• 한국산학기술학회논문지
• /
• 제12권7호
• /
• pp.3220-3226
• /
• 2011

지하철 역사에 화재, 테러 등의 내 외부 위험요인을 감시하기 위하여 CCTV와 각종 센서를 이용한 감시시스템이 구축되어 왔으며, 최근 최신의 IT기술인 센서네트워크기술을 이용한 감시시스템기술 도입이 여러 분야에서 시도되고 있다. 2007년부터 정부 주도하에 지하철 역사의 경우에도 최신의 IT기술인 무선 센서네트워크기술 및 지능 형영상감시기술 등과 접목하여 화재, 제한지역 침입, 승객 혼잡도, 우범지역, 역사 건전성 등을 종합적으로 감시하는 도시철도지능형종합감시시스템 개발 및 구축이 추진 중에 있다. 이를 위하여 본 연구에서는 개발 중인 도시철도 지능형 종합감시시스템의 현장 역사 적용에 앞서 무선센서네트워크의 대표라 할 수 있는 ZigBee기반의 현장 무선통신환경 시험을 서울지하철 충무로 역사에서 수행하였고, 본 논문에 충무로역사 내부 승강장 및 대합실에서의 ZigBee기반의 무선통신환경 시험결과를 정리, 분석하였다. 승강장 및 대합실의 무선 스펙트럼분석 결과 ZigBee기반의 센서네트워크의 주파수와 중첩되는 주파수는 없었으며 인접 주파수 또한 10MHz 이상 이격되어 주파수 간섭을 받지 않는 것으로 나타났다. ZigBee를 이용한 무선데이터 전송 시험 결과, 데이터 전송은 열차의 승강장 진출입시의 영향보다 승강장 혹은 대합실의 이용승객 수 및 유동량에 의한 멀티패스 페이딩(multi-path fading) 효과에 더 큰 영향을 받는 것으로 나타나, 역사에 지능형종합감시시스템 구축 시 이를 고려하여야 할 것으로 판단된다.

• 정보처리학회논문지B
• /
• 제15B권1호
• /
• pp.45-52
• /
• 2008

최근 IT 서비스 발달과 함께 고장제어, 고장의 원인분석 등의 복잡한 문제에 대하여 적합한 해결책을 제시할 수 있는 효과적인 진단시스템의 필요성이 커지고 있다. 따라서 본 논문에서는 지능형 진단 시스템분야에서의 시스템의 성능을 향상시키고, 최적의 진단을 수행하고자 사례기반추론과 인공신경망을 혼합한 지능형 진단 시스템을 제안 한다. 사례기반추론은 과거의 사례(경험)를 통해 현재의 제시된 문제를 해결하는 추론방식으로, 지식 획득이 덜 복잡하고, 정형화되기 어려운 규칙이나 문제영역이 불분명한 분야를 효율적으로 추론할 수 있다. 하지만 사례기반추론만을 이용해 추론된 사례는 증상에 대해 다수의 원인을 추론하게 된다. 이때 추론된 증상에 따른 다수의 원인은 동일한 가중치를 가져 불필요한 원인까지 진단해야 하는 문제점이 있다. 이러한 문제를 해결하고자 인공신경망의 오류역전파 학습 알고리즘을 이용하여 증상에 대한 원인들의 쌍을 학습 시킨 후 각각의 증상에 대한 원인의 가중치를 구해 제시된 증상에 대해 가장 발생 가능성이 높은 원인을 찾아내어, 보다 명확하고 신뢰성 있는 진단을 하는 데 그 목적이 있다.

• 한국정보처리학회논문지
• /
• 제4권10호
• /
• pp.2461-2469
• /
• 1997

목표물 탐지 및 인식은 신경망의 적용이 활발한 하나의 분야로서, 일반적인 형태인식 문제들의 요구 사항에 추가적으로 translation invariance와 실시간 처리를 요구한다. 본 논문에서는 이러한 요구 사항을 만족하는 새로운 신경망의 구조를 소개하고, 이의 효과적인 학습 방법을 설명한다. 제안된 신경망은 특징 추출 단계와 형태 인식 단계가 연속(Cascade)된 가중치 공유 신경망(Shared-weight Neural Network)을 기본으로하여 이를 확장한 형태이다. 이 신경망의 특징 추출 단계는 입력에 가중치 창(weight kernel)으로 코릴레이션 형태의 연산을 수행하며, 신경망 전체를 하나의 2차원 비선형 코릴레이션 필터로 볼 수 있다. 따라서, 신경망의 최종 출력은 목표물 위치에 첨예(peak)값을 갖는 코릴레이션 평면이다. 이 신경망이 갖는 구조는 병렬 또는 분산 처리 컴퓨터로의 구현에 매우 적합하며, 이러한 사실은 실시간 처리가 중요한 요인이 되는 문제에 적용할 수 있음을 의미한다. 목표물과 비목표물간의 숫자상 불균형으로 인하여 초래되는 오경보(false alarm) 발생의 문제를 극복하기 위한 새로운 학습 방법도 소개한다. 성능 검증을 위하여 제안된 신경망을 주차장내에서 이동하는 특정 차량의 탐지 및 인식 문제에 적용하였다. 그 결과 오경보 발생이 없었으며, 중형급 컴퓨터를 이용하여 약 190Km로 이동하는 차량의 추적이 가능한 정도의 빠른 처리 결과를 보여 주었다.

• 대한교통학회지
• /
• 제26권4호
• /
• pp.51-61
• /
• 2008

2004년을 기준으로 전국 15개 지방공항 가운데 제주와 김포, 김해공항을 제외한 나머지 공항 들은 해마다 수십억 원의 적자를 내고 있는 실정이다. 지방공항들의 실패원인으로 수요예측 오류의 문제가 대두되어 왔다. 이에 소형 항공기를 이용해 정기서비스를 제공하는 저비용항공의 진입을 통해 소비자의 편의를 증진시키고 지방공항을 활성화해야 한다는 주장이 사회적인 공감을 얻고 있다. 따라서, 본 연구에서는 (1) 기존항공과 고속철도와 저비용항공 3자 사이의 고속교통통행수단 선택모형을 제시하고 (2) SP조사를 통하여 서울-대구간 저비용항공의 이용수요를 추정하고, (3) 추정모형을 설정하여 정책수단별 효과 분석을 실시하였다. 분석 결과, (1)서울-대구간 고속교통수단 선택에 있어서 저비용항공의 진입은 요금과 가격이 유의미한 영향을 미치는 것으로 나타났으며, (2)저비용항공의 요금이 KTX에 비해 훨씬 저렴한 38,000원 수준으로 정해질 경우에도 총통행시간이 KTX와 시간이 동일하게 소요되는 지역의 경우 저비용항공의 선택확률은 0.1 정도로 작게 나타나 통행수단 전환효과는 그리 크지 않을 것으로 분석되었다. (3)향후 서울-대구간 저비용항공 취항시의 요금은 38,000원${\sim}$44,000원 사이에서 결정되어야 할 것으로 보이며, 그 이상의 요금으로 결정될 경우 큰 수요를 기대하기 어려울 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권7호
• /
• pp.221-228
• /
• 2020

품사부착말뭉치는 품사정보를 부착한 말뭉치를 말하며 자연언어처리 분야에서 다양한 학습말뭉치로 사용된다. 학습말뭉치는 일반적으로 오류가 없다고 가정하지만, 실상은 다양한 오류를 포함하고 있으며, 이러한 오류들은 학습된 시스템의 성능을 저하시키는 요인이 된다. 이러한 문제를 다소 완화시키기 위해서 본 논문에서는 XGBoost와 교차 검증을 이용하여 이미 구축된 품사부착말뭉치로부터 오류를 탐지하는 방법을 제안한다. 제안된 방법은 먼저 오류가 포함된 품사부착말뭉치와 XGBoost를 사용해서 품사부착기를 학습하고, 교차검증을 이용해서 품사오류를 검출한다. 그러나 오류가 부착된 학습말뭉치가 존재하지 않으므로 일반적인 분류기로서 오류를 검출할 수 없다. 따라서 본 논문에서는 매개변수를 조절하면서 학습된 품사부착기의 출력을 비교함으로써 오류를 검출한다. 매개변수를 조절하기 위해서 본 논문에서는 작은 규모의 오류부착말뭉치를 이용한다. 이 말뭉치는 오류 검출 대상의 전체 말뭉치로부터 임의로 추출된 것을 전문가에 의해서 오류가 부착된 것이다. 본 논문에서는 성능 평가의 척도로 정보검색에서 널리 사용되는 정밀도와 재현율을 사용하였다. 또한 모집단의 모든 오류 후보를 수작업으로 확인할 수 없으므로 표본 집단과 모집단의 오류 분포를 비교하여 본 논문의 타당성을 보였다. 앞으로 의존구조부착 말뭉치와 의미역 부착말뭉치에서 적용할 계획이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.55-64
• /
• 2013

디지털 고성능 영상장비의 대중화와 강력한 이미지 편집 소프트웨어의 출현으로 인해 고품질의 위 변조가 가능하게 되었다. 특히 화폐 위 변조 범죄가 급격히 증가하고 있지만, 일반인이 위 변조 지폐를 발견하는 비율은 낮은 수준이다. 본 논문에서는 범용 스캐너를 이용하여 위 변조 지폐를 판별할 수 있는 알고리즘을 제안한다. 본 알고리즘에서는 위 변조 지폐를 출력하는 과정에서 나타나는 인쇄물의 고유한 특징에 기반하여 위 변조 여부를 판별한다. 비지역적 평균 알고리즘을 이용하여 인쇄 과정에서 나타나는 노이즈 특성을 추출하고, 명암도 동시발생 행렬을 계산하여 지폐의 특징값을 추출하였다. 추출한 지폐의 고유한 특징값을 학습기반 데이터 분류기에 적용하여 위 변조 여부를 판별하였다. 제안한 알고리즘의 성능을 분석하기 위해 총 324장의 1만원권 지폐와 8대 프린터에서 출력한 위조지폐 이미지로 실험하였다. 또한 노이즈 추출에 있어 기존 프린터 판별 기술에서 사용되었던 위너필터와 이산웨이블릿변환 기반 알고리즘과 비교 분석을 수행하였다. 그 결과 제안한 알고리즘이 위 변조 판별에 있어서 94% 이상의 정확도를 보였으며, 위 변조 지폐 인쇄기기 식별에 있어서는 93% 이상의 정확도를 보여서 기존 프린터 판별 기술을 이용한 것보다 우수함을 보였다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.706-714
• /
• 2012

본 논문에서는 대한민국의 국립기상연구소에서 제공한 최근 4년간의 데이터를 훈련 데이터, 검증 데이터 및 테스트 데이터로 나누어 초단기 호우 예측을 하고자 한다. 우리는 데이터 셋을 훈련 데이터, 검증 데이터와 테스트 데이터 세 부분으로 나눴다. 데이터의 차원이 커짐에 따라 해 공간의 크기가 지수적으로 증가하여 실험의 속도가 현저히 떨어지는 문제를 피하기 위하여 72개의 특징들 중에서 주요한 특징들만을 선택하게 되었다. 예측의 정확도를 높이기 위해 미분진화 알고리즘을 사용하였고, 진화연산의 적합도 함수로 두 개의 분류기를 선택하였는데, 일반적으로 우수한 성능을 보이는 서포트 벡터 머신(SVM)과 분류 속도가 빠른 최근린법(k-NN)을 사용하였다. 또한, 실험에 사용할 데이터 가공을 위해 언더샘플링과 정규화를 하였다. 진화연산의 적합도 함수로 SVM 분류기를 사용하였을 때 실험 결과가 대체로 우수하였는데, 미분진화 알고리즘 실험은 모든 특징을 선택한 실험보다 약 5 배 정도 우수한 성능을 보였고, 유전 알고리즘을 사용한 실험보다 약 1.36 배 정도 더 우수한 성능을 보였다. 실험 속도 면에서는 미분진화 알고리즘을 사용한 실험이 유전 알고리즘을 사용한 실험보다 약 20배 이상 실험 시간이 단축되었다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1307-1315
• /
• 2021

매년 여름철 양자강에서 유출되는 저염분수는 동중국해 뿐만 아니라 제주도 주변 해역의 염분 변화에 큰 영향을 미치며 때때로 그 영향은 한반도 연안에 국한되지 않고 대한해협을 통과하여 동해 외해 까지 확장되기도 한다. 한반도 주변으로 확장된 양자강 유출수는 해양 물리 및 생태학적으로 많은 영향을 끼치며 어업 및 양식업에 큰 피해를 유발하기도 한다. 그러나 현장조사의 한계점 때문에 동중국해에서 확산되는 저염분수를 지속적으로 관측하기에는 현실적으로 어려움이 있다. 이러한 이유로 양자강 유출수의 확산을 실시간으로 모니터링하기 위해 인공위성을 활용한 표층 염분 산출 연구가 많이 진행되어 왔다. 본 연구에서는 시간 및 공간 해상도가 상대적으로 좋은 GOCI(Geostationary Ocean Color Imager)를 활용한 동중국해 표층 염분 산출 알고리즘을 개발하였다. 알고리즘 개발을 위해 기계학습 기법 중 하나인 MPNN(Multilayer Perceptron Neural Network)을 이용하였으며, 출력층에는 SMAP(Soil Moisture Active Passive) 위성의 표층 염분 자료를 활용하였다. 이전 연구에서 2016년 자료를 이용한 표층 염분 산출 알고리즘이 개발되었으나 본 연구에서는 연구 기간을 2015년 부터 2020년까지로 확장하여 알고리즘 성능을 개선하였다. 2011년부터 2019년까지 동중국해에서 관측된 국립수산과학원의 정선조사자료를 이용하여 알고리즘 성능을 검증한 결과로 R²는 0.61과 RMSE는 1.08 psu로 나타났다. 본 연구는 GOCI를 이용한 동중국해 표층 염분 모니터링 알고리즘 개발을 위해 수행되었으며, 향후 GOCI-II의 표층 염분 산출 알고리즘 개발에 많은 기여를 할 것으로 기대된다.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.479-487
• /
• 2021

본 논문에서는 잡음 학생 모델 기반의 자가 학습을 활용한 음향 사건 검지 기법을 제안한다. 제안된 음향 사건 검지 모델은 두 단계로 구성된다. 첫 번째 단계에서는 잔차 합성곱 순환 신경망(Residual Convolutional Recurrent Neural Network, RCRNN)을 훈련하여 레이블이 지정되지 않은 비표기 데이터셋의 레이블 예측에 활용한다. 두 번째 단계에서는 세 가지 잡음 종류를 적용한 잡음 학생 모델을 자가학습 기법으로 반복하여 학습한다. 여기서 잡음 학생 모델은 SpecAugment, Mixup, 시간-주파수 이동을 활용한 특징 잡음, 드롭아웃을 활용한 모델 잡음, 그리고 semi-supervised loss function을 적용한 레이블 잡음을 활용하여 학습된다. 제안된 음향 사건 검지 모델의 성능은 Detection and Classification of Acoustic Scenes and Events(DCASE) 2020 Challenge Task 4의 validation set으로 평가하였다. DCASE 2020 챌린지 데이터셋의 baseline 및 최상위 랭크된 모델과 이벤트 단위 F1 점수 성능을 비교한 결과, 제안된 음향 사건 검지 모델이 단일 모델과 앙상블 모델에서 최상위 모델 대비 F1 점수를 각각 4.6 %와 3.4 % 향상시켰다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제9권9호
• /
• pp.721-736
• /
• 2019

본 논문에서는 대심도에 위치한 지하역사(지하 6층) 및 터널에서 화재가 발생했을 경우 제연설비 작동에 따른 연기의 거동을 측정하였다. 열풍기를 이용하여 열부력 효과를 구현한 연기발생장치를 이용하여 화재연기를 생성하였다. 화재발생 위치는 승강장 위 및 스크린도어 외부에 위치한 터널부의 승강장 위의 2가지 위치를 선정하였다. 승강장 화재발생시 승강장에 설치된 환기구를 통하여 연기가 배출되도록 하는 제연모드가 일반적인데 본 연구에서는 승강장 양단에 위치한 터널부의 환기구를 통한 배기도 같이 동작되도록 설정하여 실험을 수행하였다. 다양한 위치에서 연기농도 및 풍향풍속을 측정하였고 화면을 취득하여 연기의 이동 및 제연을 분석하였다. 승강장 내부에서 화재가 발생하였을 경우와 선로부에서 화재가 발생하였을 경우 승강장의 송풍기의 제연모드 동작과 터널의 송풍기의 배연 동작으로 인하여 연기배출이 원활하였고 화재 발생 인근 구역으로의 연기전파가 억제되었다. 본 연구에서 제시한 승강장 및 승강장 양단부의 터널에 적용되는 송풍기를 같이 운전하는 제연모드를 통하여 승강장 화재 및 화재열차 정차시 화재 연기로부터 승객들에게 보다 안전한 대피환경을 제공할 수 있을 것이다.