• 지능정보연구
• /
• 제11권3호
• /
• pp.25-43
• /
• 2005

자동화 컨테이너 터미널의 생산성을 향상시키기 위해서는 장치장과 선석 사이를 오가며 컨테이너를 운반하는 무인 유도 차량(Automated Guided Vehicle; AGV)을 효율적으로 운영하여야 한다. 터미널에서 사용되는 AGV는 고정된 경로를 따르지 않고 자유롭게 주행할 수 있다. 이러한 특성을 가진 AGV들을 효율적으로 운영하기 위해서는 복잡하고 정교한 AGV교통 통제 시스템이 요구된다. AGV 주행 경로를 유연하게 설정하면 AGV가 주행하는 거리는 짧아지지만, AGV간의 충돌과 교착을 야기하는 경로간의 겹침과 교차 횟수는 늘어나게 된다. 따라서 모든 AGV의 경로를 사전에 세밀하게 분석하여 완벽하게 교착을 회피하는 방안은 계산 비용 측면에서 실시간에 적용하기가 어렵다. 본 논문에서는 빈번히 발생하는 두 AGV간의 충돌과 교착은 사전에 예측하여 회피하고, 셋 이상의 AGV간의 교착은 발생 후에 이를 감지하여 해결하는 방안을 제안한다. 본 제안 방안은 계산 비용이 적어 실시간 적용이 용이하다. 시뮬레이션을 통해 본 제안 방안의 효율성과 효용성을 검증하였다.

• 한국측량학회지
• /
• 제20권1호
• /
• pp.21-31
• /
• 2002

이 연구는 원격탐사 영상의 분류정확도를 향상시키기 위한 방법으로써 신경망 이론과 퍼지집합이론을 각각 적용하였다. 원격탐사 영상은 토지피복도, 식생도, 지질도 등 주제도를 만드는데 많이 이용되고 있다. 원격탐사 영상의 감독분류에 대한 정확도는 트레이닝 지역의 선정, 분류항목의 할당 문제로 인해 많은 차이를 보인다. 일반적인 영상 분류법은 영상 내의 모든 영상소가 균질하다고 가정한다. 그러나, 이러한 가정은 영상내의 수많은 혼합 영상소를 분류해내는 데에는 적합하지 않다. 이러한 문제를 극복하기 위해 퍼지 집합이론을 적용하였으며, 퍼지 집합이론의 멤버쉽을 이용하였다. 퍼지 집합이론은 하나의 영상소를 멤버쉽의 정도에 따라 여러 가지 항목으로 분류할 수 있는 장점이 있다. 그러나, 퍼지분류법과 통계학적인 분류법은 화소값의 분포가 비정규적일 때 좋지 않은 분류 결과를 나타내며 처리 시간이 늦고 많은 컴퓨팅 비용이 드는 단점이 있다. 그 대안적인 방법으로서 신경망분류법을 들 수 있는데, 신경망 분류법은 비모수적 분류법으로서 일반적인 분류기법보다 좀 더 좋은 결과를 나타내고 있고, 한번 트레이닝 되면 빠르게 데이터를 분류할 수 있다.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.733-740
• /
• 2021

본 연구의 목적은 실제 학교 현장에서 AI 교육과 관련된 수업들의 사례를 분석하여, 초등학교 AI 교육의 방향을 제시하는 것이다. 이를 위해 AI 교육 기반의 초등학교 수업 사례로 19개의 수업을 수집하였다. 수업 사례를 분석한 결과에 따르면, AI를 학습내용과 방법의 혼합적 측면에서 수업을 설계하였음을 확인하였다. 성취기준과 학습목표를 분석한 결과, AI를 도구적 관점에서 활용한 8개 수업에서 기억, 이해, 적용에 관한 행동 동사가 발견되였다. 수업을 도입, 전개, 정리단계로 나누었을 때, AI 교육 요소는 전개 단계에서 가장 많이 나타났다. 한편 전개 단계에서 AI 교육 요소의 학습내용과 학습방법의 비율을 살펴보았을 때 학습방법으로 AI 교육을 접근하는 학습시간이 압도적으로 높았다. 이를 토대로 다음과 같은 시사점을 도출하였다. 첫째, 학교, 학년 교육과정을 설계할 때, 학습 내용과 방법으로의 AI를 포괄적으로 다룰 수 있도록 설계해야 한다. 둘째, AI에 대한 이해를 보완하기 위해 단기적으로는 실과 교과나 창의적 체험활동에서의 시수 확보가 요구되며, 장기적으로는 정보 교과의 확보가 필요하다.

• 대한의용생체공학회:의공학회지
• /
• 제42권4호
• /
• pp.150-158
• /
• 2021

Intracranial hemorrhage (ICH) refers to acute bleeding inside the intracranial vault. Not only does this devastating disease record a very high mortality rate, but it can also cause serious chronic impairment of sensory, motor, and cognitive functions. Therefore, a prompt and professional diagnosis of the disease is highly critical. Noninvasive brain imaging data are essential for clinicians to efficiently diagnose the locus of brain lesion, volume of bleeding, and subsequent cortical damage, and to take clinical interventions. In particular, computed tomography (CT) images are used most often for the diagnosis of ICH. In order to diagnose ICH through CT images, not only medical specialists with a sufficient number of diagnosis experiences are required, but even when this condition is met, there are many cases where bleeding cannot be successfully detected due to factors such as low signal ratio and artifacts of the image itself. In addition, discrepancies between interpretations or even misinterpretations might exist causing critical clinical consequences. To resolve these clinical problems, we developed a diagnostic model predicting intracranial bleeding and its subtypes (intraparenchymal, intraventricular, subarachnoid, subdural, and epidural) by applying deep learning algorithms to CT images. We also constructed a visualization tool highlighting important regions in a CT image for predicting ICH. Specifically, 1) 27,758 CT brain images from RSNA were pre-processed to minimize the computational load. 2) Three different CNN-based models (ResNet, EfficientNet-B2, and EfficientNet-B7) were trained based on a training image data set. 3) Diagnosis performance of each of the three models was evaluated based on an independent test image data set: As a result of the model comparison, EfficientNet-B7's performance (classification accuracy = 91%) was a way greater than the other models. 4) Finally, based on the result of EfficientNet-B7, we visualized the lesions of internal bleeding using the Grad-CAM. Our research suggests that artificial intelligence-based diagnostic systems can help diagnose and treat brain diseases resolving various problems in clinical situations.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.377-383
• /
• 2021

본 연구의 목적은 실제 학교 현장에서 AI 교육과 관련된 수업들의 사례를 분석하여, 초등학교 AI 교육의 방향을 제시하는 것이다. 이를 위해 AI 교육 기반의 초등학교 수업 사례로 19개의 수업을 수집하였다. 수업 사례를 분석한 결과에 따르면, AI를 학습내용과 방법의 혼합적 측면에서 수업을 설계하였음을 확인하였다. 성취기준과 학습목표를 분석한 결과, AI를 도구적 관점에서 활용한 8개 수업에서 기억, 이해, 적용에 관한 행동 동사가 발견되였다. 수업을 도입, 전개, 정리단계로 나누었을 때, AI 교육 요소는 전개 단계에서 가장 많이 나타났다. 한편 전개 단계에서 AI 교육 요소의 학습내용과 학습방법의 비율을 살펴보았을 때 학습방법으로서 AI 교육을 접근하는 학습시간이 압도적으로 높았다. 이를 토대로 다음과 같은 시사점을 도출하였다. 첫째, 학교, 학년 교육과정을 설계할 때, 학습 내용과 방법으로서의 AI를 포괄적으로 다룰 수 있도록 설계해야 한다. 둘째, AI에 대한 이해를 보완하기 위해 단기적으로는 실과 교과나 창의적 체험활동에서의 시수 확보가 요구되며, 장기적으로는 정보 교과의 확보가 필요하다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.111-123
• /
• 2013

개념간의 의미적 유사도 및 관계도(Semantic Similarity/Relatedness)를 구하는 연구는 고전적인 연구에서는 데이터 베이스 통합이나 시스템 통합, 그리고 현대의 연구에 있어서는 태그 및 키워드 추출, 연관 단어 추천 등에 걸쳐 다양한 분야에서 활용되어 온 연구이다. 그 연구는 역사가 오래되었을 뿐만 아니라, 경영정보와 컴퓨터 공학, 계산 언어학에 걸쳐 여러 분야에서도 많은 관심을 가져왔던 연구 분야라고 할 수 있다. 그러나, 지금까지의 개념간의 관계도 계산 방식은 미리 만들어진 사전이나 참조할 수 있는 다른 시맨틱 네트워크(Semantic Network)를 이용하여 계산하는 방법이 주를 이루었다. 이러한 접근 방법의 경우, 개념간의 의미적 관계가 변화에 대한 가능성을 고려하지 않는 것이 일반적이다. 하지만, 정보 기술의 발달과 빠른 사회변화는 개념간의 의미관계 등에 변화를 가져오고 있는 것이 현실이다. 사회적으로 일어나는 사건이나, 문화적 변화 등이 개념간의 의미관계를 변화시키는 것을 물론이며, 이러한 변화가 정보 통신 기술의 도움으로 빠르게 공유되고 있다. 이렇게 개념간의 의미 관계가 시간이나 맥락에 따라 빠르게 변화할 수 있는 가능성이 있음에도 불구하고, 기존의 개념간 의미적 유사도 및 관계도에 대한 연구들은 이러한 '의미관계의 변화'에 대한 새로운 문제에 대해 해답을 제시하지 못한 것이 사실이다. 따라서, 본 연구에서는 개념간의 유사도 연구에 있어 지금까지 있어왔던 '정적인 의미간 관계도 패러다임'에서 '동적인 의미간 관계도 패러다임'으로의 전환의 필요성과 그 당위성을 인지 의미론적(Cognitive Semantics)의 관점에서 역설하고자 한다. 인간이 인지하는 개념간의 의미관계가 변화할 수 있는 이론적 근거를 인지 의미론에서 찾아봄으로써, 패러다임 변화의 방향을 구체적으로 제시하였다. 또한 이러한 패러다임의 변화에 맞추어 개념간의 의미적 유사도 및 관계도에 대한 연구가 어떠한 방향으로 나아가야 할지 구체적인 연구 방향을 제시함으로써 관련 연구자들에게 새로운 연구의 가이드라인을 제시하였다.

• 한국조경학회지
• /
• 제49권1호
• /
• pp.54-69
• /
• 2021

2020년 문명사회의 전반적 생활 방식은 종이와 같은 소모성 아날로그 미디어에서 데이터 공유에 기반한 디지털 미디어로, 유선에 기반한 미디어에서 무선의 언택트 미디어로 뚜렷한 변화를 보인다. 본 연구는 이러한 사회 변화 양상을 바탕으로 조경학과 교육과정에서 컴퓨터 미디어의 교육과 활용이 시대의 변화에 적합하게 운용되고 있는지를 고찰하고, 4차 산업혁명 시대의 조경 교육을 위한 새로운 컴퓨터 수업의 방향을 제시하고자 한다. 조경은 도시를 연구 및 설계 대상으로 하는 분야로 사회 변화와 긴밀하게 연결되어 있다. 하지만 실리콘밸리를 기반으로 IT 혁명이 시작되고, 인공지능, 빅데이터, 자율주행차, 클라우드 네트워크, 사물인터넷 등 4차 산업혁명의 디지털 인프라가 현대 사회를 기술적으로, 사회적으로, 경제적으로 변화시키고 있는 데에 반해, 조경 교육이 그러한 변화를 적극적으로 수용하며 가시적인 차이를 만들고 있다고 보기에는 분명한 근거가 부족하다. 따라서 본 연구는 조경 교육에서 컴퓨터 테크놀로지와 뉴 미디어의 활용 현황을 돌아보고, 새로운 시대에 적합한 교육과정의 대안적 방향에 대해 논의했다. 우선 현대 조경 및 건축 전반의 컴퓨테이셔널 디자인의 동향에 대해 살펴 논의의 근거를 마련했다. 그리고 이를 바탕으로 국내외 조경학과 교육과정에서 컴퓨터 미디어 수업의 변화 양상과 현황을 선행 연구와 교과과정을 바탕으로 분석했다. 그 결과, 국외 조경학과의 경우 1994년의 연구와 2020년의 현황 사이에 컴퓨터 관련 과목의 수가 눈에 띄게 증가하고, 그 종류가 다양해진 반면, 국내 조경학과의 경우 일부 교과목이 변경된 것 외에 별다른 변화를 확인할 수 없었다. 이는 국내 조경 교육과정이 디지털 시대의 변화에 소극적으로 대처하고 있음을 시사한다. 마지막으로 이러한 논의를 바탕으로 4차 산업혁명 시대의 조경학과가 컴퓨터 미디어와 관련해 지향해야 할 새로운 교육과정에 대한 여러 실천적 대안을 검토했다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.255-272
• /
• 2024

본 연구의 주요 목적은 인공지능 사고를 함양할 수 있는 수학 융합 수업을 설계하고 이를 적용함으로써 나타나는 초등학생들의 인공지능 사고를 분석하는 것이다. 이를 위해 미국의 AI4K12 Initiative가 개발한 인공지능 빅 아이디어의 학습목표(Learning Objective) 및 지속적 이해(Enduring Understanding)와 2015 개정 초등학교 수학과 교육과정 성취기준을 연계하여 인공지능 사고 함양을 위한 수학 융합 수업을 설계 및 실시하였다. 수학적 내용 수업 2개, 수학적 과정 수업 2개로, 수학적 내용 수업은 인공지능 빅 아이디어의 Perception-Processing, Learning-Nature of Learning과 연계하였으며 수학적 과정 수업은 Representation & Reasoning-Search, Representation & Reasoning-Reasoning과 연계하였다. 설계한 수업 중 Learning-Nature of Learning을 제외한 세 개의 수업을 대상 학년에 맞추어 K 초등학교 5학년 두 학급, 6학년 한 학급에 적용하였다. 수업 중 학생 담화 및 활동지, 수업 관찰 자료를 수집하였으며, 이를 컴퓨팅 사고 분류 체계를 기반으로 인공지능 사고 구성 요소를 추가하여 구성한 인공지능 사고 분석틀을 사용하여 분석하였다. 연구 결과, 인공지능 빅 아이디어가 인공지능 사고 함양을 위한 수학 융합 수업 설계 시 준거로서 기능할 수 있고 이를 통해 초등학생들에게도 인공지능 교육이 가능함을 확인할 수 있었다. 수학 융합 수업은 학생들의 다양한 인공지능 사고를 촉진할 수 있었는데, 구체적으로 수업 과정에서 데이터, 모델링과 시뮬레이션, 컴퓨팅 문제해결, 인공지능 사고 요소가 다양하게 나타난 것에 비해 시스템 사고 요소가 나타나는 빈도수는 상대적으로 적었다. 또한 입체도형 및 공간감각 등의 수학적 내용 요소와 수학 교과역량에 해당하는 수학적 과정 요소의 성취를 보여주었다. 요컨대 인공지능 빅 아이디어를 기반으로 한 수학 융합 수업은 초등학생들의 인공지능 개념 및 원리 이해와 수학적 내용 요소의 이해 및 과정 요소의 강화에 도움이 된다고 할 수 있다. 더욱이 학생들은 수업 중 기존 문제해결 방법의 구조적 일관성을 유지한 채 이를 새로운 문제해결로 확장하는 모습을 보여주었는데, 이러한 반응을 통해 인공지능 사고의 전이 가능성을 확인할 수 있었다. 본 연구 결과에 기초하여, 대상 학년과 빅 아이디어의 하위 요소를 확장함으로써 초등학생들의 다양한 인공지능 사고 요소를 함양하려는 수학 수업 설계를 통한 교수학적 노력 및 지속적인 연구가 필요하다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.213-226
• /
• 2011

글로벌 공급사슬 환경에서 글로벌하게 분산 조달, 생산, 유통하게 됨에 따라 전체 공급사슬의 스케줄을 최적화하기 위해서 공급사슬상의 개별 기업 혹은 공장의 스케줄링 최적화뿐만 아니라 각 개별 기업 혹은 공장의 스케줄을 긴밀하게 연계하는 것이 필요하게 되었다. 이는 경쟁과 협력을 동시에 하는 개별 기업 혹은 공장을 개별 에이전트로 보고 각 에이전트간 커뮤니케이션을 통해 개별 에이전트가 관할하는 스케줄러의 스케줄을 조정함으로써 가능해진다. 하지만 전통적인 스케줄링 연구는 개별 스케줄러의 최적화에 집중되어 있고, 에이전트 연구는 스케줄링 도메인에 적용한 예가 제한적이며 이 예도 개별 스케줄러 내의 최적화에 적용하거나 실제 현장 문제가 아닌 실험실 문제 수준에 그치고 있다. 따라서 본 연구에서는 전체 글로벌 공급사슬 스케줄의 최적화를 위해 개별 기업 혹은 공장 스케줄러의 스케줄링을 연계하는 경쟁협력 스케줄링을 위한 에이전트 기반 플랫폼을 구축하였다. 글로벌 공급사슬에서 경쟁협력 스케줄링을 위한 에이전트 기반 플랫폼을 구축하기 위해 첫째, 경쟁협력 스케줄링 분류 체계를 확립하고, 둘째, 경쟁협력 스케줄링을 위한 에이전트를 설계하고, 셋째, 경쟁협력 스케줄링을 위한 지식기반 의사결정 모델을 개발한 후, 넷째 조선산업에 적용 가능한 프로토타입 시스템을 개발했다. 이를 통해 글로벌 공급사슬상의 전체 스케줄의 품질과 에이전트간 커뮤니케이션의 노력에 대한 균형점을 찾을 수 있다. 이를 통해 공급사슬내 개별 기업 혹은 공장의 부분 최적화를 극복할 수 있는 대안을 제시할 것으로 기대한다.