• 한국전산구조공학회논문집
• /
• 제33권6호
• /
• pp.351-358
• /
• 2020

본 논문는 개폐식 대공간 구조물의 지진하중에 대한 동적응답을 줄이기 위한 목적으로 파라메트릭 설계 기법을 적용한 TMD에 관한 연구이다. 인공지능 알고리즘을 이용하여 감쇠장치의 설치 위치를 자동 탐색하는 컴포넌트를 개발하였다. 이는 구조물의 동적응답을 실시간으로 확인하고, 구조물의 감쇠장치 최적의 위치를 찾을 수 있을 있다. 또한, 여러 대안에 대한 감쇠장치 질량의 최적 값을 찾아주며, 지붕의 열린 상태와 닫힌 상태에 모두 효과적으로 적용될 수 있는 설계안을 찾을 수 있다.

• 정보보호학회논문지
• /
• 제16권2호
• /
• pp.3-12
• /
• 2006

모바일 디바이스, PDA, 센서들의 확산은 실생활 공간이 지능적이고 향상된 서비스를 제공하는 스마트 공간으로 전환되는 유비쿼터스 컴퓨팅 환경이 구축될 수 있도록 하였다. 그러나 모바일 디바이스, PDA, 센서들과 같은 다양한 유비쿼터스 디바이스들의 초기 설계 단계부터 프라이버시 문제를 고려하지 않는다면 유비쿼터스 감시체제가 구축될 위험성이 있다. 또한 유비쿼터스 컴퓨팅 환경에서의 다양한 디바이스들은 대체로 컴퓨팅 연산 능력이 적기 때문에, 공개키 기반의 암호기술을 적용하는 것은 부적절할 수 있다. 본 논문에서는 유비쿼터스 컴퓨팅 환경에서의 사용자 프라이버시를 위하여 익명성이 보장되고, 컴퓨팅 연산 능력이 적은 디바이스를 위한 효율적인 사용자 인증 및 키 동의 프로토콜을 제안한다.

• Nuclear Engineering and Technology
• /
• 제54권9호
• /
• pp.3429-3439
• /
• 2022

The MCS code is a computer code developed by the Ulsan National Institute of Science and Technology (UNIST) for simulation and calculation of nuclear reactor systems based on the Monte Carlo method. The code is currently used to solve two main types of reactor physics problems, namely, criticality problems and radiation shielding problems. In this paper, the radiation shielding capability of the MCS code is validated by simulating some selected SINBAD (Shielding Integral Benchmark Archive and Database) experiments. The whole validation was performed in two ways. Firstly, the functionality and computational rationality of the MCS code was verified by comparing the simulation results with those of MCNP code. Secondly, the validity and computational accuracy of the MCS code was confirmed by comparing the simulation results with the experimental results of SINBAD. The simulation results of the MCS code are highly consistent with the those of the MCNP code, and they are within the 2σ error bound of the experiment results. It shows that the calculation results of the MCS code are reliable when simulating the radiation shielding problems.

• 전자통신동향분석
• /
• 제36권6호
• /
• pp.1-12
• /
• 2021

As the demand for big data and big data-based artificial intelligence (AI) technology increases, the need for privacy preservations for sensitive information contained in big data and for high-speed encryption-based AI computation systems also increases. Fully homomorphic encryption (FHE) is a representative encryption technology that preserves the privacy of sensitive data. Therefore, FHE technology is being actively investigated primarily because, with FHE, decryption of the encrypted data is not required in the entire data flow. Data can be stored, transmitted, combined, and processed in an encrypted state. Moreover, FHE is based on an NP-hard problem (Lattice problem) that cannot be broken, even by a quantum computer, because of its high computational complexity and difficulty. FHE boasts a high-security level and therefore is receiving considerable attention as next-generation encryption technology. However, despite being able to process computations on encrypted data, the slow computation speed due to the high computational complexity of FHE technology is an obstacle to practical use. To address this problem, hardware technology that accelerates FHE operations is receiving extensive research attention. This article examines research trends associated with developments in hardware technology focused on accelerating the operations of representative FHE schemes. In addition, the detailed structures of hardware that accelerate the FHE operation are described.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2292-2313
• /
• 2023

With improving computing performance, various digital platforms are being developed to enable easily utilization of high-performance computing environments. EDISON 1.0 is an online simulation platform widely used in computational science and engineering education. As the research paradigm changes, the demand for developing the EDISON 1.0 platform centered on simulation into the EDISON 2.0 platform centered on data and artificial intelligence is growing. Herein, a data framework, a core module for data-centric research on EDISON 2.0 digital platform, is proposed. The proposed data framework provides the following three functions. First, it provides a data repository suitable for the data lifecycle to increase research reproducibility. Second, it provides a new data model that can integrate, manage, search, and utilize heterogeneous data to support a data-driven interdisciplinary convergence research environment. Finally, it provides an exploratory data analysis (EDA) service and data enrichment using an AI model, both developed to strengthen data reliability and maximize the efficiency and effectiveness of research endeavors. Using the EDISON 2.0 data framework, researchers can conduct interdisciplinary convergence research using heterogeneous data and easily perform data pre-processing through the web-based UI. Further, it presents the opportunity to leverage the derived data obtained through AI technology to gain insights and create new research topics.

• Steel and Composite Structures
• /
• 제47권6호
• /
• pp.759-779
• /
• 2023

The paper proposes two hybrid metaheuristic optimization and artificial neural network (ANN) methods for the close prediction of the ultimate axial compressive capacity of concentrically loaded concrete filled double skin steel tube (CFDST) columns. Two metaheuristic optimization, namely genetic algorithm (GA) and particle swarm optimization (PSO), approaches enable the dynamic training architecture underlying an ANN model by optimizing the number and sizes of hidden layers as well as the weights and biases of the neurons, simultaneously. The former is termed as GA-ANN, and the latter as PSO-ANN. These techniques utilize the gradient-based optimization with Bayesian regularization that enhances the optimization process. The proposed GA-ANN and PSO-ANN methods construct the predictive ANNs from 125 available experimental datasets and present the superior performance over standard ANNs. Both the hybrid GA-ANN and PSO-ANN methods are encoded within a user-friendly graphical interface that can reliably map out the accurate ultimate axial compressive capacity of CFDST columns with various geometry and material parameters.

• Journal of applied mathematics & informatics
• /
• 제41권5호
• /
• pp.1129-1143
• /
• 2023

Social media platforms have become an integral part of our daily lives, and they generate vast amounts of data that can be analyzed for various purposes. However, the quality of the data obtained from social media is often questionable due to factors such as noise, bias, and incompleteness. Enhancing data quality is crucial to ensure the reliability and validity of the results obtained from such data. This paper proposes an enhanced decision-making framework based on Business Decision Management Systems (BDMS) that addresses these challenges by incorporating a data quality enhancement component. The framework includes a backtracking method to improve plan failures and risk-taking abilities and a steep optimized strategy to enhance training plan and resource management, all of which contribute to improving the quality of the data. We examine the efficacy of the proposed framework through research data, which provides evidence of its ability to increase the level of effectiveness and performance by enhancing data quality. Additionally, we demonstrate the reliability of the proposed framework through simulation analysis, which includes true positive analysis, performance analysis, error analysis, and accuracy analysis. This research contributes to the field of business intelligence by providing a framework that addresses critical data quality challenges faced by organizations in decision-making environments.

• 인터넷정보학회논문지
• /
• 제21권2호
• /
• pp.9-18
• /
• 2020

영상 처리 기법을 이용한 영상 인식 분야는 버스 승차 및 하차 시에 승객을 움직이는 객체로 검출하고 개수하는 방법이 연구되고 있다. 이러한 기술 중에는 인공지능 기법의 하나인 딥러닝 기법이 사용되고 있다. 또 다른 방법으로 스테레오 비전 카메라를 이용하여 객체를 검출하는 방법도 사용되고 있다. 그러나 이러한 방법들은 객체를 검출할 때 사용되는 장비의 연산량이 많이 들어 고가의 하드웨어 장비가 필요하다. 그러나 대중교통 중 하나인 버스 승객을 검출하기 위해 상대적으로 연산량이 적은 기법을 이용하여 다양한 장비에 맞는 영상 처리 기술이 필요하다. 이에 본 논문에서는 다양한 장비에 맞는 이동 객체 검출 기법 중 배경 제거를 통한 객체의 윤곽선을 검출하여 대중교통 중의 하나인 버스에 탑승객의 수를 효율적으로 획득 할 수 있는 기법을 제안한다. 실험 결과 스테레오 비전을 장착한 장비보다 더 저사양의 장비에서 약 70%의 정확도로 승객을 개수하였다.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.411-419
• /
• 2019

오늘날 인공지능은 과학기술 공학 분야에 가장 중요한 기술로 떠오르고 있다. 방송미디어를 포함한 모든 과학기술은 완전히 새로운 기술의 등장으로 급격한 변화의 시대를 맞고 있다. 여럿의 핵심 기술과 그것의 운용이 전례없는 새로운 방식으로 융합하는 현상이 전개되고 있는 것이다. 이를테면 NBIC 기술융합현상을 꼽을 수 있다. 컴퓨터의 데이터 처리 능력과 속도가 기하급수적(exponentially)로 발달함으로서 나노, 바이오생명, 디지털 테크놀러지 그리고 인공지능 기술의 융합이 가능해진 것이다. 이 모든 기술융합의 현상의 중심에 인공지능이 위치한다. 인공지능 기술은 구글, 애플, 페이스북, 에플 등 거대 플랫폼 기업의 핵심역량으로 자리매김하고 있다. 디지털기술과 사이버네틱스를 기반으로 한 인공지능은 현재뿐만 아니라 미래 플랫폼 기업에 결정적인 전략자산이 될 것이 확실하다. 이러한 맥락과 배경에서 트랜스휴머니즘(더나아가 포스트휴머니즘)에 대한 논의와 연구가 북미와 서유럽 국가들을 중심으로 활발하게 일어나고 있으며 전세계적으로 확산하고 있는 추세이다. 일반적으로 트랜스휴머니즘은 인간역능을 개선, 향상(강화)하고 전통적인 휴머니즘에 도전하는 기술기반의 새로운 사상의 흐름을 말한다. 트랜스(포스트)휴머니즘은 과학기술의 발달로 촉발되었지만, 이것은 인간과 인류문명에 대해 근본적인 질문을 제기하고 있다는 점에서 과학기술영역을 넘어 횡단적이고, 특히 인문과학 중심의 학제적인 논의를 필요로 한다. 방송미디어가 단순히 기술공학 만이 아니라 정치와 문화영역, 즉 인간의 일상과 인류의 미래에 지대한 영향을 미치는 분야라는 사실을 고려한다면 인공지능기술과 그것의 다양한 함의에 대한 초학제적이고 복합적인 연구와 논의가 절실히 요구된다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.329-346
• /
• 2022

최근 소셜 미디어의 숏폼(Short form) 동영상(인스타그램, 틱톡, 유튜브) 시장이 점차 증가하면서 인공지능 영역에서는 이를 활용한 연구가 활발히 진행되고 있다. 대표적인 연구분야로 동영상 내의 패션 상품을 탐지하고 상품 이미지를 검색하는 Video to shop 을 들 수 있다. 이와 같은 동영상 기반 인공지능 모델에서는 Convolution 연산을 사용하여 상품의 특징을 추출한다. 하지만 연산 자원의 제한으로 인해, 동영상의 모든 프레임을 사용하여 특징을 추출하는 것은 현실적으로 불가능하다. 이로 인해, 기존 연구에서는 전체 프레임 중 일부만 샘플링해서 사용하거나, 주제의 특성을 활용한 샘플링 방법을 개발하여 이를 통해 위 문제점을 개선하고, 모델의 성능도 향상시켰다. 기존의 Video to shop 연구에서는 프레임을 샘플링 할 때, 무작위로 일부분의 프레임을 샘플링하거나 균등한 간격으로 샘플링 한다. 하지만 이러한 샘플링 방법은 상품이 존재하지 않는 노이즈 프레임을 샘플링 하면서 패션 상품 검색 모델의 성능을 저하시킨다. 이에 본 연구는 노이즈 프레임을 제거하고 검색 모델의 성능을 향상시키는 샘플링 방법 MF(Missing Fashion items on frame) sampler를 제안한다. MF sampler는 키 프레임 메커니즘(Mechanism)을 발전시켜 자원 한계의 문제점을 개선했다. 또한, 노이즈 탐지 모델을 활용한 노이즈 프레임 제거를 통해 검색 모델의 성능을 향상시켰다. 이와 같은 결과는 실험을 통해 확인되었고, Video to shop 패션 상품 검색에 있어 성능 향상과 효과적인 학습이 가능하다는 것을 확인할 수 있었다.