• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권11호
• /
• pp.455-464
• /
• 2022

제조업의 공정에서 생성되는 데이터셋은 크게 두 가지 특징을 가진다. 타겟 클래스의 심각한 불균형과 지속적인 Out-of-Distribution(OoD) 샘플의 발생이다. 클래스 불균형은 SMOTE 및 다양한 샘플링 전략을 통해서 대응할 수 있다. 그러나, OoD 탐색은 현재까지 인공신경망 영역에서만 다뤄져 왔다. OoD 탐색의 적용이 가능한 인공신경망은 제조공정 데이터셋에 대해서 만족스러운 성능을 발현하지 못한다. 원인은 제조공정의 데이터셋이 인공신경망에서 일반적으로 다루는 이미지, 텍스트 데이터셋과 비교해서 크기가 매우 작고, 노이즈가 심하다는 것이다. 또한 인공신경망의 과적합(overfitting) 문제도 제조업 데이터셋에서 인공신경망의 성능을 저하하는 원인으로 지적된다. 이에 현재까지 시도된 바 없는 SVM 알고리즘과 OoD 탐색의 접목을 시도하였다. 또한 예측모델의 정밀도 향상을 위해 배깅(Bagging) 알고리즘을 모델링에 반영하였다.

• 한국정보통신학회논문지
• /
• 제23권12호
• /
• pp.1535-1541
• /
• 2019

방사선 사고 지역 및 제염이 필요한 지역에서의 안전하고 신속한 제염작업을 진행하기 위해서는 방사선 오염원에 대한 다양한 정보 획득이 필요하다. 특히 방사선원의 정확한 위치와 분포 정보의 파악은 신속한 후속 조치 및 오염원 제거를 위해 반드시 필요하며, 작업자의 방사선 피폭을 최소화할 수 있다. 방사선원의 위치와 분포 정보를 획득하기 위해서는 방사선 분포 탐지 장치를 사용한다. 방사선 분포 탐지 장치의 경우 일반적으로 탐지 센서 부가 단일 센서로 구성되며, 단일 센서의 물리적 한계로 인해 탐지 범위가 제한되는 문제점이 있다. 본 논문에서는 방사선 오염 분포 영상화 장치에 사용되는 단일 센서의 탐지 감도 제어를 위하여 보정 검출기를 적용하였으며, 이를 통해 제한적이었던 선량률 탐지 범위를 향상하였다. 또한 감마선 조사 시험을 통해 방사선 분포 탐지 범위의 개선을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권9호
• /
• pp.2927-2941
• /
• 2022

The primary task of machine fault diagnosis is to judge whether the current state is normal or damaged, so it is a typical binary classification problem with mutual exclusion. Mutually exclusive events and out-of-domain detection have one thing in common: there are two types of data and no intersection. We proposed a fusion model method to improve the accuracy of machine fault diagnosis, which is based on the mutual exclusivity of events and the commonality of out-of-distribution detection, and finally generalized to all binary classification problems. It is reported that the performance of a convolutional neural network (CNN) will decrease as the recognition type increases, so the variational auto-encoder (VAE) is used as the primary model. Two VAE models are used to train the machine's normal and fault sound data. Two reconstruction probabilities will be obtained during the test. The smaller value is transformed into a correction value of another value according to the mutually exclusive characteristics. Finally, the classification result is obtained according to the fusion algorithm. Filtering normal data features from fault data features is proposed, which shields the interference and makes the fault features more prominent. We confirm that good performance improvements have been achieved in the machine fault detection data set, and the results are better than most mainstream models.

• 대한임베디드공학회논문지
• /
• 제16권1호
• /
• pp.1-8
• /
• 2021

Detecting Out-of-Distribution (OOD) data is fundamentally required when Deep Neural Network (DNN) is applied to real-world AI such as autonomous driving. However, modern DNNs are quite vulnerable to the over-confidence problem even if the test data are far away from the trained data distribution. To solve the problem, this paper proposes a novel Adversarial-Mixup training method to let the DNN model be more robust by detecting OOD data effectively. Experimental results show that the proposed Adversarial-Mixup method improves the overall performance of OOD detection by 78% comparing with the State-of-the-Art methods. Furthermore, we show that the proposed method can alleviate the over-confidence problem by reducing the confidence score of OOD data than the previous methods, resulting in more reliable and robust DNNs.

• Asia pacific journal of information systems
• /
• 제31권3호
• /
• pp.335-357
• /
• 2021

As reproduction of images can be done with ease, copy detection has increasingly become important. In the duplication process, image modifications are likely to occur and some alterations are deliberate and can be viewed as attacks. A wide range of copy detection techniques has been proposed. In our study, content-based copy detection, which basically applies DCT-based features for images, namely, pixel values, edges, texture information and frequency-domain component distribution, is employed. Experiments are carried out to evaluate robustness and sensitivity of DCT-based features from attacks. As different types of DCT-based features hold different pieces of information, how features and attacks are related can be shown in their robustness and sensitivity. Rather than searching for proper features, use of robustness and sensitivity is proposed here to realize how the attacked features have changed when an image attack occurs. The experiments show that, out of ten attacks, the neural networks are able to detect seven attacks namely, Gaussian noise, S&P noise, Gamma correction (high), blurring, resizing (big), compression and rotation with mostly related to their sensitive features.

• 제어로봇시스템학회논문지
• /
• 제21권4호
• /
• pp.315-320
• /
• 2015

This paper describes the implemenation of localization and visualization scheme to find out an ultrasonic source caused by defects of a power distribution line equipment. To increase the fault detection performance, $2{\times}4$ sensor array is configured with MEMS ultrasonic sensors, and from the sensor signals aquired, the azimuth and elevation angles of the ultrasonic source is estimated based on the delay-sum beam forming method. Also, to visualize the estimated location, it is marked on the background image. Experimental results show applicability of the present technique.

• 융합보안논문지
• /
• 제13권1호
• /
• pp.3-10
• /
• 2013

본 연구에서는 소프트웨어 제품 테스팅 과정에서 관측고장시간에 근거한 결함 발생률을 고려한 소프트웨어 신뢰성 모형에 대하여 연구 하였다. 신뢰성 분야에서 많이 사용되는 S-분포모형을 이용한 새로운 결함 확률을 추가한 문제를 제시하였다. 수명분포는 유한고장 비동질적인 포아송과정을 이용하였다 본 논문의 결함 발생률을 고려한 소프트웨어 고장 자료 분석에서는 고장 시간 자료를 적용하였으며 모수추정 방법은 최우추정법을 이용하여 결함 발생 확률에 대한 관계와 신뢰도를 추정 하였다.

• Journal of Korean Neurosurgical Society
• /
• 제51권2호
• /
• pp.120-123
• /
• 2012

Objective : Percutaneous vertebroplasty (PVP) is usually carried out under three-dimensional (2D) fluoroscopic guidance. However, operative complications or bone cement distribution might be difficult to assess on the basis of only 2D radiographic projection images. We evaluated the feasibility of performing an intraoperative and postoperative examination in patients undergoing PVP by using three-dimensional (3D) reconstructive C-arm. Methods : Standard PVP procedures were performed on 14 consecutive patients by using a Siremobil Iso-$C^{3D}$ and a multidetector computed tomography machine. Post-processing of acquired volumetric datasets included multiplanar reconstruction (MPR) and surface shaded display (SSD). We analyzed intraoperative and immediate postoperative evaluation of the needle trajectory and bone cement distribution. Results : The male : female ratio was 2 : 12; mean age of patients, 70 (range, 77-54) years; and mean T score, -3.4. The mean operation time was 52.14 min, but the time required to perform and post-process the rotational acquisitions was 7.76 min. The detection of bone cement distribution and leakage after PVP by using MPR and SSD was possible in all patients. However, detection of the safe trajectory for needle insertion was not possible. Conclusion : 3D rotational image acquisition can enable intra- or post-procedural assessment of vertebroplasty procedures for the detection of bone cement distribution and leakage. However, it is difficult to assess the safe trajectory for needle insertion.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2004년도 추계학술대회
• /
• pp.13-18
• /
• 2004

It is important to estimate the distribution of intensity of a magnetic field for application of magnetic method to industrial nondestructive evaluation. Magnetic camera provides the distribution of a quantitative magnetic field with homogeneous lift-off and same spatial resolution. Leakage magnetic flux near the crack on the specimen could be amplified by 3-dimensional magnetic fluid and zoom in and out of measurement area. This study introduces the experimental consideration of the effects of lens for concentrating of magnetic flux. The experimental results showed that the magnetic fluid has sufficient lens effect for magnetic camera and effect of improvement in probability of detection.

• 한국통신학회논문지
• /
• 제33권12C호
• /
• pp.1082-1087
• /
• 2008

MIMO 시스템에서 ML 검출 기법은 많은 다른 검출기들보다 우수한 성능을 보인다. 그러나 ML 검출기법은 NP-hard 문제로 인해 실제 시스템에서 사용하기 어려운 단점을 가지고 있다. 이것은 polynomial-time 안에 최적의 해 (optimal solution)를 찾을 수 없음을 의미한다. 본 논문에서는 ML problem을 적용한 SDR (Semi-Definite Relaxation)에 궤환기법을 통한 검출 알고리즘을 제안한다. 이는 SDR에 의해 구한 최적의 해를 spectral decomposition을 이용해 우세한 eigenvector를 찾아 송신 신호의 확률 분포를 구하고, 이를 수신 신호에 궤환 시킨다. 이는 또 다른 ML problem으로써 다시 SDR를 통해 최적의 해를 구하고 우세한 eigenvector에 해당하는 송신 신호 확률을 구한다. 이 확률은 ML problem에 해당하는 최적의 값으로 추정 송신 신호를 검출할 수 있다. 이러한 기법을 통해 최적 성능을 갖는 ML 검출 기법의 성능에 보다 더 가깝게 접근하였다.