• 한국소프트웨어감정평가학회 논문지
• /
• 제15권2호
• /
• pp.121-128
• /
• 2019

컴퓨팅 시스템들은 사이버공격에 대한 다양한 취약점을 가지고 있다. 특히 정보화 사회에서 지능화된 다양한 사이버공격은 사회적으로 심각한 문제와 경제적 손실을 초래한다. 전통적인 침입탐지시스템은 오용침입탐지(misuse)기반의 기술로 사이버공격을 정확하게 탐지하기 위해서는 지속적인 새로운 공격 패턴 갱신과 수많은 보안 장비에서 생성되는 방대한 양의 데이터에 대한 실시간 분석을 해야만 한다. 하지만 전통적인 보안시스템은 실시간으로 탐지 및 분석을 통한 대응을 할 수 없기 때문에 침해 사고의 인지시점이 지체되어 많은 피해를 야기할 수도 있다. 따라서 머신 러닝과 빅데이터 분석 모델 기반으로 끊임없이 증가하는 사이버 보안 위협을 신속하게 탐지, 분석을 통한 대응과 예측할 수 있는 새로운 보안 시스템이 필요하다. 본 논문에서는 머신 러닝과 빅데이터 기술을 활용한 IDS 구축 방안을 제시한다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제20권6호
• /
• pp.884-889
• /
• 2010

최근 음악을 장르로 분류하는 다양한 연구가 진행되고 있다. 하지만 이러한 분류는 전문가들 마다 분류하는 기준이 서로 상이하여 정확한 결과를 도출하기가 쉽지 않다. 또한 새로운 장르 출현 시, 새롭게 정의해야하는 번거로움이 발생한다. 따라서 음악을 장르로 구분하기 보다는 감정단어들로 분류, 검색하여야 한다. 본 논문에서는 사람이 느끼는 감정 중, 밝음과 어두움을 기준으로 음악을 분류하려고 한다. 음악이 내포하고 있는 특성들에 VCM(Variance Considered Machines)을 적용하여 음악의 명암 분류 시스템을 제안한다. 본 논문에서 이용한 음악적 특성은 3가지이다. 설문조사를 통해 명암이 정의된 기준 음악을 음의 높고 낮음의 분포, 음색의 가늘고 굵음과 비트의 빠르기를 이용하여 VCM에 먼저 학습을 시킨 후, 학습된 VCM을 통하여 분류 되지 않은 음악을 정의하여 설문조사를 통한 결과와 비교 분석 하였다. 음 추출은 Matlab을 이용하여 샘플링된 음악을 일정한 간격으로 나누어 FFT를 통해 주파수 분석을 한 후 평균값을 그 구간의 대표음이라 가정하고 추출된 음들의 높낮이를 수치화 하여 전체 분포를 파악하였다. 음색 부분에서는 음 추출에서 사용된 주파수 영역에서 전체 주파수 누적분포의 차이를 이용하여 수치화 하였다. 이 세 가지 특성을 VCM에 적용하여 실험 결과와 설문 조사 결과 비교하여 보니 약 95.4%의 확률로 음악의 명암이 분리된 것을 확인 하였다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권1호
• /
• pp.101-113
• /
• 2021

본 논문에서는 화자 겹침 시스템을 소개하고 인공지능 분야에서 널리 사용되는 프레임워크에서 이미 구축된 시스템을 전환하는 과정을 고찰하고자 한다. 화자 겹침은 대화 과정에서 두 명 이상의 화자가 동시에 발성하는 것을 말하며, 사전에 화자 겹침을 탐지하여 음성인식이나 화자인식의 성능 저하를 예방할 수 있으므로 많은 연구가 진행되고 있다. 최근 인공지능을 이용한 다양한 응용 시스템의 활용도가 높아지면서 인공지능 프레임워크 (framework) 간의 전환이 요구되고 있다. 그러나 프레임워크 전환 시 각 프레임워크의 고유 특성에 의하여 성능 저하가 관찰되고 있으며 이는 프레임워크 전환을 어렵게 하고 있다. 본 논문에서는 케라스 (Keras) 기반 화자 겹침 시스템을 파이토치 (pytorch) 시스템으로 전환하는 과정을 기술하고 고려해야 할 구성 요소들을 정리하였다. 프레임워크 전환 결과 기존 케라스 기반 화자 겹침 시스템보다 파이토치로 전환된 시스템에서 더 좋은 성능을 보여 체계적인 프레임워크 전환의 기본 연구로서 가치를 지닌다고 할 수 있다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권2호
• /
• pp.109-116
• /
• 2021

전통적으로 공학분야는 실험 실습 위주의 대면 교육이 주를 이루어 왔으나, IT 기술 및 인터넷 통신망의 급속한 발전과 최근 COVID-19 등의 사회적 환경 변화로 인해 온라인 학습에 대한 수요가 급증하고 있다. 다른 분야에 비해 실험 실습의 비중이 상대적으로 높은 공학 분야에서 효율적인 온라인 교육이 이루어지려면 실제 실험 실습을 대체할 수 있는 가상 실험실습 콘텐츠가 매우 필요하다. 본 연구에서는 전기전자 분야 뿐만 아니라 IT 융합이 이루어지고 있는 전반적인 공학 분야에서 필수적으로 사용되고 있는 마이크로프로세서의 효율적인 온라인 응용 학습을 위해 라인 트레이서 모델을 개발하고 이를 시뮬레이션 할 수 있는 가상실험 소프트웨어를 개발하였다. 개발된 라인 트레이서 모델에서 사용자는 원하는 형태로 하드웨어 파라미터 값들을 다양하게 설정하고, 이에 따른 소프트웨어를 어셈블리 언어나 C 언어 등으로 작성하여 컴퓨터 상에서 동작을 시험해 볼 수 있도록 구성되었다. 개발된 라인 트레이서 가상 실험 소프트웨어는 실제 수업에 활용하여 동작을 검증하였으며, 앞으로 온라인 상에서 이루어지는 비대면 수업에서 효율적인 가상 실험 실습 도구가 될 것으로 기대된다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.206-216
• /
• 2013

감성은 학습, 행동, 의사결정, 상호대화를 포함한 인간의 일상생활에 중요한 요소이다. 본 논문에서는 시스템의 복잡도를 줄이기 위하여 생체신호로부터 최소한의 중요한 특징만을 추출하여 사용하는 감성 분류기를 설계하고자 한다. 생체신호는 맥파, 피부온도, 피부전도도, 뇌파신호(전두엽, 두정엽)를 사용하였으며, 4가지 감정(보통, 슬픔, 공포, 행복)은 영화 관람을 통하여 유도하였다. 측정한 생체신호로부터 추출한 24개의 특징으로부터 최적의 특징 집합의 결정은 서포트벡터머신 기반 적합도 함수를 사용하는 유전알고리즘을 적용하였다. 최적의 4감정 분류 정확도는 96.4%이었으며, 서포트벡터머신만을 사용하였을 경우보다 17% 높았다. 선택된 최소에러 특징은 맥파 심박변이도의 평균, NN50, 맥파 유도 맥파 전달 시간의 평균, 피부전도도의 평균과 두정엽 뇌파의 ${\delta}$, ${\beta}$ 주파수 대역에너지였다. 실험을 통하여 두정엽 뇌파, 맥파, 피부전도도의 조합이 고정밀 감정 장비에 적합하였으며, 79% 성능을 보인 맥파와 피부전도도의 조합이 간단한 감성장비에 적절하게 적용할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.133-153
• /
• 2023

본 논문에서 우리는 뇌 신호 측정 기술 중 하나인 뇌전도를 활용한 새로운 접근방식을 제안한다. 전통적으로 연구자들은 감정 상태의 분류성능을 향상시키기 위해 뇌전도 신호와 생체신호를 결합해왔다. 우리의 목표는 뇌전도와 결합된 생체신호의 상호작용 효과를 탐구하고, 뇌전도+생체신호의 조합이 뇌전도 단독사용 또는 임의로 생성된 의사 무작위 신호와 결합한 경우에 비해 감정 상태의 분류 정확도를 향상시킬 수 있는지를 확인한다. 네 가지 특징추출 방법을 사용하여 두 개의 공개 데이터셋에서 얻은 데이터 기반의 뇌전도, 뇌전도+생체신호, 뇌전도+생체신호+무작위신호, 및 뇌전도+무작위신호의 네 가지 조합을 조사했다. 감정 상태 (작업 대 휴식 상태)는 서포트 벡터 머신과 장단기 기억망 분류기를 사용하여 분류했다. 우리의 결과는 가장 높은 정확도를 가진 서포트 벡터 머신과 고속 퓨리에 변환을 사용할 때 뇌전도+생체신호의 평균 오류율이 뇌전도+무작위신호와 뇌전도 단독 신호만을 사용한 경우에 비해 각각 4.7% 및 6.5% 높았음을 보여주었다. 우리는 또한 다양한 무작위 신호를 결합하여 뇌전도+생체신호의 오류율을 철저하게 분석했다. 뇌전도+생체신호+무작위신호의 오류율 패턴은 초기에는 깊은 이중 감소 현상으로 인해 감소하다가 차원의 저주로 인해 증가하는 V자 모양을 나타냈다. 결과적으로, 우리의 연구 결과는 뇌파와 생체신호의 결합이 항상 유망한 분류성능을 보장할 수 없음을 시사한다.

• 한국교육논총
• /
• 제42권1호
• /
• pp.35-72
• /
• 2021

본 연구는 중국인 한국어 학습자들이 세밀한 느낌과 다양한 감정을 표현할 때 보다 정확하게 말할 수 있도록 한국어 '상징부사+용언'형을 중심으로 효과적인 교재 개선안을 마련하는 데 목적이 있다. 다수 외국인 학습자들이 어휘를 습득할 때 개별 단어를 암기하고자 노력하고 있으며, 어휘간의 결합을 중시하지 않으므로 한국어 어휘를 정확하고 자연스럽게 사용하지 못하는 문제점이 있다. 상징부사는 고립되어 사용하지 않으며 특정 어휘와 자주 공기하기 때문에 개별 어휘가 아닌 '상징부사+용언' 형태로 가르치는 것이 더 효과적이다. 따라서 본고는 상징부사 뒤에 오는 특정 어휘 또는 공통적인 의미자질을 가진 어휘 군과 자주 공기할 수 있는 것을 중심으로 고찰하였다. 이에 상징부사 뒤에 서술어가 함께 사용되는 양상의 차이를 밝히기 위하여 국내·외 대학 기관에서 사용하고 있는 한국어 7종 교재를 중심으로 비교·분석하였다. 마지막으로 교재 분석 결과를 바탕으로 중국인 학습자를 위한 한국어 '상징부사+용언'형의 개선 방안을 제시하였다.

• Journal of the Korean Academy of Child and Adolescent Psychiatry
• /
• 제12권1호
• /
• pp.125-137
• /
• 2001

학습장애를 가진 86명의 초등학교 남학생과 52명의 정상적인 초등학교 남학생의 자아상과 우울, 그리고 상태-특성 불안에 관하여 피어스-해리스 자아상 척도, 소아우울척도(이하 CDI), 상태-특성불안 척도(이하 STAI)를 이용하여 조사하였다. 피어스-해리스 자아상 척도의 총점에서는 두 군 사이에 차이가 발견되지 않았으나, 지적 및 학업 상태 항목과 신체적 외모, 행복과 만족 소척도에서는 두 군 사이에 의미 있는 차이가 관찰되었다. 소아우울척도의 총점과 그 소척도 중 부적합함, 무쾌감증, 부정적인 자기 존중 항목에서 학습장애 아동이 정상 아동보다 더 높은 점수를 나타내었다. 상태불안은 정상 아동보다 학습장애 아동에서 높게 보고되었으나 특성 불안에 대해서는 차이를 보이지 않았다. 정상 아동에서는 나이에 따른 자아상과 우울척도, 불안 척도의 의미 있는 변화가 관찰되지 않았으나, 학습장애 아동에서는 피어스-해리스 자아상 척도와 그 소척도의 대부분이 통계적으로 의미 있게 감소하였고, 소아우울척도의 부정적 감정과 무쾌감증, 부정적 자기 평가, 상태 불안, 특성 불안 등은 연령과 의미 있는 양의 상관관계를 나타내어서 학년이 올라갈수록 자아상은 저하되고 우울과 불안을 느끼는 강도와 범위가 증가하는 양상을 보였다. 두 군 모두에서 소아우울척도는 피어스-해리스 자아상 척도의 총점과 그 소척도들과 의미 있는 역의 상관관계를 나타내었고, 상태불안과 특성불안과는 정의 상관관계를 나타내었다. 조사 결과 학업과 관련된 자아상의 문제와 자신이 남들과 당당히 맞설 수 있는 자신감의 문제가 학습장애에서 더 많이 나타났고, 나이가 들수록 자아상이 저하되며 불안과 우울은 증가하는 것으로 나타났다. 회귀분석 결과 학습장애 아동의 자아상을 설명하는 변수들로는 나이와 자아상 척도의 행동문제, 지적 및 학업상태, 불안, 인기도, 행복과 만족, 그리고 소아우울척도의 부적합함, 대인관계문제, 부정적 자기-존중 및 상태 불안인 것으로 드러나서 학습 장애 아동의 자아상은 학업 문제와 자신을 또래와 비교하여 겪는 스트레스로 인해 부정적인 영향을 받는다는 것이 확인되었다. 결론적으로 학습장애를 가진 초등학교 남학생은 정상 초등학교 남학생보다 자아상이 낮고 우울과 불안을 더 많이 느끼며, 이런 차이는 학년이 올라갈수록 커졌다. 학습장애에서 우울증과 불안 장애가 많이 동반되기 때문에 임상에서 학습장애 아동을 치료할 때 정서 장애의 동반 여부를 확인하고 이를 적극적으로 치료하는 것이 중요한 과제이다.

• 한국음향학회지
• /
• 제39권5호
• /
• pp.447-453
• /
• 2020

본 논문은 딥러닝 기법을 활용하여 음성신호로부터 효율적인 화자 벡터를 추출하는 시스템을 제안한다. 음성신호에는 발화내용, 감정, 배경잡음 등과 같이 화자의 특징과는 관련이 없는 정보들이 포함되어 있다는 점에 착안하여 제안 방법에서는 추출된 화자 벡터에 화자의 특징과 관련된 정보는 가능한 많이 포함되고, 그렇지 않은 비화자 정보는 최소화될 수 있도록 학습을 진행한다. 특히, 오토-인코더 구조의 부호화 기가 두 개의 임베딩 벡터를 추정하도록 하고, 효과적인 손실 함수 조건을 두어 각 임베딩이 화자 및 비화자 특징만 각각 포함할 수 있도록 하는 효과적인 화자 정보 분리(disentanglement)방법을 제안한다. 또한, 화자 정보를 유지하는데 도움이 되는 생성적 적대 신경망(Generative Adversarial Network, GAN)에서 활용되는 판별기 구조를 도입함으로써, 디코더의 성능을 향상시킴으로써 화자 인식 성능을 보다 향상시킨다. 제안된 방법에 대한 적절성과 효율성은 벤치마크 데이터로 사용되고 있는 Voxceleb1에 대한 동일오류율(Equal Error Rate, EER) 개선 실험을 통하여 규명하였다.