• 한국컴퓨터정보학회논문지
• /
• 제25권3호
• /
• pp.243-250
• /
• 2020

본 논문에서는 대학의 효과적인 SW교육 방법을 제안한다. 해외 Top 10 대학과 SW중심대학, 거점 국립대학의 SW교육과정을 비교 분석하고, 그 결과를 기반으로 대학의 효과적인 SW교육 방법을 위해 5가지 개선할 점을 제안한다. 첫째는 교육과정 개발과정에서 SW 개발자의 직무 분석을 기반으로 교과목을 개발함으로써 산업체 현장 적응력을 높이는 것이다. 둘째는 4차 산업혁명 핵심기술(클라우드컴퓨팅, 빅데이터, 가상/증강현실, 사물인터넷 등)의 교과목을 강화하여 의료, 바이오, 센서, 인간, 인지과학 등의 다양한 분야와 융합하는 것이 필요하다. 셋째는 프로그래밍 언어 교육은 기본적인 문법 교육 후, SW융합 교과목에 포함하여 다양한 분야의 프로젝트를 구현해 보도록 해야 한다. 또한, 응용프로그램 개발자보다는 시스템프로그래밍 개발자, Back-End(서버단) 개발자 양성을 위한 교과목을 강화해야 한다. 넷째는 Product 기반의 자기 주도적 학습이 가능한 캡스톤디자인, 종합설계 등의 교과목을 강화하여 산업체 프로젝트에 참여할 기회를 제공한다. 다섯째는 지역 기반의 산업체 현장에서 기술을 습득할 수 있는 인턴십 또는 산학연계 프로그램을 강화함으로써 각 지역산업 기반의 대학 특성화 교육과정 개발이 필요하다.

• 기술혁신학회지
• /
• 제21권1호
• /
• pp.151-200
• /
• 2018

2016년 다보스포럼에서 클라우드 슈밥이 언급한 '제4차 산업혁명'은 우리의 삶을 획기적으로 바꾸고 있으며, 그 정점에 자율주행자동차가 이 시대의 화두로 떠오르고 있다. 그러나 우리나라에서 자율주행자동차가 성공적으로 도입 및 정착되기까지는 아직 극복해야 할 과제들이 많이 있다. 특히 '인간' 중심의 법제도를 '인공지능'이 포함된 법제도로 패러다임을 변화해야 할 것이다. 자율주행자동차 시대의 안정적 운용을 위해서는 사람중심의 입법체계에 대한 획기적인 변화가 필요하다. 즉, 자율주행자동차를 운행하는 운행주체가 누구인지(무엇인지)와 일반도로에서 일반 자동차와 운행이 가능한지 여부, 교통사고 발생 시 민형사상 책임 문제, 자율주행자동차 관련 보험 문제, 개인정보수집과 이용에 관한 문제, 제3자에 의한 오남용 문제 등을 종합적이고 포괄적으로 검토해야 한다. 본 연구에서는 도로교통 관련 국내 법률, 해외 법제현황, 자율주행자동차 관련 법적 쟁점 등을 검토하여 입법론적 관점에서 자율주행자동차 운행 시 발생하는 제반 법적 문제 해결을 위한 별도의 법안 신설을 제안하며 그 법안에 대한 내용을 제시하였다.

• 한국가스학회지
• /
• 제21권4호
• /
• pp.47-61
• /
• 2017

대규모 플랜트에서 조업자 안전훈련 모델의 전제조건은 조업에 관련된 다양한 위험의 상세분석 및 지식표현으로 얻어진 운영절차의 범용성과 정확성이다. 본 연구에서는 조업절차의 생성을 위해 인공지능 플래닝 기법을 고려하여 조업자의 일반행위와 조치행위 그리고 기술용어 등을 분류하고, 지식의 공유 및 재사용을 고려하여 플랜트의 운영과정과 관련된 조업행위 및 용어의 확장을 지식표현 온톨로지 형태로 정의하였다. 또한 조업의 일반적인 행위의 구체화를 위해 Hierarchical Task Network (HTN)기반의 행위계획을 적용하여 목표와 실행이 가능한 수준까지 분할하여 여러 상황에 따른 절차를 생성하도록 설계하였다. 이후 실제 보일러 설비의 사례연구를 통해 조업조건과 운전상태 그리고 장치들 간의 운전목적에 따라 구성설비의 역할을 분류하고, 비상정지절차를 생성하였으며, 제안한 방법의 실제 플랜트 적용 가능성을 확인하였다. 체계적인 지식표현에 기초한 지식베이스 구축은 일반적인 플랜트 운영절차 및 조업자 안전훈련 시나리오의 생성에도 활용이 가능할 것이며, 향후 자동생성 등에도 활용될 수 있을 것으로 판단된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권10호
• /
• pp.4717-4737
• /
• 2017

Today, smart grids, smart homes, smart water networks, and intelligent transportation, are infrastructure systems that connect our world more than we ever thought possible and are associated with a single concept, the Internet of Things (IoT). The number of devices connected to the IoT and hence the number of traffic flow increases continuously, as well as the emergence of new applications. Although cutting-edge hardware technology can be employed to achieve a fast implementation to handle this huge data streams, there will always be a limit on size of traffic supported by a given architecture. However, recent cloud-based big data technologies fortunately offer an ideal environment to handle this issue. Moreover, the ever-increasing high volume of traffic created on demand presents great challenges for flow management. As a solution, flow aggregation decreases the number of flows needed to be processed by the network. The previous works in the literature prove that most of aggregation strategies designed for smart grids aim at optimizing system operation performance. They consider a common identifier to aggregate traffic on each device, having its independent static aggregation policy. In this paper, we propose a dynamic approach to aggregate flows based on traffic characteristics and device preferences. Our algorithm runs on a big data platform to provide an end-to-end network visibility of flows, which performs high-speed and high-volume computations to identify the clusters of similar flows and aggregate massive number of mice flows into a few meta-flows. Compared with existing solutions, our approach dynamically aggregates large number of such small flows into fewer flows, based on traffic characteristics and access node preferences. Using this approach, we alleviate the problem of processing a large amount of micro flows, and also significantly improve the accuracy of meeting the access node QoS demands. We conducted experiments, using a dataset of up to 100,000 flows, and studied the performance of our algorithm analytically. The experimental results are presented to show the promising effectiveness and scalability of our proposed approach.

• 한국HCI학회논문지
• /
• 제12권2호
• /
• pp.31-40
• /
• 2017

본 연구는 2016년 9월 1일 국내에 처음 출시된 가상 비서 음성인식 디바이스 SKT 'NUGU'의 행태를 분석하기 위한 질적 연구이다. 연구를 위해, 해당 기기를 한 달 이상 사용한 사용자 9명을 대상으로 각 1시간 이상의 심층인터뷰를 진행하였다. 인터뷰 자료는 전사하여 개방코딩, 축 코딩, 선택코딩을 통한 근거 이론을 적용하여 분석하였다. 그 결과 심층인터뷰 내용에 대한 362개의 개념을 도출하였으며 16개의 하위 범주와 10개의 상위 범주로 추상화하였다. 개방 코딩이 진행된 이후에는 축 코딩을 통해 전반적인 사용 행태를 파악하고자 패러다임 모형을 제시하였다. 선택코딩을 진행하여 이야기 윤곽의 전개를 통한 핵심범주를 도출하였으며, 코딩의 결과로 사용 행태를 유형화하였다. 유형화 결과, 크게 의존형과 탐구형의 사용 행태를 보임을 확인할 수 있었으며, 각 유형이 해당 기기에 관하여 어떠한 콘텐츠를 선호하며, 어떤 불편사항이 있는지 분석하였다. 그 결과, 의존형 사용자는 음성인식 기술을 활용한 스피커 제어 기능 때문에 구매하였고, 기기의 제어 방식에서는 대체로 만족하였으나 가상 비서 서비스를 다각도로 활용하기보다는 음성제어가 가능한 블루투스 스피커로 이용하는 한계를 보였다. 탐구형 사용자는 스마트홈과 관련된 사물인터넷 관련 제어를 활용하거나 양방향 소통을 시도 하였으나, 현재 해당기기와 연결되는 서비스가 부족하고, 원활한 양방향 소통이 불가능하다는 한계를 느껴 지속적인 사용에 어려움을 느끼고 있었다. 본 연구는 이러한 분석 결과를 기반으로 향후에 국내 가상 비서 서비스를 제안하고자 할 때에 활용할 수 있는 가상 비서의 사용자 경험에 관한 기초 자료를 제시하였다.

• 인터넷정보학회논문지
• /
• 제21권3호
• /
• pp.123-131
• /
• 2020

인공지능 기술의 비약적 발전과 함께 사람의 언어를 다루는 자연어 처리 분야 역시 활발하게 연구가 진행되고 있다. 특히 최근에는 구글에서 공개한 언어 모델인 BERT는 대량의 코퍼스를 활용해 미리 학습시킨 모델을 제공함으로써 자연어 처리의 여러 분야에서 좋은 성능을 보이고 있다. BERT에서 다국어 모델을 지원하고 있지만 한국어에 바로 적용했을 때는 한계점이 존재하기 때문에 대량의 한국어 코퍼스를 이용해 학습시킨 모델을 사용해야 한다. 또한 텍스트는 어휘, 문법적인 의미만 담고 있는 것이 아니라 전후 관계, 상황과 같은 문맥적인 의미도 담고 있다. 기존의 자연어 처리 분야에서는 어휘나 문법적인 의미를 중심으로 연구가 주로 이루어졌다. 텍스트에 내재되어 있는 문맥 정보의 정확한 파악은 맥락을 이해하는 데에 있어 중요한 역할을 한다. 단어들의 관계를 이용해 연결한 지식그래프는 컴퓨터에게 쉽게 문맥을 학습시킬 수 있는 장점이 있다. 본 논문에서는 한국어 코퍼스를 이용해 사전 학습된 BERT 모델과 지식 그래프를 이용해 한국어 문맥 정보를 추출하는 시스템을 제안하고자 한다. 텍스트에서 중요한 요소가 되는 인물, 관계, 감정, 공간, 시간 정보를 추출할 수 있는 모델을 구축하고 제안한 시스템을 실험을 통해 검증한다.

• 한국문헌정보학회지
• /
• 제51권4호
• /
• pp.99-120
• /
• 2017

본 논문에서는 지속적으로 커져가는 산업 시장에 대해 관련 연구자들이 이를 효율적으로 분석할 수 있는 반자동 지원 체제개발을 위한 기술 용어와 기술 개념에 대한 정의문 및 설명문을 자동으로 생성하는 한국어 문장 생성 모델을 제시한다. 한국어 정의 문장 생성을 위하여 딥러닝 기술 중 데이터의 전/후 관계를 포함한 시퀀스 레이블링이 가능한 LSTM을 활용한다. LSTM을 근간으로 한 두 가지 모델은 기술명을 입력할 시 그에 대한 정의문 및 설명문을 생성한다. 다양하게 수집된 대규모 학습 말뭉치를 이용해 실험한 결과, 본 논문에서 구현한 2가지 모델 중 CNN 음절 임베딩을 활용한 어절 단위 LSTM 모델이 용어에 대한 정의문 및 설명문을 생성하는데 더 나은 결과를 도출시킨다는 사실을 확인하였다. 본 논문의 연구 결과를 바탕으로 동일한 주제를 다루는 문장 집합을 생성할 수 있는 확장 모델을 개발할 수 있으며 더 나아가서는 기술에 대한 문헌을 자동으로 작성하는 인공지능 모델을 구현할 수 있으리라 사료된다.

• 동의생리병리학회지
• /
• 제25권5호
• /
• pp.765-772
• /
• 2011

Knowledge which is represented by formal logic are widely used in many domains such like artificial intelligence, information retrieval, e-commerce and so on. And for medical field, medical documentary records retrieval, information systems in hospitals, medical data sharing, remote treatment and expert systems need knowledge representation technology. To retrieve information intellectually and provide advanced information services, systematically controlled mechanism is needed to represent and share knowledge. Importantly, medical expert's knowledge should be represented in a form that is understandable to computers and also to humans to be applied to the medical information system supporting decision making. And it should have a suitable and efficient structure for its own purposes including reasoning, extendability of knowledge, management of data, accuracy of expressions, diversity, and so on. we call it ontology which can be processed with machines. We can use the ontology to represent traditional medicine knowledge in structured and systematic way with visualization, then also it can also be used education materials. Hence, the authors developed an Shanghanlun ontology by way of showing an example, so that we suggested a methodology for ontology development and also a model to structure the traditional medical knowledge. And this result can be used for student to learn Shanghanlun by graphical representation of it's knowledge. We analyzed the text of Shanghanlun to construct relational database including it's original text, symptoms and herb formulars. And then we classified the terms following some criterion, confirmed the structure of the ontology to describe semantic relations between the terms, especially we developed the ontology considering visual representation. The ontology developed in this study provides database showing fomulas, herbs, symptoms, the name of diseases and the text written in Shanghanlun. It's easy to retrieve contents by their semantic relations so that it is convenient to search knowledge of Shanghanlun and to learn it. It can display the related concepts by searching terms and provides expanded information with a simple click. It has some limitations such as standardization problems, short coverage of pattern(證), and error in chinese characters input. But we believe this research can be used for basic foundation to make traditional medicine more structural and systematic, to develop application softwares, and also to applied it in Shanghanlun educations.

• 대한원격탐사학회지
• /
• 제33권6_2호
• /
• pp.1061-1073
• /
• 2017

본 연구는 4차 산업의 핵심기술인 인공지능과 환경공간정보의 융합을 통한 정보생산 및 활용가능성을 제시하고자 대표적인 딥러닝(deep-learning) 기법인 CNN(Convolutional Neural Network)을 이용한 영상분류를 수행하였다. CNN은 학습을 통해 스스로 분류기준에 따른 커널의 속성을 결정하며, 최적의 특징영상(feature map)을 추출하여 화소를 분류한다. 본 연구에서는 CNN network를 구성하여 기존의 영상처리 기법으로 해결이 어려웠던 분광특성이 유사한 물질간의 분류 및 GIS속성정보에 따른 분류를 수행하였으며, 항공초분광센서인 CASI(Compact Airborne Spectrographic imager)와 AISA(Airborne Imaging Spectrometer for Application)로 취득된 영상을 이용하였다. 실험대상지역은 총 3곳이며, Site 1과 Site 2는 감자, 양파, 벼 등의 다양한 농작물을 포함하며, Site 3는 단독주거시설, 공동주거시설 등 세분류 토지피복도의 분류 항목으로 구성된 건물을 포함한다. 실험결과, 분류 정확도 96%, 99%로 농작물을 종류에 따라분류하였으며, 96%의 정확도로 건물을 용도에 따라 분류하였다. 본 연구의 결과를 환경공간정보 서비스에 활용하기 위하여 계절별 농작물의 종류를 제공할 수 있는 환경주제도를 제안하였으며, 기존의 토지피복도와 최신 GIS자료를 이용한 세분류 토피지복도 제작 및 갱신 가능성을 확인하였다.

• Journal of Korean Neurosurgical Society
• /
• 제63권3호
• /
• pp.386-396
• /
• 2020

Objective : To generate synthetic spine magnetic resonance (MR) images from spine computed tomography (CT) using generative adversarial networks (GANs), as well as to determine the similarities between synthesized and real MR images. Methods : GANs were trained to transform spine CT image slices into spine magnetic resonance T2 weighted (MRT2) axial image slices by combining adversarial loss and voxel-wise loss. Experiments were performed using 280 pairs of lumbar spine CT scans and MRT2 images. The MRT2 images were then synthesized from 15 other spine CT scans. To evaluate whether the synthetic MR images were realistic, two radiologists, two spine surgeons, and two residents blindly classified the real and synthetic MRT2 images. Two experienced radiologists then evaluated the similarities between subdivisions of the real and synthetic MRT2 images. Quantitative analysis of the synthetic MRT2 images was performed using the mean absolute error (MAE) and peak signal-to-noise ratio (PSNR). Results : The mean overall similarity of the synthetic MRT2 images evaluated by radiologists was 80.2%. In the blind classification of the real MRT2 images, the failure rate ranged from 0% to 40%. The MAE value of each image ranged from 13.75 to 34.24 pixels (mean, 21.19 pixels), and the PSNR of each image ranged from 61.96 to 68.16 dB (mean, 64.92 dB). Conclusion : This was the first study to apply GANs to synthesize spine MR images from CT images. Despite the small dataset of 280 pairs, the synthetic MR images were relatively well implemented. Synthesis of medical images using GANs is a new paradigm of artificial intelligence application in medical imaging. We expect that synthesis of MR images from spine CT images using GANs will improve the diagnostic usefulness of CT. To better inform the clinical applications of this technique, further studies are needed involving a large dataset, a variety of pathologies, and other MR sequence of the lumbar spine.