기를 재정의하고, 현재 수학교육에서 제시되는 역량 중 과거부터 언급해 온 문제해결, 의사소통, 추론 영역을 중심으로 글쓰기의 역할과 그 중요성을 파악하는 것을 목적으로 하였다. 연구 결과에서 문제해결에서의 글쓰기는 인지적인 부분을 정리함으로써 개념과 방법을 습득할 수 있는 능력을 기를 수 있고, 의사소통에서의 글쓰기는 재인지 과정을 통해 자신감을 가질 수 있으며, 추론에서의 글쓰기는 단계적으로 어떤 부분이 부족한지를 스스로 파악할 수 있다. 특히, AI를 활용하는 미래 사회에서 수업 환경이 달라지는 만큼 쓰기를 통한 진위성 판단이나 올바른 쓰기 문화 정착을 위해 연구가 이루어질 필요가 있다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 콘크리트학회논문집
• /
• 제22권1호
• /
• pp.19-27
• /
• 2010

건축물이나 교량과 같은 RC 구조물의 경우, 다양한 유해 환경하의 재료적인 열화나 구조적 문제로 콘크리트의 노후화 및 손상이 발생하게 된다. 콘크리트의 균열이나 철근의 부식, 구조 단면의 변형 등은 구조적 안전성 저하 및 구조물 거동 특성 변화의 주요 원인이 되기도 한다. 따라서 이와 같은 콘크리트 구조물의 보수 보강을 위하여, 효과적이고 적용이 간편한 공법의 개발이 콘크리트 분야의 중요한 연구 과제 중의 하나로 인식되어 왔다. 다양한 보수 보강 기법들이 과거 수십 년 동안 개발되어 적용되고 있으며, 이중에서도 최근 FRP 복합 재료를 구조물의 외부에 접착시키는 방법을 통한 보강 방식이 많이 사용되고 있다. 이 연구는 인공 지능(AI)의 일종인 뉴로퍼지모델(ANFIS) 을 이용하여, FRP로 보강된 원주형 콘크리트 부재의 보강 효과를 분석하는데 그 목적이 있다. ANFIS 모델을 이 연구에 적용하기 위하여, 기존 연구 자료 및 실험에서 얻은 결과를 통해 학습 데이터와 시험 데이터 세트를 구축하였다. 이 연구에서 구축된 ANFIS 모델은 기존 피보강 콘크리트의 압축강도, 보강재의 두께, 보강재의 보강 겹수, 보강재의 탄성계수, 보강재의 파단강도 및 보강재와 피보강재의 체적비, 피보강재의 부재크기를 입력 자료의 파라미터로 사용하여, 압축강도, 변형률, 2차탄성계수 등을 예측하는 방식으로 활용될 수 있으며, ANFIS 모델을 통하여 예측된 결과를 기존 연구자들이 제안한 FRP 보강 콘크리트 부재의 구성 방정식과 비교할 때 더 높은 정확도로 예측이 가능함을 확인할 수 있다.

• 한국자원식물학회지
• /
• 제25권6호
• /
• pp.753-761
• /
• 2012

We performed phylogenetic analyses of a total of 21 acessions covering 5 species in the Korean Trigonotis and one outgroup species using nuclear ribosomal ITS and chloroplast rbcL, matK, ndhF sequences. Outgroup were chosen from the closely related genus Lithospermum zollingeri. Both parsimony and Bayesian Inference methods were used to reconstruct the evolutionary history of the group. The evidence collected indicated that phylogenetic relationships among Korean Trigonotis species are unresolved based on nuclear marker (ITS), as the same as based on separated chloroplast sequences. While the phylogenetic relationships of Korean Trigonotis species almost clearly were resolved in combined chloroplast sequences. Thus, the members of Trigonotis coreana can be distinguished to the members of Trigonotis peduncularis in combined cpDNA sequences and Trigonotis nakaii was treated as a synonymed to Trigonotis radicans var. sericea. In addition, the MP and BI analysis showed Trigonotis icumae as sister of the remained Korean Trigonotis species based on combined molecular markers (BI: PP = 1).

• 인지과학
• /
• 제14권2호
• /
• pp.15-25
• /
• 2003

원숭이와 바나나 문제는 인공지능과 관련된 여러 문헌에서 문제 해결(problem solving) 과정을 설명하는 예제로 자주 등장한다. 그러나 이 문제에 대한 전통적인 접근 방식은 추론을 수행함에 있어 절차적(procedural) 관점의 도입을 필요로 하며, 이는 복잡한 문제 해결에 제약 조건으로 작용한다. 그러나 대규모 병렬 처리가 가능한 DNA 컴퓨팅 기법을 이용하면서, AI 본연의 의미를 퇴색시키지 않고서도 이 문제를 효과적으로 해결할 수 있다. 본 논문에서는 DNA 분자를 사용해서 원숭이와 바나나 문제를 표현하는 방법을 설계한 후, 컴퓨터 시뮬레이션을 통해 다양한 해들(solutions)이 생성됨을 확인하였다. 전통적인 방법으로 구현된 Prolog 프로그램이 단 하나의 최적해밖에 제공해 주지 못한다는 사실과 비교해 볼 때, 이것은 확실히 흥미로운 결과이다.