악성코드를 포함한 모든 응용프로그램은 실행 시 API(Application Programming Interface)를 호출한다. 최근에는 이러한 특성을 활용하여 API Call 정보를 기반으로 악성코드를 탐지하고 분류하는 접근방법이 많은 관심을 받고 있다. 그러나 API Call 정보를 포함하는 데이터세트는 그 양이 방대하여 많은 계산 비용과 처리시간이 필요하다. 또한, 악성코드 분류에 큰 영향을 미치지 않는 정보들이 학습모델의 분류 정확도에 영향을 미칠 수도 있다. 이에 본 논문에서는 다양한 특성 선택(feature selection) 방법을 적용하여 API Call 정보에 대한 차원을 축소시킨 후, 핵심 특성 집합을 추출하는 방안을 제시한다. 실험은 최근 발표된 안드로이드 악성코드 데이터세트인 CICAndMal2020을 이용하였다. 다양한 특성 선택 방법으로 핵심 특성 집합을 추출한 후 CNN(Convolutional Neural Network)을 이용하여 안드로이드 악성코드 분류를 시도하고 결과를 분석하였다. 그 결과 특성 선택 알고리즘에 따라 선택되는 특성 집합이나 가중치 우선순위가 달라짐을 확인하였다. 그리고 이진분류의 경우 특성 집합을 전체 크기의 15% 크기로 줄이더라도 97% 수준의 정확도로 악성코드를 분류하였다. 다중분류의 경우에는 최대 8% 이하의 크기로 특성 집합을 줄이면서도 평균 83%의 정확도를 달성하였다.
자율주행 시스템에서, 카메라에 포착된 영상을 통하여 보행자를 분류하는 기능은 보행자 안전을 위하여 매우 중요하다. 기존에는 HOG(Histogram of Oriented Gradients)나 SIFT(Scale-Invariant Feature Transform) 등으로 보행자의 특징을 추출한 후 SVM(Support Vector Machine)으로 분류하는 기술을 사용했었으나, 보행자 특징을 위와 같이 수동(handcrafted)으로 추출하는 것은 많은 한계점을 가지고 있다. 따라서 본 논문에서는 CNN(Convolutional Neural Network)의 깊은 특징(deep features)과 전이학습(transfer learning)을 사용하여 보행자를 안정적이고 효과적으로 분류하는 방법을 제시한다. 본 논문은 2가지 대표적인 전이학습 기법인 고정특징추출(fixed feature extractor) 기법과 미세조정(fine-tuning) 기법을 모두 사용하여 실험하였고, 특히 미세조정 기법에서는 3가지 다른 크기로 레이어를 전이구간과 비전이구간으로 구분한 후, 비전이구간에 속한 레이어들에 대해서만 가중치를 조정하는 설정(M-Fine: Modified Fine-tuning)을 새롭게 추가하였다. 5가지 CNN모델(VGGNet, DenseNet, Inception V3, Xception, MobileNet)과 INRIA Person데이터 세트로 실험한 결과, HOG나 SIFT 같은 수동적인 특징보다 CNN의 깊은 특징이 더 좋은 성능을 보여주었고, Xception의 정확도(임계치 = 0.5)가 99.61%로 가장 높았다. Xception과 유사한 성능을 내면서도 80% 적은 파라메터를 학습한 MobileNet이 효율성 측면에서는 가장 뛰어났다. 그리고 3가지 전이학습 기법중 미세조정 기법의 성능이 가장 우수하였고, M-Fine 기법의 성능은 미세조정 기법과 대등하거나 조금 낮았지만 고정특징추출 기법보다는 높았다.
한국의 수자원 총량중 이용량은 26.3%로 강으로부터의 취수 비율은 3%에 불과하며, 중국, 인도, 이탈리아, 남아공 등과 함께 물 스트레스 기준 중~고에 해당한다. 따라서 본 연구에서는 댐 수자원 확보를 위한 적지선정과 관련하여 연구하였다. 미국, 일본 및 한국의 댐 건설절차에 대한 조사 결과, 정량적인 기준 및 계산 방법 또는 공식이 부재하였다. 댐 적지선정의 정량적 기준 제시를 위하여 먼저 기후 변화 시나리오를 조사, 분석하였으며, IPCC제 5 차 평가 보고서에 제시된 12.5 km 격자 해상도의 RCP 4.5 및 8.5를 SWAT와 HEC-ResSim를 이용하여 유역 연구에 적용하였다. 댐 시뮬레이션 결과를 토대로 홍수 및 가뭄의 감소 효과를 정량적으로 제시하였다. 그리고 댐 적지 선정 지표 결정과, AHP 기법을 이용하여 평가지표에 대한 전문가 설문을 실시하여 가중치를 부여하였으며, 이를 통해 댐 적지 선정 함수식(FSDS)을 제안하였다. 함수식의 경우 4곳의 기 설치된 유역에 대하여 보정 및 검증 하였으며, FSDS와 GIS의 'Model builder'를 사용하여 댐 적지선정 자동화 모델을 개발하였다.
Random Walk Model을 이용하면 토석류 피해범위 예측할 수 있지만 이 모델을 적용하기 위해서는 각 지형조건에 맞는 3가지 파라미터가 추출되어야 한다. 본 연구에서는 이 3가지 파라미터인 1회토사량 및 정지조건, 관성가중치에서 최적의 파라미터를 추출하기 위한 기법을 개발하였고, 토석류가 발생한 지역에 적용하여 검증을 실시하였다. 최적 파라미터의 추출은 일치율이란 정확도 판단방법을 개발하고 3가지 파라미터의 범위를 한정하여 무작위로 수행하였다. 이 중 가장 정확도 및 일관성이 높은 파라미터 조합을 최적 파라미터로 결정하였다. 연구지역인 봉화군지역에 적용하여 추출한 최적 파라미터는 일치율이 -0.2일 때 1회토사량이 $1.0m^3$, 정지조건이 $4.2^{\circ}$, 관성가중치가 2로 결정되었고, 검증결과도 일치율이 평균 -0.2에 가깝게 나타냈다.
최근 5G와 인공지능 기술이 발전하면서 클라우드 엣지 환경에서 정보를 수집/처리/분석 하기 위한 AIoT 기술에 많은 관심을 갖고 있다. AIoT 기술은 다양한 스마트 환경에 적용되고 있지만 수집된 정보의 정확한 분석을 통해 빠른 대응처리를 수행할 수 있는 연구가 필요하다. 본 논문에서는 스마트 환경에서 수집된 정보를 AIoT에서 빠른 처리와 정확한 분석/예측을 통해 AIoT 정보들간 연계 처리를 블록 처리함으써 대역폭 및 처리시간을 최소화할 수 있는 기법을 제안한다. 제안 기법은 블록체인으로 수집된 정보를 다중 연계하여 AIoT 장치에서 데이터 인덱스에 대한 시드를 생성하여 수집정보와 함께 블록처리하여 데이터 센터로 전달한다. 이 때, 클라우드와 AIoT 장치사이는 DNN(Deep Neural Network) 모델을 배치하여 네트워크 오버헤드를 줄이도록 하였다. 그리고, 서버/데이터센터에서는 전달된 분석 및 예측된 결과를 통해 정확하지 못한 AIoT 정보의 정확도를 개선하여 지연시간을 최소화하도록 하였다. 또한, 제안기법은 AIoT 정보에 가중치를 적용하여 블록체인으로 그룹핑하기 때문에 계층화된 다층 네트워크로 분할 가능하도록 하여 데이터 지연시간을 최소화하였다.
본 연구의 목적을 구체적으로 기술하면 다음과 같다. 첫째, 해상운송분야에서의 디지털 전환이 무엇인 지에 대한 정의를 내리고자 한다. 둘째, 디지털 전환과 관련된 다양한 선행연구를 검토하여 해상운송분야의 디지털 전환에 대한 성공요인을 도출하고자 한다. 마지막으로 도출된 성공요인들에 대한 우선 순위를 도출하기 위하여 AHP 분석 모형을 구축하고 해상운송분야 실무 전문가들을 대상으로 전문가 설문조사를 실시한다. 설문조사 결과를 바탕으로 해상운송분야의 디지털 전환의 성공요인들 중 우선적으로 고려해야 할 요인들이 무엇인지 가이드라인을 제공하고자 한다. 본 연구에서는 해상운송분야 디지털 전환을 위한 성공요인의 우선순위를 도출하기 위하여 4개의 상위 평가항목(전략요인, 조직문화 및 인적요인, 기술요인, 환경요인)과 21개의 하위 평가항목으로 계층구조를 설정하였고 AHP(Analytic Hierarchy Process)기법 중에서 항목들의 가중치를 매기는 상대적 평가방법을 적용하였다. 해상운송분야 관련 대학교수, 연구단체, 해운회사, 컨테이너터미널, 해상운송 관련 IT업체에 종사하는 전문가들을 통해서 수집된 설문지 중에서 정보의 정확도를 높이기 위하여 일관성 비율을 0.1이하인 24부의 설문을 대상으로 AHP 분석을 실시하였다. 분석결과, 해상운송분야 디지털 전환의 성공요인에 대한 제1계층 요인들의 우선순위는 전략요인, 조직문화 및 인적요인, 기술요인, 환경요인 순으로 나타났다. 또한 21개의 세부항목에 대한 우선순위를 살펴보면 새로운 비즈니스 모델 개발, 적극적인 미래 디지털 전략의 조성, 최고디지털 책임자의 리더십 등이 높게 나타났다.
본 논문에서는 X-ray 영상에서 의료 진단지표를 자동으로 추출하기 위한 조직분할 기법을 제안한다. 척추질환이나 심장질환에 대한 진단지표로서, 흉추-심장 비율이나 콥 각도 등의 지표를 산출하기 위해서는 흉부 X-ray 영상으로부터 흉추, 용골 및 심장의 영역을 정확하게 분할하는 과정이 필요하다. 본 연구에서는 이를 위하여 계층별로 영상의 고해상도의 표현과 저해상도의 특징지도로 변환되는 구조가 병렬적으로 연결되는 형태의 심층신경망 모델을 채택하였다. 이러한 구조는 영상에서 세부 조직의 상대적인 위치정보가 분할 과정에 효과적으로 반영될 수 있게 한다. 또한 픽셀 정보와 객체 정보가 다단계의 과정으로 상호 작용되는 OCR 모듈과, 네트워크의 각 채널이 서로 다른 가중치 값으로 반영되도록 하는 채널 어텐션 모듈을 결합하여 학습 성능을 개선할 수 있음을 보인다. 부수적으로 X-ray 영상에서 피사체의 위치 변화, 형태의 변형 및 크기 변이 등에도 강인한 성능을 제공하기 위하여 학습데이터를 증강하는 방법을 제시하였다. 총 145개의 인체 흉부 X-ray 영상과, 총 118개의 동물 X-ray 영상을 사용한 실험을 통하여 제안된 이론의 타당성을 평가하였다.
선박충돌의 위험이 있는 교량의 교각에 대해 연파괴빈도 계산을 수행하였다. 이러한 해석을 통해 각각의 교각에 대한 선박충돌 수평내하력을 결정할 수 있다. 교각의 수평내하력은 선박충돌 위험도 평가로부터 예측된 연파괴빈도와 허용기준을 비교하는 확률기반 해석과정을 통해 결정된다. 해석과정은 교량 각 부재요소에 대한 초기 충돌저항력을 가정하여 계산된 연파괴빈도가 허용기준을 만족하도록 해석변수를 반복 수정하면서 해를 찾는 과정이다. 일반적으로 선박충돌 위험이 있는 교각들에 대한 연파괴빈도 허용기준의 분배는 설계자의 공학적 판단에 근거한다. 본 연구에서는 선박충돌 위험도 평가로부터 사전 계산되는 연파괴빈도 할당 가중치에 의해 각각의 교각에 허용기준을 분배하였다. 주탑과 교각 등 교량 부재요소의 설계 수평내하력을 결정하기 위해 주탑과 교각의 충격저항력 비를 변수로 수치해석을 수행하였다. 설계 수평내하력은 수로의 기하형상, 수심, 교각의 배치, 선박 통행량의 특성에 의해 동일한 교량에서도 많은 변화가 있다. 따라서 연파괴빈도의 분배 모델과 수평내하력 결정에 대한 많은 연구가 요구된다.
본 연구는 사회복지시설 특별히 노인요양시설의 선택이라는 의사결정에 영향을 미치는 요인을 실증적으로 검증하였다. 노인장기요양보험제도의 실시에 따라서 시설이용자는 서비스선택이라는 의사결정에 직면하게 된다. 하지만 이용자의 의사결정이란 우리나라의 사회복지 현실에서는 비교적 새로운 개념이다. 검증을 위해서 전북지역의 20개 노인요양시설로부터 212명의 응답자에게 자료를 수집했고, 구조방정식(SEM)을 이용해서 분석했다. 연구모형으로 서비스품질은 서비스만족을 매개로 의사결정에 영향을 미친다는 모형을 제안했다. 구조방정식을 통한 분석결과 서비스품질에서 서비스만족 경로의 표준경로계수는 0.556(t=4.608, p<0.01)으로 나타났고, 서비스 만족에서 의사결정 경로의 표준경로계수는 0.785(t=5.249, p<0.01)로 나타났다. 모형의 절대적합지수는 χ2 = 580.151(d.f.=317, p-value=0.000)이고, RMSEA=0.063이며, 상대적합지수 CFI=0.915로 모형은 절대적으로 뿐만 아니라 상대적으로 적합했다. 또한 서비스품질의 결정요인인 응답성, 신뢰성, 확신성, 공감성, 유형성이 검증되었고, 이들의 서비스품질 결정 가중치는 제시된 순서임이 확인되었다. 연구결과는 서비스품질이 노인요양시설 이용자의 의사결정으로 이어지는 모델과 요인간의 역학관계를 제시하고 있으며, 시설관리자가 시설운영을 위해서 고려해야 할 서비스품질, 서비스만족, 그리고 의사결정과 관련된 요소를 시사하고 있다.
본 연구는 일학습병행 학습기업 평가지표 개발의 후속연구로 평가지표를 정량화하여 평가모형을 정립하는데 그 목적이 있다. 선행연구에서 도출된 최상위 레벨의 구성요소인 학습기업의 정량적요인, 정성적요인, 전담인력역량요인, 그리고 학 습근로자 역량 요인을 주축으로 2레벨 구성요소를 검증하여 평가모델을 구축하였다. 학습기업의 평가를 위해 해당기업을 담당하고있는 전문 가들과 AHP 설문을 수행하여 기업현장 교육훈련의 질을 결정하는 중요요인을 도출하고 평가항목간의 가중치산정을 통하여 학습기업의 평가모형을 완성하고 등급별 그룹핑을 진행하였다. 일 학습병행은 산업현장과 학교교육의 미스매치를 해소하고 능력중심 사회를 구현하기 위한 핵심적인 정책으로 추진되어 2022년 12월 기준으로 16,664개 기업이 훈련에 참여하였다. 학습기업은 현장훈련을 실시하는 교육훈련 공급기관으로써 매우 중요한 역할을 수행하고 있다. 본 연구에서 제시된 평가모형에 따른 학습기업 등급별 지원 및 컨설팅방안이 일학습병행의 내실화와 질적수준을 향상하는 기초자료로 활용될 것을 기대한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.