• 정보과학회 논문지
• /
• 제43권11호
• /
• pp.1281-1297
• /
• 2016

최근 스마트 기기의 보급으로 자유롭게 비디오 컨텐츠를 생성하고 이를 빠르고 편리하게 공유할 수 있는 네트워크 환경이 갖추어지면서, 퍼스널 비디오가 급증하고 있다. 그러나, 퍼스널 비디오는 비디오라는 특성 상 멀티 모달리티로 구성되어 있으면서 데이터가 시간의 흐름에 따라 변화하기 때문에 이벤트 분류를 할 때 이에 대한 고려가 필요하다. 본 논문에서는 비디오 내의 멀티 모달리티들로부터 고수준의 특징을 추출하여 시간 순으로 재배열한 것을 바탕으로 모달리티 사이의 연관관계를 Deep Neural Network(DNN)으로 학습하여 퍼스널 비디오 이벤트를 분류하는 방법을 제안한다. 제안하는 방법은 비디오에 내포된 이미지와 오디오를 시간적으로 동기화하여 추출한 후 GoogLeNet과 Multi-Layer Perceptron(MLP)을 이용하여 각각 고수준 정보를 추출한다. 그리고 이들을 비디오에 표현된 시간순으로 재 배열하여 비디오 한 편당 하나의 특징으로 재 생성하고 이를 바탕으로 학습한 DNN을 이용하여 퍼스널 비디오 이벤트를 분류한다.

• 대한전기학회논문지
• /
• 제39권10호
• /
• pp.1121-1232
• /
• 1990

A hierarchical neural network structure is described for robot PTP trajectory planning. In the first level, the multi-layered Perceptron neural network is used for the inverse kinematics with the back-propagation learning procedure. In the second level, a saccade generation model based joint trajectory planning model in proposed and analyzed with several features. Various simulations are performed to investigate the characteristics of the proposed neural networks.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권8호
• /
• pp.2948-2963
• /
• 2015

In the field of computer vision, visual surveillance systems have recently become an important research topic. Growth in this area is being driven by both the increase in the availability of inexpensive computing devices and image sensors as well as the general inefficiency of manual surveillance and monitoring. In particular, the ultimate goal for many visual surveillance systems is to provide automatic activity recognition for events at a given site. A higher level of understanding of these activities requires certain lower-level computer vision tasks to be performed. So in this paper, we propose an intelligent activity recognition model that uses a structure learning method and a classification method. The structure learning method is provided as a K2-learning algorithm that generates Bayesian networks of causal relationships between sensors for a given activity. The statistical characteristics of the sensor values and the topological characteristics of the generated graphs are learned for each activity, and then a neural network is designed to classify the current activity according to the features extracted from the multiple sensor values that have been collected. Finally, the proposed method is implemented and tested by using PETS2013 benchmark data.

• 의료ㆍ복지 건축 : 한국의료복지건축학회 논문집
• /
• 제15권2호
• /
• pp.51-58
• /
• 2009

These days the trend of special education is changing from special school-based education to special class room based education, and from separated education to integrated education. In accordance with this change, special classes should be planned for multi purposes so that the class room can be used for the place of teaching and learning, guidance, job education. This research surveyed the special teachers working for 937 schools which have special classes(elementary 631, middle 217 high school 89). The result of this survey shows the different responses according to the level of the schools. For education activities, elementary and middle schools put emphasis on curriculum rather than guidance. High education, elementary school should have the places for teaching and learning, student management, play ground. Middle schools give priority to the places for individual learning, computer and practical training. High schools value the places for job education and practical training above for learning.

• Journal of Multimedia Information System
• /
• 제9권2호
• /
• pp.75-86
• /
• 2022

The existing image quality assessment (IQA) datasets have a small number of samples. Some methods based on transfer learning or data augmentation cannot make good use of image quality-related features. A No Reference (NR)-IQA method based on multi-task training and quality awareness is proposed. First, single or multiple distortion types and levels are imposed on the original image, and different strategies are used to augment different types of distortion datasets. With the idea of weak supervision, we use the Full Reference (FR)-IQA methods to obtain the pseudo-score label of the generated image. Then, we combine the classification information of the distortion type, level, and the information of the image quality score. The ResNet50 network is trained in the pre-train stage on the augmented dataset to obtain more quality-aware pre-training weights. Finally, the fine-tuning stage training is performed on the target IQA dataset using the quality-aware weights to predicate the final prediction score. Various experiments designed on the synthetic distortions and authentic distortions datasets (LIVE, CSIQ, TID2013, LIVEC, KonIQ-10K) prove that the proposed method can utilize the image quality-related features better than the method using only single-task training. The extracted quality-aware features improve the accuracy of the model.

• 한국전자거래학회지
• /
• 제26권3호
• /
• pp.1-20
• /
• 2021

코로나19 대유행으로 세계경제포럼에서 그레이트 리셋이 논의되면서 제4차산업혁명의 동력인 인공지능도 조명을 받고 있다. 그러나 인공지능 분야의 기업 연구는 아직도 희소하다. 2000년 이후 관련 연구는 기존 기업에 어떻게 인공지능을 적용하여 가치를 창출할 것인가에 초점이 맞춰져 있으며, 신생기업들이 어떻게 기회를 포착하고 기존 사업자들 사이에 진입하여 새로운 가치를 창출하는지에 대한 연구는 거의 찾아볼 수 없다. 이에 본 연구는 소프트웨어의 세부 분야인 인공지능 기반 신생기업들이 기존 소프트웨어 산업과 어떻게 다른 혁신패턴을 갖는가라는 연구 질문을 가지고 다층적 접근론의 종합적 틀을 활용하여 신생 기업들의 사례를 분석하였다. 대상 기업들은 창업 7년 내 의료, 금융, 마케팅/광고, 유통, 제조 분야에서 의도적으로 표집된 머신러닝 모델링 전문 신생 기업들로 벤처기업 인증을 받은 고성장 기업들이다. 분석 결과 기존 소프트웨어 기업들은 전사적 통합 관점의 프로세스 혁신을 이루어냈다면, 이들만의 혁신 패턴은 기존의 프로세스들을 잘게 해체하여 자동화나 가치창출이 어려웠던 단위 프로세스들을 식별해 내고 데이터 기반으로 자동화, 최적화하여 새로운 가치를 제공하고 있다는 것이다. 이 연구의 기여는 통합적인 다층적 접근론의 틀의 유효성을 검증하면서 인공지능 기반 신생 기업들의 탄생과 그들의 혁신 패턴을 제시했다는 데에 있다. 한편 기업 실무적, 정부 정책적 함의를 정리하면, 데이터를 기반으로 혁신을 이끌어내기 때문에 신생 기업일지라도 데이터 관련 규제 등에 대한 제도 대응 역량이 강조되며, 정부는 관련 제도의 불확실성을 제거하고 구체화하여 예측가능하고 유연한 사업 환경을 마련할 필요가 있다.

• 한국지능시스템학회논문지
• /
• 제2권1호
• /
• pp.17-32
• /
• 1992

로보트 매니퓰레이터의 신경 제어기 구성에 널리 사용하는 다층 신경회로망은 로보트의 불확실한 동적 파라메터 변화에 대한 강건한 학습 적응능력, 그리고 병렬 처리를 통한 실시간 제어등의 장점들을 갖고있다. 그러나 대표적인 학습방법인 오차 역전파(error back propagation) 알고리즘은 그 학습 속도가 느리다는 문제점을 갖는다. 본 논문에서는 불확실하고 애매한 정보를 언어적인 방법에 의해 효율적으로 처리할 수 있는 퍼지 논리 (fuzzy logic)를 도입하여 로보트 매니퓰레이터 신경 제어기의 학습 속도를 개선하기위한 한 방법을 제안한다. 제안된 제어기의 효용성은 PUMA 560 로보트의 모의 실험을 통해 입증된다.

• 전기전자학회논문지
• /
• 제26권1호
• /
• pp.56-61
• /
• 2022

전 세계적으로 에너지 사용량이 증가함에 따라 지구온난화와 같은 환경문제가 초래되었으며, 이에 각국은 협정·협약을 통한 에너지 산업의 탈탄소화와 함께 화석 에너지를 신재생에너지로 빠르게 전환 중이다. 발전량이 급변하는 신재생에너지 보급 확대에 따라 효율적인 에너지 관리의 필요성이 대두되는 한편, AI 기술이 발전함에 따라 에너지 관리 분야와 결합한 AI 기반 빌딩 에너지 관리 시스템(Building Energy Management System, BEMS)의 연구 및 개발이 활발히 이루어지고 있다. 본 논문에서는 강화학습 기법중 Multi-Armed Bandit(MAB) 알고리즘을 활용하여 빌딩 각 방의 조명시스템 전력사용량을 효율적으로 관리함과 동시에 사용자들의 불쾌지수를 최소화할 수 있는 알고리즘을 제안하고, 시뮬레이션을 통해 성능을 검증한다.

• International Journal of Contents
• /
• 제13권4호
• /
• pp.23-28
• /
• 2017

Of the total economic loss caused by disasters, 40% are due to floods and floods have a severe impact on human health and life. So, it is important to monitor the water level of a river and to issue a flood warning during unfavorable circumstances. In this paper, we propose a modified error function to improve a hydrological modeling using a multi-layer perceptron (MLP) neural network. When MLP's are trained to minimize the conventional mean-squared error function, the prediction performance is poor because MLP's are highly tunned to training data. Our goal is achieved by preventing overspecialization to training data, which is the main reason for performance degradation for rare or test data. Based on the modified error function, an MLP is trained to predict the water level with rainfall data at upper reaches. Through simulations to predict the water level of Nakdong River near a UNESCO World Heritage Site "Hahoe Village," we verified that the prediction performance of MLP with the modified error function is superior to that with the conventional mean-squared error function, especially maximum error of 40.85cm vs. 55.51cm.

• 한국측량학회지
• /
• 제39권1호
• /
• pp.23-28
• /
• 2021

최근 딥러닝을 활용한 데이터 분석 연구가 다양한 분야에서 진행되고 있다. 본 논문에서는 딥러닝 모델인 MLP (Multi-Layer Perceptron)와 LSTM (Long Short-Term Memory) 모델을 통해 ZWD (Zenith tropospheric Wet Delay)을 추정함으로써 딥러닝을 활용한 GNSS (Global Navigation Satellite System) 기반 기상 연구를 수행하였다. 딥러닝 모델은 기상 데이터와 천정방향 대류권 총 지연, 건조지연을 통해 추정한 ZWD로 학습되었고, 학습에 사용되지 않은 기상 데이터를 학습된 모델에 적용하여 두 모델에서 센티미터 수준의 RMSE (Root Mean Square Error)로 ZWD 결과를 산출하였다. 추후 해안지역의 GNSS 데이터를 함께 사용하고 시간 해상도를 높여 다양한 상황에서도 ZWD가 추정될 수 있도록 추가적인 연구가 수행될 필요가 있다.