• 사물인터넷융복합논문지
• /
• 제8권2호
• /
• pp.79-84
• /
• 2022

본 논문은 문서의 보안과 손실 및 오염에 대하여 복원능력을 향상시키는 방안을 제안한다. 이를 위해서 암호화로 DnCNN(DeNoise Convolution Neural Network)을 제시한다. 암호화 방법을 구현하기 위하여 2D이미지정보를 광학에 사용되는 공간주파수 전달함수(Spatial Frequency Transfer Function)의 수학적 모델을 적용한다. 공간 주파수 전달함수를 사용하여 광학적 간섭 패턴을 암호화로 사용하고 공간 주파수 전달함수의 수학적 변수를 복호화하는 암호로 사용하는 방법을 제안하였다. 또한, 딥러닝을 적용한 DnCNN 방법을 적용하여 노이즈 제거하여 복원 성능을 개선한다. 실험결과, 65%의 정보 손실이 있는 경우에도 Pre-Training DnCNN Deep Learning을 적용한 결과 공간 주파수 전달함수만을 활용한 복원 결과 와 비교하여 PSNR(Peak Signal-to-noise ratio)을 11% 이상 우수한 성능을 확인할 수 있다. 또한, CC(Correlation Coefficient)의 특성도 16% 이상 우수한 결과를 보이고 있다.

• Nuclear Engineering and Technology
• /
• 제53권7호
• /
• pp.2334-2340
• /
• 2021

Radioactive particle tracking (RPT) is a minimally invasive nuclear technique that tracks a radioactive particle inside a volume of interest by means of a mathematical location algorithm. During the past decades, many algorithms have been developed including ones based on artificial intelligence techniques. In this study, RPT technique is applied in a simulated test section that employs a simplified mixer filled with concrete, six scintillator detectors and a¹³⁷Cs radioactive particle emitting gamma rays of 662 keV. The test section was developed using MCNPX code, which is a mathematical code based on Monte Carlo simulation, and 3516 different radioactive particle positions (x,y,z) were simulated. Novelty of this paper is the use of a location algorithm based on a deep learning model, more specifically a 6-layers deep rectifier neural network (DRNN), in which hyperparameters were defined using a Bayesian optimization method. DRNN is a type of deep feedforward neural network that substitutes the usual sigmoid based activation functions, traditionally used in vanilla Multilayer Perceptron Networks, for rectified activation functions. Results show the great accuracy of the DRNN in a RPT tracking system. Root mean squared error for x, y and coordinates of the radioactive particle is, respectively, 0.03064, 0.02523 and 0.07653.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제37권3호
• /
• pp.497-516
• /
• 2023

본 연구의 목적은 예비교사들의 ChatGPT에 대한 인식과 ChatGPT를 활용하여 구안한 수업설계의 특징을 분석함으로써 ChatGPT를 활용한 교사의 수업설계역량 신장에 대한 가능성을 탐색하는 것이다. 이를 위해 예비교사의 인식을 조사하기 위한 설문조사를 실시하였으며, ChatGPT를 활용하여 작성된 수업설계지를 수학수업의 설계 요소, 대화 및 정보 처리 유형의 관점에서 분석하였다. 그 결과 예비교사들은 ChatGPT 활용에 다소 소극적인 태도를 보이는 것으로 보이며, 교사의 중재 가능성과 ChatGPT의 특성이 ChatGPT 활용에 관한 인식에 영향을 주는 것으로 나타났다. 더불어 예비교사들은 주로 동기유발 활동과 배운 내용을 적용하는 놀이 활동에 ChatGPT를 활용했으며, 개인마다 ChatGPT를 활용하는 수준, 즉 ChatGPT와의 대화 양상과 정보 처리 양상에 차이를 보였다. 이와 같은 연구 결과를 토대로 ChatGPT를 활용한 교사의 전문성 신장 및 교사 교육에 대한 가능성을 탐색하였다.

• Korean Journal of Radiology
• /
• 제22권4호
• /
• pp.612-623
• /
• 2021

Objective: To evaluate the diagnostic performance of a deep learning algorithm for the automated detection of developmental dysplasia of the hip (DDH) on anteroposterior (AP) radiographs. Materials and Methods: Of 2601 hip AP radiographs, 5076 cropped unilateral hip joint images were used to construct a dataset that was further divided into training (80%), validation (10%), or test sets (10%). Three radiologists were asked to label the hip images as normal or DDH. To investigate the diagnostic performance of the deep learning algorithm, we calculated the receiver operating characteristics (ROC), precision-recall curve (PRC) plots, sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) and compared them with the performance of radiologists with different levels of experience. Results: The area under the ROC plot generated by the deep learning algorithm and radiologists was 0.988 and 0.988-0.919, respectively. The area under the PRC plot generated by the deep learning algorithm and radiologists was 0.973 and 0.618-0.958, respectively. The sensitivity, specificity, PPV, and NPV of the proposed deep learning algorithm were 98.0, 98.1, 84.5, and 99.8%, respectively. There was no significant difference in the diagnosis of DDH by the algorithm and the radiologist with experience in pediatric radiology (p = 0.180). However, the proposed model showed higher sensitivity, specificity, and PPV, compared to the radiologist without experience in pediatric radiology (p < 0.001). Conclusion: The proposed deep learning algorithm provided an accurate diagnosis of DDH on hip radiographs, which was comparable to the diagnosis by an experienced radiologist.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제62권3호
• /
• pp.381-400
• /
• 2023

인공지능과 빅데이터를 활용하여 실세계의 다양하고 복잡한 문제를 해결해야 하는 시대가 도래함에 따라 수학적 접근을 통하여 실제적인 문제를 해결할 수 있는 문제해결역량이 요구되고 있다. 실제 2015 개정 수학과 교육과정과 2022개정 수학과 교육과정은 수학적 모델링을 실세계의 문제를 해결하는 활동과 역량으로써 강조하고 있다. 하지만 국내외 교과서에 제시되는 실세계 문제는 실제 상황에서 거의 일어나지 않은 인위적인 문제의 비율이 높은 실정이다. 이에 따라 국내외에서는 수학적 모델링 과제의 특징 중 현실성에 주목하며 학생들의 일상을 반영하고 있는 진정성 있는 과제의 필요성을 제안하고 있다. 하지만 기존의 연구들은 현실성에 대한 이론적인 제안에 초점이 맞춰져 있으며, 현실성에 대한 교사의 인식과 현실성을 과제에 반영하는 교사의 역량을 분석한 연구는 미흡하다. 이에 따라 본 연구는 수학적 모델링을 위한 과제의 특징 중 현실성에 대한 현직 수학 교사의 인식과 현실성을 과제에 반영하는 과제 개발 역량을 분석하는 데에 목적을 두었다. 먼저 이를 위해 선행연구를 분석하여 현실성을 위한 5가지 조건을 정립하였다. 이후 수학적 모델링을 주제로 교사 직무 연수를 시행하였으며, 이에 참여한 교사 41명을 대상으로 사전-사후 조사를 실시하였다. 이때 사전-사후 조사에서는 현실성이 반영되지 않은 과제를 제시하였으며, 주어진 과제가 현실성을 반영하고 있는지를 판단하고, 그 판단의 근거를 현실성을 위한 5가지 조건 중에 선택할 수 있도록 하였다. 이후 사전-사후 조사에서 현직 수학 교사들이 선택한 객관식 선택지를 코딩하여 빈도분석을 시행하였으며, 사전-사후로 빈도를 비교하여 현직 수학 교사들의 현실성에 대한 인식변화를 확인하였다. 또한 현직 수학 교사들이 제작한 수학적 모델링 과제를 현실성의 관점에서 평가하여 교사들의 과제 개발 역량을 확인하였다. 그 결과, 현직 수학 교사들이 과제에 대한 현실성을 판단할 때, '수학 밖의 실생활 소재를 사용' 이라는 현실성에 대한 단편적인 조건만을 고려하는 미흡한 인식에서 현실성의 5가지 조건을 다각도로 고려하는 인식으로 변화됨을 보여주었다. 특별히 사전-사후 조사에서 현실성에 대한 판단이 뒤바뀐 현직 수학 교사들을 중심으로 판단의 근거들을 확인한 결과, 현실성을 위한 5가지 조건들 중에 특정 조건을 사전 조사에서는 현실성의 기준으로 고려하지 않았다가 사후 조사에서는 현실성의 기준으로 고려하게 된 현직 수학 교사들의 인식의 변화를 확인할 수 있었다. 더불어, 현직 수학 교사들이 수학적 모델링을 위해 개발한 과제를 평가한 결과, 현직 수학 교사들은 현실성을 수학적 모델링 과제에 반영하는 역량을 보였다. 다만 현실성의 5가지 조건 중 '학생들의 일상에서 일어날 수 있는 상황', '문제 해결의 필요성', '실세계 현상으로서의 결론 요구'에 대해서는 상대적으로 낮은 반영 비율을 보였다. 또한 사후 조사에서 과제의 현실성에 대해 올바른 판단을 할 수 있었던 교사 집단보다 올바른 판단을 할 수 없었던 교사 집단에서 과제 개발 역량이 낮은 교사들의 비율이 좀 더 많이 나타났다. 이러한 연구 결과를 바탕으로 본 연구는 수학 교사들이 수학적 모델링을 수업에 활용할 수 있도록 하기 위한 교사 교육의 방향성을 제안하였다.

• 논리연구
• /
• 제17권2호
• /
• pp.349-358
• /
• 2014

불완전한 지식의 문제는 오랫동안 인간이 해결하려는 것이었다. 인공지능에서 불완전한 지식의 문제를 다루기 위해 파블락은 러프집합론을 1982년에 제안하였다. 러프집합론은 다음과 같은 두 가지 흥미있는 성질을 가지고 있다. 먼저 하나의 러프집합은 지식기반에 따라 같은 집합이 아닌 다른 집합으로 간주된다는 것이다. 그리고 서로 다른 러프집합도 어떤 지식 기반에서 보면 서로 같은 집합으로 여겨진다는 것이다. 이러한 성질은 의미있는 철학적 해석을 낳는다. 즉 하나의 개념이나 사건은 다른 철학적 관점에서 다른 것으로 이해되기도 하고, 서로 다른 개념이나 사건도 어떤 관점에 따라서는 같은 것으로 간주될 수 있다는 것이다. 본고에서는 이러한 러프집합의 성질은 비판적 실재론이나 과학철학에서 관찰의 이론적재성을 지지하는 수학적 모델로 취급될 수 있다고 주장한다.

• KIEE International Transaction on Electrical Machinery and Energy Conversion Systems
• /
• 제4B권1호
• /
• pp.29-35
• /
• 2004

Locomotive scheduling in railway systems experiences many difficulties because of the complex interrelations among resources, knowledge and various constraints. Artificial intelligence technology has been applied to solve these scheduling problems. These technologies have proved to be efficient in representing knowledge and rules for complex scheduling problems. In this paper, we have applied the CSP (Constraints Satisfaction Problems) programming technique, one of the AI techniques, to solve the problems associated with locomotive scheduling. This method is more effective at solving complex scheduling problems than available mathematical programming techniques. The advanced locomotive scheduling system using the CSP programming technique is realized based on the actual timetable of the Saemaul type train on the Kyong-bu line. In this paper, an overview of the CSP programming technique is described, the modeling of domain and constraints is represented and the experimental results are compared with the real-world existing schedule. It is verified that the scheduling results by CSP programming are superior to existing scheduling performed by human experts. The executing time for locomotive scheduling is remarkably reduced to within several decade seconds, something requiring several days in the case of locomotive scheduling by human experts.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권10호
• /
• pp.4703-4723
• /
• 2018

In recent years, dense small cell network has been deployed to address the challenge that has resulted from the unprecendented growth of mobile data traffic and users. It has proven to be a cost efficeient solution to offload traffic from macro-cells. Software defined heterogeneous wireless network can decouple the control plane from the data plane. The control signal goes through the macro-cell while the data traffic can be offloaded by small cells. In this paper, we propose a framework for cell virtualization and user association in order to satisfy versatile requirements of multiple tenants. In the proposed framework, we propose an interference graph partioning based virtual-cell association and customized physical-cell association for multi-homed users in a software defined small cell network. The proposed user association scheme includes 3 steps: initialization, virtual-cell association and physical-cell association. Simulation results show that the proposed virtual-cell association outperforms the other schemes. For physical-cell association, the results on resource utilization and user fairness are examined for mobile users and infrastructure providers.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제16권1호
• /
• pp.44-51
• /
• 2016

Recently, artificial intelligence has reached the level of top information technologies that will have significant influence over many aspects of our future lifestyles. In particular, in the fields of machine learning technologies for classification and decision-making, there have been a lot of research efforts for solving estimation and control problems that appear in the various kinds of portfolio management problems via data-driven approaches. Note that these modern data-driven approaches, which try to find solutions to the problems based on relevant empirical data rather than mathematical analyses, are useful particularly in practical application domains. In this paper, we consider some applications of modern data-driven machine learning methods for portfolio management problems. More precisely, we apply a simplified version of the sparse Gaussian process (GP) classification method for classifying users' sensitivity with respect to financial risk, and then present two portfolio management issues in which the GP application results can be useful. Experimental results show that the GP applications work well in handling simulated data sets.

• Journal of Communications and Networks
• /
• 제16권2호
• /
• pp.193-201
• /
• 2014

In cognitive radio networks, the packet transmissions of the secondary users (SUs) can be interrupted randomly by the primary users (PUs). That is to say, the PU packets have preemptive priority over the SU packets. In order to enhance the quality of service (QoS) for the SUs, we propose a spectrum access strategy with an ${\alpha}$-Retry policy. A buffer is deployed for the SU packets. An interrupted SU packet will return to the buffer with probability ${\alpha}$ for later retrial, or leave the system with probability (1-${\alpha}$). For mathematical analysis, we build a preemptive priority queue and model the spectrum access strategy with an ${\alpha}$-Retry policy as a two-dimensional discrete-time Markov chain (DTMC).We give the transition probability matrix of the Markov chain and obtain the steady-state distribution. Accordingly, we derive the formulas for the blocked rate, the forced dropping rate, the throughput and the average delay of the SU packets. With numerical results, we show the influence of the retrial probability for the strategy proposed in this paper on different performance measures. Finally, based on the trade-off between different performance measures, we construct a cost function and optimize the retrial probabilities with respect to different system parameters by employing an iterative algorithm.