• 인터넷정보학회논문지
• /
• 제22권2호
• /
• pp.29-39
• /
• 2021

새롭게 발생되는 사이버 공격으로 인해 개인, 민간 및 기업의 피해가 증가함에 따라, 이에 기반이 되는 네트워크 보안 문제는 컴퓨터 시스템의 주요 문제로 부각되었다. 이에 기존에 사용되는 네트워크 침입 탐지 시스템(Network Intrusion Detection System: NIDS)에서 발생되는 한계점을 개선하고자 기계 학습과 딥러닝을 활용한 연구 이뤄지고 있다. 이에 본 연구에서는 CNN(Convolution Neural Network) 알고리즘을 이용한 NIDS 모델 연구를 진행한다. 이미지 분류 기반의 CNN 알고리즘 학습을 위해 기존 사용되는 전처리 단계에서 연속성 변수 이산화(Discretization of Continuous) 알고리즘을 추가하여 예측 변수에 대해 선형 관계로 표현하여 해석에 용이한 데이터로 변환 후, 정사각형 행렬(Square Matrix) 구조에 매칭된 픽셀(Pixel) 이미지 구조를 모델에 학습한다. 모델의 성능 평가를 위해 네트워크 패킷 데이터인 NSL-KDD를 사용하였으며, 정확도(Accuracy), 정밀도(Precision), 재현율(Recall) 및 조화평균(F1-score)을 성능지표로 사용하였다. 실험 결과 제안된 모델에서 85%의 정확도로 가장 높은 성능을 보였으며, 학습 표본이 적은 R2L 클래스의 조화평균이 71% 성능으로 다른 모델에 비해서 매우 좋은 성능을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권9호
• /
• pp.53-62
• /
• 2020

최근 연구된 상품 추천 서비스들은 고객들의 구매 이력을 통해서만 추천이 이루어졌다. 본 논문에서는 구매 이력을 통해 추천뿐만 아니라 고객이 상품을 고를 때 취하는 행동 패턴을 분석하여 관심도가 높은 광고를 노출하는 행동 패턴 분석 기반 디지털 사이니지 서비스를 제안한다. 이 서비스는 고객행동 패턴을 분석하여 실질적으로 관심을 가지는 상품에 대해 관심도를 추출한다. 추출된 관심도와 고객들의 구매 이력을 Wide & Deep 모델을 통해 학습하고, 이를 바탕으로 MF(Matrix Factorization) 모델을 통해 다른 상품들의 희소 벡터를 예측한다. 예측된 상품 관심도에 대한 순위를 도출하고, 적합한 광고를 노출하기 위해 고객과 상호 작용할 수 있는 인도어 사이니지를 활용한다. 본 논문의 서비스를 통해 온라인뿐만이 아닌 오프라인 환경에서도 고객의 관심 정보를 파악하고 단순히 무작위로 노출하는 광고가 아닌 고객에게 적합한 광고를 제공하여 만족도 높은 구매 환경이 조성될 것이다.

• 디자인학연구
• /
• 제18권2호
• /
• pp.79-90
• /
• 2005

본 연구는 인간의 상호관계성 혹은 인간의 사회화과정이 오늘날의 시각디자인에 어떻게 관여되고 있는가를 사회학적, 심리학적인 이론을 바탕으로 규명할 목적으로 작성되었다. 먼저 인간의 사회화에 대한 생리학과 철학, 그리고 심리학적인 근거를 고찰하였고 이들이 시각디자인에 구체적으로 어떻게 작용하는가를 사례연구를 통하여 분석하였으며, 분석된 결과를 결론으로 도출하였다. 문헌연구를 통하여 얻어낸 인간의 사회화과정의 심리요인은 성적쾌락추구를 비롯하여 11개로 정리되었고, 이를 도구 삼아 1994년부터 2003년까지 대한민국광고대상 수상작 40편의 인쇄매체광고디자인을 분석하였다. 분석된 결과는 생물학적인 기초로서의 적응가치와 문화적 각인항에 사례의 대부분이 반응하고 있었음이 발견되었고, 광고가 지니고 있는 기본적인 존립근거로는 사회적 불안심리로서의 상호불신과 대가행렬에 바탕을 두고 있었음이 발견되었다. 이는 앞으로의 광고 역시 오늘날과 같은 존재이유를 지니는 한, 적응가치, 문화적 각인, 사회학습, 모방학습 등에 기초할 수밖에 없음을 시사하는 것이다.

• 디지털콘텐츠학회 논문지
• /
• 제19권1호
• /
• pp.141-147
• /
• 2018

본 연구는 기업에서 채용 전형 시 진행되는 인성시험 결과 데이터를 기반으로, 입사 3년 미만의 조기 퇴사자를 분석하였다. 예측 모형은 적합성 및 향후 활용성을 고려하여 제조(manufacture)직군과 R&D직군 2개 그룹으로 구분하여 분석하였으며, 독립변수 선택은 전진(stepwise)선택법에 따라 직군별로 유의미한 독립변수를 선택하였다. 예측 모형은 지도학습(supervised learning) 방법 중 로지스틱 회귀분석 알고리즘을 선택하였으며, 과잉적합(overfitting) 또는 과소적합(underfitting)을 방지하고자 교차 검증(cross validation)을 통해 예측 모형을 훈련시켰다. 혼동행렬(confusion matrix)을 통해 2개 그룹의 정확도(accuracy)를 확인하였으며, 조기 퇴직에 가장 영향을 많이 미치는 요인으로 제조직군에서는 '몰입', R&D직군에서는 '반사회성' 항목으로 확인되었다. 기존 퇴직 관련 연구는 설문 방식으로 데이터를 수집하고, 퇴직과 관련성이 높은 요인을 확인하는데 집중하였다면, 본 연구는 채용 전형 시 진행되는 인성 결과 분석을 통해 향후에도 지속 가능한 조기 퇴직 예측 모형을 제시했다는 면에서 의의를 갖는다.

• 문화기술의 융합
• /
• 제4권4호
• /
• pp.373-377
• /
• 2018

본 논문에서는 OpenCL을 이용한 랜더링 노이즈 제거를 위한 가속기 구현을 제안한다. 렌더링 알고리즘 중에 고품질 그래픽스를 보장하는 레이트레이싱을 선택하였다. 레이 트레이싱은 레이를 사용하여 렌더링하는데 레이를 적게 사용하면 노이즈가 발생한다. 레이를 많이 사용하게 되면 고화질의 이미지를 생성할 수 있으나 연산 시간이 상대적으로 길어지게 된다. 레이를 적게 사용하면서 연산시간을 줄이기 위해 뉴럴 네트워크를 이용한 LBF(Learning Based Filtering) 알고리즘을 적용하였다. 뉴럴 네트워크를 사용한다고 해서 항상 최적의 결과가 나오지는 않는다. 본 논문에서는 성능향상을 위해 일반적인 행렬 곱셈을 기반으로 하는 새로운 기법의 행렬 곱셈 접근법을 제시하였다. 개발환경으로는 고속병렬 처리가 특화된 OpneCL을 사용하였다. 제안하는 구조는 Kintex UltraScale XKU690T-2FDFG1157C FPGA 보드에서 검증하였다. 하나의 픽셀에 사용되는 파라미터를 계산 시간은 Verilog-HDL 구조보다 약 1.12배 빠른 것으로 확인했다.

• 한국정보통신학회논문지
• /
• 제24권4호
• /
• pp.501-507
• /
• 2020

본 논문에서는 합성곱 신경망(CNN)에 기반한 프레임 동기 기법을 제안한다. 기존의 프레임 동기 기법은 프리앰블과 수신 신호 사이의 상관을 통해 수신 신호와 프리앰블이 일치하는 지점을 찾는다. 제안하는 기법은 1차원 벡터로 이루어진 상관기 출력 신호를 2차원 행렬로 재구성하며, 이 2차원 행렬을 합성곱 신경망에 입력하고 합성곱 신경망은 프레임 도착 지점을 추정한다. 구체적으로 가산 백색 가우스 잡음(AWGN) 환경에서 무작위로 도착하는 수신 신호를 생성하여 학습 데이터를 만들고, 이 학습 데이터로 합성곱 신경망을 학습시킨다. 컴퓨터 모의실험을 통해 기존의 동기 기법과 제안하는 기법의 프레임 동기 오류 확률을 다양한 신호 대 잡음 비(SNR)에서 비교한다. 모의실험 결과는 제안하는 합성곱 신경망을 이용한 프레임 동기 기법이 기존 기법 대비 약 2dB 우수함을 보인다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1293-1304
• /
• 2022

개인화 추천시스템은 각 개인의 관심사나 선호도를 분석하여 이에 맞는 정보나 제품을 추천해주는 것을 의미한다. 이러한 개인화 추천을 통해 소비자들은 본인에게 필요한 제품들을 보다 빠르게 접함으로써 정보 탐색에 소모하는 시간을 단축할 수 있으며, 기업들은 소비자들의 필요에 맞는 적절한 제품을 추천해줌으로써 기업 이윤을 증가시킬 수 있다. 본 연구에서는 대표적인 개인화 추천 기법들인 협업 필터링, 행렬 요인화, 딥러닝을 사용하여 소비자에게 제품을 추천해준다. 이를 위해 원데이터 (Raw data)인 쇼핑몰 상품 구매 후기 데이터세트를 추천시스템의 입력으로 전달하기 위한 형태로 전처리하고, 전처리한 데이터세트를 다각도로 분석해본다. 또한, 각각의 모델들이 추천한 결과에 대해 검증 및 성능 비교를 수행하고 최적의 성능을 보이는 모델을 탐색하여 이후 해당 쇼핑몰에서 추천시스템 구축 시 어떤 모델을 사용하는 것이 좋을지를 제시한다.

• Geomechanics and Engineering
• /
• 제31권2호
• /
• pp.129-147
• /
• 2022

The properties of soil are naturally highly variable and thus, to ensure proper safety and reliability, we need to test a large number of samples across the length and depth. In pile foundations, conducting field tests are highly expensive and the traditional empirical relations too have been proven to be poor in performance. The study proposes a state-of-art Particle Swarm Optimization (PSO) hybridized Artificial Neural Network (ANN), Extreme Learning Machine (ELM) and Adaptive Neuro Fuzzy Inference System (ANFIS); and comparative analysis of metaheuristic models (ANN-PSO, ELM-PSO, ANFIS-PSO) for prediction of bearing capacity of pile foundation trained and tested on dataset of nearly 300 dynamic pile tests from the literature. A novel ensemble model of three hybrid models is constructed to combine and enhance the predictions of the individual models effectively. The authenticity of the dataset is confirmed using descriptive statistics, correlation matrix and sensitivity analysis. Ram weight and diameter of pile are found to be most influential input parameter. The comparative analysis reveals that ANFIS-PSO is the best performing model in testing phase (R² = 0.85, RMSE = 0.01) while ELM-PSO performs best in training phase (R² = 0.88, RMSE = 0.08); while the ensemble provided overall best performance based on the rank score. The performance of ANN-PSO is least satisfactory compared to the other two models. The findings were confirmed using Taylor diagram, error matrix and uncertainty analysis. Based on the results ELM-PSO and ANFIS-PSO is proposed to be used for the prediction of bearing capacity of piles and ensemble learning method of joining the outputs of individual models should be encouraged. The study possesses the potential to assist geotechnical engineers in the design phase of civil engineering projects.

• 한국과학교육학회지
• /
• 제34권5호
• /
• pp.491-497
• /
• 2014

본 연구는 중학생의 과학에 대한 태도, 과학 학습 동기와 같은 정의적 특성과 자기조절학습 전략과 같은 인지적 특성의 과학 학업성취도에 대한 직 간접적인 효과를 검증하여 변인들 간의 구조적 관계를 규명하고자 하였다. 이를 위해 검사지를 통해 수집된 서울시 중학교 1, 2, 3학년 853명의 자료를 사용하여 변인들 간의 인과관계를 살펴보았다. 중학생의 과학에 대한 태도, 과학 학습 동기 및 자기조절학습 전략은 과학 학업성취도에 직접적인 영향을 미쳤으며, 과학에 대한 태도와 과학 학습 동기는 자기조절학습 전략에 직접적인 영향을 미치는 것으로 나타났다. 또한, 중학생의 과학에 대한 태도와 과학 학습동기는 모두 자기조절학습 전략을 매개로 과학 학업성취도에 간접적인 영향을 미쳤다. 그러므로 중학생의 과학 학업성취도를 향상시키기 위해서는 과학에 대한 태도나 과학 학습 동기와 같은 정의적 특성과 인지적 요인인 자기조절학습 전략을 동시에 고려하여 보다 종합적인 관점에서 교육할 수 있는 방안을 마련해야 할 것이다.

• 대한산업공학회지
• /
• 제37권1호
• /
• pp.64-73
• /
• 2011

Oil price prediction is an important issue for the regulators of the government and the related industries. When employing the time series techniques for prediction, however, it becomes difficult and challenging since the behavior of the series of oil prices is dominated by quantitatively unexplained irregular external factors, e.g., supply- or demand-side shocks, political conflicts specific to events in the Middle East, and direct or indirect influences from other global economical indices, etc. Identifying and quantifying the relationship between oil price and those external factors may provide more relevant prediction than attempting to unclose the underlying structure of the series itself. Technically, this implies the prediction is to be based on the vectoral data on the degrees of the relationship rather than the series data. This paper proposes a novel method for time series prediction of using Semi-Supervised Learning that was originally designed only for the vector types of data. First, several time series of oil prices and other economical indices are transformed into the multiple dimensional vectors by the various types of technical indicators and the diverse combination of the indicator-specific hyper-parameters. Then, to avoid the curse of dimensionality and redundancy among the dimensions, the wellknown feature extraction techniques, PCA and NLPCA, are employed. With the extracted features, a timepointspecific similarity matrix of oil prices and other economical indices is built and finally, Semi-Supervised Learning generates one-timepoint-ahead prediction. The series of crude oil prices of West Texas Intermediate (WTI) was used to verify the proposed method, and the experiments showed promising results : 0.86 of the average AUC.