• 반도체디스플레이기술학회지
• /
• 제19권2호
• /
• pp.100-104
• /
• 2020

Over the past several years, deep learning has been widely used for feature extraction in image and video for various applications such as object classification and facial recognition. This paper introduces an implantation of embedded Linux system for embossed digits recognition using CNN based deep learning methods. For this purpose, we implemented a coin recognition system based on deep learning with the Keras open source library on Raspberry PI. The performance evaluation has been made with the success rate of coin classification using the images captured with ultra-wide angle camera on Raspberry PI. The simulation result shows 98% of the success rate on average.

• 한국수자원학회논문집
• /
• 제55권8호
• /
• pp.565-575
• /
• 2022

최근의 수자원공학 분야는 4차산업혁명과 더불어 비약적으로 발전된 딥러닝 기술을 활용한 시계열 수위 및 유량의 예측에 대한 관심이 높아지고 있다. 또한 시계열 자료의 예측이 가능한 LSTM 모형과 GRU 모형을 활용하여 수위 및 유량 예측을 수행하고 있지만 시간 변동성이 매우 큰 하천에서의 유량 예측 정확도는 수위 예측 정확도에 비해 낮게 예측되는 경향이 있다. 본 연구에서는 유량변동이 크고 하구에서의 조석의 영향이 거의 없는 한강의 팔당대교 관측소를 선택하였다. 또한, LSTM 모형과 GRU 모형의 입력 및 예측 자료로 활용될 유량변동이 큰 시계열 자료를 선택하였고 총 자료의 길이는 비교적 짧은 2년 7개월의 수위 자료 및 유량 자료를 수집하였다. 시간변동성이 큰 시계열 수위를 2개의 모형에서 학습할 경우, 2개의 모형 모두에서 예측되는 수위 결과는 관측 수위와 비교하여 적정한 정확도가 확보되었으나 변동성이 큰 유량 자료를 2개의 모형에서 직접 학습시킬 경우, 예측되는 유량 자료의 정확도는 악화되었다. 따라서, 본 연구에서는 급변하는 유량을 정확히 예측하기 위하여 2개 모형으로 예측된 수위 자료를 수위-유량관계곡선의 입력자료로 활용하여 유량의 예측 정확도를 크게 향상시킬 수 있었다. 마지막으로 본 연구성과는 수문자료의 별도 가공없이 관측 길이가 상대적으로 충분히 길지 않고 유출량이 급변하는 도시하천에서의 홍수예경보 자료로 충분히 활용할 수 있을 것으로 기대된다.

• 농업과학연구
• /
• 제46권2호
• /
• pp.381-393
• /
• 2019

A smart farm is a system that combines information and communication technology (ICT), internet of things (IoT), and agricultural technology that enable a farm to operate with minimal labor and to automatically control of a greenhouse environment. Machine learning based on recently data-driven techniques has emerged with big data technologies and high-performance computing to create opportunities to quantify data intensive processes in agricultural operational environments. This paper presents research on the application of machine learning technology to diagnose the growth status of crops and predicting the harvest time of strawberries in a greenhouse according to image processing techniques. To classify the growth stages of the strawberries, we used object inference and detection with machine learning model based on deep learning neural networks and TensorFlow. The classification accuracy was compared based on the training data volume and training epoch. As a result, it was able to classify with an accuracy of over 90% with 200 training images and 8,000 training steps. The detection and classification of the strawberry maturities could be identified with an accuracy of over 90% at the mature and over mature stages of the strawberries. Concurrently, the experimental results are promising, and they show that this approach can be applied to develop a machine learning model for predicting the strawberry harvesting time and can be used to provide key decision support information to both farmers and policy makers about optimal harvest times and harvest planning.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권11호
• /
• pp.4291-4310
• /
• 2015

This paper investigates the traffic offloading over unlicensed bands for two-tier multi-mode small cell networks. We formulate this problem as a Stackelberg game and apply a hierarchical learning framework to jointly maximize the utilities of both macro base station (MBS) and small base stations (SBSs). During the learning process, the MBS behaves as a leader and the SBSs are followers. A pricing mechanism is adopt by MBS and the price information is broadcasted to all SBSs by MBS firstly, then each SBS competes with other SBSs and takes its best response strategies to appropriately allocate the traffic load in licensed and unlicensed band in the sequel, taking the traffic flow payment charged by MBS into consideration. Then, we present a hierarchical Q-learning algorithm (HQL) to discover the Stackelberg equilibrium. Additionally, if some extra information can be obtained via feedback, we propose an improved hierarchical Q-learning algorithm (IHQL) to speed up the SBSs' learning process. Last but not the least, the convergence performance of the proposed two algorithms is analyzed. Numerical experiments are presented to validate the proposed schemes and show the effectiveness.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.205-211
• /
• 2024

The increasing number of botnet attacks incorporating new evasion techniques making it infeasible to completely secure complex computer network system. The botnet infections are likely to be happen, the timely detection and response to these infections helps to stop attackers before any damage is done. The current practice in traditional IP networks require manual intervention to response to any detected malicious infection. This manual response process is more probable to delay and increase the risk of damage. To automate this manual process, this paper proposes to automatically select relevant countermeasures for detected botnet infection. The propose approach uses the concept of flow trace to detect botnet behavior patterns from current and historical network activity. The approach uses the multiclass machine learning based approach to detect and classify the botnet activity into IRC, HTTP, and P2P botnet. This classification helps to calculate the risk score of the detected botnet infection. The relevant countermeasures selected from available pool based on risk score of detected infection.

• 한국정보전자통신기술학회논문지
• /
• 제14권3호
• /
• pp.201-207
• /
• 2021

머신러닝의 한 종류인 딥러닝은 각 학습 과정을 진행할 때, 가중치를 변경하면서 학습을 수행한다. 딥러닝을 수행할때 대표적으로 사용되는 Tensor Flow나 Keras의 경우 학습이 종료된 결과를 그래프 형태로 제공한다. 이에 과다학습으로 인한 퇴화 현상 또는 가중치의 잘못된 설정으로 인해 학습 결과에 오류가 발생하는 경우, 해당 학습 결과를 폐기해야한다. 이에 기존 기술은 학습 결과를 롤백하는 기능을 제공하고 있지만, 롤백 기능은 최대 5회 이내의 결과로 제한된다. 또한, 딥러닝의 모든 과정을 기록하고 있는 것이 아니기 때문에 값을 추적하기 어렵다. 이를 해결하기 위해 MLOps의 개념을 적용한 기술이 존재하지만. 해당 기술에서는 이전 시점으로 롤백하는 기능을 제공하지 않는다. 본 논문에서는 기존 기술의 문제점을 해결하기 위해 학습 과정의 중간 값을 블록체인으로 관리하여 학습 중간 과정을 기록하고, 오류가 발생할 경우 롤백할 수 있는 시스템을 구성한다. 블록체인의 기능 수행을 위해서 딥러닝 과정 및 학습 결과 롤백은 Smart Contract를 작성하여 동작하도록 설계하였다. 성능평가는 기존의 딥러닝 방식의 롤백 기능을 평가하였을 때, 제안방식은 100%의 복구율을 가지는 것에 비교하여 기존 기법에서는 6회 이후에 복구율이 감소되어 50회일 때 10%까지 감소하는 것을 확인하였다. 또한, 이더리움 블록체인의 Smart Contract를 사용할 때, 블록 1회 생성 시 157만원의 금액이 지속적으로 소모되는 것을 확인하였다.

• 디지털융복합연구
• /
• 제16권5호
• /
• pp.221-229
• /
• 2018

기계 학습 및 인공지능은 제 4차 산업혁명의 핵심 기술이다. 하지만 프로그래밍 능력을 요구하는 기계 학습 플랫폼의 특성 상 일반 사용자들의 접근이 힘들기 때문에 인공지능이나 기계학습의 대중화는 제한을 받고 있다. 본 연구에서는 그래픽 사용자 인터페이스(Graphic User Interface, GUI)를 도입하여 이러한 한계를 극복하고 인공지능 활용에 대한 일반인의 접근성을 향상시키고자 하였다. 기본 기계 학습 플랫폼으로는 Tensorflow를 채택하였고 GUI는 마이크로 소프트 사의 .Net 환경을 활용하여 작성하였다. 새로운 사용자 인터페이스를 이용하면 일반 사용자도 파이썬 프로그래밍에 대한 부담없이 직관적으로 데이터를 관리하고, 알고리즘을 적용하고, 기계 학습을 실행할 수 있다. 우리는 이 개발이 다양한 분야에서의 인공지능 개발에 기초가 되는 자료로 활용되었으면 한다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제34권4호
• /
• pp.357-371
• /
• 2015

Even after learning electric current, elementary school students have various non-scientific conceptions and difficulties. Because flow of charge is not visible. Also elementary school students do not learn theory but phenomena, so they cannot transfer theoretical perspective to new situation. In this research, we have designed instruction based on PhET simulation visualizing flow of electric charge and applied it to 37 science-gifted students in elementary school for measuring conceptual understanding. As a result, six out of the seven Hake gains of question set are high gain and just one is middle gain because the students have understood the flow pattern of the charge through circuit elements such as light bulbs, wire, as well as battery with PhET simulation and it gives a chance to create various questions spontaneously about electric current. Also they become able to do spontaneous mental simulation without PhET simulation about flow of charges. This research, suggest that developed materials using PhET simulation could be used as not only program for gifted students in elementary school, but also the electrical circuit section in an elementary science curriculum.

• 농업과학연구
• /
• 제46권1호
• /
• pp.67-78
• /
• 2019

The purpose of this study was to predict the water quality using the RNN (recurrent neutral network) and LSTM (long short-term memory). These are advanced forms of machine learning algorithms that are better suited for time series learning compared to artificial neural networks; however, they have not been investigated before for water quality prediction. Three water quality indexes, the BOD (biochemical oxygen demand), COD (chemical oxygen demand), and SS (suspended solids) are predicted by the RNN and LSTM. TensorFlow, an open source library developed by Google, was used to implement the machine learning algorithm. The Okcheon observation point in the Geum River basin in the Republic of Korea was selected as the target point for the prediction of the water quality. Ten years of daily observed meteorological (daily temperature and daily wind speed) and hydrological (water level and flow discharge) data were used as the inputs, and irregularly observed water quality (BOD, COD, and SS) data were used as the learning materials. The irregularly observed water quality data were converted into daily data with the linear interpolation method. The water quality after one day was predicted by the machine learning algorithm, and it was found that a water quality prediction is possible with high accuracy compared to existing physical modeling results in the prediction of the BOD, COD, and SS, which are very non-linear. The sequence length and iteration were changed to compare the performances of the algorithms.

• 한국비블리아학회지
• /
• 제34권3호
• /
• pp.255-272
• /
• 2023

본 연구는 문헌정보학과 학생을 대상으로 블렌디드 러닝을 적용한 전공 교과목 운영이 학습몰입도, 결과성취도, 학습만족도에 어떠한 영향을 미쳤는지 효과를 측정 및 분석 후, 학생 중심형 수업을 보다 활성화하기 위한 시사점을 모색하기 위해 수행하였다. 그 결과 첫째, 블렌디드 러닝 수업 운영 후 학습몰입도, 결과성취도, 학습만족도의 사전 및 사후 비교분석을 통해 사후조사 평균 점수가 높은 것으로 나타났다. 둘째, 학습몰입도 요인 중 학업사유인지, 학업집중, 흥미성, 통제감 등 모든 요인에서 유의미한 결과가 나왔으며 특히 학업집중과 통제감의 효과가 높게 나타났다. 셋째, 결과성취도 요인 중 성취동기, 만족감, 관계활용능력, 수업태도 등 모든 요인에서 유의미한 결과가 나왔으며 특히 만족감과 관계활용능력의 효과가 높게 나타났다. 넷째, 학습만족도 요인은 일반만족도와 학습관련 만족도 등 모두 효과가 매우 높게 나타났다. 이로써 블렌디드 러닝을 적용한 전공 교과목 운영은 문헌정보학과 학생들에게 효과가 있다는 것으로 파악되었다.