• 한국ITS학회 논문지
• /
• 제13권4호
• /
• pp.1-11
• /
• 2014

도로상에서 발생하는 교통 혼잡비용은 지역 간 도로 보다는 도심부 내에서 비중 있게 발생하며, 이는 전체 혼잡비용의 약 63.39%를 차지하고 있다. 따라서, 교통혼잡비용의 절감을 위해서는 도심부의 교통 혼잡을 해소하는 것이 중요하다. 도심부의 교통 혼잡은 반복정체와 비반복정체로 구분되며, 비반복 정체를 신속하고 정확하게 검지하는 것이 교통혼잡의 해소에 있어 무엇보다 중요하다. 그러나 돌발상황 검지에 관한 연구는 대부분 연속류를 대상으로 수행되어 왔다. 도심부 단속류 도로의 경우, 신호 교차로 주정차 차량 등 다양한 변수가 존재하기 때문에 연속류에 적용되는 돌발상황 검지 알고리즘을 수정없이 적용하기에 무리가 있다. 따라서 본 연구에서는 도심부 단속류 도로를 대상으로 수집된 GPS 기반의 차량궤적 데이터에 인공신경망을 적용하여 돌발상황검지 모형을 구축하였다. 제안된 모형의 정확도 검증 결과, 돌발상황 검지율 46.15%, 오보율 25.00%가 도출되었다. 이러한 결과는 단속류를 대상으로 하는 초기 연구 결과로서 의미가 있다. 또한 내비게이션 장치와 같은 차량 궤적 데이터만을 활용하여 비반복정체를 검지 할 수 있는 가능성을 제시 했다는 것에 의미를 찾을 수 있을 것이다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권9호
• /
• pp.251-260
• /
• 2021

보행 분석은 인간의 걸음걸이를 분석하여 보행과 관련된 여러 다양한 정보를 얻기 위한 연구 분야 중 하나로써 의료 분야뿐만 아니라 기계공학, 전자공학 및 컴퓨터공학 등 다양한 학문 분야에서 오랫동안 연구되고 있다. 보행 분석을 통해 걸음걸이에 문제가 있는지를 파악하려는 노력이 꾸준히 이어져 왔다. 본 논문에서는 이러한 보행 이상을 알아보기 위한 전 단계로써 보행 데이터를 활용하여 동일 실험 참가자에 대해 노인 체험복착용 전후의 걸음걸이를 기계학습 모델에 적용하여 학습시킴으로써 노인 체험복 착용 여부를 구별할 수 있는지를 연구하였다. 총 45명의 실험 참가들을 대상으로 노인 체험복 착용 전과 후 각각의 보행 데이터를 수집하였고, 총 6개의 기계학습 모델을 이용하여 보행 데이터를 학습시켰다. 신경망 모델을 활용하여 노인 체험복 착용 여부를 판별한 결과 약 99%의 높은 정확도를 보였다. 본 연구에서 시사하는 것은 기계학습을 활용하여 보행의 이상 유무를 판단할 수 있는 가능성을 모색했다는 데 있다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.611-620
• /
• 2021

정비 산업은 사후정비, 예방정비를 거쳐, 상태기반 정비를 중심으로 진행되고 있다. 상태기반 정비는 장비의 상태를 파악하여, 최적 시점에서의 정비를 수행한다. 최적의 정비 시점을 찾기 위해서는 장비의 상태, 즉 잔여 유효 수명을 정확하게 파악하는 것이 중요하다. 이에, 본 논문은 시뮬레이션 데이터(C-MAPSS)를 사용한 터보팬 엔진의 잔여 유효수명(RUL, Remaining Useful Life) 예측 모델을 제시한다. 모델링을 위해 C-MAPSS(Commercial Modular Aero-Propulsion System Simulation) 데이터를 전처리, 변환, 예측하는 과정을 거쳤다. RUL 임계값 설정, 이동평균필터 및 표준화를 통해 데이터 전처리를 수행하였고, 주성분 분석(Principal Component Analysis)과 k-NN(k-Nearest Neighbor)을 활용하여 잔여 유효 수명을 예측하였다. 최적의 성능을 도출하기 위해, 5겹 교차검증기법을 통해 최적의 주성분 개수 및 k-NN의 근접 데이터 개수를 결정하였다. 또한, 사전 예측의 유용성, 사후 예측의 부적합성을 고려한 스코어링 함수(Scoring Function)를 통해 예측 결과를 분석하였다. 마지막으로, 현재까지 제시되어온 뉴럴 네트워크 기반의 알고리즘과 예측 성능 비교 및 분석을 통해 k-NN 활용 모델의 유용성을 검증하였다.

• 한국산업정보학회논문지
• /
• 제27권6호
• /
• pp.13-23
• /
• 2022

본 논문에서는 패션 분야의 비정형 데이터 검색을 위한 패션 아이템별 세부 컨포넌트 이미지 분류 알고리즘을 제안한다. 코로나-19 환경으로 인하여 최근 AI 기반 쇼핑몰이 증가하는 추세이다. 하지만 기존의 키워드 검색과 사용자 서핑 행위 기반 개인 맞춤형 스타일 추천으로는 정확한 비정형 데이터 검색에는 한계가 있다. 본 연구는 다양한 온라인 쇼핑 사이트에서 크롤링한 이미지를 사용하여 Mask R-CNN을 활용한 전처리를 진행한 후, CNN을 통해 패션 아이템별 컴포넌트에 대한 분류를 진행하였다. 셔츠의 카라 및 패턴과 청바지의 핏, 워싱 및 컬러에 대한 분류를 진행하였으며, 다양한 전이학습 모델을 비교 분석한 후 가장 높은 정확도가 나온 Densenet121모델을 사용하여 셔츠의 카라는 93.28%, 셔츠의 패턴은 98.10%의 정확도를 도달하였으며, 청바지의 핏은 Notched, Spread, Straight 3가지의 클래스의 경우 91.73%, Regular 핏을 추가한 4가지의 클래스의 경우 81.59%, 청바지의 색상은 93.91%, 청바지의 Washing은 91.20%, 청바지의 Demgae는 92.96%의 정확도를 도출하였다.

• 한국교육논총
• /
• 제43권1호
• /
• pp.125-152
• /
• 2022

본 연구의 목적은 교사의 수업전문성에 관한 교사와 학생의 인식에 어떤 차이가 있는지 분석하는 것이다. 교사의 교실수업을 이해하기 위하여 교사의 수업관찰과 학생 설문은 흔히 사용되는 방법이다. 그러나 학생과 교사의 인식이 다른 경우 수업교사는 결과 해석에 혼란스럽다. 본 연구에서는 수업의 대상인 학생들의 수업전문성에 관한 인식은 학생 배경에 따라 어떻게 나타나는지, 교사의 인식과 학생참여에의 예측력은 어떻게 다른지 비교해 보았다. ICALT의 수업관찰도구와 학생 설문지(MTQ)를 사용하였다. 이 두 도구는 교사의 수업전문성에 관한 6영역 및 학생참여 영역 등 총 7개 영역 구조로 구성되어 있기 때문에 결과를 비교할 수 있다. 2016년도 대전 충북 충남 지역 소재 중학교에서 수업관찰 전문교사가 106개의 수업을 관찰하였고, 이 수업에 참여한 2866명의 학생이 설문에 응하였다. 연구 결과 학생들의 수업에 관한 인식은 대체로 높았으나 학생의 배경변인별로 다른 성향을 보였다. 학생들의 인식은 주요교과목을 배울 때, 또 학년이 낮을수록 수업전문성을 더 높게 인지하는 경향을 보였다. 남학생들은 수업기술의 난이도가 높은 영역에서 수업전문성을 더 높게 인식하였다. 학생의 학생참여에의 예측력은 수업기술의 난이도가 높은 영역에서 교사의 예측력보다 높았다. 향후 예비교사와 교사를 위해 학생설문자료를 어떻게 연수에 적용할 수 있는지 추후 연구가 필요하다.

• 한국컴퓨터정보학회논문지
• /
• 제14권9호
• /
• pp.95-104
• /
• 2009

본 논문에서는 노이즈에 강인한 음악 시작점 검출 알고리즘을 제안한다. 음악의 시작점 검출은 음악을 이용한 신호처리 시스템에 있어서 일관되지 않은 입력데이터를 통한 계산낭비, 비교검색 등의 문제 해결을 위해 필요한 것이다. 특히 신호처리를 이용한 내용기반 음악검색 시스템에서 시간의 순서로 데이터를 비교하는 시간순차적 검색방법에서는 더욱 필요시 된다. 시간순차적 검색 방법은 시간의 순서로 단순 비교를 수행하기 때문에 검색의 속도가 빠르다는 장점이 있는 반면 비교하는 데이터의 시작 시간이 동일해야 하는 단점이 있다. 하지만 디지털화된 음악은 비트레이트 변환에 의한 시작 시간의 동일함을 보장할 수 없다. 따라서 본 논문에서는 검색의 전처리 단계에서 음악의 시작점을 검출함으로써 시간순차적 검색 방법을 적용하여 고속의 검색을 수행하면서도 인식률이 낮아지지 않게 하였다. 시작점 검출은 소리를 검출할 수 있는 최소 파형모형을 이용하였으며 노이즈에 강인하기 위하여 묵음에 존재하는 노이즈는 스킵핑을 하였다. 제안한 알고리즘은 실험을 통해 시작점 검출을 미적용한 결과보다 약 38% 성능이 향상됨을 확인하였으며 노이즈에 강인함을 검증하였다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.77-97
• /
• 2019

제 4차 산업혁명의 초연결 환경에서 발생하는 많은 양의 데이터는 제 4차 산업혁명을 기존의 생산 환경과 구분지어 주는 주요한 요소이다. 이러한 환경은 데이터를 필요로 하는 동시에 데이터를 생산하는 양면적인 특징을 가진다. 때문에 앞으로의 정보 시스템은 기존의 정보시스템보다 양적인 측면에서 더 많은 데이터를 처리해야 하며, 질적인 측면에서는 많은 데이터 중 사용자의 목적에 부합하는 목표 데이터만을 추출하는 능력이 요구된다. 작은 규모의 정보 시스템에서는 사람이 그 시스템을 정확히 이해하고 필요한 정보를 획득하는 것이 가능하지만, 시스템에 대해 정확한 이해가 어려워진 다양하고 복잡한 시스템에서는 원하는 정보를 획득하는 것이 점점 더 어려워진다. 이러한 문제는 데이터를 사람뿐 아니라 컴퓨터가 이해할 수 있는 온톨로지로 표현하여 다양한 정보처리가 가능하도록 하는 시맨틱 웹(Semantic Web) 구축이 해결책이 될 수 있다. 군에서도 현재 대부분의 업무가 정보 시스템을 통해 이루어지고 있는데, 정보의 입력이나 가공 등 단순처리 중심으로 구축된 기존 시스템이 점점 더 많은 양의 데이터를 포함하게 되면서 시스템을 쉽게 활용하기 위한 노력이 필요한 상황이다. 본 연구에서는 온톨로지를 통한 지능형 의사결정지원시스템의 예로 온톨로지 기반 군수상황관리체계를 제안하고자 한다. 온톨로지 기반 군수상황관리체계는 기존의 군수정보체계의 복잡한 정보를 직관적으로 보여주기 위해 구축된 군수상황관리체계를 온톨로지를 통해 구축하였으며, 성과기반군수지원 계약관리, 부품사전 등의 유용한 기능을 추가 식별하여 온톨로지에 포함하였다. 또한 구축된 온톨로지가 의사결정지원에 활용할 수 있는지를 확인하기 위해 시맨틱 웹 기술을 통해 기본적인 질의응답은 물론 추론 및 함수를 통한 분석기능을 구현하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.157-173
• /
• 2021

소비자의 욕구와 관심에 맞추어 개인화된 제품을 추천하는 추천 시스템은 비즈니스에 필수적인 기술로서의 그 중요성이 증가하고 있다. 추천 시스템의 대표적인 모형 중 협업 필터링은 우수한 성능으로 다양한 분야에서 활용되고 있다. 그러나 협업필터링은 사용자-아이템의 선호도 정보가 충분하지 않을 경우 성능이 저하되는 희소성의 문제가 있다. 또한 실제 평점 데이터의 경우 대부분 높은 점수에 데이터가 편향되어 있어 심한 불균형을 갖는다. 불균형 데이터에 협업 필터링을 적용할 경우 편향된 클래스에 과도하게 학습되어 추천 성능이 저하된다. 이러한 문제를 해결하기 위해 많은 선행연구들이 진행되어 왔지만 추가적인 외부 데이터 또는 기존의 전통적인 오버샘플링 기법에 의존한 추천을 시도하였기에 유용성이 떨어지고 추천 성능 측면에서 한계점이 있었다. 본 연구에서는 CGAN을 기반으로 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 추천의 성능을 높이는 것을 목표로 한다. CGAN을 이용하여 비어있는 사용자-아이템 매트릭스에 실제와 흡사한 가상의 데이터를 생성하여, 희소성을 가지고 있는 기존의 매트릭스로만 학습한 것과 비교했을 때 높은 정확도가 예상된다. 이 과정에서 Condition vector y를 이용하여 소수 클래스에 대한 분포를 파악하고 그 특징을 반영하여 데이터를 생성하였다. 이후 협업 필터링을 적용하고, 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 최대화하는데 기여하였다. 비교 대상으로는 전통적인 오버샘플링 기법인 SMOTE, BorderlineSMOTE, SVM-SMOTE, ADASYN와 GAN을 사용하였다. 결과적으로 데이터 희소성을 가지고 있는 기존의 실제 데이터뿐만 아니라 기존 오버샘플링 기법들보다 제안 모형의 추천 성능이 우수함을 확인하였으며, RMSE, MAE 평가 척도에서 가장 높은 예측 정확도를 나타낸다는 사실을 증명하였다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.35-52
• /
• 2019

전자정부를 포함한 다양한 형태의 공공서비스가 제공됨에 따라 공공서비스 품질에 대한 국민의 요구 수준이 점점 높아지고 있다. 공공서비스의 품질을 높이기 위해서 공공서비스 품질에 대한 상시적 측정과 개선이 필요함에도 불구하고 전통적인 설문조사는 비용과 시간이 많이 소요되어 한계가 있다. 따라서 공공서비스에서 발생하는 데이터를 기반으로 원하는 시점에 언제라도 공공서비스의 품질을 빠르고 정확하게 측정할 수 있는 분석적 기법이 필요하다. 본 연구에서 공공서비스의 품질을 데이터 기반으로 분석하기 위해 N시의 건축 인허가 민원 서비스를 대상으로 프로세스 마이닝 기법을 이용하여 분석하였다. N시의 건축 인허가 민원 서비스는 분석에 필요한 데이터를 확보할 수 있고 공공서비스 품질관리를 통해 타 기관으로 확산 가능할 것으로 판단되었기 때문이다. 본 연구는 2014년 1월부터 2년 동안 N시에서 발생한 총 3678건의 건축 인허가 민원 서비스에 대해 프로세스 마이닝을 실시하여 프로세스 맵을 그리고 빈도가 높은 부서와 평균작업시간이 긴 부서를 파악하였다. 분석 결과에 따르면 특정 시점에 한 부서별로 업무가 몰리거나 상대적으로 업무가 적은 경우가 발생하였다. 또한 민원의 부하가 늘 경우 민원완료까지 걸리는 시간이 늘어날 것이라는 합리적인 의심을 하였으나 분석 결과 상관관계는 크게 없었다. 분석 결과에 따르면 민원완료까지 걸리는 시간은 당일처리에서 1년 146일까지 매우 다양하게 분포하였다. '하수처리과,' '수도과,' '도시디자인과,' '녹색성장과'의 상위 4개 부서의 누적빈도가 전체의 50%를 넘고 상위 9개 부서의 누적빈도가 70%를 넘어서는 등 빈도가 높은 부서는 한정적이며 부서 간 부하의 불균형이 심했다. 대부분의 민원 서비스는 서로 다른 다양한 패턴의 프로세스를 갖고 있었다. 본 연구의 결과를 활용하면 특정 시점에 민원의 부하가 큰 부서를 찾아내 부서 간 인력 배치를 탄력적으로 운영할 수 있을 것이다. 또한 민원 특성별 협의에 참여하는 부서의 패턴을 분석한 결과, 협의 부서 요청 시 자동화 혹은 추천에 활용할 수 있는 가능성이 보인다. 본 연구는 민원 서비스에 대한 프로세스 마이닝 분석을 통해 향후 공공서비스 품질 개선방향을 제시하는데 활용될 것으로 기대한다.

• 한국정보처리학회논문지
• /
• 제4권1호
• /
• pp.237-245
• /
• 1997

본 논문에서는 우선순위에 기초를 둔 새로운 흐름제어 방식을 제안한다. 이 방식 에 따르면 각 통신경로는 유지하고자 하는 적정 버퍼의 크기를 설정하고, 전송중 이 를 초과하지 않도록 해당 통신경로의 전송 우선순위를 조절한다. 대용량의 통신대역 폭을 요구하는 통신경로는 작은 크기의 적정 버퍼를 설정한다. 적정 버퍼의 크기와 전송 우선순위가 반비례하게 정의하면, 통신경로의 전송 우선순위는 높게 설정되므 로, 각 노드는 설정된 통신경로를 지나는 패킷에 높은 처리 기회를 제공하게 되고, 이를 통하여 버퍼의 크기를 적정 수준이하로 감소시키는 작용을 한다. 또한 대용량의 통신대역폭을 요구하는 통신경로에서는 경로상에 있는 노드에 적은 수의 패킷을 유지 하게 함으로 짧은 전송지연을 갖게 된다. 각 통신경로의 버퍼 크기는 통신경로가 연 결된 동안 일정한 시간 간격으로 재조정될 수 있다. 사용하고 있는 통신망 대역폭이 통신경로의 최종 목적지 응용 프로그램이 필요로 하는 데이타 흐름보다 적은 경우, 그 노드는 큐의 크기를 줄임으로써 대역폭을 보다 크게 확보할 수 있다. 통신망간 연 동 환경에서는 나은 통신망 대역폭을 근접한 노드로 확보할 수 있으며, 따라서 데이 타의 응답이 전통적인 end-to 흐름제어 기법보다 빨라진다. 고속의 통신망 환경에서 는 제안된 흐름제어 기법이 보다 효율적인 성능을 보인다.