• 한국정보통신학회논문지
• /
• 제11권7호
• /
• pp.1407-1413
• /
• 2007

오늘날 대학환경은 과거에 비해 급변해 가고 있다. 특히, 대학경영의 어려움을 극복하기 위해서 경쟁력 강화 방안과 이미지 제고와 같은 중장기 발전계획을 수립하고 있다. 이에 많은 대학에서는 유비쿼터스 캠퍼스 (Ubiquitous-Campus) 구축을 통한 대외적인 대학이 미지 제고와 학생에게 보다 편리한 서비스를 제공하기 위해 노력하고 있다. 그러나 유비쿼터스 캠퍼스에 대한 기대가 커지고 있음에도 불구하고, 현재의 시스템은 학생들의 IT(Information Technology) 실태를 파악하지 못했거나 활용실태 분석을 위 한 기본환경을 제공하지 못하고 있다. 이러한 문제점들을 해결하기 위해서는 기술 중심적인 유비쿼터스 캠퍼스 구축 되어야만하며, 이에 못지않게 학생의 IT 인프라 활용분석과 새롭게 요구되는 서비스 구축을 통해 실질적으로 활용할 수 있는 유비쿼터스 캠퍼스 모델이 요구되고 있는 실정이지만, 급변해 가고 있는 대학환경에서 최적화된 유비쿼터스 캠퍼스 모델을 구현하는데 한계가 있다. 이에 본 논문은 유비쿼터스 캠퍼스 구축의 핵심요소인 학습자 분석을 위한 통합분석 데이터베이스 기반의 U-학습, U-취업, U-출력, 개인정보 제공이력 서비스를 통해서 학생이 중심이 되는 유비쿼터스 캠퍼스 모델에 대해 연구하였다.

• 한국콘텐츠학회논문지
• /
• 제19권2호
• /
• pp.340-348
• /
• 2019

본 연구는 2015년에서 2018년간, 자료가 축적된 서울시 158개 상권별 주요변수를 이용하여, 상업젠트리피케이션 발생에 영향을 미치는 요인을 로짓모형과 기계학습 방법론을 사용하여 분석하였다. 로짓분석 결과 log(상권 월평균임대료), 음식 소매업종 총매출대비 40세 이하 매출 비중이 유의수준 1%수준에서, 음식 소매업종 30대 여성 객단가 변화는 유의수준 5%에서, 프랜차이즈업종 2년이내 개업한 업소비율 변화는 유의수준 10%에서 유의하게 나타났다. 기계학습 결과 중요도가 높은 순서는 상권 전체 바닥면적, 상권의 월평균 임대료, 40세 미만 유동인구 비율, 프랜차이즈 30대 객단가, 음식 소매업종 30대 여성 객단가 변화 등 5개이다. 본 연구의 기여는 세 가지이다. 첫째, 본 연구는 서울시 전역의 상업 공간에 대한 자료를 분석하였다. 둘째, 본 연구는 상업젠트리피케이션의 발생에 영향을 미치는 요인을 실증하여, 예측지표 마련을 위한 기초연구를 제공하였다. 끝으로 기계학습 분석을 추가하여 다양한 접근방법을 소개하였다.

• 천문학회지
• /
• 제56권2호
• /
• pp.213-224
• /
• 2023

Type II solar radio bursts show frequency drifts from high to low over time. They have been known as a signature of coronal shock associated with Coronal Mass Ejections (CMEs) and/or flares, which cause an abrupt change in the space environment near the Earth (space weather). Therefore, early detection of type II bursts is important for forecasting of space weather. In this study, we develop a deep-learning (DL) model for the automatic detection of type II bursts. For this purpose, we adopted a 1-D Convolution Neutral Network (CNN) as it is well-suited for processing spatiotemporal information within the applied data set. We utilized a total of 286 radio burst spectrum images obtained by Hiraiso Radio Spectrograph (HiRAS) from 1991 and 2012, along with 231 spectrum images without the bursts from 2009 to 2015, to recognizes type II bursts. The burst types were labeled manually according to their spectra features in an answer table. Subsequently, we applied the 1-D CNN technique to the spectrum images using two filter windows with different size along time axis. To develop the DL model, we randomly selected 412 spectrum images (80%) for training and validation. The train history shows that both train and validation losses drop rapidly, while train and validation accuracies increased within approximately 100 epoches. For evaluation of the model's performance, we used 105 test images (20%) and employed a contingence table. It is found that false alarm ratio (FAR) and critical success index (CSI) were 0.14 and 0.83, respectively. Furthermore, we confirmed above result by adopting five-fold cross-validation method, in which we re-sampled five groups randomly. The estimated mean FAR and CSI of the five groups were 0.05 and 0.87, respectively. For experimental purposes, we applied our proposed model to 85 HiRAS type II radio bursts listed in the NGDC catalogue from 2009 to 2016 and 184 quiet (no bursts) spectrum images before and after the type II bursts. As a result, our model successfully detected 79 events (93%) of type II events. This results demonstrates, for the first time, that the 1-D CNN algorithm is useful for detecting type II bursts.

• 방송공학회논문지
• /
• 제17권2호
• /
• pp.270-283
• /
• 2012

다채널 TV, IPTV 및 Smart TV 서비스의 등장으로 인해 수많은 방송 채널과 방대한 TV 프로그램 콘텐츠가 시청자 단말로 제공됨으로써 시청자들은 자신이 원하는 콘텐츠를 쉽게 찾고 소비하는 것이 어려운 TV 시청 환경을 맞게 되었다. 따라서 TV 사용자들에게 자신이 선호하는 콘텐츠를 자동 추천해 줌으로써 원하는 콘텐츠로의 접근성을 증대시키는 것은 미래의 지능형 TV 서비스에 있어서 주요한 이슈이다. 이에 본 논문에서는 사용자의 선호 취향과 대중의 선호취향을 모두 고려한 협업필터링 개념의 통계적 기계학습 기반 TV 프로그램 추천 모델을 제시한다. 이를 위해 시청한 TV 콘텐츠에 대한 선호 토픽을 사용자의 시청 선호도로 보고, 최근 널리 활용되고 있는 LDA(Latent Dirichlet Allocation)모델을 TV 프로그램 추천 모델에 적용하였다. LDA 기반 TV 프로그램 추천 성능을 개선하기 위해 본 논문에서는 TV시청 이용내역 데이터를 기반으로, TV 사용자들의 관심 토픽을 은닉 변수로 하고, TV 사용자들의 관심 토픽에 대한 다양성을 반영하기 위해 은닉 변수의 확률분포 특성을 비대칭 디리클레(Dirichlet) 분포로 모형화하여 실험에 적용하였다. 제안된 LDA 기반 TV 프로그램 자동 추천 방법의 성능을 검증하기 위해, 유사 시청 특성을 갖는 사용자 그룹에 대해 상위 5개의 TV 프로그램을 일주일 단위로 추천하였을 경우 평균 66.5%, 2개월 단위의 추천에 대해서는 평균 77.9%의 precision 추천 성능을 확인할 수 있었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권3호
• /
• pp.71-79
• /
• 2023

지진이 발생한 후 구조물의 안전성을 평가하기 위해 모든 교량 및 건축물에 지진가속도 및 변위를 계측하는 유지관리시스템을 구축하기는 효율적이지 않아, 이를 유지관리하기 위해서는 현장조사가 시행되며 조사범위가 넓은 경우 많은 시간이 소요된다. 그로 인해 2차 피해가 발생할 우려가 있으므로 신속한 개별 구조물의 안전성을 추정할 필요가 있다. 구조물의 지진 손상은 구조물에 인가된 지진력 정보와 구조해석모델을 이용하여 위험도평가 해석을 통해 예측할 수 있다. 이를 위해 지진 발생 시 임의위치에서 발생한 지진력을 추정할 필요가 있다. 본 연구에서는 국내 지진계측 기록과 선형추정방법 및 인공신경망 학습 방법을 활용한 임의위치의 지반 응답스펙트럼 및 가속도시간이력을 추정하는 방법들을 제안하고 적용성을 평가하였다. 선형추정방법의 경우 추정에 사용되는 인근 관측소의 위치가 가까울 경우 오차가 적었지만 멀어질 경우 오차가 크게 증가하였다. 인공신경망 학습 방법의 경우 동일한 조건에서 더 낮은 수준의 오차로 추정할 수 있었다.

• 한국지구과학회지
• /
• 제41권5호
• /
• pp.531-554
• /
• 2020

본 연구는 귀추적 탐구 중심 야외 지질 답사 교육의 실제에 대한 설명을 제공하기 위해, 명시적 지질학 지식 및 탐구 학습 도입 전·후의 지질 답사에서 나타난 학생들의 귀추 수행 특징을 살펴보았다. 이를 위해 사전 평가, 초기 답사, 명시적 지질학 지식 및 탐구 학습, 후기 답사, 사후 평가 등의 순서로 진행되는 21차시의 프로그램을 개발하여 중학생 9명에게 적용했다. 연구 자료로서 야외 지질 답사 수업 녹화·녹음 자료 및 학생 활동지가 수집되어 질적으로 분석되었다. 연구 결과, 초기 답사에서 학생들은 지질학적 중요도가 낮은 단서를 포착했고, 해당 단서의 생성 원인에 대한 가설 생성을 요구받자 일상 경험 및 일반 과학 지식을 규칙으로 활용했으며, 생성된 가설을 규칙의 과학성이나 임의적 기준에 의해 평가했다. 한편, 후기 답사에서 학생들은 지질학적 핵심 단서를 포착했고, 자발적으로 해당 단서와 관련된 지질학적 사건 가설을 지질학 개념을 규칙으로 차용해 생성했으며, 생성된 가설을 관찰 증거와 규칙의 정합성을 바탕으로 과학적으로 평가했다. 이러한 결과를 종합하여, 지질 답사에서 능숙한 귀추 수행을 위해 학습자의 지질학 지식과 탐구(귀추) 역량이 미치는 영향을 경로로 제시했다.

• 융합보안논문지
• /
• 제21권2호
• /
• pp.11-18
• /
• 2021

대다수의 기업은 유무형의 자산을 보호하기 위한 방안으로, IT서비스망에 다양한 보안 장비를 구축하여 정보보호 모니터링을 수행하고 있다. 그러나 서비스 망 고도화 및 확장 과정에서 보안 장비 투자와 보호해야 할 자산이 증가하면서 전체 서비스망에 대한 공격 노출 모니터링이 어려워지는 한계가 발생하고 있다. 이에 대응하기 위한 방안으로 외부자의 공격과 장비 불법통신을 탐지할 수 있는 다양한 연구가 진행되었으나, 대규모 서비스망에 대한 효과적인 서비스 포트 오픈 감시 및 불법 통신 모니터링 체계 구축에 대한 연구는 미진한 편이다. 본 연구에서는 IT서비스망 전체 데이터 흐름의 관문이 되는 네트워크 백본장비의 'Netflow 통계 정보'를 분석하여, 대규모 투자 없이 광범위한 서비스망의 정보 유출 및 불법 통신 시도를 감시할 수 있는 프레임워크를 제안한다. 주요 연구 성과로는 Netflow 데이터에서 운영 장비의 텔넷 서비스 오픈 여부를 6개의 ML 머신러닝 알고리즘으로 판별하여 분류 정확도 F1-Score 94%의 높은 성능을 검증하였으며, 피해 장비의 불법 통신 이력을 연관하여 추적할 수 있는 모형을 제안하였다.

• 기록학연구
• /
• 제77호
• /
• pp.151-187
• /
• 2023

기록관과 도서관의 협력은 한정된 운영 공간을 활용하여 자료를 관리하고, 업무의 효율성을 높일 수 있다는 점에서 필요하다. 라카이브(Larchive)는 기록관과 도서관의 협력 모델 중 하나로, 최근 대두되고 있는 라키비움(Larchiveum), 즉 기록관, 도서관, 박물관의 통합 업무 협력이 이루어지기 어려운 기관이나 그 전 단계에서 차선책으로 고려할 수 있는 방안이다. 본 논문에서는 특히 대학 기록관과 도서관의 실무자를 대상으로 라카이브에 대한 인식을 조사하고, 이를 바탕으로 기록관과 도서관의 협력을 위한 보다 실무적인 운영 방안을 제안하고자 한다. 연구 결과 '라카이브'라는 개념 자체는 기록관과 도서관 담당자에게 상대적으로 인식이 낮았으나, 실무적인 관점에서 기록관과 도서관의 협력 필요성에 대해 충분히 공감하고 있음을 확인할 수 있었다. 특히 양 조직에 적합한 업무 협력 형태로서 '라카이브'가 합리적인 대안이라는 의견이 수렴되었고, '라카이브 인식조사'를 통해 물적 협력의 필요성을 확인할 수 있었으며 실무자를 대상으로 한 FGI를 통해 업무상 협력의 관점에서의 개선방안을 확인할 수 있었다. 또한 라카이브 형태의 협력을 위해서는 공간 협력과 예산 확보, 인력 문제 등의 개선이 선행되어야 한다는 의견이 수렴되었다. 이를 바탕으로 라카이브 형태의 조직 협력을 위해 '교수·학습 지원', '연구지원 서비스', '큐레이션 서비스', '교사 자료 수집 및 관리', '평가 협조'의 관점에서의 라카이브 실무 운영 방안을 제시하고 논의점을 도출하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 디지털융복합연구
• /
• 제19권3호
• /
• pp.55-64
• /
• 2021

공공도서관은 거주민들의 광범위한 지식과 이념을 학습하는 공간이며, 삶에 직접적으로 연결되어 있는 만큼 관련된 연구들이 다양하게 수행되어 왔다. 대부분의 선행연구에서 인구, 교통, 접근성, 환경 등의 변수가 도서관 이용에 관련성이 높은 것으로 나타났다. 본 연구에서는 도서대출 이력(1,820,407건)과 회원정보(297,222명) 자료를 기반으로 문화적 특성의 변수를 반영하여 도서 대출수요와 관련성을 분석한 점이 선행연구와의 차별성이라 할 수 있다. 분석결과 기술과학 도서 대비 사회과학, 문학 도서 대출이 증가할수록 도서 대출수요가 증가하는 것으로 분석되었으며, 도서관 충성고객들이 도서 대출수요의 주요한 요인으로 확인되었다. 그 외 다양한 기술통계분석을 활용하여 도서관 도서대출 수요 특성을 분석하였으며, 분석결과를 바탕으로 정책적 시사점과 연구의 한계도 제시하였다. 그리고 문화적 특성이 장소, 시점 등에 따라 변화됨을 감안하면 앞으로 관련연구가 지속되어야 할 것으로 판단된다.