• 한국콘텐츠학회논문지
• /
• 제21권1호
• /
• pp.24-38
• /
• 2021

본 연구는 4차 산업혁명의 핵심 기술인 지능정보기술에 있어 한국의 글로벌 경쟁력을 측정하였다. 분석을 위해 PATSTAT Online을 사용하여 미국특허청에서 2010~2018년 사이에 출원된 각 분야의 특허 및 이들이 인용한 선행특허를 수집하였고, 인용·피인용 관계를 국가 수준에서 블록화하여 글로벌 지식 흐름 네트워크를 구축하였다. 각 기술 분야별로 다음과 같은 방식으로 한국의 글로벌 경쟁력을 평가하였다. 먼저 새로운 기술적 지식을 생성하기 위해 기존의 기술적 지식을 재조합하는 과정인 기술수용을 평가하기 위해 입선-연결 중심성을, 다음으로 새로운 기술적 지식 창출의 밑거름인 원친지식 보유 정도를 나타내는 기술파급을 평가하기 위해 출선-연결 중심성을, 그리고 마지막으로 국가 간 지식 흐름의 양적 측면과 질적 측면을 모두 고려할 수 있는 PageRank 중심성을 사용하였다. 분석 결과, 자료의 수집 및 축적, 그리고 확보한 대용량 자료의 처리 분야에 해당하는 사물인터넷·클라우드 및 빅데이터 분야에 비해, 이를 활용하는 인공지능 분야에서 한국의 경쟁력이 상대적으로 가장 열위에 있음이 사용된 모든 지표들을 통해 확인되었다.

• 한국IT서비스학회지
• /
• 제22권3호
• /
• pp.141-165
• /
• 2023

With the advent of the fourth industrial revolution, technologies such as the Internet of Things, artificial intelligence and cloud computing are developing rapidly, and smart homes enabled by these technologies are rapidly gaining popularity. To gain a competitive advantage in the global market, companies must understand the differences in consumer needs in different countries and cultures and develop corresponding business strategies. Therefore, this study conducts a comparative analysis of consumer reviews of smart homes in South Korea and China. This study collected online reviews of SmartThings, ThinQ, Msmarthom, and MiHome, the four most commonly used smart home apps in Korea and China. The collected review data is divided into satisfied reviews and dissatisfied reviews according to the ratings, and topics are extracted for each review dataset using LDA topic modeling. Next, the extracted topics are classified according to five evaluation factors of Perceived Usefulness, Reachability, Interoperability,Trustness, and Product Brand proposed by previous studies. Then, by comparing the importance of each evaluation factor in the two datasets of satisfaction and dissatisfaction, we find out the factors that affect consumer satisfaction and dissatisfaction, and compare the differences between users in Korea and China. We found Trustness and Reachability are very important factors. Finally, through language network analysis, the relationship between dissatisfied factors is analyzed from a more microscopic level, and improvement plans are proposed to the companies according to the analysis results.

• 한국재료학회지
• /
• 제33권5호
• /
• pp.175-188
• /
• 2023

Water electrolysis holds great potential as a method for producing renewable hydrogen fuel at large-scale, and to replace the fossil fuels responsible for greenhouse gases emissions and global climate change. To reduce the cost of hydrogen and make it competitive against fossil fuels, the efficiency of green hydrogen production should be maximized. This requires superior electrocatalysts to reduce the reaction energy barriers. The development of catalytic materials has mostly relied on empirical, trial-and-error methods because of the complicated, multidimensional, and dynamic nature of catalysis, requiring significant time and effort to find optimized multicomponent catalysts under a variety of reaction conditions. The ultimate goal for all researchers in the materials science and engineering field is the rational and efficient design of materials with desired performance. Discovering and understanding new catalysts with desired properties is at the heart of materials science research. This process can benefit from machine learning (ML), given the complex nature of catalytic reactions and vast range of candidate materials. This review summarizes recent achievements in catalysts discovery for the hydrogen evolution reaction (HER) and oxygen evolution reaction (OER). The basic concepts of ML algorithms and practical guides for materials scientists are also demonstrated. The challenges and strategies of applying ML are discussed, which should be collaboratively addressed by materials scientists and ML communities. The ultimate integration of ML in catalyst development is expected to accelerate the design, discovery, optimization, and interpretation of superior electrocatalysts, to realize a carbon-free ecosystem based on green hydrogen.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.235-237
• /
• 2022

영상 콘텐츠는, 길이에 따라 롱폼 영상 콘텐츠와 숏폼 영상 콘텐츠로 구분된다. 롱폼 영상 콘텐츠는 15분 이상 길이로 생성되며, 편집 없이 촬영 영상의 모든 프레임들이 포함되도록 한다. 숏폼 영상 콘텐츠는 1분이상 15분 이내로, 촬영 영상의 프레임들로부터 일부 프레임만 짧은 길이로 편집할 수 있다. 최근 1인 방송 시장의 성장으로 인하여, 시청자들을 늘리기 위한 숏폼 영상 콘텐츠에 대한 수요가 확대되고 있다. 따라서, 숏폼 영상 콘텐츠를 편집하여 생성하는 콘텐츠 편집 기술에 대한 연구가 필요하다. 본 연구는 영상, 음성, 동작을 포착하여 주요 장면의 숏폼 동영상을 생성하는 기술을 연구한다. 주요 장면의 숏폼 동영상은 머신 러닝을 통해 미리 학습된 하이라이트 추출 모델을 이용한다. 하이라이트 영상을 자동으로 생성하는 영상 자동 편집 시스템 및 방법은 숏폼 영상 콘텐츠의 핵심 기술이다. 머신러닝 기반의 영상 자동 편집 방법 및 시스템 연구는 1인 크리에이터들의 영상 편집에 투입되는 노력과 비용시간을 감소시켜, 경쟁력있는 콘텐츠 활동을 할 수 있도록 기여할 것이다.

• 스마트미디어저널
• /
• 제12권8호
• /
• pp.60-68
• /
• 2023

코로나19 이후 호텔기업들은 경영환경 변화를 빠르게 겪고 있으며, 4차산업혁명의 영향으로 서비스 제공에 있어 빅데이터, 사물인터넷의 활용은 물론 인공지능(AI) 로봇서비스를 도입하는 등 차별화를 통해 경쟁 우위를 확보하기 위해 노력하고 있다. 본 연구는 AI 로봇서비스를 도입한 호텔을 이용한 경험이 있는 고객들을 대상으로 그들이 인식하는 로봇서비스 가치와 이용태도, 행동의도에 미치는 영향에 대해 분석해보았다. 연구결과 호텔에서 로봇서비스를 이용해본 고객들이 지각하는 로봇서비스의 가치는 크게 사회적, 경험적, 기능적 3가지 차원으로 구분되었으며 이들 모두 이용태도에 긍정적인 영향을 미치는 것으로 나타났고 사회적, 기능적, 경험적 가치의 순으로 이용태도에 긍정적 영향을 미치는 것으로 조사되었다. 이용태도 역시 행동의도에 긍정적인 영향을 미치는 것으로 분석되어 가치-태도-행동 모델과 일치하는 결론이 도출되었다. 이에 AI 로봇서비스의 다각화 된 서비스를 통해 호텔 용고객들의 만족도를 제고하는 호텔의 노력이 필요하다고 사료된다.

• 경영정보학연구
• /
• 제23권3호
• /
• pp.77-96
• /
• 2021

최근 인터넷과 모바일 플랫폼에서 AI 기술을 도입하여 서비스 이용자 및 제공자의 효용 가치를 증가하고자 하는 관심이 증대되고 있다. 본 연구는 지역경제, 특히 외식 산업의 활성화에 있어서 AI 기술이 어떤 역할을 가져오는지에 대해 살펴보고자 한다. 국내 최대 인터넷 포털과의 협업을 통해 서비스 이용자 수가 가장 많은 서울시 강남구 지역의 7,035개의 지역 외식 업체들을 대상으로 상점 검색과 선택과 같은 이용자의 참여도에 미치는 AI 추천 서비스의 영향을 실증분석을 통해 확인하였다. 연구결과 AI 검색 및 추천 시스템의 사용은 이전에 덜 주목을 받던 상점의 노출을 증가시키며 서비스 이용자들에 의한 전반적인 상점 선택수와 전환율을 향상시키는 것으로 밝혀졌다. 본 연구의 주요 시사점은 지역 경제에 대한 AI 기반 정보시스템의 가치를 이론화하여 기존 연구를 확장하였다는 점과 지역 상점 및 검색 서비스 제공자들에게 효과적인 AI 기술의 사용이 지역경제 활성화에 이바지할 수 있다는 시사점을 제시한다.

• 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.

• 대기
• /
• 제34권2호
• /
• pp.177-185
• /
• 2024

As increasing global interest in renewable energy due to the ongoing climate crisis, there is a growing need for efficient technologies to manage such resources. This study focuses on the predictive skill of daily solar power generation using weather observation and forecast data. Meteorological data from the Korea Meteorological Administration and solar power generation data from the Korea Power Exchange were utilized for the period from January 2017 to May 2023, considering both inland (Daejeon) and coastal (Busan) regions. Temperature, wind speed, relative humidity, and precipitation were selected as relevant meteorological variables for solar power prediction. All data was preprocessed by removing their systematic components to use only their residuals and the residual of solar data were further processed with weighted adjustments for homoscedasticity. Four models, MLR (Multiple Linear Regression), RF (Random Forest), DNN (Deep Neural Network), and RNN (Recurrent Neural Network), were employed for solar power prediction and their performances were evaluated based on predicted values utilizing observed meteorological data (used as a reference), 1-day-ahead forecast data (referred to as fore1), and 2-day-ahead forecast data (fore2). DNN-based prediction model exhibits superior performance in both regions, with RNN performing the least effectively. However, MLR and RF demonstrate competitive performance comparable to DNN. The disparities in the performance of the four different models are less pronounced than anticipated, underscoring the pivotal role of fitting models using residuals. This emphasizes that the utilized preprocessing approach, specifically leveraging residuals, is poised to play a crucial role in the future of solar power generation forecasting.

• 농업과학연구
• /
• 제49권4호
• /
• pp.749-760
• /
• 2022

Omics-driven synthetic biology is a multidisciplinary research field that creates new artificial life by employing genetic components, biological devices, and engineering technique based on genetic knowledge and technological expertise. It is also utilized to make valuable biomaterials with limited production via current organisms faster, more efficient, and in huge quantities. As the bioeconomic age begins, and the global synthetic biology market becomes more competitive, investment in research and development (R&D) and associated sectors has grown considerably. By overcoming the constraints of present biotechnologies through the merging of big data and artificial intelligence technologies, huge ripple effects are envisaged in the pharmaceutical, chemical, and energy industries. In agriculture, synthetic biology is being used to solve current agricultural problems and develop sustainable agricultural systems by increasing crop productivity, implementing low-carbon agriculture, and developing plant-based, high-value-added bio-materials such as vaccines for diagnosing and preventing livestock diseases. As international regulatory debates on synthetic biology are now underway, discussions should also take place in our country for the growth of bioindustries and the dissemination of research findings. Furthermore, the system must be improved to facilitate practical application and to enhance the risk evaluation technology and management system.

• 지능정보연구
• /
• 제18권3호
• /
• pp.79-96
• /
• 2012

기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.