• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.568-578
• /
• 2021

산학협력 성과물 중 하나인 특허는 혁신의 원천이자 기술이전 및 기술사업화를 통한 경제성장에 중요한 역할을 하고 매개체이다. 그러나 산학협력이 궁극적으로 기업이 원하는 결과를 창출하기 위해서는 산학협력의 성과물인 특허가 사업에 활용되어야 함에도 모든 특허가 사업에 활용되는 것은 아니다. 본 연구에서는 산학협력이 성공적으로 추진되어 그 성과물로 특허가 창출된 이후에도, 사업화로 연계되지 못하는 경우에 대해 그 원인을 파악하여 산학협력이 궁극적으로 성공적인 사업화로 연계될 수 있는 방안을 설계할 수 있도록 지원한다. 이를 위해 첫째 미국의 산학협력 등록특허를 수집하고, 둘째 머신러닝 기법으로 활용 특허와 미활용 특허를 분류할 수 있는 예측모형을 설계하였다. 최종적으로 식별된 특허들의 시장성과 기술성을 분석하여 두 유형의 특허에 있어 유의미한 차이점을 도출하고자 하였다. 본 연구는 학술적으로 활용 및 미활용 특허의 예측 연구의 기반이 될 것이며, 실무적으로는 산학협력을 기획하는 기업 및 대학 담당자가 기술협력을 위한 전략수립에 기여할 것으로 기대 된다.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.268-278
• /
• 2021

사물인터넷(IoT), 빅데이터(Big data), 인공지능(AI), 사이버물리시스템(CPS) 등 4차 산업혁명을 견인하는 기술들이 발전/보편화되고 있다. 이 기술들을 응용하여 다양한 산업 현장에서 생산성, 경제성, 안전성 등을 향상하고자 하는 요구가 확산되고 있다. 디지털트윈은 이러한 요구를 충족시키기 위한 중요한 기술 트렌드로서, 그리고 한국판 뉴딜의 10 대 과제 중 하나로 주목 받고 있다. 본 연구에서 구글 웹 검색기를 사용하여 논문, 매거진, 보고서, 기타 문헌을 탐색하였다. 디지털트윈 응용분야에서 공간정보의 기여 내용(또는 역할)을 조사하기 위해 디지털트윈의 정의·국내외 기업별 기술동향, 제조업·플랜트·스마트시티에서 요구되는 디지털트윈의 구성 요소와 디지털트윈 구동을 위한 핵심기술을 조사하였다. 그리고 공간 관련 키워드인 Geospatial Information, Geospatial data, Location, Map, Geodata와 디지털 트윈 간 연계 문장이나 낱말을 탐색하여 공간정보의 기여내용을 정리하였다. 조사 결과, 공간정보는 단순히 사물-사물-사람-프로세스-데이터-제품을 연결하는 매개체로서의 역할 제공뿐만 아니라 신뢰성 높은 의사결정지원·연계융합·위치정보제공·프레임워크 등의 역할을 수행함으로 디지털트윈의 활용 가치 극대화에 기여할 수 있을 것으로 나타났다.

• 정보화정책
• /
• 제28권2호
• /
• pp.34-56
• /
• 2021

4차 산업혁명에 따라 AI, 데이터 분석가 등 AI·데이터 사이언스 분야의 일자리에 대한 수요와 관심이 증가하고 있다. 그에 발맞춰 효과적으로 해당 분야의 직무를 수행할 수 있는 인력을 적시에 공급하기 위해서 구직자는 회사가 요구하는 역량을 개발하고, 대학은 양성 교육을 담당하여야 한다. 하지만, 적절한 역량을 갖춘 인력 공급의 이해 당사자인 구직자, 회사 그리고 대학 차원에서 적절한 대응 전략 마련에 어려움을 겪고 있다. 따라서, 본 연구는 필요충분한 직무 역량을 가진 인재 양성 및 공급을 위해 실무에서 요구되는 역량이 무엇인지 알아보고, 대학 차원에서의 역량 개발 방안을 제안하는 것을 목적으로 한다. AI·데이터 사이언스 분야에서의 필요 역량을 파악하고자 채용 플랫폼 링크드인(LinkedIn) 사이트의 채용공고 데이터를 텍스트 마이닝 기법을 활용하여 분석하였다. 이후, 국제적인 AI·데이터 사이언스 분야 대학원 교육과정과 채용 담당자와의 인터뷰 결과를 각각 토픽 모델의 결과와 비교 및 검증하는 절차를 통해, 대학 차원에서의 활용할 수 있는 커리큘럼을 제안하는 것으로 연구를 진행하였다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.707-721
• /
• 2022

본 총설연구에서는 도시침수 모의 기술의 체계와 발전 과정을 정리하고, 주요 성과와 한계점을 파악하여 향후 연구 방향과 도전 과제를 제시하였다. 이를 위해 2000년대 이후 국내 주요 학술논문집에 수록된 도시침수 모의 관련 논문 160여편을 분석하여 연구의 핵심 주제와 내용을 살펴본 후, 물리 및 데이터 기반 모형의 침수모의 세부 방법론별로 기술의 발전 현황에 대해 정리하였다. 또한, 국내 도시침수 모의 기술의 활용목적별 동향, 국외 및 연관 분야 연구동향에 대해서도 분석하였다. 국내 도시침수 모의 연구에서 Storm Water Management Model (SWMM) 모형을 활용하는 비율이 60%를 넘는 것으로 조사되었으며, 이중 배제(dual drainage)의 도시침수 물리 과정을 상세히 해석하는 국내 기술에 대한 연구가 필요한 것으로 판단되었다. 한편, 딥러닝(deep learning) 등 데이터 기반 모의 기술은 도시침수 해석의 새로운 분야로 자리매김하였다. 다만, 모형 훈련을 위한 극한기상조건에 대한 침수자료는 관측 만으로 확보할 수 없으므로, 고정확도 물리 모형과 데이터 기반 모형 연구는 상호보완적으로 진행되어야 할 필요가 있다. 도시침수 모의 기술은 인공지능이나 IoT, 메타버스 등 타 분야 신기술과의 접목이 활발히 이루어지고 있으며, 기후 위기 적응과 재해 피해 저감을 위해 지속적인 사회적 투자와 융합 연구가 필요한 분야로 판단된다.

• 한국정보전자통신기술학회논문지
• /
• 제15권5호
• /
• pp.360-366
• /
• 2022

본 논문은 흑백 사진으로만 남아 있는 한국의 전통 고궁 사진을 적대적 생성 신경망 기법의 하나인 Pix2Pix를 활용하여 컬러 사진으로 복원하기 위한 학습 모델 구조를 제시한다. Pix2Pix는 합성 이미지를 생성기와 합성 여부를 판정하는 판별기의 학습 모델 조합으로 구성된다. 본 논문은 판별기의 수용 영역을 조절하여 인공지능 모델을 학습하고 그 결과를 고궁 사진이 가지는 특성을 고려하여 분석하는 내용을 다룬다. 기존에 흑백 사진 복원에 사용하는 Pix2Pix의 수용 영역은 주로 고정된 크기로 사용하였으나 이미지의 변화가 다양한 고궁 사진을 복원함에 있어서는 고정된 수용 영역을 일률적으로 적용하기에 적합하지 않다. 본 논문에서는 고궁의 특성을 반영할 수 있는 판별기의 수용 영역을 확인하기 위해 기존의 고정된 수용 영역의 크기를 변화시켜 나타나는 결과를 관찰하였다. 실험은 사전에 준비한 고궁 사진을 기반으로 판별기의 수용 영역을 조정하고 모델의 학습을 진행하였다. 판별기의 수용 영역 변화에 따른 모델의 손실을 측정하고 최종 학습한 학습 모델을 복원 대상 흑백 사진에 대입하여 복원 결과를 확인한다.

• 정보보호학회논문지
• /
• 제31권6호
• /
• pp.1215-1225
• /
• 2021

인공지능 기술은 우수한 성능을 기반으로 다양한 분야에 적용되고 있지만 입력 데이터에 인간이 감지할 수 없는 적대적 섭동을 추가하여 인공지능 모델의 오작동을 유도하는 적대적 예제에 취약하다. 현재까지 적대적 예제에 대응하기 위한 방법은 세 가지 범주로 분류할 수 있다. (1) 모델 재학습 방법; (2) 입력 변환 방법; (3) 적대적 예제 탐지 방법. 이러한 적대적 예제에 대응하기 위한 방법은 끊임없이 등장하고 있지만 각 적대적 공격 유형을 분류하는 연구는 미비한 실정이다. 따라서, 본 논문에서는 차원 축소와 군집화 알고리즘을 활용한 적대적 공격 유형 분류 방법을 제안한다. 구체적으로, 제안하는 방법은 적대적 예시로부터 적대적 섭동을 추출하고 선형 판별 분석(LDA)를 통해 적대적 섭동의 차원을 축소한 후에 k-means 알고리즘으로 적대적 공격 유형 분류를 수행한다. MNIST 데이터셋과 CIFAR-10 데이터셋을 대상으로 한 실험을 통해, 제안하는 기법은 5개의 적대적 공격(FGSM, BIM, PGD, DeepFool, C&W)을 효율적으로 분류할 수 있으며, 적대적 예제에 대한 정상 입력을 알 수 없는 제한적인 상황에서도 우수한 분류 성능을 나타내는 것을 확인하였다.

• 한국건축시공학회지
• /
• 제22권6호
• /
• pp.619-630
• /
• 2022

콘크리트의 배합설계와 압축강도 평가는 지속가능한 구조물의 내구성을 위한 기초적인 자료로서 활용되고 있다. 하지만, 콘크리트 배합설계는 최근 배합요소의 다변화 등의 이유로 인하여 정확한 배합요소 산정이나 기준값 설정에 어려움을 겪고 있다. 본 연구에서는 인공지능 기법 중 하나인 딥러닝 기법을 사용하여 삼성분계 콘크리트의 배합요소를 산정하는 양방향 해석의 예측모델을 설계하는 것을 목적으로 한다. 콘크리트 배합요소 산정을 위한 DNN 기반 예측모 델은 층 수, 은닉 뉴런 수를 변수로 한 총 8개의 모델을 사용하여 성능평가 및 비교를 실시하였으며, 이후 학습된 DNN 모델을 사용하여 소요압축강도에 따른 콘크리트 배합 산정 결과를 출력하였다. 모델의 성능평가 결과, 콘크리트 압축 강도 인자에 대하여 평균 약 1.423%의 오류율을 나타내었으며, 삼성분계 콘크리트 배합인자 예측에 대하여 평균 8.22%의 MAPE 오차를 만족하였다. DNN 모델의 구조별 성능평가 비교 결과, 모든 배합인자에 대하여 DNN5L-2048 모델이 가장 높은 성능을 보였다. 학습된 DNN 모델을 사용하여 30, 50MPa의 소요압축강도를 가지는 삼성분계 콘크 리트 배합표 예측을 진행하였으며, 추후 학습을 위한 데이터 세트 확장과 실제 콘크리트 배합표와 DNN 모델 출력 콘 크리트 배합표 간의 비교를 통한 검증 과정이 필요할 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.29-40
• /
• 2022

본 논문에서는 딥러닝 기법의 하나인 Mask R-CNN과 랜덤포레스트 분류기를 이용해 당뇨병성 망막병증의 병리학적인 특징을 검출하고 분석하여 자동 진단하는 시스템을 연구하였다. 당뇨병성 망막병증은 특수장비로 촬영한 안저영상을 통해 진단할 수 있는데 밝기, 색조 및 명암은 장치에 따라 다를 수 있으며 안과 전문의의 의료적 판단을 도울 인공지능을 이용한 자동진단 시스템 연구와 개발이 가능하다. 이 시스템은 미세혈관류와 망막출혈을 Mask R-CNN 기법으로 검출하고, 후처리 과정을 거쳐 랜덤포레스트 분류기를 이용하여 안구의 정상과 비정상 상태를 진단한다. Mask R-CNN 알고리즘의 검출 성능 향상을 위해 이미지 증강 작업을 실시하여 학습을 진행하였으며 검출 정확도 측정을 위한 평가지표로는 다이스 유사계수와 Mean Accuracy를 사용하였다. 비교군으로는 Faster R-CNN 기법을 사용하였고 본 연구를 통한 검출 성능은 평균 90%의 다이스 계수를 통한 정확도를 나타내었으며 Mean Accuracy의 경우 91% 정확도의 검출 성능을 보였다. 검출된 병리증상을 토대로 랜덤포레스트 분류기를 학습하여 당뇨병성 망막 병증을 진단한 경우 99%의 정확도를 보였다.

• 한국측량학회지
• /
• 제40권4호
• /
• pp.251-260
• /
• 2022

소나무 재선충 피해나무는 줄어들고 있으나, 피해 지역은 전국으로 확대되고 있다. 최근에 딥러닝 기술이 발전하면서 소나무재선충 고사목 탐지 연구에 적용이 빠르게 시도되고 있다. 본 연구의 목적은 딥러닝 학습데이터의 효과적인 취득과 정확한 참값을 확보하고, 학습을 통해 U-Net 모델의 탐지능력을 보다 향상시키기 위함이다. 이러한 목적달성을 위해 단계별 딥러닝 알고리즘을 적용한 필터링 방법을 이용하여 딥러닝 모델의 불명확한 분석 근거를 최소화하고, 효율적인 분석 및 판단을 할 수 있도록 하였다. 분석결과 U-Net알고리즘을 이용한 소나무재선충 고사목 탐지 및 성능향상에 있어 기간별로 분석한 참값을 이용한 U-Net 모델이 기존에 제공하였던 참값을 이용한 U-Net 모델보다 재현율(Recall)은 -0.5%p, 정밀도(Precision)은 7.6%p, F-1 score는 4.1%p로 분석되었다. 향후 다양한 필터링 기법을 적용하여 재선충 탐지 정밀도를 높일 수 있는 가능성이 있을 것으로 판단되며, 드론 정사영상과 인공지능을 이용한 드론 예찰방법이 소나무재선충 방제 사업에 활용 가능할 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권8호
• /
• pp.355-364
• /
• 2023

최근 지능화된 사이버 위협이 지속적으로 증가함에 따라 기존의 패턴 혹은 시그니처 기반의 침입 탐지 방식은 새로운 유형의 사이버 공격을 탐지하는데 어려움이 있다. 따라서 데이터 학습 기반 인공지능 기술을 적용한 이상 징후 탐지 방법에 관한 연구가 증가하고 있다. 또한 지도학습 기반 이상 탐지 방식은 학습을 위해 레이블 된 이용 가능한 충분한 데이터를 필요로 하기 때문에 실제 환경에서 사용하기에는 어려움이 있다. 최근에는 정상 데이터로 학습하고 데이터 자체에서 패턴을 찾아 이상 징후를 탐지하는 비지도 학습 기반의 방법에 대한 연구가 활발히 진행되고 있다. 그러므로 본 연구는 시퀀스 로그 데이터로부터 유용한 시퀀스 정보를 보존하는 잠재 벡터(Latent Vector)를 추출하고, 추출된 잠재 벡터를 사용하여 이상 탐지 학습 모델을 개발하는데 있다. 각 시퀀스의 특성들에 대응하는 밀집 벡터 표현을 생성하기 위하여 Word2Vec을 사용하였으며, 밀집 벡터로 표현된 시퀀스 데이터로부터 잠재 벡터를 추출하기 위하여 비지도 방식의 오토인코더(Autoencoder)를 사용하였다. 개발된 오토인코더 모델은 시퀀스 데이터에 적합한 순환신경망 GRU(Gated Recurrent Unit) 기반의 잡음 제거 오토인코더, GRU 네트워크의 제한적인 단기 기억문제를 해결하기 위한 1차원 합성곱 신경망 기반의 오토인코더 및 GRU와 1차원 합성곱을 결합한 오토인코더를 사용하였다. 실험에 사용된 데이터는 시계열 기반의 NGIDS(Next Generation IDS Dataset) 데이터이며, 실험 결과 GRU 기반의 오토인코더나, 1차원 합성곱 기반의 오토인코더를 사용한 모델보다 GRU와 1차원 합성곱을 결합한 오토인코더가 훈련 데이터로부터 유용한 잠재 패턴을 추출하기 위한 학습 시간적 측면에서 효율적이었고 이상 탐지 성능 변동의 폭이 더 작은 안정된 성능을 보였다.