• 한국컴퓨터정보학회논문지
• /
• 제28권3호
• /
• pp.45-58
• /
• 2023

KVMF 1.0 프로토콜은 비트 단위의 가변형 메시지 처리를 통해 다양한 무기 체계 간 데이터통신이 가능하도록 표준 메시지와 통신 방법을 정의한 육군 표준 전술 데이터링크 프로토콜이다. 이 프로토콜은 지난 10년간 다양한 육군 무기 체계에 적용되어 왔고, 현대전의 핵심인 NCW(Network Centric Warfare)의 구현을 가능하게 하여 육군의 작전 수행 능력이 한 단계 업그레이드되는데 기여하였다. KVMF 1.0 프로토콜이 적용된 이후, 시간의 흐름에 따라 새로운 기술이 적용된 신규 무기 체계가 도입되었고 신규 무기 체계는 무기 체계의 특성에 따른 새로운 메시지를 탑재하게 되었다. 이에 따라 기존에 전력화된 무기 체계와의 메시지 버전 차이에 따른 호환 문제가 발생하게 되었고 미래의 지속적인 메시지 개정 소요를 고려하면 앞으로도 이러한 문제가 연속하여 대두될 것으로 예상되었다. 따라서 이러한 메시지 호환성 문제를 해결하기 위한 방안이 필요하게 되었고 본 논문에서는 상/하위 버전간 호환성이 보장되는 KVMF 2.0 프로토콜 설계안을 제시하였다. 본 논문에서는 제시한 호환 방안을 소프트웨어로 구현하였으며, 상/하위 버전 간 연동 환경을 구성하여 시험을 통해 설계안이 성공적으로 동작함을 확인하였다. 이를 통해 본 KVMF 2.0 프로토콜 설계안을 무기 체계에 적용하면 기 전력화 체계와의 연동은 물론, 미래의 무기 체계와도 연동할 수 있는 상/하위 버전 간 호환성 확보가 될 수 있을 것이라 기대할 수 있게 되었다.

• Ecology and Resilient Infrastructure
• /
• 제9권4호
• /
• pp.218-227
• /
• 2022

본 연구는 효율적인 하천 관리를 위해 중요한 데이터 중 하나인 하천 공간의 토지피복 분류를 위해 딥 러닝 기반의 이미지 트레이닝 방법의 활용가능성을 검토하였다. 이를 위해 대상 구간의 RGB 이미지를 활용하여 라벨링 작업 후 학습시킨 결과를 활용하여 기존 대분류 지표를 기준으로 토지피복 분류를 시도하였다. 또한 개방형으로 제공되는 Sentinel-2 위성 영상으로부터 무감독 분류 및 감독 분류에 의한 하천 공간의 토지피복 분류를 수행하였으며, 딥 러닝 기반 이미지 분류 결과와 비교하였다. 분석 결과의 경우 무감독 분류 결과와 비교하여 매우 향상된 예측 결과를 보여주었으며, 고해상도 이미지의 경우 더욱 정확한 분류 결과를 제시하였다. 단순한 이미지 라벨링을 통해 분류된 피복 분류 결과는 하천 공간 내 수역과 습지의 분류 가능성을 보여주었으며, 향후 추가적인 연구 수행이 이루어진다면 하천 관리를 위해 딥 러닝 기반 이미지 트레이닝 기법을 이용한 하천 공간내 피복 분류 결과의 활용이 가능할 것으로 판단된다.

• 대한지구과학교육학회지
• /
• 제15권2호
• /
• pp.273-284
• /
• 2022

본 연구는 D광역시 초등학교 3~6학년 담임교사 중 과학 교과 온라인 수업 경험이 있는 교사 4명을 대상으로 4개월간 수집한 자료를 바탕으로 교사들의 과학과 온라인 수업을 통한 교육과정 운영의 실제와 교육적 시사점을 도출하기 위한 내러티브 탐구이다. 연구대상자들의 지구과학단원의 온라인 수업 경험을 바탕으로 인터뷰, 심층면담을 실시하고, 온라인 수업관련 제작자료 및 교사일지 등 관련 문서들과 현장 수업을을 실시한 결과, 교사들은 기존의 대면수업에 비해 온라인 수업 준비에 더 많은 시간을 할애하고, 온라인 수업에서 활용되는 새로운 매체에 적응하는 과정에 어려움을 보였다. 또한 팬데믹 상황에서 제작된 과학자료 및 원활한 수업운영을 위한 수업플랫폼 제공을 요구하였다. 특히 실험단원의 경우, 계획된 교육과정이수 시수에 부담감이 있었으며, 팬데믹 상황에서 학생들의 밀도 있는 과학수업을 위해 개인별 실험도구의 필요성을 느꼈다. 더불어 효과적인 교육과정 운영을 위한 교육과정 재구성과 이를 위한 교사의 재량권 확대 및 융통성 있는 교육과정 운영이 필요하다. 결과적으로 팬데믹 현상을 대비한 미래교육으로의 전환을 위해 새로운 수업형태로 대면수업과 온라인 수업의 장점을 결합한 블랜디드 러닝 학습체계 도입이 필요하며, 온라인 학습의 질과 효과를 높이기 위해 다양한 수업형태 및 온라인 수업 경험에 대한 지속적인 교사연구가 요구된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권11호
• /
• pp.481-492
• /
• 2023

본 연구는 생성형 대규모 언어 모델을 활용하여 텍스트에서 정보를 추출하기 위한 한글 데이터셋 구축 방법을 탐구한다. 현대 사회에서는 혼합된 정보가 빠르게 유포되며, 이를 효과적으로 분류하고 추출하는 것은 의사결정 과정에 중요하다. 그러나 이에 대한 학습용 한국어 데이터셋은 아직 부족하다. 이를 극복하기 위해, 본 연구는 생성형 대규모 언어 모델을 사용하여 텍스트 기반 제로샷 학습(zero-shot learning)을 이용한 정보 추출을 시도하며, 이를 통해 목적에 맞는 한국어 데이터셋을 구축한다. 본 연구에서는 시스템-지침-소스입력-출력형식의 프롬프트 엔지니어링을 통해 언어 모델이 원하는 결과를 출력하도록 지시하며, 입력 문장을 통해 언어 모델의 In-Context Learning 특성을 활용하여 데이터셋을 구축한다. 생성된 데이터셋을 기존 데이터셋과 비교하여 본 연구 방법론을 검증하며, 관계 정보 추출 작업의 경우 KLUE-RoBERTa-large 모델 대비 25.47% 더 높은 성능을 달성했다. 이 연구 결과는 한국어 텍스트에서 지식 요소를 추출하는 가능성을 제시함으로써 인공지능 연구에 도움을 줄 것으로 기대된다. 더욱이, 이 방법론은 다양한 분야나 목적에 맞게 활용될 수 있어, 다양한 한국어 데이터셋 구축에 잠재력을 가진다고 볼 수 있다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.486-493
• /
• 2023

본 논문에서는 FMCW 레이다 기반의 포인트 클라우드와 LSTM을 이용한 자동 핸드 제스처 영역 추출 및 인식 기법을 제안한다. 제안한 기법은 기존의 방식과 다른 다음과 같은 독창성이 있다. 첫 번째, 기존의 range-doppler 등의 2D 이미지를 입력 벡터로 하는 방식과 다르게 시계열 형태의 포인트 클라우드 입력 벡터는 레이다 전방에서 발생하는 시간에 따른 움직임을 좌표계 형태로 인식할 수 있는 직관적인 입력 데이터이다. 두 번째, 입력 벡터의 크기가 작기 때문에 인식에 쓰이는 딥러닝 모델도 가볍게 설계할 수 있다. 제안하는 기법의 수행 과정은 다음과 같다. FMCW 레이다로 측정된 거리, 속도, 각도 정보를 활용해 x, y, z 좌표 형식과 도플러 속도 정보를 포함한 포인트 클라우드를 활용한다. 제스처 영역은 속도 정보를 통해 얻어진 도플러 포인트를 이용하여 제스처의 시작과 끝 지점을 파악해 자동으로 핸드 제스처 영역을 추출하게 된다. 추출된 제스처 영역의 시점에 해당하는 시계열 형태의 포인트 클라우드는 최종적으로 본 논문에서 사용한 LSTM 딥러닝 모델의 학습 및 인식에 활용되게 된다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 다른 딥러닝 모델들과 MAE를 산출하는 실험과 기존 기법들과 인식률을 산출하는 실험을 수행하여 비교하였다. 실험 결과, 시계열 형태의 포인트 클라우드 입력 벡터 + LSTM 딥러닝 모델의 MAE 값이 0.262, 인식률이 97.5%로 산출되었다. MAE는 낮을수록, 인식률은 높을수록 우수한 결과를 나타내므로 본 논문에서 제안한 기법의 효율성이 입증되었다.

• 융합신호처리학회논문지
• /
• 제24권1호
• /
• pp.42-50
• /
• 2023

기술의 발전은 제작 기법, 편집 기술 등 미디어 산업 전반에 걸쳐 디지털 혁신을 이루어 왔고, OTT 서비스와 스트리밍 시대를 관통하며 소비자 관람 형태의 다양성을 가져왔다. 빅데이터와 딥러닝 네트워크의 융합으로 뉴스 기사, 소설, 대본 등 형식을 갖춘 글을 자동으로 생성하였으나 작가의 의도를 반영하고 문맥적으로 매끄러운 스토리를 생성한 연구는 부족하였다. 본 논문에서는 이미지 캡션 생성 기술로 스토리보드 속 사진의 흐름을 파악하고, 언어모델을 통해 이야기 흐름이 자연스러운 스토리를 자동 생성하는 것을 기술한다. 합성곱 신경망(CNN)과 주의 집중기법(Attention)을 활용한 이미지 캡션 생성 기술을 통해 스토리보드의 사진을 묘사하는 문장을 생성하고, 첫 번째 이미지 캡션을 KoGPT-2에 입력하여 생성된 새로운 글과 두 번째 이미지의 캡션을 다음 입력값으로 활용한 재귀적 접근 방안을 제안하여 전후 문맥이 자연스럽고 기획 의도에 맞는 스토리를 생성하는 연구를 진행한다. 본 논문으로 인공지능을 통해 작가의 의도를 반영한 스토리를 자동으로 대량 생성하여 콘텐츠 창작의 고통을 경감시키고, 인공지능이 디지털 콘텐츠 제작의 전반적인 과정에 참여하여 미디어 지능화를 활성화한다.

• 한국ITS학회 논문지
• /
• 제23권1호
• /
• pp.134-145
• /
• 2024

본 연구의 목적은 조건부 운전면허 발급에 필요한 평가 시나리오 개발 프레임워크를 제안하는 것이다. 이를 위해 프레임워크는 5단계로 구성하였다. 1단계에서는 고령 운전자에 의한 충돌사고의 주요 요인을 사고빈도와 심각도 측면에서 교통사고 특성에 대한 문헌을 검토하였다. 2단계는 도로교통공단 교통사고분석시스템 사고 자료를 활용하여 비고령, 초기 고령, 후기 고령 집단별 교통사고 특성에 대한 분석을 수행하였다. 이를 통해 고령 운전자 등 고위험군 교통사고 유형을 도출하였다. 3단계는 고위험군 교통사고 유형에 해당하는 블랙박스 영상을 분석하여 사고가 발생한 상황에 대해 기술한 교통사고 스토리를 도출하였다. 4단계는 다양한 시나리오 개발을 위해 도출된 사고 스토리의 유형을 분류하여 여러 가지 사고 상황을 구분하였다. 5단계는 최근 다양한 자율주행차량 평가 시나리오 개발에 활용되고 있는 PEGASUS 5-Layer 형식을 적용하여 시나리오를 제시하였다. 본 연구의 결과는 향후 조건부 운전면허 발급을 위한 운전능력 평가시나리오 개발의 기반으로 활용될 것으로 기대된다.

• 경영정보학연구
• /
• 제26권2호
• /
• pp.23-43
• /
• 2024

온라인 리뷰는 많은 사람이 생성하고 이를 수용하는 일상화된 구전이 되었다. 온라인 리뷰를 남기는 행위는 소비자가 스스로 해야 하는 일이다. 소비자의 온라인 리뷰 포스팅은 강제성이 없으며, 온전히 소비자의 자발적 의지에 달려 있다. 이러한 맥락에서 본 연구의 목적은 리뷰어들이 왜 리뷰를 남기고, 어떠한 형태의 리뷰를 생산하는지 등의 온라인 리뷰 포스팅 동기와 행동 과정을 기술하는 데 있다. 이를 위해 본 연구는 리뷰 포스팅 경험이 있는 소비자 18명을 대상으로 심층 인터뷰를 진행하였다. 수집한 인터뷰 자료는 근거이론방법을 활용하여 분석되었으며, 코드 분석결과를 토대로 본 연구는 리뷰 포스팅의 동기요인(상호호혜성, 물질적 보상), 리뷰 브라우징 결정요인(리뷰내용에 대한 신뢰, 리뷰형식에 대한 선호), 그리고 그림자노동(스스로 해야 하는 일, 자발적 데이터 생산, 소비자의 몫)을 제안하였다. 더불어 이들 간의 다이내믹스를 제안하여 리뷰어의 리뷰 생성과 소비의 순환과정을 이론화하였다. 본 연구의 시도와 결과는 온라인 리뷰의 효과성에 집중되었던 기존 연구의 한계를 극복하는 데 학술적 기여가 가능하고, 온라인 리뷰 관리의 필요성이 커지고 있는 플랫폼 기업에 실무적 시사점을 제공한다는 점에서 의의가 있다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.123-139
• /
• 2019

주요 구인구직사이트의 직무분류체계가 사이트마다 상이하고 SW분야에서 제안한 'SQF(Sectoral Qualifications Framework)'의 직무분류체계와도 달라 SW산업에서 SW기업, SW구직자, 구인구직사이트가 모두 납득할 수 있는 새로운 직무분류체계가 필요하다. 본 연구의 목적은 주요 구인구직사이트의 구인정보와 'NCS(National Competaency Standars)'에 기반을 둔 SQF를 분석하여 시장 수요를 반영한 표준 직무분류체계를 구축하는 것이다. 이를 위해 주요 구인구직사이트의 직종 간 연관분석과 SQF와 직종 간 연관분석을 실시하여 직종 간 연관규칙을 도출하고자 한다. 이 연관규칙을 이용하여 주요 구인구직사이트의 직무분류체계를 맵핑하고 SQF와 직무 분류체계를 맵핑함으로써 데이터 기반의 지능형 직무분류체계를 제안하였다. 연구 결과 국내 주요 구인구직사이트인 '워크넷,' '잡코리아,' '사람인'에서 3만여 건의 구인정보를 open API를 이용하여 XML 형태로 수집하여 데이터베이스에 저장했다. 이 중 복수의 구인구직사이트에 동시 게시된 구인정보 900여 건을 필터링한 후 빈발 패턴 마이닝(frequent pattern mining)인 Apriori 알고리즘을 적용하여 800여 개의 연관규칙을 도출하였다. 800여 개의 연관규칙을 바탕으로 워크넷, 잡코리아, 사람인의 직무분류체계와 SQF의 직무분류체계를 맵핑하여 1~4차로 분류하되 분류의 단계가 유연한 표준 직무분류체계를 새롭게 구축했다. 본 연구는 일부 전문가의 직관이 아닌 직종 간 연관분석을 통해 데이터를 기반으로 직종 간 맵핑을 시도함으로써 시장 수요를 반영하는 새로운 직무분류체계를 제안했다는데 의의가 있다. 다만 본 연구는 데이터 수집 시점이 일시적이기 때문에 시간의 흐름에 따라 변화하는 시장의 수요를 충분히 반영하지 못하는 한계가 있다. 계절적 요인과 주요 공채 시기 등 시간에 따라 시장의 요구하는 변해갈 것이기에 더욱 정확한 매칭을 얻기 위해서는 지속적인 데이터 모니터링과 반복적인 실험이 필요하다. 본 연구 결과는 향후 SW산업 분야에서 SQF의 개선방향을 제시하는데 활용될 수 있고, SW산업 분야에서 성공을 경험삼아 타 산업으로 확장 이전될 수 있을 것으로 기대한다.