• 한국정보전자통신기술학회논문지
• /
• 제12권5호
• /
• pp.467-474
• /
• 2019

본 이 논문에서는 NVIDIA Jetson TX1에서 YOLO v2 모델의 정확도를 유지하면서 FPS를 개선하는 방법을 제안한다. 일반적으로, 딥러닝 모델에서는 연산량을 줄여 처리 속도를 높이기 위해 파라미터들을 실수형에서 정수형으로 변환하여 정수 연산을 통해 속도를 높이거나 네트워크의 깊이를 감소시키는 방법을 사용한다. 그러나 이 방법들은 인식 정확도가 떨어질 수 있다. 이 논문에서는 YOLO v2 모델을 이용해 표정인식기를 개발하고 정확도 유지 시키기 위해 정수 연산이나 네트워크 깊이 감소를 사용하는 대신, 다음 세 가지 방법을 통해 연산량 및 메모리 소모를 줄인다. 첫 번째, $3{\times}3$ 필터를 $1{\times}1$ 필터로 교체하여 각 Layer 당 매개 변수 수를 9 분의 1로 줄인다. 두 번째, TensorRT의 추론 가속 기능 중 CBR (Convolution-Add Bias-Relu)을 통해 연산량을 줄이고, 마지막으로 TensorRT를 사용하여 반복되는 동일한 연산구조를 가진 레이어를 통합하여 메모리 소비를 줄인다. 시뮬레이션 결과, 기존 YOLO v2 모델에 비해 정확도는 1 % 감소했지만 FPS는 기존 3.9 FPS에서 11 FPS로 282%의 속도 향상을 보였다.

• 한국산학기술학회논문지
• /
• 제22권2호
• /
• pp.169-178
• /
• 2021

본 연구는 간호대학생의 정신간호학실습에 대한 교내실습 경험을 탐색하기 위한 질적 연구이다. 연구대상자는 강원도 소재 일 대학교에서 정신간호를 실습하는 3학년 학생 62명으로, 자료수집 기간은 2020.08.03.~08.20까지였다. 수집된 자료는 Colaizzi의 방법을 적용하여 분석하였다. 연구 결과 1) 현장경험에 대한 아쉬움 2) 배움을 통한 성취 3) 미래 간호사 역할에 대한 두려움 4) 과제 작성에 대한 부담감 5) 임상 긴장감으로부터 자유로움 6) 타 부서와의 협력의 중요성의 6가지 범주가 도출되었다. 교내실습 평가에서는 즉각적 피드백과 자세한 설명, 간접 체험의 내용이 긍정적으로 평가되었다. 이를 바탕으로 향후 교내실습의 효과적 운영을 위해서는 시뮬레이션 실습을 포함하여, 간접 체험실습, 온라인/비대면 실습, 대면실습 등의 다양한 콘텐츠가 적절히 활용되어 임상실습과의 격차를 줄이는 효율적 프로그램의 개발이 필요하다. 더불어 정신간호학 실습 교육에서는 치료적 의사소통 및 환청 중재와 같은 실무의 격차를 줄이기 위한 다각적 노력이 더욱 필요함을 제언하는 바이다.

• 정보보호학회논문지
• /
• 제9권4호
• /
• pp.11-22
• /
• 1999

LMS 적응필터는 많은 신호처리 응용분야에서 광범위하게 사용되고 있으나 반복 적 최소 자승 (RLS) 적응 필터와 비교해서 주어진 안정상태 평균 자승 에러에 대한 수렴특성이 떨어진 다. 본 논문은 LMS 알고리즘의 수렴속도를 향상시키기 위해 폐기된 탭 입력 데이터를 몇 개의 한정된 버퍼를 이용 탭 가중치를 적응적으로 조절하여 수렴특성을 개선한다. 컴퓨터 시뮬레이션 결과를 통해 스텝 크기 매 개변수 $\mu$값의 증가는 보다 빠른 수렴속도와 평균 자승에러를 감소시키는 효과를 가지므로 데이터 재순 환 버퍼 구조에서 탭 가중치의 갱신에 비례하여 평균 자승 에러의 수렴속도가 재순환 버퍼 B를 증가시 켜 수렴속도가 (B+1)배 만큼 증가한다. 데이터 버퍼 알고리즘을 이용한 제안된 TDL 필터가 LMS 알고 리즘과 동일한 수렴조건을 가지고 실행될 때 연산복잡성의 실질적 부담감을 배제하고 채널 간의 상호심 볼간섭을 보다 효율적으로 제어하면서 적응 횡단선 필터의 수렴속도를 증기시켜 개선한다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.183-191
• /
• 2021

비간섭 부하 모니터링은 사용자 에너지 소비량의 실시간 모니터링을 통해 가전기기의 사용량 예측 및 분류를 하는 기술로, 최근 에너지 절약의 수단으로 관심이 증가하고 있다. 본 논문에서는 GAF(Gramian angular field) 기반 1차원 시계열 데이터를 2차원 행렬로 변환하는 기법과, 합성곱 신경망(convolutional neural networks)을 결합해 사용자 전력 사용량 데이터로부터 가전기기를 예측하는 시스템을 제안한다. 학습을 위해 공개 가정용 전력 데이터인 REDD(residential energy disaggregation dataset)를 사용하고, GASF(Gramian angular summation field), GADF(Gramian angular difference field)의 분류 정확도를 확인한다. 시뮬레이션 결과, 이중 상태(on/off)를 가지는 가전기기에서 두 모델 모두 97%의 정확도를 보였고, 다중 상태를 가지는 기기에서 GASF는 95%로 GADF보다 3% 높은 정확도를 보임을 확인하였다. 차후 데이터의 량을 증가시키고 모델을 최적화해 정확도와 속도를 개선할 예정이다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권1호
• /
• pp.207-220
• /
• 2021

본 연구는 신임 119구급대원의 출동경험을 바탕으로 응급구조학 교육의 현장 적용 및 효용성을 파악한 후 대학교육의 한계점과 개선점 및 발전방향을 도출해내고자 한 질적 연구이다. 연구대상자는 응급구조학과를 졸업한 119 구급대원으로 구급활동을 시작한 지 3년 이내의 신임구급 대원 6명이다. 내러티브 인터뷰(narrative interview)방식으로 심층면담을 진행한 후 현상학적 방법 중 하나인 Colaizzi방법으로 분석하였다. 의미있는 진술에서 82개의 구성된 의미가 도출되었다. 구성된 의미로 부터 23개의 theme, 4개의 theme cluster, 2개의 category가 확인되었다. 4개의 주제모음은 '대학교육의 효용성', '대학교육의 한계점', '교육방법론에서의 개선방향', '교육내용에서의 개선방향'으로 신임구급대원들은 대학교육이 전반적으로는 도움이 되었으나 소방 현장보다는 병원 쪽에 치우친 이론교육이 주입식 강의로 이루어진 한계점을 지적하였다. 이에 신임대원들은 사례중심의 학습, 현장사례리뷰, 역할극방식 교육, 시뮬레이션 교육의 확대와 함께 실습위주로 장비를 활용한 술기교육을 강화할 것을 제안하였다. 또한 신임대원들은 대학교육과 현장사이에서 이론과 실제사이의 괴리감을 토로하며 소방현장에 맞는 교육의 도입을 제안하고 다양한 시각을 위한 다양한 지도를 언급하였다. 응급구조학 대학교육은 전반적으로 도움이 되었으나 제한점이 동시에 관찰되므로 교육방법론과 교육내용의 개선을 통해 발전해가야 한다.

• 한국수자원학회논문집
• /
• 제54권7호
• /
• pp.453-462
• /
• 2021

최근 몇 년 동안 국지성 집중호우의 빈도가 증가함에 따라 고해상도 레이더 자료의 중요성 및 활용성이 증가하고 있다. 하지만 여전히 레이더 자료의 경우 시·공간적 편의가 존재하고 이를 보정하는 것이 매우 중요하며 많은 연구에서 레이더 강우의 편의 보정을 위해 다양한 통계적 기법이 시도되었다. 본 연구에서는 시·공간적으로 강우를 추정할 수 있는 이중편파레이더의 편의를 지점 강우와 비교하여 보정하는 것을 목표로 한다. 환경부의 수자원관리 및 홍수 예측에 사용되는 S-밴드 이중편파레이더의 편의 보정을 위하여 합성곱신경망(Convolutional Neural Network, CNN)기반의 Convolutional Autoencoder (CAE) 알고리즘을 구축하여 편의 보정을 수행하였다. CAE 모델의 입력자료는 환경부의 10분 단위 레이더 합성 강우자료와 같은 공간해상도로 보간된 지점 관측 강우자료를 사용하였으며, 자료의 기간은 미호천 유역에 홍수 경보가 발령된 2017년 7월 16일 00시부터 13시까지의 10분 단위 자료를 사용하였다. 그 결과로 지점 강우 대비 원시 레이더 강우의 편의가 줄어듦을 확인할 수 있으며 시·공간적으로 개선된 결과를 보여주고 있다. 따라서 각 인접한 격자 간의 공간 관계를 학습하는 CAE 모델은 레이더 및 위성에서 추정되는 격자형 기후 자료의 실시간 편의 보정에 사용할 수 있을 것으로 분석되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.449-456
• /
• 2021

침입 탐지 시스템(IDS: Intrusion Detection System)은 보안을 침해하는 이상 행위를 탐지하는 기술로서 비정상적인 조작을 탐지하고 시스템 공격을 방지한다. 기존의 침입탐지 시스템은 트래픽 패턴을 통계 기반으로 분석하여 설계하였다. 그러나 급속도로 성장하는 기술에 의해 현대의 시스템은 다양한 트래픽을 생성하기 때문에 기존의 방법은 한계점이 명확해졌다. 이런 한계점을 극복하기 위해 다양한 기계학습 기법을 적용한 침입탐지 방법의 연구가 활발히 진행되고 있다. 본 논문에서는 다양한 네트워크 환경의 트래픽을 시뮬레이션 장비에서 생성한 NGIDS-DS(Next Generation IDS Dataset)를 이용하여 이상(Anomaly) 탐지 정확도를 높일 수 있는 데이터 전처리 기법에 관한 비교 연구를 진행하였다. 데이터 전처리로 패딩(Padding)과 슬라이딩 윈도우(Sliding Window)를 사용하였고, 정상 데이터 비율과 이상 데이터 비율의 불균형 문제를 해결하기 위해 AAE(Adversarial Auto-Encoder)를 적용한 오버샘플링 기법 등을 적용하였다. 또한, 전처리된 시퀀스 데이터의 특징벡터를 추출할 수 있는 Word2Vec 기법 중 Skip-gram을 이용하여 탐지 정확도의 성능 향상을 확인하였다. 비교실험을 위한 모델로는 PCA-SVM과 GRU를 사용하였고, 실험 결과는 슬라이딩 윈도우, Skip-gram, AAE, GRU를 적용하였을 때, 더 좋은 성능을 보였다.

• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1295-1303
• /
• 2022

안정적인 수도 공급을 위한 상수도관망의 역할이 더욱 주목받음에 따라 비정상 상황에 대한 신속한 탐지와 적절한 대처 역시 중요시되고 있다. 장치에 의존한 탐지기법 등 기존의 방법론에는 한계가 존재하므로 데이터를 이용한 모델 기반의 방법이 개발되었다. 하지만 상수도관망 내 측정 데이터는 불확실성을 가져 실제 사용량과 다르다. 따라서 본 연구에서는 기계학습 방법의 하나인 인공신경망 모델을 이용하여 상수도관망 압력값을 예측함에 있어 데이터 불확실성의 영향을 조사한다. 정규분포를 따르는 임의의 값을 고려하여 데이터에 측정치 오류를 형성하고 측정치 오류 여부 및 종류에 따라 총 9가지 데이터를 인공신경망 모델을 통해 예측해 경향성을 비교한다. 분석을 통해 데이터 불확실성이 증가할수록 모델 성능이 감소하며, 출력데이터의 측정치 오류가 모델 성능에 미치는 정도가 더 큼을 확인하였다. 특히 입력데이터와 출력데이터의 측정 오차 크기가 동일한 경우 예측 정확도는 각각 72.25%, 38.61%로 큰 차이를 보였다. 따라서 ANN 모델 예측 성능 향상을 위해서는 입력 데이터보다 출력데이터인 주절점의 측정 오류 크기를 줄이는 것이 중요하다.

• 한국정보전자통신기술학회논문지
• /
• 제16권2호
• /
• pp.104-108
• /
• 2023

최근 전기 차 시장의 확대로 인해 성능 및 안정성 문제를 보완할 친환경적인 전기 차 시장이 매우 커지고 있다. 전기 차의 화재 등 여러 안전 문제를 일으키는 전장 부품의 연동으로 인한 EMI 문제는 매번 대두되어 지고 있다. 다양한 기술들을 결합하여 최적의 충전효율을 달성하고 무선 충전 컨트롤 모듈에서 발생하는 EMI 잡음을 줄이기 위해 노력하고 있다. 본 논문은 전기자동차의 중요한 부품 중 하나인 무선충전컨트롤 모듈의 EMI 잡음 중 방사성 잡음 저감 기술을 설계하여 실험을 하였다. 무선 충전 컨트롤 모듈에서 발생하는 EMI 문제를 분석하기 위해 Ansys 시뮬레이션 툴 내 Python 기반 스크립트 기능을 활용하여 치명적인 요인에 대한 축적된 시험 데이터를 학습시켜 강화 학습을 통한 최적화 설계 기술을 적용하여 최적화된 무선충전컨트롤 모듈은 일반적인 무선충전 컨트롤 모듈 대비 25dBu V/m의 EMI 잡음 개선 효과를 보였다. 이러한 결과는 전기 자동차에서 더 안정적이고 신뢰성 높은 무선 충전 기능의 개발에 기여할 뿐만 아니라, 이를 통해 전기자동차의 사용성과 효율성을 높이며 환경친환적인 대안으로 자리 잡을 수 있게 한다.

• 사물인터넷융복합논문지
• /
• 제9권6호
• /
• pp.57-62
• /
• 2023

본 연구는 미국 S&P 500 지수를 변동성 돌파 전략을 활용하여 Buy and Hold 방식과 비교 분석한 연구이다. 변동성 돌파 전략은 시장의 상대적 안정 또는 집중된 시기 후의 가격 움직임을 활용하는 거래 전략이다. 특히, 낮은 변동성 기간 후에 큰 가격 움직임이 더 자주 발생한다는 것이 관찰된다. 주식이 한동안 좁은 가격 범위에서 움직이다가 가격이 갑작스레 상승 또는 하락하는 경우, 그 주식이 해당 방향으로 계속 움직일 것으로 예상된다. 이러한 움직임을 활용하기 위해 거래자들은 변동성 돌파 전략을 채택한다. 'k' 값은 최근 시장 변동성의 측정값에 곱하는 배수로서 활용된다. 변동성의 측정 방법 중 하나로는 최근 거래일의 최고가와 최저가 차이를 나타내는 평균 진정 범위(ATR)가 있다. 'k' 값은 거래자들이 거래 임계값을 설정하는 데 중요한 역할을 한다. 본 연구는 'k' 값을 일반적인 값으로 연산하여 Buy and Hold 전략과 수익률을 비교 하여, 변동성 돌파전략을 사용한 알고리즘 트레이딩이 약간은 높은 수익률을 이룩하였다. 추후에는 인공 지능 딥러닝 기법을 이용하여 S&P 500 지수의 자동 거래를 위한 최적의 K 값을 구하고, 이를 통해 수익률을 극대화하기 위한 시뮬레이션 결과를 제시할 예정이다.