• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.78-83
• /
• 2014

최근 신재생 에너지원으로서의 선두주자인 풍력발전은 다수의 풍력발전 회사들로 하여금 모니터링 및 고장진단 시스템의 개발을 가속화시키고 있다. 이러한 모니터링 및 진단시스템은 조기의 고장검출을 통해 고장이 발생되었을 경우 발생되는 고가의 수리비용을 미연에 방지할 수 있게 한다. 일반적으로 풍력발전과 관련된 고장진단 시스템은 진동신호 및 신호분석기법에 기반하고 있다. 이에 본 연구에서는 풍력발전 시스템에서 자주 발생되고 있는 질량 불평형 및 축 정렬 불량 등과 같은 기계적인 고장을 효율적으로 진단할 수 있는 시스템을 제안하고자 한다. 본 연구에서 제안된 지능화된 고장진단 알고리즘은 인공신경망기법과 웨이블렛 변환을 이용한 것으로 (주)가온솔루션에서 개발한 풍력발전용 기계적 고장발생 장치에 적용 실험을 통해 제안된 진단기법의 유용성을 확인하고자 하였다.

• 한국시뮬레이션학회논문지
• /
• 제16권3호
• /
• pp.57-63
• /
• 2007

초음파 태아 영상의 실시간 입체 가시화를 위한 볼륨 렌더링 가속화 방법은 결과영상에 영향을 끼치지 않는 관심객체영역외 빈공간을 샘플링 연산에서 제외시키는 공간도약 알고리즘이 일반적이다. 공간도약시 전처리과정에서 각 복셀에서 가장 가까이에 있는 객체의 경계복셀까지의 거리를 미리 계산 저장한 거리지도를 이용하면, 반복적 샘플링 연산을 줄임으로써 렌더링 속도 효율을 높일 수 있다. 거리지도 생성에 사용되는 여러 거리계산변환법 중 거리계산이 정교할수록 실수계산으로 인한 전처리시간이 소요되는 반면, 근사계산법을 이용하면 거리값 연산의 오차로 인한 샘플링의 횟수가 증가하는 단점이 있다. 본 논문에서는 전처리시간의 지연과 샘플링 횟수의 증가를 비교하여 초음파 태아 영상의 볼륨 렌더링에 가장 적합한 거리지도를 선택한다.

• 디지털융복합연구
• /
• 제16권10호
• /
• pp.205-212
• /
• 2018

고성능 CPU/GPU의 개발과 심층신경망 등의 인공지능 알고리즘, 그리고 다량의 데이터 확보를 통해 기계학습이 다양한 응용 분야로 확대 적용되고 있다. 특히, 사물인터넷, 사회관계망서비스, 웹페이지, 공공데이터로부터 수집된 다량의 데이터들이 기계학습의 활용에 가속화를 가하고 있다. 기계학습을 위한 학습 데이터세트는 응용 분야와 데이터 종류에 따라 다양한 형식으로 존재하고 있어 효과적으로 데이터를 처리하고 기계학습에 적용하기에 어려움이 따른다. 이에 본 논문은 표준화된 절차에 따라 기계학습을 위한 학습 데이터세트를 구축하기 위한 방안을 연구하였다. 먼저 학습 데이터세트가 갖추어야할 요구사항을 문제 유형과 데이터 유형별로 분석하였다. 이를 토대로 기계학습 활용을 위한 학습 데이터세트 구축에 관한 참조모델을 제안하였다. 또한 학습 데이터세트 구축 참조모델을 국제 표준으로 개발하기 위해 대상 표준화 기구의 선정 및 표준화 전략을 제시하였다.

• 한국통신학회논문지
• /
• 제40권10호
• /
• pp.1958-1968
• /
• 2015

사물지능통신(M2M or IoT) 서비스 활성화와 글로벌 업체의 OneM2M 관련 사업에 대한 적극적인 투자 및 가속화는 ICT 시장의 변화를 이끌고 있다. 그러나 다양한 해킹(데이터 노출, 도용, 변조, 삭제 등)의 가능성 때문에 안전한 통신 보안 기술이 중요 요구사항으로 이슈화되고 있다. 본 논문은 M2M 환경의 기존 연구에서 적용된 RSA, DSA 기반의 서명이 아닌 ECC 기반 카멜레온 해쉬(Chameleon Hash) 서명을 적용한다. 성능 분석 결과 효율성은 암 복호화 평균 0.7%, 연산속도는 3%(평균 0.003초) 차이로 비교대상 알고리즘과 동등한 수준으로 우수한 결과를 나타냈고, ECC(Elliptic Curve Cryptography) 기반 카멜레온 해쉬함수 서명의 키 갱신 장점을 이용하여 상호인증과 암호화 구간의 연산 효율성, 확인 가능한 충돌 메시지 특성을 이용하여 통신 구간의 강력한 보안성을 입증하였다.

• 한국항해항만학회지
• /
• 제32권10호
• /
• pp.851-856
• /
• 2008

대규모 컨테이너항만의 건설과 함께 컨테이너 크레인의 생산성 향상으로 선박 체항시간을 단축시켜 항만의 서비스 수준을 높이려는 노력이 가속화되고 있다. 컨테이너 크레인 시스템에 가해지는 입력에 대하여 바람직한 성능을 보이도록 설계사양을 고려한 상태 퍼드백 제어시스템을 사용한다. 컨테이너 크레인에서 측정이 까다롭거나 측정 잡음이 클 것으로 예상되는 상태 변수를 추정하는 방법으로 상태 관측기를 설계하고자 한다. 기존의 연구에서는 상태 피드백 제어시스템의 피드백 이득행렬과 상태 관측기 이득행렬을 분리하여 구하였다. 그러나 본 연구에서는 피드백 이득행렬과 상태 관측기 이득행렬을 선정함에 있어 최근 강인한 탐색법으로 많이 사용되는 REGAs를 사용해 설계사양을 만족하도록 동시에 구하고자 한다.

• 문화기술의 융합
• /
• 제5권1호
• /
• pp.77-82
• /
• 2019

인공지능은 기술개발 속도가 가속화되어 생활, 의료, 금융 서비스 및 자율자동차 등 산업 전반에 적용되고 있다. 4차 산업혁명 시대의 핵심기술로 자리 잡고 있는 인공지능 경쟁력 확보를 위해 선진국들은 국가적 역량을 집중하고 있다. 반면 IT강국으로서의 인프라와 인적자원을 보유한 한국은 미국, 캐나다, 일본, 등 전통적인 인공지능 선진국뿐만 아니라 지능형 기술집약 산업 육성에 총력을 기울이는 후발주자 중국에도 뒤쳐져있는 상황이다. 지능정보 사회의 고도화에 따라 인공지능은 향후 국가의 산업경쟁력을 좌우할 기반기술인바, 국가적인 관심과 역량 결집이 필요하다. 또한 인공지능 기술의 종속을 막기 위하여 자체 기술개발 노력과 함께 선두업체와의 공동 개발이 중요하다. 이에 더하여 인공지능 시장 저변 확대를 위하여 제도 개선과 법률적 기반 마련이 시급하다.

• 한국정보통신학회논문지
• /
• 제25권2호
• /
• pp.178-186
• /
• 2021

COVID-19는 2019. 12. 중국에서 발생되어 전 세계로 전파되었다. COVID-19 확산으로 일상화되고 있는 Untact 문화는 사회전반으로 디지털 전환을 가속화하고 있다. 정부는 COVID-19 등 국가 위기상황 극복을 위하여 정부자금지출을 증가하고 있다. 이러한 정부자금을 효율적으로 집행하기 위해 정부와 정책 금융기관은 두가지 방안을 강구할 필요가 있다. 하나는 투명한 정부자금 집행 프로세스를 정립하는 것이고, 또 하나는 심사과정의 객관성을 확보하는 것이다. 본 논문은 이 문제를 해결하기 위하여 정부로부터 실수요자까지 이어지는 정부자금의 집행과정을 Consortium Blockchain으로 설계하고, 정책 금융기관의 내부 심사를 위한 Machine Learning 알고리즘을 설계하였다. 본 논문에서 제안한 연구자료는 정부자금 집행에 대한 향후 정부정책 방향 설정에 도움이 될 것이다.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.341-350
• /
• 2022

본 논문은 온디바이스 환경에서 다중 시점 영상을 입력 받아 객체를 증강하고, 현실 공간에 의한 가려짐을 구현하는 딥러닝 기반의 증강현실 시스템을 제안한다. 이는 세부적으로 카메라 자세 추정, 깊이 추정, 객체 증강 구현의 세 기술적 단계로 나눠지며 각 기법은 온디바이스 환경에서의 최적화를 위해 다양한 모바일 프레임워크를 사용한다. 카메라 자세 추정 단계에서는 많은 계산량을 필요로 하는 특징 추출 알고리즘을 GPU 병렬처리 프레임워크인 OpenCL을 통해 가속하여 사용하며, 깊이 영상 추론 단계에서는 모바일 심층신경망 프레임워크 TensorFlow Lite를 사용하여 가속화된 단안, 다중 영상 기반의 깊이 영상 추론을 수행한다. 마지막으로 모바일 그래픽스 프레임워크 OpenGL ES를 활용해 객체 증강 및 가려짐을 구현한다. 제시하는 증강현실 시스템은 안드로이드 환경에서 GUI를 갖춘 애플리케이션으로 구현되며 모바일과 PC 환경에서의 동작 정확도 및 처리 시간을 평가한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.2-2
• /
• 2023

기후변화가 가속화로 인해 수재해의 빈도와 강도 예측이 어려워짐에 따라 실시간 홍수 모니터링에 대한 수요가 증가하고 있다. 합성개구레이다는 광원과 날씨에 무관하게 촬영이 가능하여 수재해 발생시에도 영상을 확보할 수 있다. 합성개구레이다를 활용한 수체 탐지 알고리즘 개발이 활발히 연구되어 왔고, 딥러닝의 발달로 CNN을 활용하여 높은 정확도로 수체 탐지가 기능해졌다. 하지만, CNN 기반 수체 탐지 모델은 훈련시 높은 정량적 정확성 지표를 달성하여도 추론 후 정성적 평가시 경계와 소하천에 대한 탐지 정확성이 떨어진다. 홍수 모니터링에서 특히 중요한 정보인 경계와 좁은 하천에 대해서 정확성이 떨어짐에 따라 실생활 적용이 어렵다. 이에 경계를 강화한 적대적 학습 기반의 수체 탐지 모델을 개발하여 더 세밀하고 정확하게 탐지하고자 한다. 적대적 학습은 생성적 적대 신경망(GAN)의 두 개의 모델인 생성자와 판별자가 서로 관여하며 더 높은 정확도를 달성할 수 있도록 학습이다. 이러한 적대적 학습 개념을 수체 탐지 모델에 처음으로 도입하여, 생성자는 실제 라벨 데이터와 유사하게 수체 경계와 소하천까지 탐지하고자 학습한다. 반면 판별자는 경계 거리 변환 맵과 합성개구레이다 영상을 기반으로 라벨데이터와 수체 탐지 결과를 구분한다. 경계가 강화될 수 있도록, 면적과 경계를 모두 고려할 수 있는 손실함수 조합을 구성하였다. 제안 모델이 경계와 소하천을 정확히 탐지하는지 판단하기 위해, 정량적 지표로 F1-score를 사용하였으며, 육안 판독을 통해 정성적 평가도 진행하였다. 기존 U-Net 모델이 탐지하지 못하던 영역에 대해 제안한 경계 강화 적대적 수체 탐지 모델이 수체의 세밀한 부분까지 탐지할 수 있음을 증명하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제12권12호
• /
• pp.357-362
• /
• 2023

교량은 중요한 교통 인프라지만 다양한 환경적 요인과 지속적인 교통 부하로 손상 및 균열을 겪게 되며, 이러한 요인들은 교량의 노후화를 가속화시킨다. 현재 건설한 지 오래된 교량이 많아지면서 안전성을 보장하고 노후화를 진단하기 위한 시스템의 필요성이 대두되고 있다. 이미 교량에서는 실시간 또는 주기적으로 교량의 상태를 모니터링하기 위해 구조물 건전도 모니터링(SHM) 기술이 활용되고 있다. 이 기술과 함께 인공지능과 사물인터넷 기술을 활용한 지능형 교량 모니터링 기술 개발이 진행 중이다. 본 논문에서는 노후화된 교량의 유지관리를 위해 고속 푸리에 변환과 차원 축소 알고리즘을 활용한 교량 안전성을 예측 엣지 시스템 기법을 연구한다. 특히, 기존 연구와는 다르게 실제 교량에서 수집된 센서 데이터를 이용하여 데이터셋을 형성하고 교량의 안전성을 확인할 수 있는지 알아본다.