• Advances in nano research
• /
• 제12권2호
• /
• pp.185-195
• /
• 2022

Deep learning is another field of artificial intelligence (AI) utilized for computer aided diagnosis (CAD) and image processing in scientific research. Considering numerous mechanical repetitive tasks, reading image slices need time and improper with geographical limits, so the counting of image information is hard due to its strong subjectivity that raise the error ratio in misdiagnosis. Regarding the highest mortality rate of Lung cancer, there is a need for biopsy for determining its class for additional treatment. Deep learning has recently given strong tools in diagnose of lung cancer and making therapeutic regimen. However, identifying the pathological lung cancer's class by CT images in beginning phase because of the absence of powerful AI models and public training data set is difficult. Convolutional Neural Network (CNN) was proposed with its essential function in recognizing the pathological CT images. 472 patients subjected to staging FDG-PET/CT were selected in 2 months prior to surgery or biopsy. CNN was developed and showed the accuracy of 87%, 69%, and 69% in training, validation, and test sets, respectively, for T1-T2 and T3-T4 lung cancer classification. Subsequently, CNN (or deep learning) could improve the CT images' data set, indicating that the application of classifiers is adequate to accomplish better exactness in distinguishing pathological CT images that performs better than few deep learning models, such as ResNet-34, Alex Net, and Dense Net with or without Soft max weights.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.1-7
• /
• 2022

인공지능 기술이 발달하면서 뉴로사이언스 마이닝(NSM: NeuroScience Mining)과 AI를 접목하려는 시도가 증가하고 있다. 나아가 NSM은 뉴로사이언스와 비즈니스 애널리틱스의 결합으로 인해 연구범위가 확장되고 있다. 본 연구에서는 fNIRS 실험을 통해 확보한 뉴로 데이터를 분석하여 비즈니스 문제 해결 창의성(BPSC: business problem-solving creativity)을 예측하고 이를 통해 NSM의 잠재력을 조사한다. BPSC는 비즈니스에서 차별성을 가지게 하는 중요한 요소이지만, 인지적 자원의 하나인 BPSC의 측정 및 예측에는 한계가 존재한다. 본 논문에서는 BPSC 예측 성능을 높이는 방안으로 CNN, BiLSTM 그리고 어텐션 네트워크를 결합한 새로운 NSM 기법을 제안한다. 제안된 NSM 기법을 15만 개 이상의 fNIRS 데이터를 활용하여 유효성을 입증하였다. 연구 결과, 본 논문에서 제안하는 NSM 방법이 벤치마킹한 알고리즘(CNN, BiLSTM)에 비하여 우수한 성능을 가지는 것으로 나타났다.

• 정보교육학회논문지
• /
• 제25권6호
• /
• pp.1005-1013
• /
• 2021

코로나 19가 장기화되면서 기존 학력 격차가 더욱 심화되고 있다. 본 연구의 목적은 담임교사에게 학업 성취도 분석을 통해 학년 및 학급 내 학력 격차 실태를 시각적으로 확인하고, 이를 활용하여 학력 격차를 개선하기 위한 수업 설계 및 방안 탐색에 도움을 주기 위함이다. 학생들의 학년 초 국어, 수학 진단평가 점수 데이터를 K-means 알고리즘을 활용하여 클러스터로 시각화하였으며, 그 결과 유의미한 군집이 형성된 것을 확인했다. 또한, 교사 인터뷰 결과를 통해서 학생의 학습 수준 및 학업 성취 확인, 개별 보충지도 및 수준별 학습과 같은 수업 설계 등 학력 격차 개선에 본 시스템이 유의미한 것으로 확인되었다. 이는 곧, 학업 성취도 데이터 분석 시스템이 학력 격차 개선에 도움이 된다는 것을 의미한다. 본 연구가 담임교사에게 학년 및 학급 내 학력 격차 개선 방안을 탐색하는 데에 실질적인 도움을 제공하며, 궁극적으로 학력 격차 개선에 기여하기를 기대한다.

• 정보교육학회논문지
• /
• 제26권5호
• /
• pp.417-425
• /
• 2022

2022년 8월 교육부 국무회의에서 보고된 '디지털 인재 양성 종합방안'은 SW교육, AI교육을 중심으로 한 정보교육의 질적, 양적 확대를 골자로 하고 있다. 인공지능 시대가 도래함에 따라 데이터 과학 교육 또한 정보교육의 한 분야로 주목받고 있다. 데이터 과학은 본래 다양한 학문이 융합된 분야이며 데이터 분석 및 모델링, 머신러닝 등에 고도화된 기술이 활용되고 있다. 본 연구에서는 문헌연구 및 선행연구 분석을 통해 데이터 과학 교육의 수업모형 초안을 구안하고 사용성 평가 및 전문가 검증을 통해 최종 수업모형을 개발하였다. 탐색적 데이터 분석, 확증적 데이터 분석과 같이 데이터 과학의 요소에서 교육 효과를 기대할 수 있는 다양한 학습요소를 학습 단계에 구성하는 등 데이터 과학 교육의 구체적인 방안을 제시하였다는 데 의의가 있다.

• 한국ITS학회 논문지
• /
• 제22권4호
• /
• pp.97-113
• /
• 2023

전방 낙하물과 같은 돌발상황이 발생했을 때 신속하고 적절한 정보 제공은 도로 위 이용자들의 편의를 가져다주고 2차 교통사고 또한 효과적으로 줄일 수 있다. 도로 상의 돌발상황은 현재 국내에서 루프 검지기나 CCTV 등 ITS 기반 검지 체계를 사용하여 주로 검지하고 있다. 이러한 방식은 검지기의 검지 구간에서의 도로 위 데이터만을 얻을 수 있다. 때문에, 기존 ITS 기반 검지체계의 공간적 음영구간에서 돌발상황을 찾아내기 위하여 새로운 검지 수단이 필요하다. 이에 본 연구에서는 차량 내 설치된 단말기에서 촬영된 영상으로부터 돌발상황을 검지 및 분류하는 ResNet 기반 알고리즘을 제안한다. 국내 고속도로 전방 주행영상을 수집하였고, 돌발상황 유형을 클래스로 정의하여 각 데이터를 라벨링한 후, 제안한 알고리즘으로 데이터를 학습시켰다. 학습 결과, 개발한 알고리즘은 데이터 수가 상대적으로 적었던 일부 클래스를 제외하고 정의한 돌발상황 클래스에 대하여 높은 검지율을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권9호
• /
• pp.93-104
• /
• 2023

현대 사회의 서비스 방식은 대면 방식보다 비대면 방식을 선호하는 추세이다. 하지만 신발과 같이 상품을 추천하는 서비스는 대면 방식의 서비스가 불가피하다. 본 논문에서는 비대면 서비스를 목적으로 자동으로 발의 사이즈를 측정하고, 측정 결과를 기반으로 신발을 추천하는 시스템을 제안한다. 제안방법의 성능을 분석하기 위해 사이즈 측정 오차율과 추천성능을 분석하였다. 추천성능 실험에 사용한 방법은 총 10가지이고, 이의 방법 중 가장 좋은 성능을 보이는 추천 방법을 시스템에 적용하였다. 오차율에 대한 실험결과, 사이즈 관련 오차가 작음을 알 수 있었고, 추천성능에 대한 실험결과, 추천에 대한 유의한 결과를 도출할 수 있었다. 본 논문에서의 제안방법은 실험실 수준으로 향후 실제 환경으로 확대 적용할 필요가 있다.

• Nuclear Engineering and Technology
• /
• 제55권9호
• /
• pp.3409-3416
• /
• 2023

Licensing the next-generation of nuclear reactor designs requires extensive use of Modeling and Simulation (M&S) to investigate system response to many operational conditions, identify possible accidental scenarios and predict their evolution to undesirable consequences that are to be prevented or mitigated via the deployment of adequate safety barriers. Deep Learning (DL) and Artificial Intelligence (AI) can support M&S computationally by providing surrogates of the complex multi-physics high-fidelity models used for design. However, DL and AI are, generally, low-fidelity 'black-box' models that do not assure any structure based on physical laws and constraints, and may, thus, lack interpretability and accuracy of the results. This poses limitations on their credibility and doubts about their adoption for the safety assessment and licensing of novel reactor designs. In this regard, Physics Informed Neural Networks (PINNs) are receiving growing attention for their ability to integrate fundamental physics laws and domain knowledge in the neural networks, thus assuring credible generalization capabilities and credible predictions. This paper presents the use of PINNs as surrogate models for accidental scenarios simulation in Nuclear Power Plants (NPPs). A case study of a Loss of Heat Sink (LOHS) accidental scenario in a Nuclear Battery (NB), a unique class of transportable, plug-and-play microreactors, is considered. A PINN is developed and compared with a Deep Neural Network (DNN). The results show the advantages of PINNs in providing accurate solutions, avoiding overfitting, underfitting and intrinsically ensuring physics-consistent results.

• 융합보안논문지
• /
• 제23권1호
• /
• pp.109-115
• /
• 2023

미래 국방은 세계 안보정세의 불확실성 가속화, 국내 사회·경제적 여건 제한 등 다양하고 도전적인 환경에 직면하고 있다. 이에 우리 국방부는 인공지능, 드론, 로봇 등 과학기술 기반의 국방혁신으로 당면한 문제점과 위협요인에 대응하려 하고 있다. 인공지능 기반의 첨단과학기술 도입을 위해서는 클라우드, 5G와 같은 IT기반 환경 위에 데이터를 융합하고 활용하는 것이 필수적이다. 하지만 기존의 전통적인 보안 정책은 주로 시스템 중심의 보안으로 일률적인 보안 통제수단을 적용하는 등 데이터공유 및 활용에 어려움이 있다. 본 연구는 데이터 가치 평가 및 데이터 수명주기 관리에 대한 이론적 배경을 바탕으로 데이터가치 기반의 국방 보안정책으로 패러다임 전환을 제안한다. 이를 통해 데이터 기반의 업무 활성화 및 AI기반 과학기술중심의 국방혁신 구현에 도움이 될 것으로 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제14권9호
• /
• pp.1-10
• /
• 2009

웹 서비스 조합 분야는 단일 서비스를 재사용하여 가치 있는 서비스를 생성하기 위해 등장했으며, 최근에는 차세대 웹 서비스인 시멘틱 웹을 구현하기 위해 IOPE를 기반으로 단순 검색 및 조합 대신에 규칙이나 AI를 통한 검색 및 조합 방법이 제안되고 있다. 또한 보다 효율적인 모듈화를 위해 기존의 객체지향 프로그래밍 방식보다는 관점지향 프로그래밍 방식이 도입되고 있다. 본 논문에서는 시멘틱 웹을 위해 관점지향 프로그래밍(Aspect-Oriented Programming, AOP) 및 리플렉션(Reflection)을 적용한 동적 웹 서비스 조합 및 실행 기법을 설계한다. 제안하는 기법은 웹 서비스의 메타 데이터를 동적으로 획득하기 위해 리플렉션 기법을 사용하고 아울러 동적으로 웹 서비스를 조합하기 위해 AOP 기반 접근방식을 통해 바이트 코드를 생성한다. 또한 리플렉션을 이용한 동적 프록시 객체를 통해 조합된 웹 서비스를 실행하는 방식을 제안한다. 제안하는 기법의 성능 평가를 위해 비즈니스 로직 계층과 사용자 뷰 계층 측면에서 조합된 웹 서비스를 검색하는 것에 대한 실험을 수행한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.1188-1191
• /
• 2021

블랙박스의 기능을 차에 접목하여 영상을 클라우드 서버를 통하여 확인 가능하며, 메모리카드를 통해 영상을 확인하는 번거로움을 줄이고 PC 및 스마트폰을 통해 실시간으로 블랙박스 영상을 확인할 수 있으며 사고 당시 사용자의 엑셀, 브레이크 작동상태 및 핸들 제어 기록 등을 확인 할 수 있다. 또한 클라우드 서비스를 활용하여 블랙박스의 영상을 인공지능 객체 인식을 통해 차량 사고의 정확한 파악과 사고처리 간편화에 목표를 두었다. 사고시 일어나는 화재, 침수, 파손 등의 블랙박스 자체의 손실이 일어나도 영상을 보존할 수 있는 대책을 마련할 수 있다. 실제 주행하는 실험조건에서 객체 인식 및 로그 기록 기능을 제공함으로써 사고 발생 즉시 정확한 전후 상황을 파악할 수 있음을 확인했다.