인천공항은 2001년 개항이후, 비약적으로 발전하고 있으며, 2018년 약 6500만 명의 여객을 수용하는 등 초대형 메가허브공항으로 도약 중이다. 2018년 인천공항은 제2여객터미널을 개장하며, 인천공항에 대한 언론과 대중의 관심을 증폭시켰고, 평창동계올림픽 개최와 남북정상회담을 통해 대한민국 중추공항으로서의 이미지를 각인시켰다. 인천국제공항공사는 인천공항의 건설 및 관리, 운영, 주변지역개발, 부대사업 및 기타 국가위탁사업을 하는 국토교통부 산하 공공기관으로 2018년 입국장 면세점 도입, 정규직 전환 등의 이슈를 생성하였다. 본 논문에서는 뉴스, SNS 수집, 저장, 처리, 분석플랫폼인 ITAP를 이용하여 인천공항, 인천국제공항공사 관련된 뉴스, SNS 내용을 플랫폼별로 분석하였고, 월별 버즈량과 주요키워드를 플랫폼별로 추출하여 2018년 인천공항, 인천국제공항공사의 주요 이슈를 제시한다.

보통 MCU를 기반으로 하는 임베디드 소프트웨어는 펌웨어 형태로 구현되어 콘솔이 없고, UART는 데이터 송신용으로 사용된다. 그러나 MCU 소프트웨어에 콘솔 드라이버를 구현하면 유닉스·리눅스와 같은 대화적 표준 입·출력 개발환경과 타스크 개념을 실현할 수 있다. 이 논문에서는 운영체제 교과에서 익힌 내용을 바탕으로 Atmega2560 MCU에 인터럽트 기반 콘솔 장치 구동기를 구현하고 실험한다.

본 논문에서는 SIP프로토콜에 기반한 영상통화에서 지능형 AR기법을 지원하기 위한 방법에 대해서 서술 한다. 기존의 영상통화에서는 주위에 사물을 실시간 촬영하여, 바로 보낼수 있는 기능이 없었다. 휴대폰에서 AR기능은 주로 위치 서비스에 기반한 길찾기나 건물 내부의 모습을 자동으로 보여주는 용도로 많이 사용되었다. 본 연구에서는 지능형 AR을 이용하여 SIP기반 휴대폰 영상통화 도중 상대방에서 필요한 텍스트나 이미지를 자동으로 전달할 수 있는 방법을 제시함으로써, 사용자 휴대폰의 편의성을 높이고자 한다.

본 논문에서는 IBM사의 Q를 이용하여 몇 가지 양자 컴퓨팅 개념을 구현해보고 검증한다. Superdense coding과 Quantum teleportation, Bell's Inequailty를 python 기반의 코드로 구현하고 실제 ibmqx4 양자 컴퓨터로 실행한 결과, Superdense coding은 약 85%의 정확도, Quantum teleportation은 96.7%의 정확도를 보이고 Bell's Inequailty가 성립하지 않는 것을 확인하였다.

이 논문에서는 깊이 카메라(depth camera)로 부터 획득한 깊이 영상을 분석하여 지화를 인식하는 기술을 개발하고 이를 이용한 지화 교육 프로그램의 구현 사례를 소개한다. 먼저 손의 16 개의 특징점을 뽑아내고, 어떤 지화인지 분류한다. 타자 연습 프로그램처럼 단어를 제시하고 그에 맞는 지화를 올바르게 표현하였는지를 검사함으로써 사용자가 지화를 학습할 수 있도록 도와주는 프로그램이다.

점점 더 많은 어플리케이션이 Serverless 컴퓨팅 기반으로 구현되고 있다. Serverless 서비스 제공자는 가용자원을 확보하기 위하여 요청이 장시간동안 발생하지 않은 서비스 인스턴스를 종료한다. 종료된 인스턴스에 대한 요청은 Cold Start 로 인한 지연시간이 발생하게 된다. 서비스 사용자는 Cold Start 를 방지하기 위해 인스턴스가 종료되지 않도록 주기적으로 의미 없는 요청을 하게 되고, 이는 Serverless 서비스 시스템에 불필요한 오버헤드를 발생시키게 된다. 따라서 이 논문은 이러한 불필요한 오버헤드를 줄이기 위한 전략을 제시하고 그 구현에 관해 설명한다.

8천개 파트너사가 이용하는 B2B CTX시스템과 기업내부용 UC시스템을 클라우드 컴퓨팅 서비스로 도입, 구축, 운영하면서 발생된 시스템 안정성확보와 관리비용 과다발생 부분에 대한 문제점을 발견하고 개선한 구축사례를 통해 기업유저들이 도입선정시 놓칠 수 있는 도입 기업의 성격, IT자산의 현황, 기업의 성장률, IT관리 운영 시 최소한의 충족조건을 제시하고 클라우드 비용의 절감을 위해 온프레미스로 이전 구축사례를 소개함으로써 클라우드의 경제성에 대한 이해와 판단, 보다 합리적인 도입과 선정이 되도록 가이드를 제시하였다.

낸드 플래시 메모리(NAND Flash Memory)는 컴퓨터 시스템의 대용량 저장장치를 위한 소자로써, 대용량화의 주요 원인으로는 메모리 셀(Cell) 당 저장할 수 있는 비트 수를 증가시킴으로써 집적도를 증가시킨 것이다. 그러나, 이러한 집적도의 증가는 에러의 증가를 가져와서 저장장치에서 가장 중요한 신뢰성이 급격하게 저하하는 요인이며, 저장장치의 생명주기(Lifetime)을 감소시키게 된다. 기존에 낸드 플래시 메모리 저장장치의 Lifetime을 증대시키기 위해서 P/E cycle을 고려하여 데이터 영역의 일부를 점점 더 ECC 영역으로 변경시키는 방식을 적용한 바가 있다. 이러한 방식은 데이터 영역의 감소로 인한 저장장치 내에서 관리되는 호스트-플래시 간 데이터 관리 크기의 미스매치로 인한 여러 가지 오버 헤드를 생성한다. 본 연구에서는 P/E cycle에 따른 데이터 영역의 ECC 영역으로의 전환을 통한 Lifetime을 증가시키는 방식에 있어서, 오버헤드를 줄이기 위한 캐쉬 관리 구조 및 매핑 관리 구조에 대한 설계를 진행하였다. 이러한 설계를 낸드 플래시 메모리 기반 저장장치에 적용할 경우, LifeTime을 증대시키기 위해서 ECC를 데이터 영역으로 확장하는 방식을 사용할 때 저하될 수 있는 일반 읽기 및 쓰기의 성능 저하를 어느 정도 감소시켜줄 수 있을 것으로 기대한다.

Parse Server는 오픈소스 백엔드 서비스를 제공함으로 IoT 최적의 서비스 플랫폼이며, 개발자에게 프론트 엔드 개발 집중이 가능하도록 일련의 도구를 제공한다. 본 논문에서는 교육용 활용 사례 개발을 위해 Parse Server를 오픈소스 기반의 게임과 연동하여, 게임 랭킹 서비스 시스템 구현을 통해 IoT 시스템 프로그래밍 교육 콘텐츠로의 가능성 확인을 목표로 한다. 구현 결과는 게임 랭킹의 변화를 Parse Dashboard를 통하여 확인하였다.

인공신경망은 인간의 신경세포인 뉴런을 모델로서 사용했다. 인간은 외부에서 오는 정보를 뇌에서 받아들이고 판단한다. 받아들인 정보를 통해 어떻게 산출할 것인지에 대한 일들을 기능하게 된다. 그러한 일련의 과정을 필기체 숫자 데이터를 통하여 사람이 유도하는 예측 값을 인식해내고, 학습된 예측 값을 실제 값과 비교해 분석하였다. 그리고 더 나아가 인공신경망에 대해 어떻게 응용할 것인지 논의하였다.

서로 다른 아이템 집합의 연관성을 분석하는 것을 연관규칙분석이라 한다. 대표적인 알고리즘으로 Apriori 알고리즘이 있지만 DB스캔 횟수가 많아질 수 있고 후보 집합 생성으로 인해서 속도가 느려질 수 있다는 단점이 있다. 이를 효율적으로 개선한 FP-Growth 알고리즘을 구현하여 임의의 데이터를 이용하여 알고리즘의 속도에 대해 연구한다.

데이터 마이닝에서 클러스터링은 서로 유사한 특징을 갖는 데이터들을 동일한 클래스로 분류하는 방법이다. 클러스터링에는 다양한 방법이 존재하지만 대표적으로 집합으로 표현된 데이터들의 유사도를 측정하기 위해서는 자카드 유사도(Jaccard Similarity)를 이용한다. 자카드 유사도는 서로 다른 집합 간의 공통된 부분을 상대적으로 평가하여 유사도를 측정하는 방법이다. 그러나 최근에는 데이터를 저장할 수 있는 기술과 매체의 발전으로 표현할 수 있는 데이터의 영역과 범위는 발전되고 있기 때문에 많은 연산과 시간의 비용이 발생하게 된다. 이를 해결하기 위해서 두 데이터의 표본의 유사도를 통해 실제 데이터들의 유사도를 추정할 수 있는 Min-Hash 가 제안되었다. 본 논문에서는 이를 활용하여 집합의 영역을 다중 집합(Multiset)으로 확장하여 중복되는 값을 가질 수 있는 두 데이터 간의 유사도를 효율적으로 추정할 수 있는 Min-Max Hash 를 제안한다.

색상 영상과 이에 상응하는 깊이 영상으로 3차원 비디오를 만드는 방법은 최근 키넥트 깊이 카메라와 같이 저가임에도 불구하고 높은 성능을 보이는 카메라가 시중에 출시되면서 다양한 형태의 응용분야에 많이 사용되기 시작했다[1]. 본 연구는 TOF(Time Of Flight) 카메라와 RGB 카메라가 같이 있는 키넥트를 이용해서 깊이 영상에서 보행자를 탐지한다. 전처리 작업으로 배경 깊이 맵을 미리 저장하고, 깊이의 차이로 보행자 유무를 알아낸다. 보행자를 지속적으로 탐지하기 위해 CAMShift 알고리즘을 사용해 라벨링과 보행자 추적을 하며, 보행자의 진행 방향과 속도를 탐지하기 위해 Dense Optical Flow를 사용해 보행자의 벡터 정보를 저장한다. 보행자가 깊이 맵 밖으로 나가면 해당 보행자에 대한 탐지를 종료한다.

관광지에 대한 관광객의 평가는 날씨, 계절, 관광객의 밀집 정도 등 다양한 환경적 요소에 따라 변화한다. 각 관광지는 객관적인 관점으로 최상의 관광을 경험하게 할 고유한 컨디션이 존재하며 이를 추출하기 위해선 관광에 영향을 주는 여러 환경들에 대한 다중 요인 분석이 가능할 만큼의 정보가 필요하다. 본 논문에서는 심층신경망을 기반으로 한 문장분석기술을 응용하여 관광지 리뷰에 적용, 평점이 포함되지 않은 리뷰에 평점을 추가하여 기상이나 계절, 휴무일 등의 다양한 분류가 가능할 수준의 데이터를 보충하고 축적/보충된 방대한 평점데이터를 토대로 맞춤 추천이 가능하도록 하는 시스템을 설명한다. 이에 본 논문은 학습 환경 구축, 리뷰와 기상 정보의 결합, 최종 추천 방법 등 전반적인 프로세스에 대한 내용을 설명한다.

최근 기술이 발달함으로 인해 더 짧은시간에 더 많은 계산량이 필요해진 시대가 왔다. 본 연구에서는 CPU와 GPU의 구조를 파악하고 계산속도를 비교한다. 직렬 방식의 알고리즘에서의 병렬 방식의 알고리즘 및 현재 GPU 병렬처리 적용 사례 및 추후 적합한 모델 찾기에 대해 연구한다.

최근 여러 블록체인 플랫폼에서 잇따라 51% 공격에 대한 소식이 들려 옴에 따라 새로운 블록체인의 필요성이 부각되고 있다. 그중 Hashgraph 는 기존의 블록체인과 다르게 블록단위가 아닌 이벤트 즉, 블록에 기록되는 트랜잭션 그 자체로 체인이 구성되는 메커니즘을 가지고 있기 때문에 차세대 블록체인으로 대두되고 있다. 그러나 트랜잭션 단위로 Hash 또는 Hash 검증을 수행하기 때문에 연산 량이 기하급수적으로 늘어나며, 검증 또는 합의에 소요되는 시간이 상당하다. 본 논문에서는 이를 해소하기 위해 Verifiable Random Function 을 이용하여, Hash 에 대한 검증 절차와 연산 량을 감소하여 최종적으로 합의에 소요되는 시간을 단축하는 방법에 대해 제시한다.

분산 해시 테이블은 {Key-Value} 형태의 해시 테이블을 시스템 내 노드들이 나누어 가지는 분산 시스템이다. 분산 해시 테이블 중 Kademlia는 Binary Tree 구조를 통해 노드 확장성을 가지고 XOR Metric을 이용하여 빠른 노드 탐색으로 다양한 분야에서 활용되고 있다. 하지만 노드 탐색 시 실제 상황을 배제하고 논리적인 거리만을 고려하여 라우팅 경로를 설정한다는 문제점을 가진다. 본 연구에서는 이 문제를 해결하기 위해 노드 탐색 시 노드 간의 대역폭과 물리적 거리를 고려하여 라우팅 테이블을 생성하는 Kademlia의 효율적인 노드 탐색 기법을 제안한다. 기존의 Kademlia와 유사한 수치의 Lookup Success Ratio와 Lookup Overhead Rates를 보이지만, End-to-End Delay가 감소한 것을 시뮬레이션을 통해 확인하였다.

Drones are opening new horizon as a major Internet-of-Things (IoT) player which is a network of objects. Drone needs to charge itself during providing services from the charging stations. If there are lots of drones and one charging station, then it is a critical situation to decide which drone should get charged first and make order of priorities for drones to get charged sequentially. In this paper, we propose an efficient scheduling algorithm for drone power charging (ESADPC), in which charging station would have a scheduler to decide which drone can get charged earlier among many other drones. Simulation results have showed that our algorithm reduces the deadline miss ration and turnaround time.

4차 산업 혁명에 들어서며 블록체인 기술이 크게 주목받고 있다. 블록체인의 간단한 정의는 분산 환경에서 모든 노드들이 수정할 수 없는 원장을 관리 하는 것이다. 블록체인은 크게 public 블록체인과 private 블록체인으로 구분할 수 있다. 이중 private 블록체인에 대한 연구가 활발히 이뤄지고 있고, 실제 많은 기업이나 연구소에서 실제 환경이나 시스템에 적용 시키려는 노력을 하고 있다. 많은 블록체인 플랫폼 중 하이퍼레저는 가장 활발히 개발이 진행되고 있는 오픈 소스 프로젝트 중 하나이다. 하이퍼레저는 Linux Foundation에서 주관하는 프로젝트로 그 중 가장 널리 알려져 있는 플랫폼으로 패브릭이 있다. 패브릭은 private 블록체인 기술로 비즈니스 상황에서 조직간 블록체인 환경을 구성하는 것에 초점이 맞춰져 있는 플랫폼이다. 패브릭은 클라이언트가 트랜잭션을 제출한 후 원장에 저장될 때까지의 과정을 독립적으로 실행되는 3 단계로 구분해 놓고 있다. 3단계는 실행, 순서화, 검증 단계로 이루어져 있다. 본 논문에서는 실행과 순서화 단계에 대해 처리시간 분석을 진행한다. 분석한 데이터를 기반으로 어떤 단계의 영향이 가장 큰지 살펴보고 차후 연구에 이용할 것이다. 차후 연구는 실행과 순서화 단계에 대한 처리시간을 줄일 수 있는 연구를 진행할 것이다.

최근 비트코인(Bitcoin)과 이더리움(Etherium)과 같은 퍼블릭 블록체인(Public Blockchain) 사용자의 급격한 증가로 인하여 블록체인 지갑 사용자가 늘어나고 있다. 또한, 암호화폐 거래소의 거래량이 증가와 이로 인한 지갑의 잔액 조회와 코인 이체를 위한 트랜잭션이 빈번하게 이루어 지고 있다. 한편, 최신의 잔액 조회와 빠른 이체를 위하여 마이닝 풀(Mining Pool)에서 사용되는 노드(Node)를 사용하는 것 같이 트래픽이 일부 노드에 집중되는 현상이 발생하여 시스템의 성능이 저하되는 문제가 있다. 이러한 문제를 해결하기 위하여 본 연구에서는 아파치 카프카(Apache Kafka)를 이용하여 트래픽 분산처리를 통한 효율적인 시스템을 제안한다. 또한, 시스템의 구조 설계 및 상세 모듈 설계를 제안한다. 제안 시스템은 기존 블록체인 시스템과의 연계가 가능하며, 기존 시스템의 변경 없이 구축할 수 있다. 또한, 주키퍼(ZooKeeper)의 분산처리를 통해 고성능과 가용성 및 안정성을 확보할 수 있다.

하이퍼바이저 Xen 은 처음 개발되었을 때부터 현재까지 크레딧-스케줄러를 이용하고 있다. 크레딧-스케줄러는 CPU 이용률을 높이기 위해 디자인되어 있으며 효율적인 I/O 처리를 위해 부스트라는 개념을 도입하였지만, 부스트로 인하여 공정성이 깨질 수 있는 문제를 가지고 있다. 이 논문에서는 I/O 중심 처리 환경에서 크레딧-스케줄러의 불공정성을 증명하였으며, 실험을 통해 네트워크 성능에서 최대 약 60%의 차이를 보임을 확인할 수 있었다.

Hadoop은 대용량 데이터의 분산 처리 응용을 지원하는 프레임워크이다. 이는 마스터 노드와 데이터 노드간에 Map-Reduce 과정을 거쳐 분산 처리를 지원한다. 이에 본 연구에서는 3D 프린팅을 위해 생성한 3D 모델을 프린터가 인식할 수 있는 G-code로 변환하는 작업을 Hadoop에서 수행하였다. 3D 모델은 대개 2차원 개체(페이셋)를 이용하여 표면을 표현하는데, 이 개체를 높이(Z 축)에 따라 슬라이싱한 후각 레이어별로 G-code를 생성하여야 한다. 우선 5대의 컴퓨터에 Hadoop 클러스터를 설치한 후, 대상 3D 모델에 다양한 속성값을 변경하면서 변환작업을 진행하여 Hadoop 프로그래밍의 장점을 확인할 수 있었다.

Sampling-based algorithms are one of the most commonly approaches which give good results in robot path planning with many degree of freedom. So that many proposed methods as well as their improvement based on these approaches have been proposed. The purpose of this paper is to survey some current algorithms using for path planning, the original proposed methods as well as their improvement. Some advantages and disadvantages of these algorithms will be also mentioned, how the improved version of the proposed methods overcome the original proposed methods' drawback.

Collecting data in wireless sensor networks in minimum time is a traditional problem which is known NP-hard. Previous studies built the schedule using the node-based or link-based metrics to prioritize the transmissions. In this work, we combine the effect of both metrics to obtain a smaller aggregation time. We compare our work with state of the art schemes and report the improvement.

An adaptive power control scheme is proposed for the cognitive relay networks with joint overlay and underlay spectrum sharing model. The transmit power of the secondary user is adjusted adaptively according to the spectrum sensing results and the interference channel condition. The outage probability of the secondary user is compared by Monte - Carlo simulations between the fixed power control scheme and pure overlay or underlay spectrum sharing schemes. The results show that, by employing the adaptive power control strategy, the interference probability of the secondary user to the primary user is decreased by 70 % ~ 80 % under the same outage probability. Also, the outage probability of the secondary user is reduced by 1 ~ 2 orders of magnitude under the same interference probability. Thus, the performance of the spectrum sharing is improved effectively.

In a complex geographical environment, communication quality of communication equipment is being seriously challenged. Secondary Users(SUs) must make the best possible use the idle spectrums that Primary Users(PUs) do not use and change spectrum frequently. Using the relevance vector machine(RVM) to establish a signal noise Ratio(SNR) Model for interference information and bit error rate(BER). Through the model and real-time interference information, the minimum channel SNR meeting the BER requirements of communication equipment can be predicted, and we can also calculate the minimum transmitted power. According to the simulation results, this method has better performance for selecting available channel and restraining interference.

최근 첨단 과학응용분야에서는 대용량의 데이터를 효과적으로 공유 및 전송하기 위해 전용의 연구망과 데이터 전송 노드(DTN)를 활용하여 전송 효율을 높이기 위한 연구들이 활발히 수행되고 있다. 특히, DTN 클러스터링은 복수 개의 전송 노드들을 이용하여 병행성을 높여 전송 효율을 극대화시키는 기법으로 고성능컴퓨팅 환경에서 적용되고 있다. 이와 관련하여, 본 논문에서는 초기 실험적 연구로 NFS 외부 스토리지를 연계한 DTN 클러스터링 환경을 구축하고, WAN 구간에서 종단간 대용량 데이터 전송 실험을 수행한다. 실험 결과, 파일의 크기 및 개수 등이 서로 다른 비교 군들을 대상으로 단일 DTN 대비 DTN 클러스터링에 대한 효과를 확인할 수 있었다.

CDN은 여러 서버에 데이터를 분산하여 캐시 한 뒤 빠르게 데이터를 배포하는 네트워크이다. 하지만 CDN은 서버 성능에 영향을 받고 데이터의 Lifetime이 얼마 없는 경우 중앙 서버 혹은 데이터 제작자와의 통신을 통해 데이터를 새로 받아야 한다. 반면에, NDN은 데이터를 라우터별로 캐시하여 트래픽을 분산시키고 딜레이를 줄였다. 하지만, 캐시 된 데이터의 Lifetime에 따라 데이터를 받지 못하는 문제가 있다. 본 논문에선 데이터 요청자가 Lifetime 내에 데이터를 못 받으면 요청자의 네트워크 상황과 Interest 패킷의 주기를 고려하여 캐시 된 데이터의 Lifetime을 증가시켜 안정성 있는 데이터 배포를 목표로 하였다. 캐시 정책이 적용된 시뮬레이션을 진행했으며, 얼마 남지 않은 Lifetime을 증가시켜 데이터 요청자가 데이터를 온전히 받을 수 있음을 확인하였다.

병원에서는 업무를 효율적으로 수행하기위해 통신장비는 꼭 필요한 장비이다. 하지만 병원 내에서 스마트폰을 비롯한 여러 전자기기의 사용이 제한된 구역이 존재한다. 이는 라디오주파수를 사용하는 디바이스와 전자파를 발산하는 디바이스로 구분되어 함께 통제된다. 이를 위해 본 논문에서는 라디오주파수를 사용하지 않는 가시 광을 이용한 통신방법을 제안하며, 이를 위한 하드웨어를 제시한다. 가시광 통신의 1 kbit/s의 전송속도를 가지는 송신측과 수신측을 디자인했으며 이를 운용하기 위한 보안 인코딩 방식을 제안한다.

본 논문에서는 오픈소스를 기반으로 하드웨어 개발을 위해 널리 사용되는 아두이노(Arduio)와 안드로이드 스마트폰으로 두더지 게임기를 설계하고 주요기능을 구현하였다. 스마트폰과 아두이노는 블루투스로 통신하며 데이터를 보내거나 제어하도록 하였으며, 게임 결과는 스마트폰에 출력되도록 하였다.

미국 애플사의 아이폰 발표 이후 스마트폰은 PC 웹 기반 서비스를 빠르게 대체하며 산업 전반에 혁신을 가져왔다. 모바일 앱(이하 앱) 기술은 네이티브, 웹 방식이 융합된 하이브리드 방식으로 진화 되었다. 앱의 확산으로 디지털 마케팅, 사용성 분석에 대한 필요성이 증대 되었으나 시장에서 활용되는 분석 도구가 모든 기술 요소를 지원하지 못하여 분석가가 여러 도구를 번갈아 가며 사용하는 불편함이 발생하였다. 본 연구에서는 모바일 앱 네이티브, 웹 로그 데이터 통합 수집을 지원하는 로그 분석 플랫폼을 제안하고자 한다.

사물인터넷(IoT: Internet of Things)과 스마트 홈은 사용자의 명령 없이 사물에 다양한 센서를 부착해 실시간으로 네트워크상에서 데이터를 상호교환하는 기술로 발전하고 있다. 특히 각종 기기들이 개발됨에 따라 데이터 공유와 강화된 서비스 기술이 요구되고, 기기들을 연결하기 위한 간단한 무선통신 기술이 중요하다. 본 논문에서는 스피커와 마이크를 이용하여 기기 간 비가청 음파통신방법을 제안한다. 사용자의 귀에는 잘 들리지 않으며, 통신이 자유롭게 이루어지기 위해 16kHz~21kHz 주파수대역의 비가청 음파를 사용하여 송·수신한다. 또한, 다른 신호들의 충돌과 잡음, 간섭을 대비하기 위해 이중주파수를 사용한다. 본 시스템은 단일주파수와 비교하여 더 많은 기기 간 통신이 가능하게 해주며, 3m 안에서 높은 통신 속도와 정확도를 제공한다.

시간과 장소에 관계없이 휴대폰으로 강의실을 대여할 수 있는 시스템을 개발한다. 또한 예약조회와 승인이 가능하도록 Django 웹 프레임 워크를 이용하여 웹 서버를 구축하고 웹페이지와 어플 간의 API 통신을 IOS 에서 구현한다.

본 연구에서는 다양한 서비스에 안전하면서도 쉽게 사용할 수 있는 NFC 태킹 서비스 앱을 개발하였다. 이 앱을 활용하면 NFC 태깅만으로도 복합 동작을 한 번에 수행할 수 있고 일상의 실물 하드웨어에 대한 직접 제어도 가능하여 NFC를 사용자가 지정한 다양한 분야에 걸쳐 쉽게 사용할 수 있다. 아울러 간편하면서도 안전한 사용자 인증과 NFC 활용을 위하여 암호화 기반의 보안 기능도 제공한다.

커넥티드카는 네트워크에 연결된 자동차가 다른 자동차 및 도로 인프라뿐만 아니라 스마트 디바이스와 통신하고 여러 소스로부터 실시간 데이터를 수집하여 다양한 서비스를 제공하는 것이다. 커넥티드카의 등장으로 인해서 자동차와 클라우드 서비스의 결합이 빠르게 진행되고 있으나 자동차 데이터 중 실시간 처리가 필수인 데이터가 많다는 특성이 있다. 그러므로 멀리 떨어진 중앙 집중식 서버에서 컴퓨팅을 하는 클라우드 컴퓨팅보다 최근 이슈가 되고 있는 디바이스와 가까운 가장자리에 위치한 서버에서 컴퓨팅을 하는 엣지 컴퓨팅이 커넥티드카의 실시간성을 보장하는 기술로 많은 관심을 받고 있다. 본 논문에서는 기존의 엣지 컴퓨팅과는 달리, 이동성이 있는 모바일 엣지 컴퓨팅(MEC) 환경에서 실시간 처리를 저해하는 요소를 찾아 원인을 분석하고 평가해 문제점을 해결하고자 한다. 먼저, MEC 환경을 구축한 후 오픈 소스 시뮬레이터인 Edge Cloudsim 에 적용시켜 시뮬레이션을 한다. 실험 결과 MEC 환경에서 실시간 처리를 저해하는 원인은 모바일 디바이스의 태스크가 오프로딩 되거나 응답을 받기 전 WLAN 의 범위를 벗어났을 때 Task Failure가 발생하기 때문임이 증명되었다.

최근 4 차 산업혁명으로 인해 다양한 기술이 발전하고 있으며, 제조 산업에서도 공장 자동화를 위해 스마트팩토리로 변화하고 있는 추세이다. 이에 IIoT 기술을 접목하여 사용하고 있으며, 이를 SDN 을 활용하여 제어하는 형태로 진화하고 있다. 다만, SDN 은 관리자의 조작이 필요하여 자동화 시스템에 사용하기에 불완전한 형태를 가진다. 본 논문에서는 기계 학습과 SDN 을 혼합한 형태인 KDN 을 활용하여 최적의 자원할당을 위해 사용하는 방안에 대하여 제안한다.

최근 사물인터넷 기술의 발전과 함께 하드웨어 디바이스에서 측정하는 센싱 데이터를 보호하기 위해 다양한 방식의 암호화 알고리즘을 채택하고 있다. 그 중 전 세계에서 가장 많이 사용하는 암호화 알고리즘인 AES(Advanced Encryption Standard) 또한 강력한 안전성을 바탕으로 많은 디바이스에서 사용되고 있다. 하지만 AES 알고리즘은 DPA(Differential Power Analysis), CPA(Correlation Power Analysis) 같은 부채널 분석 공격에 취약하다는 점이 발견되었다. 본 논문에서는 부채널 분석 공격대응방법 중 가장 널리 알려진 마스킹 기법을 적용한 AES 알고리즘의 소프트웨어 최적화 구현 기법을 제시한다.

현재 양자컴퓨터 개발에 대한 전폭적인 연구가 이루어지고 있다. 지금의 양자컴퓨터의 개발수준은 기존 암호 시스템에 위협이 될 정도는 아니지만, 가까운 미래에 다가올 양자컴퓨터 시대에 대한 양자내성암호가 필요한 상황이다. 이에 양자내성암호 표준화를 위해 미국 NIST는 공모전을 열었고, 본 논문에서는 양자컴퓨터 개발현황과 NIST(National Institute of Standards and Technology) 양자내성암호 공모전의 암호알고리즘 설명과 동향을 살펴보고자 한다.

본 고에서는 약 100 만건의 건강정보를 이용하여 3-Node MongoDB 플랫폼 환경에서 AES, 3DES, ARIA 암호 알고리즘을 이용하여 암호화를 적용하는 방법을 알아본다. 각각의 암호 알고리즘별로 YCSB 성능테스트 툴을 이용하여 다양한 Workload 별로 성능을 테스트를 수행한 뒤, 그 결과를 비교·정리한다.

연구자들의 연구 결과를 공유하는 논문은 학회에 제출되어 심사를 거친 뒤 정식으로 등록된다. 이러한 과정에서 심사는 연구 윤리를 지키기 위해, 학회의 가치를 높이기 위해 시행되는 필수적인 과정이다. 하지만 이러한 심사 관리 과정에서 다양한 문제가 지속적으로 발생하고 있다. 본 논문에서는 기존의 시스템에서 발생하는 문제들을 해결함과 동시에 비용적인 면에서도 효율성을 제공하는 블록체인 기반의 논문 심사 시스템을 제안한다.

21세기 산업 전반에 걸쳐 IT기술의 접목은 해당 산업의 부가가치와 편의성을 증가시키고 있다. 몇 가지 예로 전자 문서 관리 시스템, 디지털 자산 관리 시스템은 사용자에게 편리함과 편의성을 더해줬지만 이와 함께 정보의 위·변조, 유출과 같은 위험요소 역시 야기되었다. 그 해결 방안으로 블록체인 네트워크를 이용해 문서를 관리하는 시스템을 소개한다. 본 논문의 제안 시스템은 문서에 대한 모든 접근을 기록하여 추적을 가능하게 함으로써 문서 이동 경로의 투명성을 보장하는 기능을 제시한다. 또한 기존 시스템에서 소요되던 유지 비용을 줄이고 데이터의 무결성을 유지하여 중요 데이터의 유출 위험을 감소시키는 데 기여한다.

생체인식(Biometrics)이란 사용자 고유의 신체특성을 추출하여 정보화시키고 이를 활용하여 응용 서비스를 개발 및 제공하는 것 까지 의미한다. 9.11 사건 이후 생체인식을 활용한 사용자 인증기술은 매우 중요하게 인식되고 있으며 최근 스마트헬스, 원격의료서비스까지 활용범위가 증가하고 있다. 이 논문에서는 생체인식 분야 국내외 공식 표준화기구에 대해 소개하고 물리적 고유형태의 생체 정보 한계를 극복하기 위한 생체신호 연구 및 서비스에 어떤 연구가 진행되고 있는지에 대해 설명한다. 그리고 최근 주목 받고 있는 인공지능, 블록체인 등이 생체인식 기술에 어떻게 응용 될 수 있는지에 대해 논의하여 앞으로 발전할 생체인식 기술 방향과 발전에 필요한 요소들을 제시한다.

오픈소스 활용이 증가함에 따라 같이 증가하는 보안 위험성에 대한 문제점을 제시하고자 한다. 오픈소스 활용의 생산성 향상과 비용 절감 대비 보안 취약점이 따르는 문제를 분석 하고자 한다. 본 논문에서는 널리 알려진 오픈소스의 취약점과 이를 해결할 방법에 대해서 소개하고자 한다. 오픈소스의 취약점 공격 방법과 해결 방안을 제시하고 이를 해결할 분석 도구를 소개하는 것을 목표로 한다.

클라우드가 대중화되어 많은 모바일 유저들이 자동 백업 기능을 사용하면서 민감한 개인정보가 포함된 사진들이 무분별하게 클라우드에 업로드 되고 있다. 개인정보를 포함한 클라우드가 악의적으로 해킹 될 시, 사진에 포함된 지문, 자동차 번호판, 카드 번호 등이 유출됨에 따라 대량의 개인정보가 유출될 가능성이 크다. 이에 따라 적절한 기준에 맞게 사진 속 개인 정보 유출을 막을 수 있는 기술의 필요성이 대두되고 있다. 현재의 클라우드 시스템의 문제를 해결하고자 본 연구는 모바일 기기에서 클라우드 서버로 사진을 백업하는 과정에서 영역 검출과 블러링의 과정을 제안하고 있다. 클라우드 업로드 과정에서 사진 속의 개인 정보를 검출한 뒤 이를 블러링하여 클라우드에 저장함으로써 악의적인 접근이 행해지더라도 개인정보의 유출을 방지할 수 있다. 머신러닝과 computer vision library등을 이용하여 이미지 내에 민감한 정보를 포함하고 있는 영역을 학습된 모델을 통해 검출한 뒤, OpenCV를 이용하여 블러링처리를 진행한다 사진 속에 포함될 수 있는 생체정보인 지문은 손 영역을 검출한 뒤, 해당 영역을 블러링을 하여 업로드하고 카드번호나 자동차 번호판이 포함된 사진은 영역을 블러링한 뒤, 암호화하여 업로드 된다. 후에 필요에 따라 본인인증을 거친 후 일정기간 열람을 허용하지만 사용되지 않을 경우 삭제되도록 한다. 개인정보 유출로 인한 피해가 꾸준히 증가하고 있는 지금, 사진 속의 개인 정보를 보호하는 기술은 안전한 통신과 더불어 클라우드의 사용을 더 편리하게 할 수 있을 것으로 기대된다.

서비스 거부 공격 (Denial of Service: DoS)은 매년 사이버 테러 이슈로 떠오르고 있는 대표적인 공격 양상 중의 하나이다. DoS 공격은 오래된 공격 유형으로 이에 대응하기 위한 연구가 많이 진행되고 있지만, IP(Internet Protocol) 주소를 변조할 수 있는 프로토콜 취약점 때문에 공격 발신지 역추적에 어려움이 있으며 DoS 공격의 다양한 성장으로 이어지고 있다. 현재 대부분의 변형된 DoS 공격들은 IP 주소를 변조하는 IP 스푸핑에 기반하고 있다. 이 때문에 익명성을 이용하여 공격 시도가 지속적으로 발생하고 있으며 정상적인 사용자와 공격자 간의 구분이 불분명하여 방어하기가 어렵다. 그렇기 때문에 본 논문에서는 여러 변형된 DoS 공격 유형 및 IP 스푸핑을 방지하기 위한 연구들을 분석함으로써 향후 공격자의 역추적을 돕고 DoS 공격을 차단하기 위해 필요한 정보를 제공한다.

본 연구는 미국 상무부 소속 국립표준기술연구소(NIST)에 의해 제시된 온라인상에서 디지털 신원 지침(digital identity guidelines)에 대한 내용을 살펴보고, 디지털 신원 서비스를 구현하기 위한 기술적인 요구사항들에 대해 검토 후 국내 본인확인서비스에 적용이 가능한 방안을 제시한다. 온라인상에서 사용자의 신원을 확인하기 위해 다양한 방안이 제시되고 있으며 현행 국내 본인확인서비스의 경우 과도한 개인정보 제공으로 사생활 침해 이슈가 제시되고 있다. 따라서 NIST의 디지털 신원지침에서 제시하는 차등화된 서비스 제공 방안에 대해 검토하고 국내 본인확인서비스에 적용 가능한 방안을 모색한다. 제시한 방안에서 획일화된 본인확인서비스에서 본인확인수단, 인증, 정보제공에 대한 차별적인 방안을 제시함으로써 보다 안전하고 건전한 본인확인서비스의 실현이 가능함을 알 수 있다.

모바일 운영체제 중 안드로이드의 점유율이 높아지면서 모바일 악성코드 위협은 대부분 안드로이드에서 발생하고 있다. 그러나 정상앱이나 악성앱이 진화하면서 권한 등의 단일 특징점으로 악성여부를 연구하는 방법은 유효성 문제가 발생하여 본 논문에서는 다양한 특징점 추출 및 기계학습을 활용하여 극복하고자 한다. 본 논문에서는 APK 파일에서 구동에 필요한 다섯 종류의 특징점들을 안드로가드라는 정적분석 툴을 통해 학습데이터의 특성을 추출한다. 또한 추출된 중요 특징점을 기반으로 모델링을 하는 세 가지 방법을 제시한다. 첫 번째 방법은 보안 전문가에 의해 엄선된 132가지의 특징점 조합을 바탕으로 모델링하는 것이다. 두 번째는 학습 데이터 7,000개의 앱에서 발생 빈도수가 높은 상위 99%인 8,004가지의 특징점들 중 랜덤포레스트 분류기를 이용하여 특성중요도가 가장 높은 300가지를 선정 후 모델링 하는 방법이다. 마지막 방법은 300가지의 특징점을 학습한 다수의 모델을 통합하여 하나의 가중치 투표 모델을 구성하는 방법이다. 최종적으로 가중치 투표 모델인 앙상블 알고리즘 모델을 사용하여 97퍼센트로 정확도가 개선되었고 오탐률도 1.6%로 성능이 개선되었다.

Trusted Execution Environment(TEE), such as Intel SGX, AMD Secure Processor and ARM TrustZone, has recently been a rising issue. Trusted Execution Environment provides a secure and independent code execution, hardware-based, environment for untrusted OS. In this paper, we show that Trusted Execution Environment's research trends on its vulnerability and attack models. We classify the previous attack models, and summarize mitigations for each TEE environment.

Windows는 UAC(User Account Control)를 통해 사용자의 동의를 얻은 프로세스에게만 관리자 권한을 부여한다. 관리자 권한을 부여받은 프로세스는 시스템 파일 변경, 환경 변수 변경 등 표준 권한을 가진 프로세스가 수행하지 못하는 작업을 수행할 수 있다. 일부 악성코드들은 사용자 동의 없이 관리자 권한을 획득하기 위해 UAC Bypass 기법을 이용한다. 그러나 UACMe에 공개된 56개의 UAC Bypass 기법 중 20개의 기법에 대한 보안 패치가 현재까지 이루어지지 않고 있다. 따라서 본 논문에서는 현재 Windows 시스템의 UAC Bypass에 대한 안전성 수준을 분석하기 위해 시스템 디렉터리 내부 82개의 프로그램을 대상으로 UAC Bypass가 가능한 DLL Hijacking 취약점을 분석한다. 또한 UAC Bypass에 악용 가능한 50개의 신규 취약점을 발견하고 악용 시나리오에 따른 공격가능성을 보인다.

최근 ICT(Information Communications Technologies)의 발전과 센서 제조 공정의 발전을 통해 저용량, 경량 디바이스를 이용한 스마트 홈 시장이 성장하고 있다. 특히 스마트 홈 IoT의 환경은 모든 사물을 인터넷으로 연결하고 상호 통신을 통해 다양하고 많은 양의 정보를 수집하여 일상생활을 편리하게 해주는 IoT(Internet of Things)가 계속 증가하고 있다. 하지만, 이러한 증가량과 함께, 스마트 홈 환경에서 대한 기술표준화가 이루어지지 않았으며 원활한 서비스 제공 뿐만 아니라 보안 문제가 발생하고 있다. 특히, 이기종 네트워크, 디바이스를 사용하는 스마트 홈 IoT의 경우 다양한 인증 방법이 존재하며, 이에 따른 취약점이 발생하게 된다. 보안 취약점을 이용한 공격으로 개인정보 유출이나 경제적 손실 등 피해를 발생시키고 있으며, 추후 인명피해까지 발생할 수 있다. 따라서, 본 논문에서는 스마트홈 환경의 IoT 보안 방안에 대해 알아보고, 관련 보안사고의 사례 및 인증 기술을 살펴봄으로써 미래 스마트 홈 IoT 보안 기술의 발전과 적합한 보안 대책과 보안 취약점에 대한 보안 체계를 마련하는 것에 도움이 될 것이다.

IoT 기술은 대규모의 IoT 네트워크가 디바이스들로부터 수집되는 데이터들을 이용해 서비스를 제공하는 기술이다. 이러한 IoT 네트워크는 디바이스 상호 간 연결되어 있어 네트워크에 포함 되어있는 하나의 디바이스가 가지고 있는 취약점을 이용하면 IoT 네트워크 전체가 공격받을 수 있다. 따라서, IoT 디바이스는 사양의 높고 낮음에 관계없이 전체 네트워크의 보안 수준에 맞추어 보안 강도를 보장받아야 한다. 본 논문에서는 근래에 새롭게 제시된 "디바이스 DNA"를 이용하여 새로운 디바이스 인증 기술을 개발하는 것에 초점을 맞추어, "디바이스 DNA"로 디바이스 상에서 측정되는 Wi-Fi 신호강도(RSSI; Received Signal Strength Indication)를 사용할 수 있는 가능성을 보인다.

최근 다양한 보안 사고들이 발생함에 따라 보안의 중요성이 대두되고 분야를 가리지 않고 일어나는 보안 이슈에 대응하기 위한 개발이 다양화되고 있다. 이 중 블록체인 기반 암호화폐의 일종인 이더리움(Ethereum)의 탈중앙화 어플리케이션(DApp) 시스템이 이슈화되었다. DApp을 이용하여 개발된 취약점 분산 관리 솔루션은 DApp의 기능과 장점을 포함한다. 취약점 분산관리 솔루션은 현 시대의 데이터 관리 구조의 문제점을 해결하기 위한 대책으로 제시되며 필요성을 드러낸다. 또한, 기존의 중앙 집중형 시스템에서 벗어나 솔루션의 이점을 활용하여 사용 영역을 확장할 수 있다.

최근 클라우드에서 발생하는 보안위협을 해결하기 위한 다양한 보안 기술 중 속성기반 암호인 CP-ABE 방식의 접근제어 기법을 사용하여 사용자간의 데이터를 안전하게 공유한다. 현재까지 다양한 CP-ABE방식의 접근제어 기법이 연구되었지만, 이 중 보안위협에 취약한 방식들이 존재한다. 특히 제 3자는 암호문에 지정된 접근구조를 통해 데이터에 접근하려는 사용자의 속성을 유추할 수 있고, 이로 인해 사용자의 프라이버시를 침해할 수 있다. 이에 사용자의 프라이버시를 보호할 수 있는 익명 CP-ABE 방식이 연구되고 있다. 하지만 기존에 연구된 익명 CP-ABE 방식 중 제대로 익명화가 적용되지 않은 방식과, 효율성이 부족한 방식들이 존재한다. 이에 복호화하는 사용자의 연산량은 증가된 암호문의 속성의 개수에 비례하기 때문에 비효율적이다. 본 논문에서는 데이터에 접근하는 사용자의 프라이버시를 보호하고, 사용자의 연산량의 효율을 높일 수 있는 익명 CP-ABE 방식을 제안한다.

최근 출시되는 다양한 IoT 서비스 환경에 참여하고 있는 객체들은 각자 인터넷에 연결되어 다른 객체와 통신할 수 있다. 이전에는 디바이스가 직접 인터넷에 연결될 수 있는 능력이 없었기 때문에 게이트웨이와 같은 중간 연결 매개체를 통해 인터넷에 연결되었다. 이후 IoT 디바이스의 성능이 좋아짐에 따라 디바이스가 직접 인터넷에 연결되고, 다른 디바이스들과 직접 통신할 수 있게 되었다. 디바이스는 사용자의 스마트폰이 될 수 있고, 스마트홈이나 스마트시티를 구성하는 여러 디바이스들이 될 수 있으며, 이를 확인하고 안전하게 데이터를 송수신하기 위해서는 인증 및 키 관리가 필수적이다. 객체가 인터넷에 연결될 수 있음에도 불구하고 IoT 디바이스들은 제한된 환경에서 동작하는 특성을 가지기 때문에, 기존 인증 및 키 합의 프로토콜을 그대로 적용할 수 없다. 따라서 본 논문에서는 IoT를 구성하는 객체가 인터넷에 직접 연결되고 서로 안전하게 통신하기 위해 ECQV(Elliptic Curve Qu-Vanstone) 묵시적 인증서를 통해 상호 인증 후 키를 안전하게 합의할 수 있는 인증 및 키 합의 기법에 대해 연구한다.

전자 정부의 시스템들은 공신력 있는 데이터를 보장하고 그 정보의 위·변조를 막아왔으며, 지금까지 이러한 역할을 전통적인 중앙집중형 관리 방식으로 진행되어 왔다. 하지만, 중앙 집중형의 데이터 관리 방식은 단일 오류점의 문제와 병목현상의 단점을 가지고 있다. 이러한 문제를 해결하기 위해 블록체인 기술이 등장하여 그동안 안전하지 못하다고 생각되어 왔던 탈중앙화를 특징으로 하여 데이터의 무결성을 보장한다. 하지만, 일반적인 블록체인과 스마트 컨트랙트를 전자 정부의 전자투표에 그대로 적용하기에는 많은 문제점들이 존재한다. 본 연구에서는 전자투표에 무결성과 자동화 기능을 제공하기 위해 블록체인과 스마트 컨트랙트를 적용하여 투표 데이터의 무결성을 보장하고 투표와 개표의 과정들을 스마트 컨트랙트로 자동화하는 방법을 제시하고자 한다.

클라우드 스토리지는 다양한 영역에서 이용가능하다. 일반적으로 데이터 저장, 이용에 사용되지만 추가적으로 데이터의 공유에 이용될 수도 있다. 이를 활용하여 단순 데이터 공유 및 데이터 구독 서비스 등 다양한 영역에 이용될 수 있다. 프록시 재암호화는 이러한 환경에서 데이터를 제 3자에게 안전하게 전달하기 위해 제안되었다. 프록시 재암호화는 데이터 소유자가 데이터를 암호화 한 뒤, 프록시에 보관하고, 위임자의 요청에 따라 데이터 소유자가 재암호화 키를 생성하여 프록시가 암호화된 데이터를 재차 암호화 할 수 있도록 한다. 프록시 재암호화는 암호화된 데이터를 제 3자에게 전달하기 위해 복호화 할 필요가 없기 때문에 데이터 원본을 노출 없이 안전하게 전달할 수 있다. 하지만 이러한 과정에서 프록시와 위임자가 결탁하여 데이터 소유자의 개인키를 복구하거나 재암호화 키를 위조하는 등의 위협이 발생할 수 있다. 이를 공모(결탁)공격이라 한다. 본 연구에서는 프록시 재암호화 기술에서 발생할 수 있는 공모공격을 방지하여, 보다 안전하게 이용할 수 있는 방법을 제시한다.

컨소시엄 블록체인은 허가된 멤버로 구성된 여러그룹이 하나의 원장을 공유한다. 이때 하위멤버의 트랜잭션 및 멤버 인증은 블록생성에 참여하는 신뢰된 노드로부터 유효성을 검증받는다. 따라서 컨소시엄 블록체인의 그룹 간 멤버의 트랜잭션 공유는 Privacy문제를 야기한다. 본 논문에서 컨소시엄 블록체인에서의 privacy를 위해 익명신용장기반의 익명프로토콜을 제안한다. 본 제안 방식은 다중블룸필터를 이용하여 긍정오류율을 높이고 효율적으로 검색하도록 한다. 또한 Blind Signature를 통해 컨소시엄 멤버간 메시지에 대한 익명성을 보존하면서 인증에 대한 서명은 유지하도록 한다. 결과적으로 컨소시엄 멤버 간 Privacy를 보존하면서 인증 트랜잭션을 블룸필터의 다중패턴으로 검증하여 컨소시엄 블록체인에서의 익명프로토콜(Anonymous protocol)을 제안한다. 이로써 컨소시엄 블록체인에서의 신뢰기반의 서버 시스템의 확장과 privacy 향상을 제공한다.

가상 화폐 분야의 핵심 기술로 소개된 블록체인(Blockcahin) 기술은 4차 산업혁명에서 중심이 되는 기술로 주목받고 있다. 본 논문에서는 블록체인 시스템의 구조도와 대표적인 합의 알고리즘, 즉 증명(PoW: Proof of Work), 지분증명(PoS: Proof of Stake) 그리고 PBFT (Practical Byzantine Fault Tolerance)을 조사하였다. 합의 알고리즘의 특성을 분석하기 위하여, 보안성, 에너지 소비량, 거래 처리속도를 지표로 세워서 합의 알고리즘들에 대하여 전체적으로 비교 및 분석을 하였다.

블록체인은 P2P 네트워크로 탈중앙화된 신뢰성 기반 데이터 공유 서비스를 제공한다. 다양한 블록체인 플랫폼 중에서도 이더리움은 가장 상용화된 플랫폼으로 비트코인의 한계를 극복하면서도 스마트 컨트랙트를 통한 신뢰성 있는 서비스를 제공한다. 본 논문에서는 블록체인 기반 분산 컴퓨팅 플랫폼인 이더리움에 속성기반 암호기법을 적용하여 네트워크 내의 블록체인에 대한 제한적 접근 서비스를 제안하고 이를 통해 블록체인 서비스 유형을 제시한다.

DDoS(Distributed Denial of Service) 공격은 네트워크상에서 다수의 시스템 협업으로 하나의 표적 시스템을 공격하여 서비스의 가용성을 침해하는 공격이다. 이는 점차 지능적인 방법으로 진화하고 있으며 특히 IoT를 대상으로 한 DDoS 공격이 증가하고 있다. 이기종의 기기들이 연결된 IoT는 기존 IT디바이스와 비교하여 제한된 자원을 가지고 있어 IoT 네트워크 특성을 고려한 DDoS 보안 기법이 요구된다. 국제 인터넷 표준화 기구 IETF에서 IoT를 지원하기 위해 제정한 CoAP(Constrained Application Protocol)은 기존 IT 네트워크와 호환성을 가진 응용 계층 프로토콜이다. 본 논문은 CoAP의 DDoS 공격 취약점과 대응 방안을 정리하고 새로운 프로토콜을 추가할 시 고려해야 할 사항을 제시한다.

차량 포그 컴퓨팅 및 자율주행 자동차 개발 기술이 발전하면서 자동차 내부에 탑재된 IoT 센서들은 교통 정보 관련 다양한 정보를 수집할 수 있게 되었고, 더불어 자동차와 자동차간, 차량과 교통 인프라 간의 통신을 통해 수집된 교통 정보의 공유가 가능해졌다. 그러나 이 과정에서 알지 못하는 차량으로부터 받은 메시지를 어떻게 신뢰할 수 있는지에 대한 문제가 존재한다. 이를 보완하기 위해 평판 시스템을 적용한 연구들이 있으나 여전히 불안전한 데이터 저장방식과 통신 트래픽 문제가 존재한다. 이를 해결하기 위해 블록체인 기술을 사용된다. 본고에서는 블록체인 기반의 차량 네트워크의 평판 시스템 연구 사례를 분석한다.

Active Directory(AD)는 윈도우즈 환경 하에서 LDAP 디렉터리 서비스나 Keberos 기반의 컴퓨터 인증 등을 제공한다. 본 논문에서는 AD의 감사 기능을 이용하여 여러 컴퓨터들을 하나의 서버에서 로그를 관리하고 감사할 수 있는 2가지 방안을 제시한다. 이러한 로그를 이용하여 특정 컴퓨터에 대한 디지털 포렌식에 활용할 수 있을 것이다.

클라우드 서비스 기반의 시스템은 기존의 물리적 인프라 기반의 서비스에 비해 전사관점의 투자 Risk 를 줄이고 보다 효율적인 시스템의 구축과 운영을 가능하게 한다. 그러나 이러한 장점을 제공하기 위한 클라우드 서비스의 서비스모델과 기술적 관점의 특징으로 인해 기존보다 더 많은 보안 취약점에 노출될 수 있다. 이러한 보안 취약점에 효과적인 대응을 하기 위해서는 이러한 클라우드 서비스의 특징을 이해하고 이를 기반으로 한 기술적/관리적 보안 대응책을 정의하고 실행하는 것이 필요하다. 이에 본 고에서는 클라우드 서비스의 특징을 살펴보고 이를 기반으로 하는 보안 취약점을 파악 이에 대한 대응 방안에 대해 제시하도록 한다.

IoT 기술이 발달하면서 기기들 간의 안전한 통신을 위한 보안 시스템 탑재의 필요성이 대두되었다. 보안 시스템은 암호 키의 안전성과 밀접한 관련이 있기 때문에, 안전한 난수발생기를 통해 생성한 난수를 키로 사용하는 것이 중요하다. 그러나 제한된 리소스를 갖는 IoT 기기들의 특성으로 인해, 기존 난수발생기를 IoT 기기에 구현하기 어려운 문제가 있다. 이에 IoT 기기에서 사용 가능한 난수발생기에 대한 연구들이 진행되어 왔으며, 특히 IoT 기기들이 탑재하고 있는 각종 센서를 활용한 난수발생기의 설계 방안들이 활발히 연구되고 있다. 본 논문에서는 IoT 기기에 주로 탑재되는 센서를 5가지로 분류하고, 각각의 센서별로 난수성을 측정하는 연구들을 분석한다. 우리가 조사한 바에 따르면 이러한 센서들의 출력이 충분한 난수성을 제공하고 있으며, 본 논문에서 각 센서들을 활용하여 난수발생기를 설계한 연구들을 분류하고 특징을 살펴본다.

데이터가 오고 가는 네트워크를 사용하는 곳들에서는 패킷을 필히 수집하고 분석한다. 하지만 패킷 스캐닝을 통해 공격 대상에 대한 정보를 수집하고 2차적 공격 시나리오를 구상하는데 악용하는 경우가 발생한다. 본 시스템은 IP/TCP를 중심으로 패킷분석에 대한 전문적인 지식이 없어도 쉽게 확인 가능한 프로그램을 제공할 예정이다.

S/W, Coding 3d Print, Aduino, IoT 등은 4차 산업혁명 시대에 주요 산업 분야에서 공통으로 쓰이는 핵심 기술이다. 2018년도부터 코딩 교육 의무화가 되었으며, 4차 산업혁명 시대에 필요한 인재상인 창의 융합형 인재를 육성할 수 있는 교육이 더욱 필요한 때이다. 본 논문에서는 별자리 12궁에 대한 과학적 지식을 탐구하며 Coding, 3D Print, Aduino에 관한 지식을 교육하기 위한 시스템을 만들어 보았다. 메이커 교육을 융합한 창의 융합형 교구인 별 빛 교구와 별자리 무드 등을 제작하였으며, 이 2가지의 교구의 구성 및 교육 내용에 대해 기술하였다.

본 논문에서는 레미콘 타설 공정에서 스마트폰으로 현장 검사와 품질관리가 가능하도록 모바일 레미콘 품질 관리 시스템을 제안하였다. 또한 현장검사를 디지털화하기 위한 실시간 슬럼프 데이터 처리 부분을 함께 제안하였다. 검사자의 스마트폰을 이용하여 레미콘 현장검사의 영상을 실시간으로 전송하여 오류를 판단하고 레미콘 제품 이상 여부를 현장과 본사에서 실시간 공유가 가능하도록 하였다. 개발대상기술은 실제 결과 값과 영상 이미지 분석 등으로 제품에 대한 이상 여부가 판단되며 회사 및 현장에 적합한 정보 제공이 가능하다. 레미콘 품질 데이터 분석을 기반으로 원자재 관리 데이터와 연동함으로써 레미콘 업종의 가장 큰 문제 사항인 원자재 반입에 따른 최적의 배합 비율 제시가 가능하다.

이 논문은 서울시를 중심으로 공공 빅데이터 및 환경 분석을 통한 상대적 성범죄예방지수를 산출하기 위하여, 서울시의 법정동 별로 분석하고 그에 따른 위험도를 도출하는 데이터 베이스를 구축하였다. 이 시스템에서 개발한 상대적 성범죄예방지수를 활용하여 정부차원에선 위험도가 높은 지역에 성범죄 예방 자원을 추가 공급할 수 있는 근거 자료가 될 수 있다. 또한 개인 차원에서는 지역별 성범죄의 위험도를 인지하는 것을 넘어서, 실질적으로 주거지를 선택할 때에 유용한 정보로 활용할 수 있다.

지식과 정보의 중요성이 강조되는 지식기반사회에서는 지식재산권의 대표적인 유형인 특허의 중요성이 날로 높아지고 있고, 그 수 또한 급증하고 있다. 특허 문서의 효과적 검색과 이용을 위해서는 새롭게 출원되는 특허 문서의 체계적인 분류 작업이 선행되어야 하고, 따라서 방대한 양의 특허 문서를 자동으로 분류해주는 시스템이 필요하다. 본 연구에서는 Doc2Vec 모델을 이용하여 국내 특허 문서의 특징(feature)을 추출하고, 추출된 특징을 바탕으로 한 특허 문서의 자동 분류 모형을 제안한다. 먼저 국내에 등록된 31,495 건의 특허 문서의 IPC(International Patent Classification)와 요약정보를 바탕으로 Doc2Vec 모델을 구축하였다. 구축된 Doc2Vec 모델을 통하여 훈련데이터의 특징을 추출한 후, 이 특징 벡터를 이용하여 분류기를 학습하였다. 마지막으로 Doc2Vec 모델을 이용하여 실험데이터의 특징 벡터를 추출하고 분류기의 성능을 실험한 결과, 43%의 분류 정확도를 얻었다. 이를 통해, 특허 문서 분류 문제에 Doc2Vec 모델의 사용 가능성을 확인할 수 있었다.

움직이는 UAV는 많은 위치에너지와 운동에너지를 가지므로 지상으로 추락하는 경우 많은 충격량을 가질 수 있다. 이는 인명피해로 연결될 수 있기 때문에 본 논문에서는 UAV 비행경로 상의 인구밀집지역을 위험구역으로 정의하였다. 기존의 UAV 경로비행은 사용자에 의해 미리 설정된 경로만을 운행하는 수동적인 형태였다. 일부 UAV는 경로비행 중 장애물을 회피하는 시스템 등 안전기능을 포함하고 있지만, 비행환경변화에 대응하기에는 부족하다. UAV 경로비행에 공공 데이터를 활용할 경우, 위험구역을 검출하고 회피비행을 수행할 수 있어서 비행환경변화에 대한 대응이 향상될 수 있다. 따라서 본 논문에서는 수집된 데이터를 활용하여 위험구역을 회피하는 최적경로 비행 방안을 제안한다. 실험결과, 제안하는 자동경로비행에서 목적지와 목적지에 따른 경로를 지정할 경우, 위험지역을 스스로 판단하여 최적 우회경로로 비행하는 것을 확인하였다. 추후 회피방안에 따라 비행하여 획득하는 영상의 질적 만족도를 높일 수 있는 방안을 연구할 예정이다.

심전도는 심장운동으로 미세하게 변하는 심장의 전위차를 신체외부의 피부에서 측정한 것으로 최근 의료, 금융, 보안, 오락 등 서비스에서 기존의 생체신호시스템의 대안으로 많은 연구가 되고 있다. 기존 서비스로서 개인인식, 개인인증, 부정맥인식, 행동인식, 심방세동 검출 등은 근본적으로 심전도를 분류하는 기술이고 또한 최근 딥러닝이 여러 분야에서 두드러진 성능들이 보고되었기 때문에 딥러닝을 이용한 심전도 분석도 많은 연구가 되고 있다. 따라서 본 논문은 딥러닝기반 심전도 분류의 국내외 동향분석을 한다.

국내의 전력 산업은 부정확한 전력수요 예측으로 전력부족과 공급과잉의 주기적 반복이 발생하여 전력 과생산, 에너지 낭비, 전력 과소비와 요금 체납 등의 문제가 발생하고 있다. 이를 해결하기 위해 본 논문에서는 LSTM 알고리즘을 사용하여 전력사용량 예측하고, 정량의 전력을 선구입 할 수 있도록 설계하였다. 제안하는 시스템은 스마트그리드 환경과 인공지능으로 정량의 전기를 구입 할 수 없는 기존의 전력 산업 문제를 보완하여 소비자의 전기요금 절감과 에너지 절약이 가능하다.

센서 네트워크는 IoT, 스마트 팜 등의 다양한 분야에 활용되고 있다. 그러나 센서 자체의 결함과 환경적인 요인으로 인해 데이터의 변화가 발생하는 단점을 가지고 있다. 제안하는 시스템은 기존의 센서 네트워크에 중앙 서버를 배치하고 중앙 서버에 STL Module를 추가한다. STL Module은 센서로부터 측정된 데이터를 분석하고 이상 데이터를 검출하여 제거한다. 중앙 서버에 추가적으로 Web Server를 구축하여 관리자가 실시간으로 모니터링할 수 있다.

최근 대학교는 CQI(Continuous Quality Improvement) 등의 방대한 교육 관련 데이터를 수집하고 있고 이를 분석하여 교육 및 경영에 활용하고 있다. 핵심어는 텍스트의 내용을 간결하게 표현할 수 있는 단어이다. 그래서 CQI 보고서의 의미를 파악하기 위해서는 먼저 핵심어 추출이 필요하다. CQI 보고서에서 핵심어를 추출하면 이후 정보 검색, 인덱싱, 분류, 클러스터링, 필터링 등과 같은 많은 응용 작업을 용이하게 수행할 수 있다. 따라서 방대한 양의 CQI 보고서로부터 핵심어 추출을 자동화한다면 이후 요약 및 의미 파악에 많은 도움이 될 것이다. 이 논문에서는 CQI 보고서 요약을 위해 자동적으로 핵심어를 추출하는 방법을 제안한다.

2족 보행로봇의 가장 중요한 해결 과제는 인간과의 유사성일 것이다. 본 논문에서 2족 보행로봇의 기구부에서는 인간과 비슷한 관절 구조로, 제어부에서는 인간과 유사한 보행 알고리즘을 구현하고 계속해서 검토해나가며 기구부와 제어부를 조절하여 결론적으로는 인간과 유사하게 걸을 수 있도록 하는 것이 최종 목표이다.

단어 임베딩 모델 중 현재 널리 사용되는 word2vec 모델은 언어의 의미론적 유사성을 잘 반영한다고 알려져 있다. 본 논문은 word2vec 모델로 학습된 단어 벡터가 실제로 의미론적 유사성을 얼마나 잘 반영하는지 확인하는 것을 목표로 한다. 즉, 유사한 범주의 단어들이 벡터 공간상에 가까이 임베딩되는지 그리고 서로 구별되는 범주의 단어들이 뚜렷이 구분되어 임베딩되는지를 확인하는 것이다. 간단한 군집화 알고리즘을 통한 검증의 결과, 상식적인 언어 지식과 달리 특정 범주의 단어들은 임베딩된 벡터 공간에서 뚜렷이 구분되지 않음을 확인했다. 결론적으로, 단어 벡터들의 유사도가 항상 해당 단어들의 의미론적 유사도를 의미하지는 않는다. Word2vec 모델의 결과를 응용하는 향후 연구에서는 이런 한계점에 고려가 요청된다.

There are many recommendation systems offer an effort to get better preciseness the information to the users. In order to further improve more accuracy, the social network analysis method which is used to analyze data to community detection in social networks was introduced in the recommendation system and the result shows this method is improving more accuracy. In this paper, we propose a movie recommendation system using social network analysis and normalized discounted cumulative gain with the best accuracy. To estimate the performance, the collaborative filtering using the k nearest neighbor method, the social network analysis with collaborative filtering method and the proposed method are used to evaluate the MovieLens data. The performance outputs show that the proposed method get better the accuracy of the movie recommendation system than any other methods used in this experiment.

택배 배달 서비스는 전국적 물류의 중요 부분이다. 노선이 잘못되면 시간과 비용 면에서 경제적 불이익이 발생할 수 있다. 이러한 위험을 최소화하기 위해 물류 회사나 IoT 기기 등에서 실제 배송 데이터 10만 개를 수집하여 최소 거리와 최소 시간의 관점에서 최적의 허브 후보 위치를 분석하였다. 택배의 공통 경로 데이터는 실제 택배의 경로 데이터에 Longest Common Route Sequence 알고리즘을 사용하여 계산하였다. 계산한 택배의 공통 경로 데이터를 기반으로, 최적의 허브 후보 위치를 설정하고, 이로부터 최적의 거리와 시간을 계산할 수 있다.

There is a lot of information in our world, quick access to the most accurate information or finding the information we need is more difficult and complicated. The recommendation system has become important for users to quickly find the product according to user's preference. A social recommendation system using community detection based on label propagation is proposed. In this paper, we applied community detection based on label propagation and collaborative filtering in the movie recommendation system. We implement with MovieLens dataset, the users will be clustering to the community by using label propagation algorithm, Our proposed algorithm will be recommended movie with finding the most similar community to the new user according to the personal propensity of users. Mean Absolute Error (MAE) is used to shown efficient of our proposed method.

기술의 발달로 많은 분야에서 CCTV를 사용하고 있는데, 통합관제시스템 및 운영에 대해 자세히 알아보고자 하며 또한 관제센터에서 CCTV의 설치 증가로 인한 유지보수 및 운영에 대한 문제점이 발생하고 발생되는 문제점을 해결하기 위해 시스템 솔루션을 개발하고자 한다. 또한 관제 시스템을 위한 새로운 솔루션이 필요한 만큼 본 논문에서는 CCTV 관제 센터에서 효율적으로 운영될 수 있도록 장애가 발생하는 CCTV를 파악하여 유지보수에 문제가 안 생기고 활용적인 운영이 가능하도록 기존 시스템에서 새로운 기술 및 기능을 추가한 시스템을 이용하여 문제점을 해결하여 원활한 운영이 될 수 있도록 제안을 하고자 한다.

Windows 환경에서 상용 저지연 NIC를 이용하여 컴퓨터 네트워크 통신 지연을 감소시킬 수 있다. 일반적으로 시스템의 커널에서 네트워크 처리를 담당하지만 본 논문은 커널을 우회하여 NIC에서 처리하여 운영체제에서 발생하는 지연을 최소화한다. 상용 NIC과 광섬유 케이블을 사용하여 네트워크 지연에 대한 비교결과를 보이며 네트워크 저지연 시스템의 구성을 제시한다.

최근 스마트폰의 보급률이 높아지면서 자투리 시간에 스마트폰으로 게임을 즐기는 사람들이 많다. 그에 따라 PC게임을 모바일 버전으로 즐길 수 있는 수 많은 게임들이 등장하고 있다. 이에 따라 사용자는 자신이 좋아하고, 재미있게 즐길 수 있는 모바일 게임을 찾기가 어렵다. 따라서 본 논문에서는 협업 필터링과 k-nn을 이용하여 사용자 스타일에 가장 적합한 모바일 게임 추천 시스템을 제안한다.

종편 tv채널 증가와 모바일, 웹 시장의 발달로 엄청난 많은 양의 드라마가 양산되고 있다. 또한, 현대인들은 복잡한 현대의 생활 구조 때문에 드라마를 제 시간에 시청하거나 자신의 취향에 맞는 드라마를 골라서 시청하는 것은 매우 어렵다. 따라서, 본 논문에서는 R에서 협업 필터링 방법을 이용하여 사용자가 자신에게 가장 적합한 드라마를 추천하는 시스템을 제안한다.

본 논문은 의료영상을 기반으로 근감소증의 정량적 평가를 위한 특화된 분석 소프트웨어에 대하여 기술한다. 특히, 제안한 분석 소프트웨어는 복부 CT영상에서 근감소증 영상분석에 중요한 인자인 근육, 피하지방 그리고 내장지방의 영역을 반자동 방식으로 세그멘테이션하여 정량화 할 수 있다. 또한 각각의 영역별 레이블링 영상을 다양한 포맷으로 생성할 수 있다. 분석 소프트웨어는 근감소증의 진단 및 정량적 평가를 정의하는 출발점이 될 것으로 기대하고 있으며, 다양한 질환에 대해 분석에 적용이 가능하다.

소셜네트워크서비스(SNS)의 정치, 경제, 사회, 문화 전반에 걸친 영향력이 점점 더 커지고 있는 현실에서 가장 발빠르게 이들 매체를 전략적인 PR 도구로서 이용하고자 노력하는 조직들은 아마도 기업일 것이다. 본 연구에서는 TF-IDF 와 연관 규칙 기반 유투브 인플루언서 선별방안을 제안하여 기업 마케팅의 초석을 제공한다.

개방과 협력의 시대로 불리는 현재, 학문분야의 융합과 소통은 이미 오래전부터 강조되었던 가치다. 그러나 현실적으로 오랜 세월 전문 영역의 틀로써 명확히 분리되어왔던 학자들이 다른 영역의 연구자들과 자유롭게 협업 및 교류하는 상황은 쉽게 일어나기 어렵다. 이러한 문제에 대한 해결책으로서 본 연구는 온라인 네트워크 플랫폼에 주목하였다. 특히 학문 전 분야의 전문 연구자들을 연결하는 세계적인 플랫폼인 리서치게이트의 사례를 통해 사용자 동인을 확인해보고자 하였다. 이를 위해 본 연구에서는 국내 리서치게이트 이용자들에 대한 사용성 평가 설문 및 FGI를 계획하였다. 본 연구의 결과는 국내 연구자들을 중심으로 한 전문연구자 정보 네트워크 플랫폼 개발 방향에 대해 현실적인 시사점을 제시할 것으로 기대한다.

블록체인 기술이 발전함에 따라 블록체인을 기반으로 하는 웹 서비스가 기획되고자 할 때, 데이터 저장에 대해서 무결성과 기밀성 유지, 데이터의 크기 등의 문제가 발생할 수 있다. 따라서 서비스에 내에서 사용되는 다양한 데이터의 각 특성에 따라 저장소를 선택하여야 한다. 블록체인 기반 웹 서비스의 유형을 분류하고, 서비스에서 사용되는 데이터를 분류할 수 있도록 데이터 분류 체계도와 그 과정에 대해 제안한다. 이를 통해 블록체인 기반 웹 서비스에서 블록체인과 외부 저장소 혼용의 효율 상승을 기대한다.

국민 청원 사이트가 뛰어난 접근성과 신속성으로 인하여 국민들로부터 많은 관심을 받고 있다. 현재 국민청원 사이트의 카테고리 분류는 '미래', '성장동력' 등을 포함한 16개의 카테고리 및 기타로 구성되어 있으나 그 기준이 모호하여 많은 청원글들이 기타 카테고리로 분류되고 있는 상황이다. 이는 청원글의 내용을 명확히 반영하지 않고 미리 정의된 카테고리 구조를 사용하고 있는데서 기인한다고 할 수 있다. 본 논문에서는 보다 구체적으로 정의된 카테고리를 정의하고자 추천 순으로 1,500개의 청원글을 수집하였고, 수집된 청원글의 내용을 바탕으로 카테고리 구조를 추출하였다. 먼저, k-평균 알고리즘을 적용하여 청원글을 군집하여 대분류를 정의하였고, 보다 구체적인 세부 분류를 정의하기 위하여 토픽모델링을 실시하였다. 본 논문에서 제시하는 계층적 카테고리 구조는 청원글의 내용을 바탕으로 대분류와 세부분류로 구성된 것이므로 새로운 청원글을 등록하거나 분류하는 데 적절한 것으로 보인다.

기존의 학력인증 서비스는 학교에 직접 방문하거나, 온라인을 통해 종이 증명서를 발급받는다. 하지만 학력인증을 블록체인에 기록하여, 인증 서비스의 비용을 줄이고 절차를 간소화하고자 한다. 더불어, 디지털 증명서를 블록체인에 등록하여 발급해온 증명서의 진위 여부를 확인하는 체제가 잘 갖춰지지 않은 곳에서도 재확인이 필요 없는 서비스를 제공하고자 한다. 블록체인에 증명서를 등록하는 중요한 기능은 '스마트 컨트랙트'를 통해 이루어진다. 매년 졸업요건이 변경된다는 점을 고려하면 스마트 컨트랙트에서 블록체인에 학력인증이 등록되는 조건의 업데이트는 필수불가결이다. 하지만 새로운 스마트 컨트랙트를 배포하는 식의 컨트랙트 업데이트는 여러 문제점들이 있다. 이를 해결하고자 본 논문에서는 proxy contract를 이용한 학력인증 서비스 시스템의 설계를 다루고자 한다.

최근 4차 산업혁명에 따라 많은 어플리케이션 및 프로그램들이 개발되고 있다. 다양한 기능의 어플리케이션 중 의료정보에 관한 어플리케이션은 많지가 않다. 우리는 공공데이터포털에 올라온 전국의 의료기관 정보를 활용하여 사용자가 보다 편리하고 쉽게 의료기관을 이용할 수 있도록 도와주는 어플리케이션을 만들었다.

다양한 요약 프로그램이 존재하지만 입력되는 정보의 형태가 텍스트에 한정되어있다. Sumalyze는 그러한 한계점을 보완한 파이썬 언어 기반 라이브러리다. 다양한 형식의 데이터를 입력받으며 컨텐츠의 종류에 맞는 요약과 범주화를 제공한다. 또한, 컨텐츠의 핵심파악을 돕기 위해 요약에 대한 분석을 제공한다.

소프트웨어 개발은 협업이 가장 중요시 되는 분야 중 하나로 팀 단위의 소프트웨어 개발의 품질 및 생산성 향상을 위해 팀 단위 프로젝트 방법론이 발달하였다. 방법론의 선택에 따라 개발의 결과물과 만족도에 큰 차이가 나타나게 되는데, 고전적인 폭포수(Waterfall) 방식의 대안인 애자일(Agile) 방법론은 점진적인 개발로 프로젝트 진행도중 발생하는 이슈처리를 효율적으로 해결할 수 있어 현재 많은 개발에 적용되고 있다. 그 중 스프린트 기법을 바탕에 두는 스크럼(Scrum)을 사용하는데 소규모 개발팀은 스크럼(Scurm)의 교육 부담과 스크럼 마스터의 부재로 해당 방법론을 적용하기 어려움을 겪는다. 이에 본 논문에서는 소프트웨어 공학의 애자일(Agile) 방법론 중 하나인 스크럼(Scrum)을 실제 프로젝트 관리 시스템의 도구로 사용하기 위해 웹 응용 시스템으로 구현하고자 하며 해당 서비스가 SW개발뿐 만 아닌 다양한 분야의 프로젝트에 적용될 수 있도록 한다. Spring 프레임워크를 이용하여 서버를 구축하고 AWS EC2를 통해 배포하며, BootStrap과 JQuery를 이용하여 웹을 구성하여 팀 프로젝트에 있어 효율적인 관리 도구가 될 수 있도록 한다.

본 논문에서는 기존의 실시간 스트리밍 플랫폼을 분석하여 스트리밍 아키텍처를 설계하고, 다중 사용자를 수용하여 실시간 소통 및 미디어 저장을 처리한다. 나아가 배포를 위하여 안드로이드 모바일 앱을 통해 동작을 시험하고 서비스를 제공하도록 한다.

본 논문은 벽면 이동 로봇의 진공흡착을 위한 Mechanism의 개선에 관한 연구로서, 시뮬레이션을 통해 로봇의 무게에 따른 중력을 견딜 수 있도록 흡착의 효율을 높이고, Mechanism의 여러 조건들을 고려하여 실험을 통해 가장 적절히 부합하는 조건을 판단하며 벽의 수직방향으로의 미는 힘과 챔버 내의 저압영역등과의 상관관계를 고려하여 흡착 능력을 개선하기 위한 방법을 판단하기 위해 실험을 진행하였다.

소프트웨어의 비정상적인 작동인 크래시는 보안 취약점의 원인이 된다. 이러한 크래시로부터 야기되는 취약점을 예방하기 위해 다양한 테스트케이스를 생성하고 크래시를 발견 및 분석하는 연구가 지속되고 있다. 본 논문에서는 북한 소프트웨어 서광사무처리체계에서 사용하는 국제 사무용 전자문서 형식인 Open Document Format for Office Application (ODF)의 워드프로세스 문서 형태인 ODT파일의 효과적인 보안 테스트케이스를 찾기 위해 먼저 테스트케이스를 도출한다. 도출된 테스트케이스를 데이터 전처리한 후 Feature Selection 기법을 적용하여 의미 있는 속성들을 분류한다. 마지막으로 ODT 파일 내에 크래시를 유발하는 유의미한 속성들을 확인하고 퍼징 테스트케이스 작성 시 메트릭으로 활용할 수 있다.

RTT(Round Trip Time)가 큰 위성링크에서는 TCP의 정상적인 동작이 어렵다. PEP(Performance Enhanced Proxy)은 위성과 지상 통신간의 성능 향상을 위해 개발되었으나. PEP의 위성링크 구간에 적용되는 TCP Cubic, TCP Hybla등 기존의 Enhanced TCP는 충분한 윈도우사이즈를 확보하는데 시간이 걸리는 문제점이 있다. 본 논문에서는 Cubic의 초기 윈도우 값을 높게 설정해 위성 대역폭을 보다 빨리 점유할 수 있는 수정된 혼잡제어 알고리즘을 제안한다. 제안한 방법은 기존 혼잡제어 알고리즘보다 전송률이 약 26% 향상되었다.

일반적인 키워드 기반 테스트는 기능 위주의 키워드를 작성하여 테스트를 자동화하여 비용은 적게 들지만 활용도가 높은 테스트를 자동화기 어렵다. 한편 탐색적 테스트는 리스크 기반으로 차터를 작성하여 짧은 시간동안 많은 에러를 탐지하는 장점이 있으나, 문서화가 미흡하다는 단점이 있다. 위와 같은 단점을 보완하기 위하여 탐색적 테스트의 기본 원리를 고수하면서 효율적 키워드 기반 자동화가 가능한 RAKTA(Record And Keyword-based Test Automation) 방법론을 제안한다. RAKTA는 오픈 소스 키워드 기반 자동화 프레임워크인 로봇 프레임워크의 기술을 사용하여, 키워드 기반과, 탐색적 테스트의 장점을 뽑아 효율적으로 테스트 자동화하여 비용을 줄이고 많은 에러를 탐지할 수 있다. 또한 본 논문에서는 RAKTA 방법론을 활용한 여러 가지 키워드 재사용 사례와 기존 조직에서 사용하던 테스트 스크립트를 혼합하여 통합 테스트, 인수 테스트, 설치 테스트를 자동화하는 방법을 제안한다.

북한에서 운영하고 있는 오피스 프로그램인 서광사무처리 3.0은 ODF(Open Document Format) 파일 포맷을 입력으로 받아 문서를 처리한다. ODF는 여러 개의 XML(Extensible Markup Language) 파일로 구성되어 있고, 하위 노드들을 통해서 파일 구조를 정의한다. 이러한 서광사무처리 3.0의 ODF 파일 구조를 하위 프로그램별 입력받는 파일 확장자에 따라 공통 영역과 가변 영역으로 비교하고, CVE(Common Vulnerabilities and Exposures)를 통해 ODF와 XML 주요 취약점을 분석한다.

본 논문에서는 바퀴형 이동 로봇의 모터제어에 대하여 연구하였다. 로봇의 안정적인 주행을 위하여 PID 제어에 대한 이론을 연구하고 Imu sensor와 Hall sensor를 이용한 자세 및 속도 제어방법을 제시한다.

드론의 동작 검증을 위한 테스트는 최종적으로 드론이 운용될 환경에서 이루어진다. 그러나 테스트 비용이 크고 테스트 비행 중 파손의 위험이 있기 때문에 시뮬레이션을 통한 사전 검증을 수행하는 것이 중요하다. 시뮬레이션은 SIL 방식이나 HIL 방식으로 이루어지는데 추가적인 외부 센서를 활용하는 경우 검증하기가 어렵다. SIL에서는 검증을 위해 가상의 외부 센서 구현이 필요하다. HIL 에서는 실제 센서를 사용하므로 가상의 외부 센서 구현은 필요 없다. 그러나 테스트 환경이기 때문에 실제 환경과 비슷한 데이터나 동작 검증에 적합한 데이터를 얻기 어렵다. 이러한 HIL에서의 문제를 해결하기 위해 외부 센서를 실제 환경에서 사용한 로그나 테스트 환경에서 센서 검증에 사용한 로그를 이용할 수 있다. 본 논문에서 제안하는 외부 센서의 로그를 활용한 HIL 시뮬레이션 기법 확장 내용은 외부 센서 데이터 입력기가 로그로부터 얻은 센서 데이터를 비행 컨트롤러로 보내 검증을 수행하기 때문에 데이터를 재사용할 수 있고 테스트 비용을 줄일 수 있다. 또 외부 센서 데이터 입력기는 로그 파서, 뷰어, 슬라이서, 데이터 전송기로 구성되어 로그로부터 검증에 적합한 데이터를 쉽게 얻어 활용할 수 있다.

의료영상은 환자의 질병을 진단하고 치료방침을 결정하는데 중요한 도구로 자리매김하고 있다. 최근 의료영상을 인공지능 연구가 국내외에서 활발하게 진행되고 있다. 특히 대규모의 의료영상들을 학습시켜 질병과 상태를 정밀 진단할 뿐만 아니라 예측하는 소프트웨어를 개발 하는 상황이다. 그러나 의료영상은 DICOM 표준에 따르고 있지만 태그정보의 사용은 의료기기와 의료기관마다 상이하다. 따라서 의료영상에 대한 메타 데이터의 표준화에 어려움이 있다. 본 논문은 이러한 의료영상 데이터를 표준화 할 수 있는 방법을 제안한다. 그리고 제안한 표준화 데이터로 변환할 수 있는 ETL 소프트웨어의 수행결과를 보이고, 조건에 따라 머신러닝 학습 데이터셋을 생성하는 결과를 제공한다. 향후 제안한 의료영상 표준화와 ETL 소프트웨어는 다양한 수요자 중심의 표준화된 데이터셋을 제공할 수 있는 플랫폼의 주요기능으로 활용 될 것으로 기대한다.

의료영상은 진단을 목적으로 환자의 질환 부위별로 정밀하게 촬영하여 수집된 영상이다. 수집된 의료영상을 판독하여 진단하기 어려운 경우에는 조직검사를 통해 확진검사를 실시한다. 하지만 조직검사의 경우 환자에게 신체적, 경제적 부담을 줄 수 있다. 따라서 의료영상을 기반으로 정밀 진단하는데 도움을 줄 수 있는 정량분석 소프트웨어 개발이 중요하다. 현재 복부 간 질환의 경우 MELD(Model For End-Stage Liver Disease) 점수를 이용하여 간 질환의 중증도나 예후를 예측하는데 이용되고 있다. 하지만 MELD점수 산출에 있어서 의료영상 정보를 사용하지 않았기 때문에 질환 여부를 가늠하는데 에만 이용될 뿐 병변부위의 위치를 확인하는데 에는 어려움이 있다. 그러므로 본 논문은 다양한 의료영상장비에서 획득한 복부영상을 이용하여 복부질환의 중증도를 예측 및 분석함으로서 실제 임상진단에 도움을 줄 수 있는 시스템을 제안하고자 한다.

프로그램 슬라이싱은 처음 발표된 이후로 지금까지 다양하게 연구되어 테스팅, 디버깅, 개발, 유지 보수 등 다양한 분야에서 사용되어 왔다. 프로그램 슬라이싱을 수행하기 위해서는 기준이 되는 변수에 대해 소스코드 내에 존재하는 모든 라인들에 대해 의존성을 계산하여 프로그램 슬라이싱을 수행하게 된다. 하지만 지정된 변수에 대해서만 의존성 계산을 수행하기 때문에 프로그램을 실행 가능하게 하는 정보들에 대해서는 누락될 수 있고 이 경우의 프로그램 실행은 보장되지 않을 수 있다. 이러한 문제를 개선하기 위해 본 논문에서는 concolic testing 기법을 이용하여 기준이 되는 변수에 대한 의존성 있는 구문들을 추출하고 프로그램 실행에 요구되는 구문들을 같이 추출해낼 수 있는 프로그램 상호작용 슬라이싱 기법을 제안한다.

데이터 랭글링은 원시 데이터를 분석하기에 더 적합한 형태로 변환하는 프로세스를 말한다. 본 논문에서는 프로그램 합성 기술을 이용하여 테이블 데이터에 대하여 사용자의 의도를 만족하는 데이터 랭글링 프로그램을 자동 생성하는 방법을 제안한다. 제안하는 방법은 입/출력 테이블 예시를 명세로 받아 연산자 시퀸스를 탐색한다. 실험을 통해 제안하는 방법이 빠른 시간 안에 정확한 데이터 랭글링 프로그램을 학습할 수 있음을 보였다.

RDBMS 상에서 문서에 포함된 키워드 검색을 위한 질의 시 병합 조인 방식을 통해 키워드 검색을 시도하게 된다. 그러나 대용량의 문서를 저장하고 있는 RDBMS 내에서 병합 조인을 사용 시 검색 키워드에 대해 불필요한 비교 연산으로 인하여 질의 문에 대한 검색시간이 길어질 수 있다. 본 논문은 행 지향 관계형 역 색인을 이용하여 키워드 검색 질의 시 병합 조인의 단점을 보완한 지그재그 병합 조인 알고리즘을 사용한다. 관계형 데이터베이스인 postgreSQL 에서 프로시저로 불필요한 비교 연산을 최소화한 지그재그 병합 조인 알고리즘을 구현하여 키워드 검색에 대한 질의 속도 향상을 확인하였다.

본 논문에서는 k-Means 클러스터링을 활용한 컬러 기반 이미지 추출을 통한 색각 검사 방안 연구를 진행한다. 이를 위해, RGB 컬러스페이스 기반의 이미지를 특별한 컬러스페이스 이미지로 변환 후 컬러 패턴 분포에 따라 k-Means 클러스터링을 적용하여 다양한 형태의 이미지를 추출하는 실험을 수행한다. 위의 실험을 통해 하나의 이미지를 컬러 분포 패턴을 통해 클러스터링하여 이미지를 추출을 통하여 정상인과 색각 이상자를 판별할 수 있었다. 실험 결과, 다양한 형태와 색을 가진 이미지를 추출하여 정상인이 보는 이미지와 색각 이상자가 보는 이미지가 다른 것을 확인하였다.

객체들의 움직임의 흐름을 나타내는 궤적 데이터에서 함께 움직이는 궤적을 찾아 움직임 패턴을 탐색하는 연구들이 많이 이루어져 왔다. 하지만, 궤적 스트림 데이터에서 궤적의 이동 패턴을 탐색하는 연구는 많이 이루어지지 않았다. 그래서 본 논문은 시간의 흐름에 따라 흘러 들어오는 궤적 스트림 데이터에서 궤적의 이동 패턴을 탐색하여 동행 그룹을 탐색하는 새로운 방법을 제안한다. 기존에도 궤적 스트림 데이터에서 궤적들이 주어졌을 때 궤적들의 이동 패턴을 찾는 연구들은 존재하였으나 발견된 궤적이 언제 생성되었고 언제 소멸되었는지에 대한 정보를 자동으로 출력해 주는 연구는 아직 이루어진 바가 없다. 본 논문에서는 서로 다른 시간에 나타나고 사라지는 모습을 가진 궤적 스트림 데이터에서 동일한 시간에 나타나는 궤적을 찾는 방법을 제안한다. 제안 방법은 객체들의 좌표를 점진적으로 클러스터링을 수행하여 사용자에게 입력받은 지속 시간 이상 클러스터를 유지한 동행 그룹의 객체들을 반환한다. 또한, 기존 연구와 달리 해당 객체들의 지속 시간인 시작과 끝 시간도 자동으로 출력해 준다.

본 논문은 구매이력 데이터에서 상품간의 분류 체계를 고려하여 시퀀스 간의 유사도를 계산하는 새로운 방법을 제안한다. 시퀀스란 두 항목간의 순서가 존재하는 데이터를 의미한다. 항목 간의 선후관계가 중요한 시퀀스 데이터에서는 두 시퀀스 간의 유사도를 정확히 정의하는 것이 중요하다. 본 논문에서는 대표적인 시퀀스 유사도 측정 알고리즘인 편집 거리 알고리즘을 활용하여 구매이력 데이터에서 시퀀스 간의 유사도를 정의한다. 상품은 상품의 특성에 따라 항목 분류 체계에서 여러 범주로 분류된다. 이 경우 기존의 편집 거리 알고리즘에서 문자의 일치유무에 따라 단순히 0 또는 1을 부여하는 것은 부정확하다. 따라서 본 논문은 편집 거리 알고리즘의 수정 연산 중 대체 연산 비용 계산 시 항목 분류 트리를 사용하여 연산 비용이 0 에서 1 사이의 값을 가지도록 세분화하였다. 실험 결과 제안 방법은 대체 연산 비용 계산 시 두 문자가 다르면 단순히 1 을 부여하는 기존의 편집 거리 알고리즘에 비해 시퀀스 간의 유사도를 더 정확하게 계산함을 확인하였다.

PDA나 휴대폰 단말로 여러 속성의 데이터를 이용하여 사용자에게 필요한 정보를 제공하는 위치기반 서비스는 물류/운송 정보 서비스, 버스/지하철 노선 안내 서비스 등에 사용된다. 여기에서 제공하는 데이터들을 최적 경로를 구하는 외판원 순회문제 (Traveling Salesman Problem)에 사용한다면 더 정확한 경로 서비스 제공이 가능하다. 하지만 데이터의 수가 많아질수록 비교 횟수가 기하급수적으로 늘어나는 외판원 순회 알고리즘의 특성상 일반 단말기에서 활용하기에는 배터리의 제약이 따른다. 본 논문에서는 이와 같은 단점을 해결하기 위해서 최적 경로의 후보군을 줄일 수 있는 스카이라인 질의를 이용하여 n차원 속성에 대한 최적 경로 알고리즘을 제안한다. 실험에서 정확도와 오차율을 통해 제안한 방식의 유용성을 보였으며 기존방식과 연산시간 차이를 비교하여 다차원방식의 효율성을 나타내었다.

최근 딥러닝과 머신러닝 기법이 소프트웨어의 성능 향상에 도움이 되는 것이 입증됨에 따라, 의료 영상 진단 보조 소프트웨어를 개발하기 위한 시도가 활발해 지고 있다. 그 중 캡슐내시경은 소장 소화기관을 관찰할 수 있는 초소형 의료기기로, 기존의 내시경 검사와 다르게 이물감이 느껴지지 않고 의료보험 적용으로 최근 들어 널리 이용되고 있다. 일반적으로 캡슐 내시경은 8 시간 동안 소화기간을 촬영하며, 한 번의 검사 결과로 생성된 동영상 데이터 셋은 수 만장의 이미지를 포함하기 때문에, 방대한 양의 이미지들을 효율적으로 관리하기 위한 체계가 필요하다. 특히, 방대한 양의 캡슐내시경 이미지를 학습하는 경우, 수 만장의 이미지 속에서 유의미한 특징(촬영정보, 의사소견, 환자정보, 병변의 위치 및 크기 등)을 추출해내야 하므로 학습 데이터 레이블링을 위한 정보를 정확히 추출해야 하는 작업이 요구된다. 따라서 본 논문에서는 캡슐내시경 영상을 학습할 때, 학습 데이터 레이블 정보를 체계적으로 구축할 수 있게 하는 레이블 정보 추출 기법을 제안하고자 한다. 제안하는 기법은 병원에서 14년간 수집된 총 340명의 캡슐내시경 데이터(약 1,700 만장의 이미지)를 토대로 영상데이터를 구조적으로 분석하여 유의미한 정보를 추출하고 노이즈 데이터를 제거한 뒤, 빅데이터 저장소에 적재할 수 있음을 보였다.

GAN(Generative Adversarial Network)은 정해진 학습 데이터에서 정해진 생성자와 구분자가 서로 각각에게 적대적인 관계를 유지하며 동시에 서로에게 생산적인 관계를 유지하며 가능한 긍정적인 영향을 주며 학습하는 기계학습 분야이다. 전통적인 문장 생성은 단어의 통계적 분포를 기반으로 한 마르코프 결정 과정(Markov Decision Process)과 순환적 신경 모델(Recurrent Neural Network)을 사용하여 학습시킨다. 이러한 방법은 문장 생성과 같은 연속된 데이터를 기반으로 한 모델들의 표준 모델이 되었다. GAN은 표준모델이 존재하는 해당 분야에 새로운 모델로써 다양한 시도가 시도되고 있다. 하지만 이러한 모델의 시도에도 불구하고, 지금까지 해결하지 못하고 있는 다양한 문제점이 존재한다. 이 논문에서는 다음과 같은 두 가지 문제점에 집중하고자 한다. 첫째, Sequential 한 데이터 처리에 어려움을 겪는다. 둘째, 무작위로 생성하기 때문에 사용자가 원하는 데이터만 출력되지 않는다. 본 논문에서는 이러한 문제점을 해결하고자, 부분적인 정답 제공을 통한 조건별 생산적 적대 생성망을 설계하여 이 방법을 사용하여 해결하였다. 첫째, Sequence to Sequence 모델을 도입하여 Sequential한 데이터를 처리할 수 있도록 하여 원시적인 텍스트를 생성할 수 있게 하였다. 둘째, 부분적인 정답 제공을 통하여 문장의 생성 조건을 구분하였다. 결과적으로, 제안하는 기법들로 원시적인 감정 텍스트를 생성할 수 있었다.

4 차산업혁명의 발달은 전 세계가 건강한 삶에 관련된 스마트시티 및 맞춤형 치료에 큰 관심을 갖게 하였고, 특히 기계학습 기술은 암을 극복하기 위한 유전체 기반의 정밀 의학 연구에 널리 활용되고 있어 암환자의 예후 예측 및 예후에 따른 맞춤형 치료 전략 수립 등을 가능케하였다. 하지만 암 예후 예측 연구에 주로 사용되는 유전자 발현량 데이터는 약 17,000 개의 유전자를 갖는 반면에 샘플의 수가 200 여개 밖에 없는 문제를 안고 있어, 예후 예측을 위한 신경망 모델의 일반화를 어렵게 한다. 이러한 문제를 해결하기 위해 본 연구에서는 고차원의 유전자 발현량 데이터를 신경망 모델이 효과적으로 학습할 수 있도록 2D 이미지로 표현하는 기법을 제안한다. 길이 17,000 인 1 차원 유전자 벡터를 64×64 크기의 2 차원 이미지로 사상하여 입력크기를 압축하였다. 2 차원 평면 상의 유전자 좌표를 구하기 위해 유전자 네트워크 데이터와 Node2Vec 이 활용되었고, 이미지 기반의 암 예후 예측을 수행하기 위해 합성곱 신경망 모델을 사용하였다. 제안하는 기법을 정확하게 평가하기 위해 이중 교차 검증 및 무작위 탐색 기법으로 모델 선택 및 평가 작업을 수행하였고, 그 결과로 베이스라인 모델인 고차원의 유전자 벡터를 입력 받는 다층 퍼셉트론 모델보다 더 높은 예측 정확도를 보여주는 것을 확인하였다.

자산 선택을 통해 최적 포트폴리오를 구성하는 데 있어 모든 경우의 수를 탐색하는 것은 불가능하다. 본 논문에서는 몬테카를로 시뮬레이션을 통해 탐색 공간을 축소하고, 축소된 탐색 공간에 유전 알고리즘을 적용함으로써 최적 포트폴리오에 근사하는 부최적 포트폴리오를 생성하는 방법을 제안한다.

은행과 신용카드 업계에 있어, 고객의 다음 신용 카드 사용처(다음 방문 가맹점)를 예측할 수 있다면 고객의 라이프 스타일을 파악 할 수 있으며, 여러 프로모션과 비즈니스 기회를 포착할 수 있어 매출 증대를 꾀할 수 있다. 우리가 제안하는 모델은 고객이 다음에 방문할 가맹점을 예측/추천하는 것을 목표로 한다. 가맹점 방문과 같이 순차적으로 발생하는 이벤트에는 노이즈가 있을 수 있다. 이 노이즈를 제거하기 위해 두 개의 신경망을 이용한 DoubleDNN을 제안한다. 실험은 BC카드사의 데이터분포를 따르는 인공 생성된 신용카드 사용내역 데이터를 이용하였으며, DoubleDNN은 기존의 다른 추천 모델보다 좋은 성능을 보였다.

센서 및 정보 통신 기술의 발전은 산업 현장에서 취득한 정보를 기반으로 다양한 연구를 수행할 수 있는 토대가 되었다. 본 연구에서는 철도의 진로 방향을 전환하는 선로 전환기 주변에 설치한 소리 센서에서 수집한 소리를 기반으로 선로 전환기의 이상 상황을 탐지하고자 한다. 이와 같은 소리 데이터 기반의 이상 상황 탐지 시스템을 실제 산업 현장에서 성공적으로 운용되기 위해서는 소리 취득 시 발생하는 다양한 잡음 환경에서도 이상 상황을 식별할 수 있는 강인함이 보장되어야 한다. 본 논문에서는 소리 음질을 향상시키기 위하여 SEGAN(Speech Enhancement Generative Adversarial Network)을 활용하며, CNN(Convolutional Neural Network)을 기반으로 선로 전환기의 이상 상황을 식별하는 시스템을 제안한다. 수집된 소리 데이터를 기반으로 제안한 시스템을 실험적으로 검증한 바 잡음에 강인한 성능을 확인하였다.

Faced with the increasing demand for image recognition on mobile devices, how to run convolutional neural network (CNN) models on mobile devices with limited computing power and limited storage resources encourages people to study efficient model design. In recent years, many effective architectures have been proposed, such as mobilenet_v1, mobilenet_v2 and PeleeNet. However, in the process of feature selection, all these models neglect some information of shallow features, which reduces the capture of shallow feature location and semantics. In this study, we propose an effective framework based on Feature Pyramid Networks to improve the recognition accuracy of deep and shallow images while guaranteeing the recognition speed of PeleeNet structured images. Compared with PeleeNet, the accuracy of structure recognition on CIFA-10 data set increased by 4.0%.

In this paper, we propose a generative adversarial networks (GAN) based text-to-image generating method. In many natural language processing tasks, which word expressions are determined by their term frequency -inverse document frequency scores. Word2Vec is a type of neural network model that, in the case of an unlabeled corpus, produces a vector that expresses semantics for words in the corpus and an image is generated by GAN training according to the obtained vector. Thanks to the understanding of the word we can generate higher and more realistic images. Our GAN structure is based on deep convolution neural networks and pixel recurrent neural networks. Comparing the generated image with the real image, we get about 88% similarity on the Oxford-102 flowers dataset.

최근 많은 영역에 딥러닝이 활용되고 있다. 특히 CNN과 같은 아키텍처는 얼굴인식과 같은 이미지 분류 분야에서 활용된다. 이러한 딥러닝 기술을 완전한 기술로서 활용할 수 있는지에 대한 연구가 이뤄져왔다. 관련 연구로 PGD(Projected Gradient Descent) 공격이 존재한다. 해당 공격을 이용하여 원본 이미지에 노이즈를 더해주게 되면, 수정된 이미지는 전혀 다른 클래스로 분류되게 된다. 본 연구에서 기존의 FGSM(Fast gradient sign method) 공격기법에 Triplet loss를 활용한 Adversarial 공격 모델을 제안 및 구현하였다. 제안된 공격 모델은 간단한 시나리오를 기반으로 검증하였고 해당 결과를 분석하였다.

고양이를 기르는 가구의 증가와 함께 건강한 애묘 방법을 찾는 애묘인 또한 증가하고 있다. 본 논문에서는 고양이의 건강 상태를 모니터링하기 위해 반드시 선행되어야만 하는 고양이의 행동 정보를 딥러닝 방법론을 기반으로 인식하고자 한다. 인식을 위해 먼저, 카메라 센서를 이용하여 고양이 영상 데이터를 수집한 후, 수집된 영상에서 RGB 프레임과 optical flow 프레임 정보를 각각 수집한다. 각각의 프레임은 RGB Network 와 Flow Network 에 입력되고, 두 네트워크 결과 정보에 대하여 concatenation 을 수행한다. 연계된 특징 정보는 행동 인식 알고리즘인 Two-Stream YOLO 에 입력이 되어 고양이의 행동을 인식한다. 고양이의 행동 인식은 일곱 개의 클래스로 나누어 진행하였다. 행동 인식 실험 수행 결과 mAP와 f1-score 모두에서 0.9이상의 높은 성능을 보였으며, 실시간으로 수행이 가능함을 확인하였다.

경로 계획은 에이전트가 로봇이 특정 목적지에 도착할 수 있도록 에이전트가 수집한 정보를 바탕으로 경로를 설정하는 작업을 뜻한다. 부분 관측만 가능한 맵인 경우 에이전트 이동마다 새로 수집되는 정보들을 바탕으로 마르코프 의사결정 과정을 사용한 가치 반복 알고리즘이 널리 사용되지만, 제안된 가치 반복 알고리즘 사용 시 매 행동마다 모든 공간의 최적 경로를 계산하기 때문에 시간이 오래 걸리는 문제점이 있다. 이에 본 논문에서는 에이전트가 한 번에 탐색하는 범위가 제한되어 있다는 점에 착안하여 탐색 반경 내에 속하는 공간의 가치 함수 값을 미리 추정하여 효율적으로 최적의 경로를 추정하는 가치 반복 알고리즘을 제안한다.

본 논문에서 grayscale 이미지를 그럴듯한 컬러 이미지로의 전환을 다루고자 한다. 기존의 CNN Network 를 통해 실제 Image 를 만들어내려는 기법들은 모든 Pixel 의 Error 를 Loss 로 사용한다. 각 픽셀별로 가장 완벽한 답을 찾으려고 하기보다는, 전체 픽셀의 관점에서의 Loss 를 줄이려고 하기 때문에, 픽셀 값이 정확한 값대신 안전한 값으로 넘어간다는 단점이 있다. 이 문제를 해결하기 위해 본 논문에서 GAN 기반의 Image-to-Image Translation 기법에 NIN(Network in Network) 적용해 이 문제를 해결할 수 있음을 보인다. 전통 CNN 기법보다 더 Photo-realistic 한 이미지를 생성할 수 있게 된다.

The recent increase in single-person households and family income has led to an increase in the number of pet owners. However, due to the owners' difficulty to communicate with them for 24 hours, pets, and especially dogs, tend to display unwanted behavior that can be harmful to themselves and their environment when left alone. Therefore, detecting those behaviors when the owner is absent is necessary to suppress them and prevent any damage. In this paper, we propose a camera-based system that detects a set of normal and unwanted behaviors using deep learning algorithms to monitor dogs when left alone at home. The frames collected from the camera are arranged into sequences of RGB frames and their corresponding optical flow sequences, and then features are extracted from each data flow using pre-trained VGG-16 models. The extracted features from each sequence are concatenated and input to a bi-directional LSTM network that classifies the dog action into one of the targeted classes. The experimental results show that our method achieves a good performance exceeding 0.9 in precision, recall and f-1 score.

본 논문은 진공을 이용한 흡착방식과 바퀴형 이동방식을 사용하는 벽면이동로봇의 구성 및 벽면 균열 검출 알고리즘에 관한 연구로써, 카메라와 함께 임베디드 시스템을 구성하였으며 Convolutional Neural Network를 이용한 머신러닝 알고리즘을 통해 균열을 감지하고 검출된 균열의 영상과 위치정보를 서버(관리자 장치)로 전송하는 통신 환경을 구축하였다. 균열 검출 성능을 검증하기 위해 균열 데이터를 이용하여 실험하고 결과를 제시하였다.

Object detection is applied in various field. Autonomous driving, surveillance, OCR(optical character recognition) and aerial image etc. We will look at the algorithms that are using to object detect. These algorithms are divided into two methods. The one is R-CNN algorithms [2], [5], [6] which based on region proposal. The other is YOLO [7] and SSD [8] which are one stage object detector based on regression/classification.

In the case of blur processing, it is common to use a tool such as Photoshop to perform processing manually. However, it can be considered very efficient if the blur is processed at one time in the object detection process. Based on this point, we can use the object detection model to blur the objects during the process. The object detection is performed by using the YOLO [3] model. If such blur processing is used, it may be additionally applied to streaming data of video or image.

모바일 환경에서 다양한 AI 관련 응용을 수행하기 위해, 정확도에 기반한 크고 깊은 신경망 이외에, 정확도를 비교적 유지하면서 좀더 효율적인 신경망 구조에 대한 다양한 연구가 진행중이다. 본 논문에서는 모바일 딥러닝을 위한 다양한 임베디드 장치 및 모바일 폰에서의 성능 평가를 통해 경량 신경망의 비교 분석에 대한 연구를 담고 있다.

사회적 문제와 인공지능 기술의 발달로 챗봇 서비스에 대한 관심이 점점 증가하고 있으며, 그 결과 TTS(Text to Speech) 및 STT(Speech to Text) 기술을 기반으로 한 보조형 프로그램에 대한 개발이 다양한 모바일 환경에서 진행중이다. 본 논문에서는 문자를 소리로 변환해주는 TTS(Text to Speech) 기술과 소리를 문자로 변환해주는 STT(Speech to Text) 기술을 사용하여 음성지원 챗봇 시스템을 제작하고 이를 안드로이드 기반의 모바일 애플리케이션으로 구현한 '음성지원 챗봇 모바일 애플리케이션'을 제안하고, 이와 관련하여 관련 기술 및 기대효과에 대해 소개한다.

메카넘 휠과 4족 및 6족의 다리를 갖는 탐사 및 재난 로봇을 바탕으로 휠과 6족이 함께 존재하는 탐사 및 재난 로봇이다. 평지나 완만한 길에선 메카넘 휠을 이용해 빠르게 굴러가는 모습을 볼 수 있다. 그리고 계단이나 산악지대 같은 경사가 높고 휠로 이동하기 힘든 공간은 부착된 6족 다리를 이용해 걸어 나가는 모습을 볼 수 있다. 이러한 휠과 6족이 결합된 탐사 및 재난 로봇은 사람의 조종 없이 영상처리와 여려가지 센서를 이용해 스스로 자율주행 하는 모습을 볼 수 있다.

빅데이터 분석을 위해 많이 사용하고 있는 기계학습 알고리즘들 중 딥러닝 알고리즘이 많이 활용되고 있으며 분류와 예측에 높은 정확도를 나타내고 있다. 딥러닝 알고리즘의 적용에 따른 많은 장단점들이 있지만, 단점은 분석에 사용되는 특징들이 너무 많다는 것과 분석 모델을 만드는데 사용되는 알고리즘도 여러 가지를 적용하다 보니 분석 시간이 오래 걸린다는 것이다. 이런 단점들은 업무를 파악하면 특징을 최소화할 수 있고 필요로 하는 정보만 선별해서 대표적인 딥러닝 알고리즘 하나에 분석을 하게 되면 분석 시간을 단축시킬 수 있다. 이 실험은 [1], [2]에서 연구한 영화 관객수 예측 모델을 4개의 특징으로 최소화하고 선별된 데이터를 인공신경망 알고리즘 하나로 예측 모델을 생성하였을 때 유의미한 정보를 도출해 낼 수 있는지를 알아보기 위한 것이다. 실험결과는 최종 관객수를 1명 단위까지 정확하게 예측하지는 못했지만 비슷한 수준의 관객수 정보를 예측하였다. 학문적인 접근으로 보았을 때 예측 정확도가 높지 않으면 사용이 불가능한 모델이라고 판단할 수 있지만, 기업 입장으로 접근해 보았을 때 예측 정보가 [1]. [2] 연구 결과에 비해 부족한 수준은 아니다. 총 소요된 시간은 기획 3일, 데이터 수집 및 모델 개발 5일, 분석 시간 10분으로 개발 시간 단축, 업무 효율성 향상, 비용 절감을 기대할 수 있다.

본 논문은 한국어 문장의 감성 분류를 위해 문장의 형태소, 음절, 자소를 입력으로 하는 합성곱층과 DenseNet 을 적용한 Text Multi-channel DenseNet 모델을 제안한다. 맞춤법 오류, 음소나 음절의 축약과 탈락, 은어나 비속어의 남용, 의태어 사용 등 문법적 규칙에 어긋나는 다양한 표현으로 인해 단어 기반 CNN 으로 추출 할 수 없는 특징들을 음절이나 자소에서 추출 할 수 있다. 한국어 감성분석에 형태소 기반 CNN 이 많이 쓰이고 있으나, 본 논문에서 제안한 Text Multi-channel DenseNet 모델은 형태소, 음절, 자소를 동시에 고려하고, DenseNet 에 정보를 밀집 전달하여 문장의 감성 분류의 정확도를 개선하였다. 네이버 영화 리뷰 데이터를 대상으로 실험한 결과 제안 모델은 85.96%의 정확도를 보여 Multi-channel CNN 에 비해 1.45% 더 정확하게 문장의 감성을 분류하였다.

In this paper, we propose a verifiable image transformation networks to transform face sketch to photo and vice versa. Face sketch-photo is very popular in computer vision applications. It has been used in some specific official departments such as law enforcement and digital entertainment. There are several existing face sketch-photo synthesizing methods that use feed-forward convolution neural networks; however, it is hard to assure whether the results of the methods are well mapped by depending only on loss values or accuracy results alone. In our approach, we use two Resnet encoder-decoder networks as image transformation networks. One is for sketch-photo and another is for photo-sketch. They depend on each other to verify their output results during training. For example, using photo-sketch transformation networks to verify the photo result of sketch-photo by inputting the result to the photo-sketch transformation networks and find loss between the reversed transformed result with ground-truth sketch. Likely, we can verify the sketch result as well in a reverse way. Our networks contain two loss functions such as sketch-photo loss and photo-sketch loss for the basic transformation stages and the other two-loss functions such as sketch-photo verification loss and photo-sketch verification loss for the verification stages. Our experiment results on CUFS dataset achieve reasonable results compared with the state-of-the-art approaches.

In this paper we study the effect of decomposed spatiotemporal convolutions for action recognition in videos. Our motivation emerges from the empirical observation that spatial convolution applied on solo frames of the video provide good performance in action recognition. In this research we empirically show the accuracy of factorized convolution on individual frames of video for action classification. We take 3D ResNet-18 as base line model for our experiment, factorize its 3D convolution to 2D (Spatial) and 1D (Temporal) convolution. We train the model from scratch using Kinetics video dataset. We then fine-tune the model on UCF-101 dataset and evaluate the performance. Our results show good accuracy similar to that of the state of the art algorithms on Kinetics and UCF-101 datasets.

최근 클라우드 시스템 환경이 점차 늘어남에 따라 데이터 센터(IDC) 구축이 점차 늘어나가고 있다. 데이터 센터는 최근 부각하고 있는 4 차 산업 영역에서 사물 인터넷(IoT), 자율주행차 등 에서 처리될 대용량 데이터로 인한 이를 처리하는 중요한 역할을 담당하고 있다. 데이터센터 운영에는 대량의 에너지가 필요하다. 수 많은 컴퓨터에서 발생하는 열에너지를 처리하기 위하여 대량의 전력 냉방 에너지를 소비하고 있다. 냉방 공조 운영은 데이터 센터 운영에 중요한 역할을 한다. 이유는 많은 컴퓨터를 가동하는 비용보다 부대 시설로 운영되는 냉방 에너지를 보다 많이 소비하는 현상까지 발생하고 있다. 이에 최근 데이터 센터 냉방 공조 운영을 효율화하는 것에 연구를 맞추고 있다. 본 논문에서는 냉방 공조 운영 효율화 하도록 하기 위해서 다중 기계 학습을 활용한 데이터 센터의 냉방 에너지 절감 시스템을 제안하고자 한다. 기존의 단수 알고리즘을 활용하여 머신 러닝의 모델구현 방식이 아닌 다중의 기계 학습을 통하여 최적화된 모델을 일일 배치로 생성하여 예측을 하는 시스템이다. 본 시스템을 통하여 사전에 최적화된 냉방 운영을 하여 기존 데이터 센터의 운영되는 과다 냉방을 감축 시켜 에너지를 절감해주는 기능을 제공한다. 본 논문 시스템 연구 결과는 폭발적으로 늘어가고 있는 데이터 센터의 에너지 효율화에 기여할 수 있고, 클라우드 사업에서 경쟁력을 줄 수 있는 운영 시스템 방안을 제시한다.

일반적으로 멀티 온라인 배틀 게임은 게임의 참가자들이 팀을 이루어 전략을 짜고 협력하여 주어진 목적을 성취하면 승리한다. 게임에서는 승리를 판가름 할 수 있는 다양한 요소(e.g. 골드, 아이템, 캐릭터의 레벨 등)들이 있다. 본 논문에서는 게임 플레이 중에 다양한 요소를 분석하여 실시간으로 승률을 예측할 수 있는 딥러닝 기반의 모델을 제안하고 이를 리그오브레전드 게임에 적용하여 그 결과를 분석하였다.

CNN 은 합성곱 연산을 사용하는 인공신경망의 한 종류이다. 이러한 인공 신경망에서는 훈련 데이터에 대한 과도한 학습으로 인해 시험 데이터에 제대로 반응하지 못하는 오버피팅이 발생할 우려가 있다. 이를 해결하기 위해 DropOut 과 DropConnect 를 사용할 수 있다. 본 논문에서는 DropOut 과 DropConnect 를 통한 학습 정도를 실험을 통해서 비교해보고, 인공 신경망에서 이 방법의 효과를 살펴본다.

딥러닝에서는 기본 층을 겹겹이 쌓아 올려 구성한 신경망이라는 모델을 사용하여 데이터를 학습한다. 신경망 모델에서 층(layer)은 신경망의 핵심 구성 요소로서 입력된 데이터로부터 주어진 문제에 더 의미 있는 표현을 추출하고 표현할 수 있다. 이러한 층의 개수와 층 내에 노드의 개수는 신경망 설계에서 가장 기본적인 문제 중에 하나이다. 본 논문에서는 층의 개수와 노드의 개수가 신경망 학습에 어떠한 영향을 미치는지 실험을 통하여 평가해본다.

서로 다른 음성 데이터 분류를 위한 연구는 많이 진행되고 있지만 개인이 갖고 있는 목소리 또는 각 악기들이 갖고 있는 음색 러닝 연구는 부족한 실정이다. 본 논문에서는 음색 러닝을 위한 합성 곱 신경망 분석 연구를 진행한다. 음색이란 음정과 세기가 같을 경우에도 두 소리를 구분할 수 있는 복합적인 요소이다.

Because of the difference in network structure and loss function, Verification and identification models have their respective advantages and limitations for person reidentification (re-ID). In this work, we propose a multi-task network simultaneously computes the identification loss and verification loss for person reidentification. Given a pair of images as network input, the multi-task network simultaneously outputs the identities of the two images and whether the images belong to the same identity. In experiments, we analyze the major factors affect the accuracy of person reidentification. To address the occlusion problem and improve the generalization ability of reID models, we use the Random Erasing Augmentation (REA) method to preprocess the images. The method can be easily applied to different pre-trained networks, such as ResNet and VGG. The experimental results on the Market1501 datasets show significant and consistent improvements over the state-of-the-art methods.

Although the work of neural style transfer has shown successful applications in transferring the style of a certain type of artistic painting, it is less effective in transferring Oriental paintings. In this paper, we explore three methods which are effective in transferring Oriental paintings. Then, we take a typical network from each method to carry on the experiment, in view of three different methods to Oriental paintings style transfer effect has carried on the discussion.

본 연구에서는 이미지를 분류하는 인공 신경망 가속기를 최적화했고, 이를 구현하여 기존 인공 신경망 가속기와 성능을 비교 분석했다. FPGA(Field Programmable Fate Array) 보드를 이용하여 가속기를 구현했으며, 해당 보드의 내부 메모리인 BRAM 을 FIFO(First In First Out)구조로 설계하여 메모리 시스템을 구현했다. Approximate computing 기법을 효율적으로 적용하기 위해 FWL(Fractional Word Length)최적점을 분석했고, 이를 기반으로 인공 신경망 가속기의 부동 소수점 연산을 고정 소수점 연산으로 변환했다. 구현된 인공 신경망 가속기는 기존의 인공 신경망에 비해, 약 7.4%더 효율적인 전력소모량을 보였다.

Learning and analyzing 3D point clouds with deep networks is challenging due to the limited and irregularity of the data. In this paper, we present a data-driven point cloud augmentation technique. The key idea is to learn multilevel features per point and to reconstruct to a similar point set. Our network is applied to a projection loss function that encourages the predicted points to remain on the geometric shapes with a particular target. We conduct various experiments using ShapeNet part data to evaluate our method and demonstrate its possibility. Results show that our generated points have a similar shape and are located closer to the object.

Simulated driving behavior is an important aspect of realistic simulation systems. To simulate natural driving behavior, this paper proposes an imitation learning method based on active learning that combines demonstration and experience. Driving demonstrations are collected from human drivers in a driving simulator. A driving behavior policy is learned from these demonstrations. The driving demonstration dataset is augmented with new demonstrations that the original demonstrations did not contain, in the form of behaviors from another driving behavior policy learned from experience. The final driving behavior policy is learned from an augmented demonstration dataset.

시각과 언어 기반의 이동(VLN)은 3차원 실내 환경에서 실시간 입력 영상과 자연어 지시들을 이해함으로써, 에이전트 스스로 목적지까지 이동해야 하는 인공지능 문제이다. 이 문제는 에이전트의 영상 및 자연어 이해 능력뿐만 아니라, 상황 추론과 행동 계획 능력도 함께 요구하는 복합 지능 문제이다. 본 논문에서는 시각과 언어 기반의 이동(VLN) 작업을 위한 새로운 심층 신경망 모델을 제안한다. 제안모델에서는 입력 영상에서 합성곱 신경망을 통해 추출하는 시각적 특징과 자연어 지시에서 순환 신경망을 통해 추출하는 언어적 특징 외에, 자연어 지시에서 언급하는 장소와 랜드마크 물체들을 영상에서 별도로 탐지해내고 이들을 추가적으로 행동 선택을 위한 특징들로 이용한다. 다양한 3차원 실내 환경들을 제공하는 Matterport3D 시뮬레이터와 Room-to-Room(R2R) 벤치마크 데이터 집합을 이용한 실험들을 통해, 본 논문에서 제안하는 모델의 높은 성능과 효과를 확인할 수 있었다.

최근, 한국에서는 사람들이 미세먼지로 많은 고통을 받고 있으며, 특히, 초미세먼지(PM2.5)의 경우에는 생성될 때, 화학적인 2차 반응에 의하여 생성되는 것으로 여겨지고 있다. 본 논문에서는 R에서 제공하는 기계학습 프로그램을 이용하여 초미세먼지를 예측하기 위한 실험을 진행하였다. R소프트웨어는 빅데이터 및 통계 분석을 위해서 많이 사용되고 있는 프로그램이다. 최근에는 인공지능의 기계학습을 위한 기능도 제공하고 있는데, 데이터 예측을 할 때, 사용하면 매우 유용하다.

제어 분야의 가장 기초적인 시스템인 Rotary Inverted Pendulum 을 제어하기 위하여, 본 논문에서는 강화학습에서 Deep Q-Network 과 함께 대표적인 알고리즘으로 알려진 Asynchronous Advantage Actor-Critic 을 활용하여 다중 디바이스 제어를 설계한다. Deep Q-Network 알고리즘을 활용한 기존 연구와 동일한 방식으로 실 세계의 물리 에이전트와 가상 환경을 맵핑시키며, 스위치를 통하여 로컬 에이전트와 글로벌 네트워크 간 통신을 구성한다. 본 논문에서는 분산 Asynchronous Advantage Actor-Critic 을 이용함으로써 실 세계의 다중 에이전트 제어를 위한 강화 학습의 활용 가능성을 조명한다.

본 연구에서는 온 국민의 관심사이자 국가적 재난의 문제로 대두되고 있는 미세먼지의 최근 제시된 예측모델에 대해 고찰해 본다. 이를 통해 미세먼지와 머신러닝에 대한 이해를 넓히고자 한다.

Point cloud is a flexible set of points that can provide a scalable geometric representation which can be applied in different computer graphic task. We propose a method based on EdgeConv and densely connected layers to aggregate the features for better classification. Our proposed approach shows significant performance improvement compared to the state-of-the-art deep neural network-based approaches.

IT 기술의 발달에 따라 다양한 웹 미디어의 데이터가 기하급수적으로 증가하고 있으며 이는 비정형 형태의 빅 데이터로 활용도가 매우 높다. 그 중 인터넷 뉴스나 SNS 등은 시간의 흐름에 따라 다양한 이슈들이 서로 영향을 주며 발생, 결합, 분화, 소멸된다. 본 논문에서는 인터넷상에서 발생하는 비정형 데이터들을 수집하여 텍스트 마이닝을 통해 글의 주요이슈 키워드, 카테고리, 날짜 등을 추출한다. 추출한 데이터를 일정 기간별로 나누어 이슈 매핑을 통해 이슈간의 상관관계를 분석한다. 나아가 LSTM 또는 GRU를 이용한 딥러닝을 통해 앞으로의 이슈를 예측하는 시스템 설계를 제안한다.

모바일 광고 기술(AD Tech)분야에서 기계학습은 사용자별 CTR(Click Through Ratio) 예측[1]에 국한되어 왔으며 2016 년도부터 시행된 GDPR(General Data Protection Regulation)[2] 정책으로 인하여 AD Tech 관련 사업자의 사용자 개인정보 접근이 제한되어왔다. 그 결과 Feature Data 에 기반한 사용자 타겟팅 및 Ad Tech 산업에서 기계 학습 기술을 적용하는데 현실적 어려움을 가져왔다. 본 논문에서는 기존 연구와 현실적 한계를 극복하기 위하여 사용자가 아닌 매체별 클릭 분포를 예측하는 Hawkes Process 에 기반한 생성모델을 제안하고 그 가능성을 살펴본다.

본 연구에서는 딥 러닝을 이용하여 완전 자동화된 다중 클래스 전체 심장 분할 알고리즘을 제안하였다. 제안된 방법은 recurrent convolutional block과 residual multi-dilated block을 삽입하여 기존 U-Net을 개선한 인공신경망 모델을 사용하였다. 평가는 자동화 분석 결과와 수동 평가를 비교하였다. 그 결과 96.88%의 평균 DSC, 95.60%의 정확도, 97.00%의 recall을 얻었다. 이 실험 결과는 제안된 방법이 다양한 심장 구조에서 효과적으로 구분되어 수행되었음을 알 수 있다. 본 연구에서 제안된 알고리즘이 의사와 방사선 의사가 영상을 판독하거나 임상 결정을 내리는데 보조적 역할을 할 것을 기대한다.

인공지능이 정형화된 수치 데이터뿐만 아니라 비정형 데이터까지도 인식해야하는 시대가 왔다. 보안 분야 이외에도 사회 전반에서 숫자 인식을 활용하고 점차 확대되고 있다. 숫자인식을 위해 인공신경망을 이용하였다. 인공신경망은 입력 층, 중간 층, 출력 층으로 이루어져 있다. 각 층은 노드와 노드들을 연결하는 가중치로 구성되어 있다. data set을 입력 값으로 하여 각각의 가중치를 곱한다. 오차역전파법을 이용하여 가중치 값을 갱신한다. 갱신하는 과정에서 학습률과 가중치 조정을 통해 결과 값의 정확도를 연구한다. 궁극적으로 학습된 data set과 인공신경망 알고리즘을 이용하여 손 글씨로 된 숫자를 인식한다. 실험에서 학습률과 중간층의 노드 개수를 조정하여 인식률을 높여간다.

Semantic segmentation has remained as a challenging problem in the field of computer vision. Given the immense power of Convolution Neural Network (CNN) models, many complex problems have been solved in computer vision. Semantic segmentation is the challenge of classifying several pixels of an image into one category. With the help of convolution neural networks, we have witnessed prolific results over the time. We propose a convolutional neural network model which uses Fully CNN with deconvolutional pixel layers. The goal is to create a hierarchy of features while the fully convolutional model does the primary learning and later deconvolutional model visually segments the target image. The proposed approach creates a direct link among the several adjacent pixels in the resulting feature maps. It also preserves the spatial features such as corners and edges in images and hence adding more accuracy to the resulting outputs. We test our algorithm on Karlsruhe Institute of Technology and Toyota Technologies Institute (KITTI) street view data set. Our method achieves an mIoU accuracy of 92.04 %.

자율주행 자동차에서의 보행자 인식 및 사람의 행동 인식과 같은 분야 등에 대한 연구들이 활발하게 진행되고 그에 기반을 둔 기술들이 많이 개발되고 있다. 그리고 대부분의 연구에서는 사람에 대한 경계 박스를 검출한다. 영상에서 사람의 유무 혹은 위치를 판단하는 문제에서는 경계 박스만을 검출하는 것이 효율적일 수 있으나 경계 박스는 행동 인식과 같은 분야에 사용하기에는 많은 정보의 손실이 발생할 수 있다. 본 논문에서는 U-NET 구조의 딥러닝 모델을 사용해 경계 박스로 인한 정보 손실을 줄일 수 있는 보행자 분할 방법을 제안한다. 모델의 학습을 위해 2017 COCO 데이터셋의 사람 카테고리를 사용하였으며 Penn-Fudan 보행자 데이터셋을 이용하여 제안 방법을 테스트하였으며 기존의 방법들과 비교하여 의미 있는 결과를 얻었다.

In spite of a rapid development in the quality of built-in mobile cameras, their some physical restrictions hinder them to achieve the satisfactory results of digital single lens reflex (DSLR) cameras. In this work we propose an end-to-end deep learning method to translate ordinary images by mobile cameras into DSLR-quality photos. The method is based on the framework of generative adversarial networks (GANs) with several improvements. First, we combined the U-Net with DenseNet and connected dense block (DB) in terms of U-Net. The Dense U-Net acts as the generator in our GAN model. Then, we improved the perceptual loss by using the VGG features and pixel-wise content, which could provide stronger supervision for contrast enhancement and texture recovery.

Atmospheric particle removal is a challenging task and attacks wide interests in computer vision filed. In this paper, we proposed a single image snow removal framework based on deep residual networks. According to the fact that there are various snow sizes in a snow image, the inception module which consists of different filter kernels was adopted to extract multiple resolution features of the input snow image. Except the traditional mean square error loss, the perceptual loss and total variation loss were employed to generate more clean images. Experimental results on synthetic and realistic snow images indicated that the proposed method achieves superior performance in respect of visual perception and objective evaluation.

이 논문은 사람의 성격과 나이, 직업, 결혼 유무, 최종학력, 전공, 종교, 월수입, 통근 수단 등 총 14가지로 이루어진 사람의 특징 데이터와 자주 방문하는 선호 장소에 대한 데이터의 상관관계를 분석하고, 어떠한 요인이 가장 크게 영향을 미치는가에 대해 분석하였다. 분석에는 17명의 실험자가 참여하였고, 분석 방법으로는 Boosting 기법을 사용하였다. 성격 데이터는 Big Five Inventory (BFI)를 통해 얻었고, 나머지 특징들에 대한 데이터는 직접 만든 설문지를 통해 얻었으며, 장소 데이터는 Swarm 애플리케이션을 통해 얻었다.

This paper is to summarize the academic status of deep learning in Chinese scientific institutions and universities based on the literatures from CNKI. We analyzed the various development of deep learning in China based on the application of computer vision, voice recognition and natural language processing.

기존에는 Big Five Factor (BFF)를 이용하여 사람의 성격과 방문하는 장소 간의 관계를 분석하는 연구들이 많이 진행되었다. 본 연구에서는 성격뿐 아니라 sns 사용, 취미, 성별, 나이, 종교 등 다양한 요인을 추가하여 방문하는 장소에 영향을 미치는 요인을 찾고자 한다. 성격 데이터는 BFF 설문지로, 그 외 요인들은 본 연구팀이 직접 만든 설문지로 수집하였다. 방문하는 장소는 스마트폰 애플리케이션 SWARM을 이용하여 수집한 뒤 카테고리별로 분류하여 사용하였다. 총 17명의 참가자들이 약 3달간 모은 데이터를 사용하였다. 분석에는 앙상블 기법인 랜덤 포레스트를 사용하였다.

오프라인 소비자의 의사결정은 크게 라이프스타일, 동기, 개성, 학습 등 개인적인 영향요인과 문화, 기후, 가족 등 기타 상황적 요인을 포함하는 환경적 영향요인에 의해 결정된다. 이러한 요인들을 입력 값으로 하는 다양한 딥러닝 모델을 이용한 소비예측 연구들이 진행되고 있다. 딥러닝을 이용한 예측모델을 사용하기 위해서는 먼저 요인들이 의사를 결정하는데 있어 얼마나 상관관계가 있는지 파악하는 작업이 중요하다. 본 논문에서는 이를 위해 다양한 상관관계 분석모델을 이용해 소비 의사결정 요소 중 기후, 문화와 같은 상황적 요인과 소비와의 상관관계를 도출하고, 기후, 문화를 대변하는 미세먼지 데이터와, SNS 버즈량 데이터와 소비데이터를 학습하는 소비예측 LSTM모델을 제안하고자 한다.

Changes in a person's health affect one's lifestyle and work activities. According to the World Health Organization (WHO), abnormal activity is growing faster in people aged 60 or more than any other age group in almost every country. This trend steadily continues and expected to increase further in the near future. Abnormal activity put these people at high risk of expected incidents since most of these people live alone. Human abnormal activity analysis is a challenging, useful and interesting problem among the researchers and its particularly crucial task in life and health care areas. In this paper, we discuss the problem of abnormal activities of old people lives alone at home. We propose Convolutional Neural Network (CNN) based model to detect the abnormal behaviors of elderlies by utilizing six simulated action data from daily life actions.

Policy Gradient 방식의 학습은 최근 강화학습 분야에서 많이 연구되고 있는 주제로, 본 논문에서는 강화학습을 적용시킬 수 있는 OpenAi Gym 의 'CartPole-v0' 와 'Pendulum-v0' 환경에서 Policy Gradient 방식의 Asynchronous Advantage Actor-Critic (A3C) 알고리즘과 Proximal Policy Optimization (PPO) 알고리즘의 학습 성능을 비교 분석한 결과를 제시한다. 딥러닝 모델 등 두 알고리즘이 동일하게 지닐 수 있는 조건들은 가능한 동일하게 맞추면서 Episode 진행에 따른 Score 변화 과정을 실험하였다. 본 실험을 통해서 두 가지 서로 다른 환경에서 PPO 가 A3C 보다 더 나은 성능을 보임을 확인하였다.

강화 학습은 일반적으로 제어 로봇과 관련이 있는 순차적 의사결정을 위한 학습의 한 형태이다. 이 강화 학습은 행동에 대한 보상을 최대로 하는 정책을 학습하는 것을 목표로 한다. 하지만, 강화 학습을 실제 세계에 적용하기에는 많은 제약사항이 존재하며 실제 세계의 복잡한 환경에서 좋은 정책을 학습하는 것은 매우 어렵다. Unity는 강화 학습 시뮬레이션을 위한 전용 Toolkit을 제공한다. 이러한 이유로 Unity를 시뮬레이터로서 사용하는 것이 좋은 정책을 학습하는 훈련의 근거가 된다. 따라서 본 논문에서는 강화 학습을 실제 세계에 바로 적용시키기 전에 Unity Machine Learning Agents Toolkit을 사용하여 실제 세계와 비슷한 환경을 만들고 강화 학습을 통해 에이전트를 미리 학습시켜보는 과정을 수행해봄으로써 시뮬레이터의 필요성을 부각시킨다.

디지털 트윈이란 현실 세계의 물리적인 사물을 컴퓨터 상에 동일하게 가상화 시키는 기술을 의미하는 것으로, 물리적 사물이나 시스템을 모델링하거나 IoT 기술에 접목되어 활용되고 있는 기술이다. 디지털 트윈 기술은 가상의 모델을 무한정 시뮬레이션을 통해 동작을 튜닝하고 환경변화에 대한 대응을 미리 실험하여 리스크를 최소화할 수 있는 장점을 지닌다. 최근 인공지능이나 기계학습에 관련된 기술들이 주목받기 시작하면서, 이와 같은 물리적인 사물의 모델링 작업을 데이터 기반으로 수행하려는 시도가 증가하고 있다. 특히, 산업현장에서 많이 활용되는 인더스트리 4.0 공장 자동화의 핵심인 협력 로봇의 디지털 트윈을 구축하기 위해서는 로봇의 동작을 인지하는 과정이 필수적으로 요구된다. 그러나 현재 협력 로봇의 동작을 인지하기 위한 시도는 미비하며, 센서 데이터를 기반으로 동작을 역으로 예측하는 기술은 더욱 그렇다. 따라서 본 논문에서는 로봇의 동작을 인지하기 위해 가정용 협력 로봇에서 전류 및 관성 데이터를 수집하기 위한 실험 환경을 구축하고, 수집한 센서 데이터를 기반으로 한 동작 예측 모델을 제안하고자 한다. 제안하는 방식은 로봇의 동작 명령어를 조인트 위치 기반으로 분류하고 전류와 위치 센서 값을 사용하여 학습을 통해 예측하는 방식이다. SVM 을 이용하여 학습한 결과, 모델의 성능은 평균적으로 정확도, 정밀도, 및 재현율이 모두 96%로 평가되었다.

기존 초음파 지방간 분석은 Hepatorenal sonographic index(HI)를 사용하여 지방간을 진단하여 왔다. 이러한 HI 기법에서는 Hepato(간)과 Renal(신장), 두 부분의 영상데이터를 비교 활용하였다면, 본 논문에서는 신장의 영상데이터만을 이용하여, 이의 통계적 특징 벡터만을 활용하여 지방간을 진단을 함으로서 기존의 HI기반 분석대비 편리성과 정확도를 개선코자 Kidney Index(KI) 기반의 분석 기법을 제안한다. 본 논문에서 제안된 KI는 정상간과 지방간을 가진 실제 환자의 초음파 사진(정상간, 지방간 각 30명)을 학습 데이터를 구성하고, 이들 데이터군으로부터 특징 벡터들을 선별하여 머신러닝 기법 중 서포트 벡터 머신(Support Vector Machine)을 통해 학습시켜, 제안된 알고리즘의 유효성을 입증하였다.

이미지 프로세싱이란 기존의 이미지에 대해 컴퓨터를 이용하여 새로운 이미지로 창작하거나 수정하는 일련의 작업 과정이다. 우리는 알약의 이미지를 가져와 machine이 인지 할 수 있도록 수정한 후, 사진에 찍힌 알약을 구별하고 사용자 에게 그 알약의 정보들을 제공 할 수 있는 텐서플로우 기반의 이미지 프로세싱 방법에 대해 연구 하였다.

본 연구는 한국 프로 야구 선수 개인의 수치화된 데이터를 바탕으로 타석의 결과를 예측하고자 하는데 목적을 두고 있다. 연구의 방법은 2015시즌부터 2018시즌에 활약한 한국 프로 야구 소속의 투수와 타자의 유형을 군집화 하여 지도학습 모델을 만든다. 지도학습 모델과 현재까지 진행된 2019시즌의 결과를 비교·대조한다. 본 연구결과는 한국 프로 야구 10개 구단의 감독의 선수 선발 결정에 기여할 것으로 판단된다.

이 연구는 '한국어'를 학습하는 외국인들을 위한 어학프로그램을 제공한다. 쓰기, 읽기, 듣기 과정을 통해 편리하게 언어를 습득할 수 있고, 더 나아가 외국과 한국의 융합을 통해 다양한 다문화 사회를 이끌어 낼 수 있는 발판이 되어준다.

영상으로 콘텐츠를 개발하는 사람들을 '크리에이터'라 칭한다. 이들이 사람들에게 재미를 주고 이목을 끌기 위해 표준어 이외에 다양한 유행어와 신조어들을 만들어내며 이들을 영상뿐만 아니라 자막으로 활용하게 된다. 이러한 자막이 있는 영상 제작시 대본을 제작하는데 있어 자유도가 높은 크리에이터들의 특징상 맞춤법 오류 및 오타의 문제가 생긴다. 하지만 영상제작 도구에는 맞춤법 검사 기능이 없어 검사를 미리 하기에는 어려운 점이 있다. 우리는 이 문제점을 해결하기 위해 영상을 완성 하고 최종 검토를 할 때 맞춤법 검사를 하기 쉽도록 프로그램을 개발한다. OpenCV를 통해 영상의 자막을 글자로써 인식을 하고, fastText 모델을 통해 인식된 글자가 맞춤법에 맞는지 크리에이터에게 제안해주는 맞춤형 프로그램을 개발하고자 한다.

위치 기반 서비스를 중점으로 교내의 각종 정보들을 제공하는 챗봇시스템을 구축한다. 교내 공지사항, 학사정보와 실시간 전화 연결 서비스 및 자연어 처리를 기반으로한 다양한 정보들을 제공한다.

일상생활에서 사람들은 각자 자신의 맞춤형 생활을 원한다. 특히 쇼핑이나 강의 등 직접 사용한 자의 후기에 따라 구매를 하는 경우에는 선택이 중요하다. 따라서 이 연구를 통해 머신러닝의 속성 범주화로 사용자에게 꼭 맞는 제품과 강의를 연결 할 수 있도록 한다.

현존하는 음악 추천형 챗봇들은 사용자의 의도가 아닌 챗봇 임의의 분류기준을 가지고 음악을 추천해왔다. 하지만 이러한 음악 추천은 공급자의 의도에 제한되어있는 단면적인 추천이 될 가능성이 높다. 이를 개선하고자 본 논문에서는 자연어를 처리하는 기법(NLP)의 처리를 통해 추출한 단어를 자연어 이해 기법(NLU)으로 특정 감성어 데이터를 마이닝하는 방법을 채용한다. 이를 통해 추출된 감성어를 원하는 쿼리에 따라 매핑된 음악데이터만을 추출한다. 이를 통해 닫힌 대화 구조에서의 사용자 의도 해석의 한계를 극복한다.

지향성 스피커는 초음파를 이용하여 소리에 직진성을 부여하여 특정 방향으로만 소리를 전달할 수 있다. 이러한 지향성 스피커는 초음파의 직진성 때문에 소리를 청취함에 있어 일반 스피커와 달리 전달감이 풍부하지 못하다는 단점이 있다. 본 논문에서는 청취자에게 음원이 전달되는 과정을 모델링한 머리전달함수를 사용한다. 지향성 스피커를 통하여 방사되는 음원에 머리전달함수를 전처리하여 전달감을 개선한다.

이미지의 특정 객체를 제거할 때, 주변 환경을 고려하면서 제거하기에 어려움이 있다. 본 연구는 특정 객체가 제거되면서 생기는 빈자리를 자연스럽게 보완하기 위해서 이미지 내용을 기반으로 이미지를 변경하는 Seam Carving 알고리즘을 이용하여 보다 자연스러운 결과 이미지를 생성하는 프로그램을 구현했다.

사진 촬영이나 영상에서의 단일이미지를 저장할 때, 결과이미지에 사용자가 중점을 둔 이미지 정보를 훼손하는 불필요한 장애물이 존재하는 경우가 있다. 본 논문에서는 훼손된 이미지의 정보를 복원하기 위해 불필요한 부분을 표시하여 제거하고, 그 결과 빈 이미지 공간을 근접한 색상 정보를 이용해서 보간하여 손상된 이미지를 최대한 복원할 수 있도록 구현했다.

템플릿 정합을 사용하는 영상인식 방법은 사용이 편리한 장점이 있지만, 템플릿과 정합 영상의 자세가 맞지 않으면 좋은 결과를 기대하기 어렵다. 이와 같은 단점을 보완하기 위해서 본 논문에서는 템플릿과 정합 영상 사이에 2 차원 방향과 크기에 차이기 있어도 성능이 유지될 수 있는 방안을 제시한다. 사용의 편의성을 고려하여, 템플릿 이외의 추가정보, 예를 들어 직교투영상의 거리 정보가 없어도 사용 가능하도록 알고리즘을 설계하는데 주력한다.

기존의 템플릿 정합 방법은 편리하지만, 정합 영상과 템플릿 사이의 크기와 방향 차이에 의해 성능이 많이 떨어졌다. 이러한 문제를 해결하기 위해서 본 논문에서는 정합과정 중에 크기와 방향 차이를 보정하는 방법을 설계한다. 좀더 폭넓은 사용을 위해서 3 차원 각도 차이까지 보정 가능하도록 설계하는데 주력한다.

원격지의 로봇을 조작함에 있어, 원격지의 상황을 정확히 인식하는 것이 우선적으로 필요하다. 본 연구에서는 로봇에 설치된 스테레오 카메라를 통해 입력된 비디오를 네트워크를 통해 전달하고, 조작 공간에 있는 사용자가 Head Mounted Display(HMD) 기기를 통해 원격지의 상황을 현장감 있게 파악할 수 있는 비전 시스템을 구현했다. 로봇 내 S/W의 효과적인 통합을 위해 카메라 입력 처리 및 비디오 스트리밍은 Ubuntu의 ROS를 이용하여 구현됐으며, 조작 공간의 HMD 기기 및 관련 조작 센서 통합은 Windows 상에 구현하여, 실험을 통해 원격지의 상황을 25fps 수준의 HD 해상도 비디오로 확인할 수 있었다.

손동작 인식을 기반으로 한 Virtual fitting 시스템은 Kinect Sensor 를 사용하여 자연스러운 Fitting 을 구현할 수 있다. Kinect Sensor 를 이용한 Pose estimation, Gesture recognition, Virtual fitting 을 구현함으로써 가상으로 의복을 착용하는 소프트웨어를 소개한다.

본 논문에서는 움직이는 객체 탐지 및 배경 분리 기술을 응용하여 영상 흔들림 보정 기술과 접목하고, 모바일 디바이스에 사용될 수 있는 방법을 설명한다. 또한 이미지에서 사람을 인식하는 기술을 이용하여 모바일에 추가적으로 활용할 수 있는 방법을 소개한다.

근래 각광받는 VR, AR 연구의 일환으로 증강현실에서 작곡과 협주가 가능한 사운드 소프트웨어를 연구하고 개발하려 한다. 직관적인 UI 를 통해 초보자도 쉽게 익힐 수 있고, 기본적인 작곡과 모바일 디바이스를 이용하는 사용자와의 합주가 가능하다. 스피커의 위치에 따른 공간음향을 느낄 수 있으며, 스피커에서 나오는 소리를 시각화한다. 공간음향과 소리의 시각화는 사용자에게 몰입감을 제공하며, 일반 사용자도 쉽게 MIDI 편집을 다룰 수 있을 것이라 기대한다.

최적의 사진을 얻기 위해 시각적 방해요소들을 개선할 수 있는 기술들을 조사했다. CNN 모델을 활용한 HDR 이미지 재구성, 방해물과 원하는 피사체와의 깊이 차이에서 생기는 시차를 이용한 이미지 처리를 사용해서 시각적 방해요소를 개선하는 알고리즘을 기술했다.

현재 손 모션 인식 기술을 활용한 응용 서비스가 많이 나타나고 있다. 립 모션으로 사용자의 손동작을 인식하여 나타나는 행동결과를 통해 3D 오브젝트를 편집하는 형태의 기술을 활용하여 3D 퍼즐을 맞춘다. 입체적인 3D 퍼즐을 함으로써 사용자는 다방면으로 교육적인 결과를 얻을 수 있으며, 유아들을 대상으로 공간지각능력, 두뇌 활성화에 효과적이다. 이에 본 논문에서는 개발 환경 및 테스트와 3D 퍼즐에서 사용하게 될 손동작 관련 기술에 대해 연구하였다.

각 X, Y, Z축들의 이동거리, 가속도, 방향등을 측정하여 수치로 표현해주는 9축 자이로스코프를 이용하여 단순히 자세를 분석만 하는 기존의 프로그램과는 달리 타이거 우즈 같은 세계적인 선수들의 자세와 비교를 하여 사용자에게 만족을 줄 수 있는 시스템을 개발한다. 이 어플리케이션의 핵심 기술은 그 무엇보다도 두 벡터 그래프의 유사도를 비교해주는 알고리즘을 얼마나 효율적으로 설계를 할 것인지와 이 기법을 유니티3D를 통해 구현해 내는 것이다.

유동인구의 정확한 분석은 현대 사회의 중요한 과제이다. 현존하는 population counting 의 방법으로는 인력을 동원하여 수기를 하거나, 센서를 설치하여 지나가는 사람을 감지하여 수를 세는 등의 방식이 있다. 하지만 현재의 유동인구 분석 방법에는 문제점이 존재한다. 따라서 이런 문제점들을 해결하고자 새로운 Population Counting Solution 을 제시하여 좀 더 정확하고 자동화된 유동인구 분석 시스템을 개발하고자 한다. Deep learning 기반의 객체 검출 알고리즘을 이용하여 실시간 영상 내의 사람들의 고유 객체 좌표 값을 추출해 객체의 이동을 정보를 이용하여 유동 인구를 분석한다. 이러한 유동인구 분석 시스템을 다양한 방면에 응용하여 경제효과와 편리함을 사회에 제공하고자 한다.

Visual saliency detection is an important part in various vision-based applications. There are a myriad of techniques for saliency detection in color images. However, the number of methods for saliency detection in infrared images is inadequate. In this paper, we introduce a simple approach for pedestrian identification in infrared images using saliency. The input image is thresholded into several Boolean maps, an initial saliency map is then calculated as a weighted sum of created Boolean maps. The initial map is further refined by using thresholding, morphology operation, and Gaussian filter to produce the final, high-quality saliency map. The experiment showed that the proposed method produced high performance results when applied to real-life data.

기존의 TTS (Text to Speech) 기술이 가지고 있는 음질의 한계를 GAN - Super Resolution 기술을 이용하여 개선시킨다.

돈사에서 돼지의 무게는 돼지의 건강이나 성장 상태, 출하 여부, 사육 환경, 사료 배급을 결정하는 주요 요인 중 하나이다. 이에 따라 돈사에서 돼지의 무게를 측정하는 것은 중요한 문제이다. 돼지의 무게 측정을 위해 Top-view 카메라에서 획득한 영상으로부터 돼지의 픽셀 수를 정확히 측정하기 위해서는 돼지의 머리 부분을 제거할 필요가 있다. 본 논문에서는 Convex-hull을 이용하여 돼지 모양에서의 오목 점과 돼지의 중심으로부터의 거리 정보를 이용함으로써 돼지의 머리를 효과적으로 탐지 및 제거하는 방법을 제안한다. 먼저, 이진화된 돼지의 이미지에서 Convex-hull 알고리즘을 수행 후, 돼지의 중심점 좌표로부터 일정 굴곡 이상의 오목 점 중 가장 가까운 점의 좌표를 획득한다. 이후 앞서 획득한 점의 좌표와 중점의 좌표 사이 일정 길이와 각도를 가지는 또 다른 점의 좌표를 획득하고, 두 점을 기준으로 돼지의 몸통과 머리를 분리하였다. 실험결과, 높은 정확도와 적은 수행시간으로 돼지의 머리를 탐지하고 제거할 수 있음을 확인하였다.

양돈 업계에서 돼지의 무게는 생산성 측면에서 매우 중요한 요인 중 하나이다. 탑뷰 카메라를 통해 획득된 이미지에서 돼지의 무게를 추정할 때 오차가 적고 신뢰도 있는 결과를 보이기 위해, 오차의 주요 원인인 돼지의 머리를 제거하여야 한다. 우선, 돼지의 머리를 제거하기 위해서는 귀를 탐지하여야 한다. 그러나 돼지의 자세가 바르지 못한 경우 겹침으로 인해 돼지의 귀와 머리가 구분되지 않는 경우가 발생하고, 귀 탐지 과정에서 고려해야 할 변수가 많아지므로 연산량과 수행 시간이 증가한다. 따라서 돼지의 무게 추정을 위해서 돼지의 머리를 제거할 때 돼지의 자세 판정은 필수적이다. 본 논문에서는 돼지의 중점으로부터 돼지의 경계선을 연결한 선분의 길이를 비교하여 돼지의 자세를 빠르게 결정하였다. 이를 통해 자세가 바른 돼지의 머리를 제거하여 돼지의 무게를 측정하는 방법을 제안한다. 실험 결과, 7.8 ms의 수행 시간과 0.97 이상의 정확도로 돼지머리 제거를 위한 자세를 결정할 수 있음을 확인하였다.

Canny Edge Detection Algorithm 을 이용하여 3D 스캐너로 생성된 입체 데이터에서 2D 도면 데이터로 추출 및 변환 하는 방법을 제안한다.

단백질의 구조적 동등성을 평가를 위한 형태 기반의 기술자에 대한 연구는 제한적으로 이루어지고 있으며 대부분 지역적 특성 값으로 표현된 지역적 접근 방법이 다수를 이루고 있다. 지역적 특성과 전역적 특성을 포함하는 형태기술자의 경우 각 특성들이 동등한 중요도로 결합되어 있다. 본 연구에서는 선형 회귀분석을 적용하여 각 특성에 대한 중요도를 최적화하여 형태기술자를 재정의 하였다. 최적화된 형태기술자를 단백질의약품인 인슐린 모델에 적용하여 구조적 동등성을 평가할 수 있는 방법론을 제시하였다. 최적화된 형태기술자는 동일한 그룹에 속한 인간 인슐린 단백질 모델과 지역적으로 다른 구조를 가지는 인슐린 아날로그 그룹을 명확히 구분할 수 있음을 확인하였고 이러한 성능은 이전 연구의 형태기술자와 3D 저니크 기술자보다 더 좋은 성능을 보였다. 또한 제안한 방법은 고해상도 단백질 3차 구조 정보를 활용하여 유사성을 판별한 RMSD 방법과 유사하게 서로 다른 표면 구조를 가지는 단백질을 구별할 수 있음을 확인하였다. 이러한 결과로부터 본 연구에서 제시하는 형태기술자 및 최적화된 동등성 평가 함수는 SAXS 분석과 같이 저해상도 단백질 표면 모델을 확보할 수 있는 분석에 적용하여 단백질의 구조적 동등성을 판별할 수 있는 기반을 제공할 수 있을 것으로 판단된다.

최근 OS 독립적 가상화 기술이 다양해지고 있고, 이에 대한 관심도 높아지고 있다. 하지만 가상화 기술을 잘 알지 못하면, 이를 잘 사용하기란 쉽지 않다. 본 논문에서는 OS 독립적 가상화 기술들 중 하나인, 도커를 활용하여, 기존의 가상화 기술의 단점들을 극복하고, 사용자가 이를 쉽게 사용하기 위해 편리한 유저인터페이스를 제공한다. 다음으로 서버의 안정성과 효율적인 관리를 위해 컨테이너 관리 및 자원 데이터 처리 및 분석기술에 대해 기술한다.

대기질 악화로 인해 실내운동에 대한 중요성이 증가하고 있다. 하지만 실내에서 사용가능한 가상체험 장비는 비싼 가격으로 일반 가정에서 쉽게 접할 수 없는 현실이다. 본 연구에서는 저비용으로 활용가능한 로잉머신과 개인 스마트폰을 이용한 실내 운동 솔루션을 제안한다.

비트코인으로 대표되는 블록체인은 2009년 이후 여러 산업군에서 블로체인이 만들어져 특정 사업에서 utility 기능을 수행하는 것을 목표로 개발되어 유통되고 있다. 하지만 블록체인은 실생활에 사용하기에는 많은 문제로 활성화가 안되고 있다. 본 연구는 블록체인의 운영 시 발생하는 문제점을 블록체인 승인시스템을 통해 해결하고자 한다.

실생활에서 많이 행해지고있는 배드민턴, 테니스 등의 운동에서 전문가에 의한 자세교정, 원격 코칭에 대한 필요성이 대두된다. 스스로 운동을 재대로 하고 있는지 확인함과 유명 선수의 운동 자세를 따라하고 싶은 욕구를 해소할 수 있는 소프트웨어 솔루션을 개발하는데 의의가 있다. 또한 스마트폰과의 연동으로 젊은 층의 수요를 흡수한다.

테크놀로지의 발달로 영상 이미지는 영상 예술 뿐 만 아니라 다매체에서 디지털이미지로 전달되고 있다. 기존의 영상 이미지는 화면 프레임을 단순히 시간적 움직임을 재현하는 것이나 제한된 화면 효과를 통해 표현되었다. 그러나 테크놀로지의 진보로 인하여 디지털 미디어는 기존 영상 기법을 확장시켜 다양한 표현을 빠르고 쉽고 편리하게 구현이 가능하게 되었다. 이와 같은 기술적 진화는 결과적으로 영상 이미지가 생성하는 이미지와 이미지 사이에 생기는 이질적 간격을 복잡하고 자극적으로 끝임 없이 전달 받게 되는 상황에 놓이게 되었다. 우리에게 디지털 이미지가 생성하는 이미지의 시간성이 움직임을 어떻게 해석할 수 있는지 들뢰즈의 관점에서 살펴보고, 인식적 요소가 실질적으로 어떻게 표현될 수 있는지 실증적인 사례<아디다스 광고 영상>을 중심으로 분석해 보고자 한다.

눈의 개폐 검출은 졸음 운전 감지, 온라인 강의에서 수강자 모니터링, 인간 컴퓨터 상호작용(HCI) 등에 적용될 수 있다. 최근에는 모바일 장치에 적용 가능한 효율적인 기법들이 연구되고 있으며 객체 검출 기법과 결합하여 좋은 결과를 보여주고 있다. 본 논문에서는 임베디드 환경에서 적용할 수 있는 가볍고 빠른 딥러닝 방법을 살펴보고, 눈 개폐 검출에 적용하는 방법에 대해 검토한다.

최근에 카메라를 사용하여 물체를 인식하고 수량을 측정하는 연구가 진행되고 있다. 하지만 건축 자재와 같이 인접한 동일 물체의 경우, 인식과 측정이 어려우며, 이와 관련된 연구는 부족한 실정이다. 본 논문에서는 이러한 문제를 해결하기 위해 딥러닝과 드론을 사용하는 방법을 통하여 자재 더미의 윗면과 측면의 촬영, 드론 로그를 사용하한 드론 높이와 Yaw값 획득, 영상 내 자재 종류와 영역 정보 등 미리 학습된 딥러닝 모델을 사용한 획득방법, 드론 촬영 시의 Yaw값 차이를 이용해 윗면과 측면이 공통으로 가지는 직선 검색, 자재 더미의 가로, 세로, 높이의 비율 등을 통한 각 화소 비율과 자재 개수의 영역별 가상의 체적값 분석, 드론의 화각, 높이를 사용한 체적 사진측량값 획득, 가상 체적과 사진측량법 사이의 오차 최소화 비율 등을 연구하였다.

현대 사회에서의 생체인식 기술의 발전을 통해 홍채, 지분 등의 정보를 사용하여 사용자의 신원확인 등이 가능하게 되었으며, 생체정보의 유출/위조 방지에 대한 중요성이 높아지면서 관련 연구가 활발히 이루어 지고 있다. 본 논문에서는 홍체 전체의 이미지에 삽입하거나 동공의 중심에 가까운 DCT(Discrete Cosine Transform)영역에 삽입방법, 동공 중심과 눈매의 영역을 검출하여 거리 및 DC 계수를 통하여 삽입 위치를 선택하는 방법 등 홍채영상 속 워터마크를 삽입하여 유출/위조된 홍채 영상을 검출하는 방법에서의 워터마크 삽입위치에 관한 방법을 연구하고, CASIA Irisimage Database ver 4.0의 워터마크를 삽입하여 NC(Normalized Correlation)의 값을 비교하여 워터마크 삽입 실험을 검증하였다.

최근 모바일 디바이스의 발전으로 기기에 탑재된 카메라를 가지고도 눈으로 인식하지 못할 정도로 빠르게 움직이는 물체들의 고화질 촬영이 가능하게 되었다. 보급형 하드웨어의 고성능화는 생활스포츠 환경 전반에서 거쳐 활용도가 높아지고 있으며, 고가의 초고속 카메라 대신 개인용 모바일 디바이스에 탑재된 초고속 카메라를 이용하여 경기장 내 목표물의 움직임의 촬영이 가능하게 되었다. 본 논문에서는 모바일 디바이스를 이용한 경기장의 라인 인/아웃 판정 지원과 3차원 재구성을 위한 판정 분석 도구 개발과 관련된 모바일 디바이스 카메라 캘리브레이션 방법에 대하여 연구하였다.

4차 산업 혁명의 핵심기술로 손꼽히는 AR을 이용하여 캠퍼스 이용에 유용한 정보를 제공한다. 사물인식, 위치기반의 AR구현 방식을 사용하며 AR네비게이션 방식으로 입체화된 길안내 정보를 제공한다. AR을 통해 제공되는 정보는 이미지 혹은 텍스트가 될 수 있고 3D모델, 미디어 그리고 이들의 모든 조합의 형태를 취할 수 있다.

본 연구는 Eye Tracking을 사용하여 시선에 따라 마우스 커서를 이동시키는 연구이다. 이를 바탕으로 마우스를 사용하기 어려움이 있는 사용자에게도 마우스를 조작할 수 있도록 도움을 줄 목적으로 연구되었다. 본 논문에서 세 가지 기술을 사용한다. Viola-jones algorithm을 사용해 얼굴과 눈을 찾는다. 이후 찾은 부분에서 CDF Method로 동공을 인식해 해당 좌표 값을 윈도우 마우스 드라이버에게 전달한다. 전달한 값을 통해 마우스 커서를 눈의 움직임에 따라 이동시킨다. 추가적으로 마우스와 같은 역할을 할 수 있도록 눈의 깜빡임을 활용하여 클릭 기능도 추가할 것이다.

우리 주위에는 많은 '평화의 소녀상'이 있지만, 소녀상의 위치나 역사적 의미 같은, 보다 자세한 정보를 얻기는 직접 찾아보지 않으면 얻기 어려운 것이 현실이다. 이에 본 연구에서는 증강현실(Augmented Reality)을 이용하여, 주변 소녀상의 위치 및 시각적 경로 안내뿐 아니라 웹을 이용한 각 소녀상 별 피드(Feed)를 통해 다양한 역사적 정보를 제공 및 공유하고자 한다.

현재 이미지 데이터가 기하급수적으로 늘어나고 있으며, 이를 유의미한 정보로 해석하기 위한 여러 기술적 방안이 모색되고 있다. 본 연구에서는 Google Vision API를 통해 인물 이미지의 의류 분석 모델을 생성하고, 의류 카테고리에 따른 라벨링 시스템을 도입하여 이미지 분류 플랫폼을 제작하고자 한다.

SNS를 사용하는 것에 익숙한 Z세대가 소비의 주체가 됨에 따라 기업 안에서 SNS를 이용한 인플루언서 마케팅의 비중이 급증하고 있다. 하지만, 마케팅의 주체가 되는 인플루언서를 결정하는 방식이 체계화되지 못하였고 기업 내에서의 휴리스틱한 판단에 의존하고 있다. 따라서 본 논문에서는 성공적인 마케팅을 위해 기존의 전통적인 방식에 의거한 의사결정 조건 및 유의미한 상관관계의 분석과 더 나아가 판매하고자 하는 상품 및 서비스의 적합한 인플루언서를 추천하는 인플루언서 기반 실시간 마케팅 솔루션을 제안한다.

수부 봉합 수술 환자, 뇌졸중과 중풍으로 인한 수부 마비 환자, 깁스 후 수부 근육 수축 환자 등 수부 재활 치료가 필요한 환자의 수는 계속해서 증가하고 있지만 그에 비해 재활 치료사의 수는 현저히 부족하다. 또한 수부 재활에 대한 예산 부족으로 환자들의 경제적 부담이 증가하고 있다. 이를 해결하고자 본 논문에서는 모션인식 수부 재활 콘텐츠를 리듬 게임의 형태로 구현하였다. 추후 이 콘텐츠를 통해 수부 재활 치료가 필요한 사람들이 비교적 저렴한 가격으로 지속적인 자가 재활 치료를 진행할 수 있을 것으로 기대된다.

어지럼증은 모든 사람들이 일상생활에서 겪는 가장 흔한 질병 중 하나이다. 이러한 어지럼증은 주로 전정 기관의 약화 및 충격으로 인한 다양한 원인에 의해 유발되며 전정 재활을 통해 회복 될 수 있다. 전정 재활은 다양한 형태로 존재하지만 모든 사람을 위해 수행 할 수 있는 보편적 인 방법으로 훈련의 목적은 눈, 머리 및 균형 운동을 통해 전정 기관을 반복적으로 운동하는 것이다. 그러나 이러한 재활은 지루하고 흥미가 없으므로 환자가 계속 훈련을 하고 제대로 수행하고 있는지 확인하는 것이 어렵다. 이러한 문제점을 해결하기 위해 본 연구에서는 Unity3D 및 FOVE HMD를 사용하여 재미있고 평가 가능한 가상 현실 전정 재활의 내용을 구현했다.

본 논문에서는 인공지능 Watson 기반의 챗봇 시스템에서 효율적인 자연어 처리를 위한 시나리오 설계 방법을 제안하고자 한다. 주제별 시나리오 구성을 단순히 무작위 순서로 배치하는 것 보다 연관도가 높은 노드를 가깝게 연결하는 것이 주제 전환 속도와 효율성 측면에서 유의미한 것으로 나타났다. 시스템의 구성 요소를 연결해주는 어플리케이션은 빠르게 질문과 답변 전달이 가능하도록 모듈화하여 PaaS 클라우드에 연결하도록 한다. 그 결과 경제적이고 단순한 개발 환경에서 어플리케이션을 구현하는 것이 가능했다. API를 호출하여 답변을 전달하는 경우에는 약 2.005초 정도로 빠른 응답 속도를 보였다. 따라서 본 논문에서 설명하는 챗봇 시스템 설계 방법을 사용할 경우 저비용으로 효율성 있는 서비스 제공 플랫폼을 구축할 수 있다.

최근, 인공지능에 대한 대중의 관심과 함께, 사람의 얼굴을 추적하는 기술을 이용한 산업이 많이 생겨나고 있다. 대부분의 얼굴 인식 기술을 활용한 시스템은 고가거나, 접하기에는 거리가 먼 경우가 대부분이다. 본 논문에서는 스마트 폰을 이용한 얼굴 추적 시스템을 구현한다. 이 시스템은 고가의 장비를 대신하여 스마트 폰으로 쉽게 구현할 수 있기를 기대해본다.

본 논문에서는 효과적인 감정인식을 위한 효과적인 특징 벡터를 생성한다. 이를 위해서 음성 데이터 셋 RAVDESS를 이용하였으며, 그 중 neutral, calm, happy, sad 총 4가지 감정을 나타내는 음성 신호를 사용하였다. 본 논문에서는 기존에 감정인식에 사용되는 MFCC1~13차 계수와 pitch, ZCR, peakenergy 중에서 효과적인 특징을 추출하기 위해 클래스 간, 클래스 내 분산의 비를 이용하였다. 실험결과 감정인식에 사용되는 특징 벡터들 중 peakenergy, pitch, MFCC2, MFCC3, MFCC4, MFCC12, MFCC13이 효과적임을 확인하였다.

미래 전장은 IT기술 및 생명공학, 무인화, 인공지능 분야의 민간기술 발전이 군사기술 발전과 전투수행 방법을 선도하고, 인공지능 및 인지기술 등 무인화기술의 발전으로 정보수집, 표적식별, 지뢰제거 및 오염제독 등 지원임무는 물론 교전임무를 수행할 수 있는 무인장비가 개발됨으로써 무인전투개념이 가시화되고 있다. 그러므로 이번 논고에서는 무인장비 중 군사용 로봇에 대해 살펴보고 활용 방안을 제시해보고자 한다.

IT 기술은 끊임없는 발전을 거듭하고 있으며 현 인류는 기계와 더불어 살고 있다. Desktop, 스마트폰, 노트북 및 태블릿PC는 물론이고, 스마트 워치와 같은 '웨어러블 디바이스(Wearable Device)'의 등장으로 기계 속 세상에 그들과 함께 살고 있다하여도 과언이 아니다. 단연 잦은 기기 사용으로 인해 가장 영향을 크게 받는 인간의 신체 부위는 '눈'이다. 휴대용 기기(Portable Device)는 휴대에 용이해야 한다는 특징 때문에 그 크기가 점차 작아지고 있다. 따라서 작은 기기에 부착된 화면 역시 크기가 감소하였다. 장시간 작은 화면을 집중하여 보게 되면 눈의 피로가 금방 쌓이게 된다. 이로 인해 안구 건조 증 및 시력 저하 발생률이 증가하게 되는데, 영상처리 기술을 이용하여 안구의 깜박임을 감지하고 일정 수치 이하로 깜박임 횟수가 미달될 경우에 안구 운동을 권장하는 프로그램을 개발 하였다.

IT 기술의 발달에 따라 전자기기의 이용량은 증가하였지만, 시각장애인들이나 지체 장애인들이 이용하는 데에 어려움이 있다. 따라서 본 논문에서는 Google Cloud API를 활용하여 음성으로 프로그램을 제어할 수 있는 음성 인터페이스를 제안한다. Google Cloud에서 제공하는 STT(Speech To Text)와 TTS(Text To Speech) API를 이용하여 사용자의 음성을 인식하면 텍스트로 변환된 음성이 시스템을 통해 응용 프로그램을 제어할 수 있도록 설계한다. 이 시스템은 장애인들이 전자기기를 사용하는데 많은 편리함을 줄 것으로 예상하며 나아가 장애인들뿐 아니라 비장애인들도 활용 가능할 것으로 기대한다.

본 논문에서는 지역 데이터의 시각화에 적합한 증강현실 그래프를 제안하고, 이를 카드 사용 빅데이터에 적용하여 지역별 외식 성향 시각화 도구로 활용한 사례를 제시한다. 증강현실 그래프는 사용자가 위치한 해당 지역의 GPS 정보를 기반으로 빅데이터에서 분석 대상 지역을 선별하고, 지역별 특수 데이터를 찾아내어 해당 지역에 대한 빅데이타 분석 내용을 카메라 영상과 함께 시각화한 그래프이다. 증강현실 그래프를 적용한 외식 성향 시각화 사례에서는 카드 사용 가맹점 소재지 정보, 가맹점 업종, 카드사용시점(월), 카드 사용자 성별구분, 연령대, 월 카드사용금액 및 월 사용 건수 정보등을 수집하였다. 그리고, 분석 대상 지역에 대한 연령대별 외식 선호도 내용을 카드사용건수가 많은 업종별 순위 그래프로 시각화 하여 사용자의 위치에서 확인할 수 있도록 하였다. 제안 증강현실 그래프는 지역별 상권 현황, 아파트 시세 등에 효과적으로 적용될 수 있을 것으로 기대된다.

본 논문에서는 임의의 2차원 프로젝션 맵핑 공간을 인터랙티브 공간으로 구축할 수 있도록 하는 인터랙티브 프로젝션 맵핑 프레임워크를 제안하고, 제안 프레임워크를 활용한 "애니마블" 게임 구현 사례를 소개한다. 제안 프레임워크는 프로그래밍 스킬이 전혀 없는 창작자들이 물체 감지 기술을 이용하여 인터랙티브 미디어 콘텐츠를 쉽게 제작할 수 있도록 하기 위하여 설계 구현되었다. 콘텐츠 창작자는 인터랙션이 발생될 위치를 카메라 영상상에서 지정하고, 미리 지정된 파일 디렉토리에 정해진 룰에 따라 이름 지어진 미디어 콘텐츠 파일들을 가져다 놓는 것만으로 인터랙티브 프로젝션 맵핑 콘텐츠를 완성할 수 있다. 제안 프레임워크를 이용한 "애니마블" 게임은 아날로그적 보드게임과 미디어 콘텐츠를 결합한 아동용 인터랙티브 미디어 보드게임으로 구현되었다.

본 논문에서는 블록체인 기반의 주유소 시스템을 제안하였다. 매년 주유소에서 발생하는 대표적인 불법 행위인 경유와 등유를 섞어 제조한 가짜 석유 판매 및 정량 미달 기름 판매를 막기 위해 주유소 기름의 이상 여부를 확인하는 시스템을 이더리움 블록체인의 스마트 컨트랙트를 통해 구현하였다. 시스템의 적용을 보이기 위해 가상의 주유소를 웹페이지로 구현하였으며, 시스템과 기기들 간의 상호작용을 확인하였다.

제안 시스템은 모바일 사용자를 공공 인터넷 환경에서 사용 유형별로 분류 및 관리 가능한 서비스를 제공한다. 비콘을 이용하여 시스템 사용자의 위치와 서비스공간의 근접성을 확인한다. 또한 사용자의 서비스 사용 형태 및 성향에 따라 서비스 제공 장소에서 네트워크에 연결된 사물 인터넷 기기 및 기타 기기에 대한 접근 권한을 미리 정의하고 이를 제공할 수 있다. 본 연구는 이러한 시스템을 제안하고 구현된 결과를 바탕으로 시스템의 기능을 분석한다.

본 논문은 기존의 단순 감지 센서형 양식장 관리 시스템을 벗어나기 위해 IoT와 AI기술을 이용한 무인 양식장 관리 시스템 개발에 관한 것이다. 국내 양식장 상황에 맞는 유해 조류와 한국형 어선 이미지를 학습시켜 실시간 카메라 영상을 통해 유해 및 무해 물체를 판단하도록 하였으며 이에 따라 적절한 퇴치 기능을 수행하도록 하였다. 또한 현존하는 양식장 관리 시스템이 환경 관리 시스템과 감시 및 퇴치 시스템으로 이분화 된 경향을 보여 하나로 통합하는 과정의 필요성이 대두되었다. 따라서 감시 및 퇴치 기능 수행뿐만 아니라 양식장 내 환경 데이터를 실시간으로 받아오고 사용자가 단말기를 통해 양식장 상황을 확인 및 관리가 가능하도록 구현하고자 하였다.

IOT는 복잡하고 이질적인 네트워크 환경이며 저전력 장치를 위한 새로운 라우팅 프로토콜의 존재로 인해 혁신적인 침입탐지 시스템이 필요하다. 특히 접근이 어려운 IOT 환경에서는 공격을 받았을 때 정확하고 빠른 탐지가 용이하여야 한다. 따라서 본 논문에서는 탐지의 정확성과 희소의 공격을 잘 탐지하기 위한 효과적인 특징 추출과 분류를 위한 SAR(Stacked Auto Encoder+Random Forest) 시스템을 제안한다.

기존의 사물인터넷(Internet of Things) 환경과 달리 사람의 개입이 없거나 적은 스마트 더스트 사물인터넷 환경에서는 균일하지 않은 네트워크 구조로 인해 장치들이 빈번하게 연결/해제되며 네트워크 전체의 패킷을 잠식해나가는 문제를 일으킬 수 있다. 본 논문에서는 서버들을 풀(Pool)로 구성하고 개별 서버들의 역할을 예측 알고리즘이 결정하도록 설계하여 연결/해제가 빈번해지고 데이터의 수가 폭발적으로 증가할 수 있는 스마트 더스트 환경에 적합한 시스템을 제안한다.

본 연구는 외부 환경 제어를 위해 안정적인 뇌파 신호를 추출하기 위한 알고리즘을 제안한다. 본 알고리즘은 다중 회귀의 원리를 사용한 머신러닝을 통하여 뇌파의 경향성을 분석하여, 측정 시 발생할 수 있는 불안정한 노이즈를 필터링하고, 제어 신호를 빠른 시간 안에 판단하는 것을 목적으로 한다. 측정은 CZ 측정 위치에서 1 채널의 EEG 기기로 이루어진다. 본 연구를 바탕으로 BCI 분야에서 효과적으로 외부 디바이스 제어를 위한 입력 신호를 추출하는 방법이 될 수 있을 것으로 예상한다.

사람은 한 장소를 방문할 때 순환 패턴이 있으며, 이 패턴에 여러 싸이클의 경향이 있다. 요즘은 스마트폰 및 기타 휴대용 장치로 개인 이동성 데이터를 수집하는 것이 가능하다. 이러한 장치는 다양한 위치 데이터를 수집하고 여러가지 방법으로 분석할 수 있게 해준다. 위치 수집기를 기반으로 지구 위치 데이터에서 추출된 사람의 이동성 모델을 수립하고, 위치 클러스터를 방문자의 순환 패턴을 조사할 수 있다. 수년 동안 수집된 개인의 이동성 모델을 토대로 클러스터 재방문 시간을 계산 후 분석하여 그래프로 시각화하였다. 시간 순서의 위치 클러스터와 방문 클러스터에 대한 위치 데이터는 1 분 단위로 측정된다. 전체 데이터 방문 횟수는 15 분마다 정규화하고, 자원 봉사자의 다양한 지리적 위치 데이터 셋에 대해 방문의 순환 패턴은 자기 상관, 자기 공분산 및 재방문 시간으로 살펴볼 수 있다.

본 연구에서는 시맨틱 기반의 상호운용성을 지원하는 Fiesta IoT 온톨로지 모델을 기반으로 Protégé에서 새로운 온톨로지를 추가하여 모델링을 하였다. 이를 통해 KT IoTMakers에서 Open API를 통해 받은 JSON 형태의 데이터를 Jena 프레임워크를 이용하여 RDF 데이터로 변환하였다. 또한, 변환된 RDF 데이터를 Fuseki 서버로 전송하여 저장했으며, SPARQL 질의를 통한 결과를 Daum Map API를 사용하여 웹으로 표현하였다. 이를 통해 사람들이 시맨틱 IoT 매쉬업 서비스를 쉽게 접근할 수 있는 기회를 제공하여 다양한 응용 가능성을 가진다.

새로운 IoT 디바이스의 수가 증가되고 수집 방법 및 새롭게 재가공할 수 있는 기술의 필요성이 증가되고 있다. 이에 따라 보다 가치 있는 데이터 정보로 가공 및 활용하기 위한 개방형 플랫폼 기반의 IoT 서비스 매쉬업에 대한 연구가 필요하다. 본 논문에서는 모여진 데이터를 보다 가치 있는 데이터 정보로 가공 및 활용하기 위한 시맨틱 IoT 매쉬업 처리 기술 개발 및 이를 활용하기 위한 온톨로지를 설계하고 그에 맞는 시스템을 제안한다.

본 연구에서는 불안장애를 가진 사람들이 겪는 불안한 상황들을 수치화하여 보호자와 불안해하는 본인에게 불안 상황을 해소할 수 있도록 하여 일상생활에 도움을 주고자 한다. 이를 관리 할 수 있도록 아두이노(Arduino) 센서를 활용하여 심박수 데이터와 체내의 전기 전도도 데이터를 수집할 수 있다. 수집한 데이터들은 애플리케이션 DB에 저장되어 캘린더 형식의 UI 화면에서 저장된 데이터들을 날짜마다 확인할 수 있으며 특정 수치 이상 증가 시에 저장된 번호로 SMS알림을 주어 현재 사용자의 상황을 알려 줄 수 있다.

기숙사와 같이 여러 사람이 세탁기를 공유하는 상황에서 세탁상황을 알 수 없어 세탁물을 가지고 세탁실에 갔다가 모든 세탁기가 사용 중인 상황이 많이 발생하여 학생들의 불편함이 크다. 이에 본 논문에서는 기존 세탁기를 그대로 사용하고 사물인터넷 기술이 적용된 스마트플러그를 개발하여 서버와 통신하게 하고, EBS(Efficient Book System) 세탁기앱을 통해 세탁상황을 원격에서 알 수 있고, 예약할 수 있으며, 세탁시간을 추천해 하는 시스템을 개발한다. 실제 기숙사 세탁실 세탁기에 적용하여 테스트했으며, 실현 가능성을 보였다.