• Journal of the Optical Society of Korea
• /
• 제17권5호
• /
• pp.405-409
• /
• 2013

In this paper, a unifying framework to evaluate the depth resolution of axially distributed image sensing (ADS) systems under fixed resource constraints is proposed. The proposed framework enables one to evaluate the system performance as a function of system parameters such as the number of cameras, the number of pixels, pixel size, and so on. The Monte Carlo simulations are carried out to evaluate ADS system performance as a function of system parameters. To the best of our knowledge, this is the first report on quantitative analysis of ADS systems under fixed resource constraints.

• 지능정보연구
• /
• 제6권1호
• /
• pp.113-128
• /
• 2000

This paper presents a first year report of an ongoing multi-year project to develop a systolic parallel simulation system for dynamic traffic assignment. The fundamental approach to the simulation is systolic parallel processing based on autonomous agent modeling. Agents continuously act on their own initiatives and access to database to get the status of the simulation world. Various agents are defined in order to populate the simulation world. In particular existing modls and algorithm were incorporated in designing the behavior of relevant agents such as car-following model headway distribution Frank-Wolf algorithm and so on. Simulation is based on predetermined routes between centroids that are computed off-line by a conventional optimal path-finding algorithm. Iterating the cycles of optimization-then-simulation the proposed system will provide a realistic and valuable traffic assignment. Gangnum-Gu district in Seoul is selected for the target are for the modeling. It is expected that realtime traffic assignment services can be provided on the internet within 3 years.

• 전자통신동향분석
• /
• 제34권4호
• /
• pp.1-14
• /
• 2019

Recent trends in deep reinforcement learning (DRL) have revealed the considerable improvements to DRL algorithms in terms of performance, learning stability, and computational efficiency. DRL also enables the scenarios that it covers (e.g., partial observability; cooperation, competition, coexistence, and communications among multiple agents; multi-task; decentralized intelligence) to be vastly expanded. These features have cultivated multi-agent reinforcement learning research. DRL is also expanding its applications from robotics to natural language processing and computer vision into a wide array of fields such as finance, healthcare, chemistry, and even art. In this report, we briefly summarize various DRL techniques and research directions.

• 전자통신동향분석
• /
• 제34권6호
• /
• pp.100-107
• /
• 2019

Recently, reinforcement learning (RL) has expanded from the research phase of the virtual simulation environment to a wide range of applications, such as autonomous driving, natural language processing, recommendation systems, and disease diagnosis. However, RL is less likely to be used in these complex real-world environments. In contrast, inverse reinforcement learning (IRL) can obtain optimal policies in various situations; furthermore, it can use expert demonstration data to achieve its target task. In particular, IRL is expected to be a key technology for artificial general intelligence research that can successfully perform human intellectual tasks. In this report, we briefly summarize various IRL techniques and research directions.

• 전자통신동향분석
• /
• 제37권1호
• /
• pp.1-9
• /
• 2022

With the development of artificial intelligence, many studies have focused on evaluating abnormal situations by using various sensors, as industries try to automate some of the surveillance and security tasks traditionally performed by humans. In particular, mobile robots using multimodal sensors are being used for pilot operations aimed at helping security robots cope with various outdoor situations. Multiagent systems, which combine fixed and mobile systems, can provide more efficient coverage (than that provided by other systems), but network bottlenecks resulting from increased data processing and communication are encountered. In this report, we will examine recent trends in object recognition and abnormal-situation determination in various changing outdoor security robot environments, and describe an outdoor security robot platform that operates as a multiagent equipped with a multimodal sensor.

• 전자통신동향분석
• /
• 제37권5호
• /
• pp.22-32
• /
• 2022

Optical character recognition is a primary technology required in different fields, including digitizing archival documents, industrial automation, automatic driving, video analytics, medicine, and financial institution, among others. It was created in 1928 using pattern matching, but with the advent of artificial intelligence, it has since evolved into a high-performance character recognition technology. Recently, methods for detecting curved text and characters existing in a complicated background are being studied. Additionally, deep learning models are being developed in a way to recognize texts in various orientations and resolutions, perspective distortion, illumination reflection and partially occluded text, complex font characters, and special characters and artistic text among others. This report reviews the recent deep learning-based text detection and recognition methods and their various applications.

• International journal of advanced smart convergence
• /
• 제11권4호
• /
• pp.10-19
• /
• 2022

AI-based Network Intrusion Detection Systems (AI-NIDS) detect network attacks using machine learning and deep learning models. Recently, unsupervised AI-NIDS methods are getting more attention since there is no need for labeling, which is crucial for building practical NIDS systems. This paper aims to test the impact of designing autoencoder models that can be applied to unsupervised an AI-NIDS in real network systems. We collected security events of legacy network security system and carried out an experiment. We report the results and discuss the findings.

• 한국전자거래학회지
• /
• 제23권2호
• /
• pp.123-133
• /
• 2018

최근 세계 각국은 4차 산업혁명의 중심에 있는 스마트제조 시스템 구축에 앞장서기 위하여 산학연이 협력하여 활발한 연구, 개발 및 비즈니스화를 추구해 가고 있다. 기존의 연구 보고에 따르면 우리나라는 스마트공장의 기초기술, 하드웨어, 소프트웨어 분야의 경쟁력이 선진국 대비 70% 미만의 수준으로 보고되고 있다. 본 연구에서는 기존 연구문헌 검토 및 분석을 통하여 제조업에서 스마트제조 기술의 활용사례 현황과 연구의 주요 이슈를 파악하여 핵심 기술 연구자들과 비즈니스 프로세스를 가지고 있는 기업과의 협력에 아이디어를 제공하고자 한다. 공장과 제조분야에 적용되거나 고려된 기술로는 사물인터넷이 가장 활발한 연구가 이루어지고 있었으며, CPS, 로봇의 순서로 많은 연구가 이루어지고 있음을 볼 수 있다. 각 요소 기술의 기업 적용사례를 통하여 초기 단계의 연구자와 기업과의 협력이 이루어지고 있음을 볼 수 있다.

• 디지털콘텐츠학회 논문지
• /
• 제19권5호
• /
• pp.845-852
• /
• 2018

본 연구에서는 디지털 세대를 위한 스마트폰 중독 방지 런처와 다중지능 및 집단지성을 활용한 머신 러닝 기반 콘텐츠 추천 시스템을 개발하였다. 이를 통해 어린 자녀의 디지털 기기 과다 사용을 불안해하는 부모들에게 편리한 디지털 양육 경험을 제공하고 자녀에게는 즐겁고 안전한 학습 환경과 학습 능률을 제고하는 적응 형 개별 디지털 학습법을 제시한다. 제안하는 앱은 시간제한 설정과 더불어 유해 콘텐츠와 스마트폰 중독의 위험으로부터 자녀를 보호하는 게이미피케이션 런처이다. 수많은 교육용 콘텐츠 및 앱 중에서 선택이 어려운 부모들에게 아이들의 학습 및 활동 정보를 수집 분석하여 빅 데이터 기반의 학습 분석 리포트를 제공 하고 집단지성을 통한 추천 알고리즘으로 자녀에게 필요한 콘텐츠를 추천하는 시스템으로 구성된다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.403-409
• /
• 2024

본 논문에서는 산업안전보건법에 따라 유해·위험 설비 사업자가 제출하여 공정안전관리 전담기관으로부터 승인받은 공정안전보고서의 데이터를 기반으로 사업장 안전성 향상을 위한 인공지능 통합 공정안전관리(PSM) 시스템 설계를 위한 가이드라인을 제안하였다. 제안된 가이드라인으로 구성되는 시스템은 단일사업장 또는 다수의 사업장을 운영하는 사업자와 공정안전관리 전담기관에 각각 구축하며, 데이터 수집·전처리, 확장 및 분할, 레이블링, 학습 데이터 셋구축 등의 주요 구성 요소와 단계로 구성하였다. 각 공정에서 발생하는 공정 운영 데이터 및 변경 허가 승인 데이터의 수집이 가능하며, 사업장 운영에서 발생하는 모든 데이터의 분석을 통해 잠재적인 고장 예측 및 유지보수 계획을 수립하여, 공정 운전 상황에서의 의사 결정 지원이 가능하다. 또한, 정확하고 신뢰할 수 있는 학습 데이터, 특화된 데이터 셋을 이용하여 시간 및 비용 절감, 인적 오류를 포함한 다양한 위험 요소 감지와 예측, 지속적인 모델 개선 등에 유용성과 효과를 갖으며, 이를 통해 작업장 안전성 향상 및 사고 예방이 가능하다.