• 한국인터넷방송통신학회논문지
• /
• 제23권5호
• /
• pp.77-82
• /
• 2023

스마트홈 이전에 주목받았던 인텔리전스홈과 홈오토메이션은 첨단 기술들을 주택에 적용하는 데 초점을 맞추어 사용자들에게 불편성을 안겨주었고, 실질적인 효율성은 부족하여 대중화에 실패했다. 하지만, 현재 4차 산업 혁명과 더불어 빅데이터, 인공지능, 사물 인터넷과 관련된 기술들을 활용한 다양한 서비스가 증가하고 있으며, 다양한 기술들을 기반으로 가정 내에서 제품들을 조작 및 관리하며, 자동화하는 스마트홈 서비스 구축률이 점차 증가하고 있다. 본 논문에서는 이런 동향 추세에 맞춰 MQTT 서버, Django 웹 프레임워크, WIFI 통신 모듈을 활용하여 제품을 연결하고, 조작 및 관리할 수 있는 프로그램 앱을 구현했다.

• 한국정보전자통신기술학회논문지
• /
• 제13권6호
• /
• pp.470-476
• /
• 2020

본 논문에서는 인공지능 블록을 구동할 수 있도록 Edge Device와 서버를 분리하는 영상 딥러닝용 모듈 교체형 인공지능 서버의 설계와 데이터 송수신 방법을 제시한다. 영상 딥러닝용 모듈 교체형 인공지능 서버를 통해 소셜 로봇과 로봇의 플랫폼이 구동될 Edge Device 간의 종속성을 줄여 구동 안정성을 향상할 수 있다. 사용자가 소셜 로봇과의 상호작용을 위해서 인공지능 서버에 기능을 요청하면 모듈화된 기능들을 이용해 결과만을 반환받을 수 있다. 인공지능 서버에서 모듈화되어있는 기능들은 서버 관리자에 의해 모듈별로 유지 보수 및 변경이 쉽게 가능하다. 기존 서버 시스템과 비교했을 때 모듈 교체형 인공지능 서버는 수행되는 프로그램의 규모 차이와 서버 유지 보수 면에서 더 효율적인 성능을 낸다. 이를 통해 사람-로봇 간의 상호작용이 가능한 로봇 시나리오에 더 다양한 영상 딥러닝을 포함 시킬 수 있으며, 로봇 플랫폼 외에 영상 딥러닝을 위한 인공지능 서버에 적용할 때 더 효율적인 성능을 낼 수 있다.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.89-96
• /
• 2020

인공신경망(artficial neural networks)를 활용한 딥러닝은 최근 이미지인식, 빅데이터 및 데이터분석 등 다양한 분야에서 연구되고 개발이 진행되고 있다. 하지만 데이터 프라이버시 침해 이슈와 학습을 많이 할수록 소모 비용과 시간이 증가하는 문제점이 있어서 이를 해결하기 위해 연합학습(Federated Learning)이 연구되었다. 연합학습에서는 프라이버시 문제를 완화하면서, 분산 처리 시스템의 이점을 가져오는 학습기법을 제시하였다. 하지만 여전히 연합학습에서도 프라이버시 및 보안 문제가 존재한다. 그래서 우리는 연합학습의 서버에 해당하는 부분을 블록체인으로 대체하여 연합학습의 문제점인 프라이버시 문제와 보안 문제를 해결하였다. 또한 사용자가 제출하는 데이터에 대한 보상을 지급하여서 동기를 부여하고, 기존 성능은 유지하면서도 더 적은 비용의 유지비를 필요로 하는 시스템을 연구하였다. 본 논문에서는 우리가 개발한 시스템의의 타당성을 보이기 위해 실험결과를 제시하면서 기존 연합학습과 연구한 블록체인 기반의 연합학습 결과를 비교한다. 또한 향후 연구로 보안문제에 대한 해법과 와 적용 가능한 비즈니스 분야를 제시를 보여주면서 논문을 마무리 하였다.

• Journal of Platform Technology
• /
• 제8권4호
• /
• pp.20-28
• /
• 2020

본 논문에서는 시각장애인의 라이프 사이클을 사전에 학습하여 시각장애인의 자립생활을 돕는 적정기술로 음성인식 기반 스마트 웨어러블 디바이스, 스마트 기기 및 웹 AI서버를 포함하는 음성, 사물 및 문자 인식 플랫폼을 제안하였다. 시각장애인용 웨어러블 기기는 착용편의성과 사물인식기능 효율을 높이기 위해 리버스 넥밴드 구조로 설계하여 제작하였으며, 웨어러블 기기에 부착된 고감도 소형 마이크와 스피커는 웨어러블 기기와 연동된 스마트기기의 앱으로 구성된 음성인식 인터페이스 기능을 지원하도록 구성하였다. 음성, 사물 및 광학문자 인식 서비스는 웹 AI 서버에서 오픈소스 및 구글 API를 활용하였고, 서비스 플랫폼의 음성, 사물 및 광학문자 인식 정밀도는 실험을 통하여 평균 90%이상 달성하였음을 확인하였다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.73-85
• /
• 2022

인공지능으로 자동화와 연결성이 극대화되는 4차 산업혁명 시대를 맞이하여 모델의 업데이트를 위한 데이터 수집과 활용의 중요성이 점차 높아지고 있다. 인공지능 기술을 사용하여 모델을 생성하기 위해서는 일반적으로 데이터를 한곳에 모아야 업데이트할 수 있으나, 이런 경우 사용자의 개인정보를 침해할 수 있다. 본 논문에서는 분산 저장된 데이터를 직접 공유하지 않으면서 서로 협력하여 모델을 업데이트할 수 있는 분산형 기계학습 방법인 연합학습을 소개하며, 기존의 서버 없이 참여자들 간의 분산 합의 최적화를 이루는 연구를 소개한다. 또한, Kirkman Triple System을 기반으로 한 패턴 및 그룹을 생성하는 알고리즘을 이용하며, 병렬적인 업데이트 및 통신을 하는 패턴 및 그룹 기반 분산 합의 최적화 알고리즘을 제안한다. 이러한 알고리즘은 기존의 분산 합의 최적화 알고리즘 이상의 프라이버시를 보장하며, 모델이 수렴할 때까지의 통신시간을 감소시킨다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.329-332
• /
• 2022

본 연구는 기존 이러닝 컨텐츠 및 비대면 수업방식에 대한 문제점을 파악하고 학생들의 집중도 향상 및 수업 성취도 및 교육 효과를 높이고 웹 서버를 활용해 인공지능 수업 시스템을 설계를 제안 하고자 한다. OpenCV를 이용한 얼굴과 눈동자 추적의 기능을 사용하여 출석 및 집중도 파악하고 수업 중간에 교수자가 질문하는 문제에 음성 또는 메시지로 피드백을 유도함으로써 학습자가 온라인 수업으로 인한 지루함을 해소하고 주자별 테스트를 통해 기준 점수에 도달하지 못했을 경우 틀린 문제에 대한 교육자료 및 영상을 제공하여 학업 격차를 해소하고 학업에 대한 성취도를 향상을 높일 수 있는 인공지능 교육 프로그램 시스템 설계를 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.280-283
• /
• 2022

본 연구는 기존 이러닝 컨텐츠 및 비대면 수업방식에 대한 문제점을 파악하고 학생들의 집중도 향상 및 수업 성취도 및 교육 효과를 높이고 웹 서버를 활용해 인공지능 수업 시스템을 설계를 제안 하고자 한다. OpenCV를 이용한 얼굴과 눈동자 추적의 기능을 사용하여 출석 및 집중도 파악하고 수업 중간에 교수자가 질문하는 문제에 음성 또는 메시지로 피드백을 유도함으로써 학습자가 온라인 수업으로 인한 지루함을 해소하고 주자별 테스트를 통해 기준 점수에 도달하지 못했을 경우 틀린 문제에 대한 교육 자료 및 영상을 제공하여 학업 격차를 해소하고 학업에 대한 성취도를 향상을 높일 수 있는 인공지능 교육 프로그램 시스템 설계를 구축하였다.

• 전자통신동향분석
• /
• 제35권3호
• /
• pp.66-75
• /
• 2020

As the increasing expectations of a practical AI (Artificial Intelligence) service makes AI algorithms more complicated, an efficient processor to process AI algorithms is required. To meet this requirement, processors optimized for parallel processing, such as GPUs (Graphics Processing Units), have been widely employed. However, the GPU has a generalized structure for various applications, so it is not optimized for the AI algorithm. Therefore, research on the development of AI processors optimized for AI algorithm processing has been actively conducted. This paper briefly introduces an AI processor especially for inference acceleration, developed by the Electronics and Telecommunications Research Institute, South Korea., and other global vendors for mobile and server platforms. However, the GPU has a generalized structure for various applications, so it is not optimized for the AI algorithm. Therefore, research on the development of AI processors optimized for AI algorithm processing has been actively conducted.

• Journal of information and communication convergence engineering
• /
• 제19권4호
• /
• pp.257-262
• /
• 2021

Providing web services to users has become expensive in recent times. For better web services, a web server is provided with high-performance technology. To achieve great web service experiences, tools such as general-purpose graphics processing units (GPGPUs), artificial intelligence, high-performance computing, and three-dimensional simulation are widely used. However, graphics processing units (GPUs) are used in high-speed operations and have limited general applications. In this study, we developed a task queue in a GPU to improve the performance of a web service using a multiprocessor and studied how to receive and process user requests in bulk. We propose the use of a GPGPU-based task queue to process user requests more than GPGPU based a central processing unit thread, and to process more GPU threads on task queue at about 136% to 233%, and proved that the proposed method is effective for web service.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.264-267
• /
• 2022

Recently, federated learning (FL) has increased prominence as a viable approach for enhancing user privacy and data security by allowing collaborative multi-party model learning without exchanging sensitive data. Despite this, most present FL systems still depend on a centralized aggregator to generate a global model by gathering all submitted models from users, which could expose user privacy and the risk of various threats from malicious users. To solve these issues, we suggested a safe FL framework that employs differential privacy to counter membership inference attacks during the collaborative FL model training process and empowers blockchain to replace the centralized aggregator server.