• 인터넷정보학회논문지
• /
• 제25권2호
• /
• pp.113-122
• /
• 2024

최근 다양한 분야에서 인공지능(AI), 블록체인(Blockchain), 엣지 컴퓨팅(Edge Computing), 사물인터넷(IoT) 등 첨단 ICT 기술을 적용하여 신규 서비스 창출 및 새로운 디지털 시대를 만들어가고 있다. 이러한 기술 발전과 더불어 우리나라도 "스마트시티"에서 "플랫폼 도시"로 거듭나기 위해 다양한 정책들이 시행되고 있다. 도시 단위의 스마트시티 통합플랫폼과 주거 단위의 스마트하우징 플랫폼과 연계를 통해 새로운 서비스와 가치를 창출할 수 있을 것이다. 본 논문에서는 스마트하우징 플랫폼과 스마트도시 안전망 중 하나인 스마트 119 긴급출동 지원 서비스와의 연계 시나리오를 정의하고, 스마트 119 긴급출동 지원서비스를 제공하기 위한 스마트하우징 플랫폼과 스마트시티 통합플랫폼 간 데이터 전송 규약 및 데이터 교환을 위한 메타데이터 스키마를 제안한다.

• Journal of Periodontal and Implant Science
• /
• 제54권1호
• /
• pp.3-12
• /
• 2024

Deep learning (DL) offers promising performance in computer vision tasks and is highly suitable for dental image recognition and analysis. We evaluated the accuracy of DL algorithms in identifying and classifying dental implant systems (DISs) using dental imaging. In this systematic review and meta-analysis, we explored the MEDLINE/PubMed, Scopus, Embase, and Google Scholar databases and identified studies published between January 2011 and March 2022. Studies conducted on DL approaches for DIS identification or classification were included, and the accuracy of the DL models was evaluated using panoramic and periapical radiographic images. The quality of the selected studies was assessed using QUADAS-2. This review was registered with PROSPERO (CRDCRD42022309624). From 1,293 identified records, 9 studies were included in this systematic review and meta-analysis. The DL-based implant classification accuracy was no less than 70.75% (95% confidence interval [CI], 65.6%-75.9%) and no higher than 98.19 (95% CI, 97.8%-98.5%). The weighted accuracy was calculated, and the pooled sample size was 46,645, with an overall accuracy of 92.16% (95% CI, 90.8%-93.5%). The risk of bias and applicability concerns were judged as high for most studies, mainly regarding data selection and reference standards. DL models showed high accuracy in identifying and classifying DISs using panoramic and periapical radiographic images. Therefore, DL models are promising prospects for use as decision aids and decision-making tools; however, there are limitations with respect to their application in actual clinical practice.

• 화약ㆍ발파
• /
• 제42권2호
• /
• pp.12-28
• /
• 2024

급속한 에너지 확산을 수반하는 폭발 현상은 인명 및 경제적인 피해를 미치고 있다. 산업의 고도화로 인하여 다양하고 광범위한 폭발사고가 전 세계적으로 발생하고 있으며, 이러한 폭발사고의 예방을 위해서는 정확한 원인 분석이 밑바탕이 되어야 한다. 국내외 폭발사고 관련 연구 분석은 일부 사건들에 대해서 제한적인 범위에서 수행되고 있었다. 본 논문에서는 국제학술지에 게재된 전체 논문들을 대상으로 동시출현 핵심단어 분석을 실시하여 시기별 전체적인 연구 경향과 향후 연구자들이 관심을 가질 수 있는 최신 분야를 도출하고자 하였다. 시기별 핵심단어 분석 결과, 2005년~2014년에는 대체로 논문의 수가 적고 전체적인 핵심단어의 수도 적었지만, 2015년 이후 컴퓨터 시뮬레이션과 인공지능분야가 폭발사고사례 분석에 활용되었으며, 폭발사고의 종류 또한 현재 최신 연구분야인 리튬이온 배터리, 혼합가스 등의 다양한 연구가 활발하게 진행되고 있음을 알 수 있었다.

• 스마트미디어저널
• /
• 제13권6호
• /
• pp.44-53
• /
• 2024

현대사회의 기업들은 소셜 미디어, 제품 리뷰, 고객 피드백 등 다양한 영역에 걸쳐 소비자 의견을 정확하게 이해하는 것이 경쟁에서 성공하기 위한 주요 과제임을 강조하며 감성 분류를 점점 더 중요한 작업으로 채택하고 있다. 감성 분류는 소비자의 다양한 의견과 감성을 파악하여 제품이나 서비스 개선에 도움을 주는 이유로 많은 연구가 진행중이다. 감성 분류에서는 대규모 데이터 셋과 사전 학습된 언어 모델을 통한 미세 조정이 성능 향상에 중요한 역할을 한다. 최근 인공지능 기술의 발전으로 감성 분류 모델은 높은 성능을 보이고 있으며, 특히 ELECTRA 모델은 효율적인 학습 방법과 적은 컴퓨팅 자원을 통해 뛰어난 결과를 제공한다. 따라서 본 논문에서는 ELECTRA에서 한국어를 학습한 KoELECTRA 모델을 이용하여 다양한 데이터 셋에 대한 효율적인 미세 조정을 통해 감성 분류 성능을 향상하는 방법을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권7호
• /
• pp.1-9
• /
• 2024

본 연구에서는 부트 스톰을 완화하고 서비스 안정성 향상을 위하여 AI 기반 VDI 사용 예측 시스템, 가상머신 부팅 스케줄러 시스템으로 구성된 부트 스톰 완화 방안인 BRAIDS를 제안한다. 가상 데스크톱 인프라(Virtual Desktop Infrastructure, VDI)는 조직의 업무 생산성 향상과 IT 인프라 효율성 증대를 위한 중요한 기술이다. 다수의 가상 데스크톱이 동시 부팅될 때 발생하는 부트 스톰은 성능저하와 대기 시간 증가를 유발한다. xgboost 알고리즘을 사용하여, 기존 VDI 사용 데이터를 활용하여 향후 VDI 사용량을 예측한다. 또한 예측된 사용량을 입력으로 받아 VDI 서버와 가상머신의 하드웨어 사양을 고려하여 부트 스톰을 정의하고, 부트 스톰을 완화하기 위하여 순차적으로 가상머신을 부팅할 수 있는 스케줄을 제공한다. 사례연구를 통하여 VDI 사용 예측 모델은 높은 예측 정확도와 성능 향상을 보였으며, 가상머신 부팅 스케줄러를 통하여 가상 데스크톱 환경에서의 부트 스톰 현상을 완화하고 효율적으로 IT 인프라를 활용할 수 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권7호
• /
• pp.149-158
• /
• 2024

본 연구는 다양한 실내 환경에서 공기질을 모니터링 할 수 있는 다중 센서 시스템인 AirDeep-Room을 설계 및 개발하였다. 이 시스템은 CO2, TVOC, 미세먼지, 온도, 습도 등을 실시간으로 측정하며, 멀티 센서를 통해 다양한 환경에서의 공기질 변화를 분석할 수 있는 장점을 제공한다. AirDeep-Room 시스템은 low data 형식으로 데이터를 실시간으로 확인할 수 있으며, 실내 환경에서의 공기질에 대한 분석을 진행하였다. 설계한 센서 시스템을 상이한 환경인 서버실과 강의실에 설치해 실험을 수행한 결과, 서버실에서의 온도와 습도는 -0.24의 음의 상관관계를, 강의실에서는 0.43의 양의 상관관계를 보였다. 강의실에서의 실험 결과는 학생 수와 CO2 및 TVOC 농도가 r=0.69로 높은 상관관계를 보였다. 이는 학생 수가 실내 공기질 변화에 중요한 영향을 미칠 수 있음을 보여준다. 이러한 결과는 AirDeep-Room 시스템이 다양한 환경에서 공기질을 보다 효과적으로 관리할 수 있는 기반을 제공하며, 인구 밀도가 높은 공간에서 공기질 개선을 위한 중요한 역할을 할 수 있을 것으로 기대된다.

• Journal of Positioning, Navigation, and Timing
• /
• 제13권1호
• /
• pp.111-115
• /
• 2024

This study builds a machine learning model optimized for clocks among various techniques in the field of artificial intelligence and applies it to clock stabilization or synchronization technology based on atomic clock noise characteristics. In addition, the possibility of providing stable source clock data is confirmed through the characteristics of machine learning predicted values during holdover of atomic clocks. The proposed machine learning model is evaluated by comparing its performance with the AutoRegressive Integrated Moving Average (ARIMA) model, an existing statistical clock prediction model. From the results of the analysis, the prediction model proposed in this study (MSE: 9.47476) has a lower MSE value than the ARIMA model (MSE: 221.2622), which means that it provides more accurate predictions. The prediction accuracy is based on understanding the complex nature of data that changes over time and how well the model reflects this. The application of a machine learning prediction model can be seen as a way to overcome the limitations of the statistical-based ARIMA model in time series prediction and achieve improved prediction performance.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.18-26
• /
• 2023

빌딩에너지관리시스템(BEMS: Building Energy Management System)은 생산 및 소비되는 에너지를 효율적으로 관리하는 시스템이다. 그러나 건물 내 전력소비는 물리적인 특성상으로 인해 생산 및 소비가 일정하지 않아 안정적인 전력 공급이 필수적이다. 이에 따라 건물의 안정적인 전력 공급을 위해서는 정확한 건물 내 전력 소비 예측이 중요하다. 최근에는 시계열분석, 통계분석, 인공지능 등 다양한 방법을 이용하여 전력소비예측에 관한 연구가 진행되고 있다. 본 논문은 Prophet 모델의 장점과 단점을 분석하여 장점인 growth, seasonality, holidays를 선택하였고, Prophet 모델의 단점인 데이터의 복잡성과 외부변수(기후 데이터)의 제한성을 해결하기 위하여 GRU을 조합하여 단기(2일) 및 중기(7일, 15일, 30일) 전력소비량 예측 알고리즘을 제안한다. 실험결과, 제안한 방법은 기존 GRU 및 Prophet 모델보다 성능이 우수하였다.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.59-64
• /
• 2024

최근 다양한 산업 분야에서 드론과 인공지능 기술이 융합된 연구 사례가 진행되고 있다. 본 논문에서는 딥러닝 기반 객체 인식과 객체 판별 알고리즘을 이용하여 불법 주정차 차량 인식 모델을 제안한다. 객체 인식 알고리즘은 YOLOv8를 사용하였으며, 객체 판별 알고리즘은 ResNet18을 사용하였다. 제안된 모델은 일반 도로 상황에서 수집한 이미지 데이터를 이용하여 모델 학습을 수행하였고, 학습된 모델은 이미지 기반 불법 주정차를 판별하는데 높은 정확도를 보였다. 이를 통해 제안된 모델은 다양한 이미지로부터 불법 주정차 차량을 식별하기 위한 일반화 성능을 갖추고 있음을 확인하였다.

• 한국항행학회논문지
• /
• 제28권1호
• /
• pp.136-141
• /
• 2024

본 논문에서는 10.525 GHz 대역에서 동작하는 광대역 인셋-급전 마이크로스트립 패치 안테나를 제안하였다. 제안된 광대역 인셋-급전 마이크로스트립 패치 안테나는 3개의 폭이 좁은 직사각형 패치로 구성된다. 중앙 패치의 중심에서 2개의 대칭적인 측면 패치들이 스트립 도체로 연결되어 중간 패치에 대해 수직 방향으로 엇갈리게 중심이 이동하여 배치되었다. 성능 비교를 위해 기존의 인셋-급전 정사각형 마이크로스트립 패치 안테나를 설계하였다. 실험 결과, 제작된 광대역 인셋-급전 마이크로스트립 패치 안테나의 측정 입력 반사 계수의 전압 정재파비가 2 이하인 주파수 대역은 10.036-11.051 GHz (9.63%)이고, 제작된 기존의 인셋-급전 정사각형 마이크로스트립 패치 안테나의 측정 입력 반사 계수의 주파수 대역은 10.306-10.772 GHz (4.42%)이다. 따라서, 제작된 광대역 인셋-급전 마이크로스트립 패치 안테나의 입력 반사 계수 주파수 대역폭은 기존의 인셋-급전 정사각형 마이크로스트립 패치 안테나에 비해 2.18배 증가하였다.