• 항공우주시스템공학회지
• /
• 제16권4호
• /
• pp.45-52
• /
• 2022

최근 차세대 운송시스템으로 주목받고 있는 UAM 분야에서 무인항공기 활용을 위한 기술 개발이 활발히 진행되고 있다. 이러한 기술이 적용된 무인항공기는 주로 도심에서 운용되기 때문에 추락사고를 예방하는 것이 중요하다. 그러나 충돌이 발생되는 무인항공기는 비선형성이 강하기 때문에 비정상 비행상태를 예측하는 것은 쉽지 않은 일이다. 본 논문에서는 CNN-LSTM 혼합모델을 이용하여 무인항공기의 비행상태를 예측하는 방법을 제안한다. 제안 모델은 비행 데이터간의 시간적, 공간적 특징을 추출하는 CNN 모델과 추출된 특징의 장단기 시간 의존성을 추출하는 LSTM 모델을 결합하여 미래의 특정 시점에서 비행 상태변수를 예측한다. 모의 실험은 제안하는 방법이 기존 인공신경망 모델에 기반한 예측 방법보다 우수한 성능을 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.115-117
• /
• 2004

인간과 인간 사이에 컨텍스트의 역할이 중요한 것처럼 기계가 컨텍스트를 인식할 수 있는 능력을 갖추는 것은 중요하다. 특히 지능적인 서비스를 제공하기 위해서는 고수준 컨텍스트를 추출하는 것이 필요하고, 최근 베이지안 네트워크를 이용해 컨텍스트를 추출하려는 연구가 많이 있었다. 그러나 대부분은 단순한 컨텍스트를 추출하는 연구들이고, 상황이나 사용자에 따라 다른 특성을 보이는 경우에 대한 처리는 하지 못하고 있다. 본 논문은 퍼지 소속 함수를 통해 각 센서에서 오는 정보를 전 처리하고, 이를 베이지안 네트워크를 이용해 고수준 컨텍스트로 추출하는 방법을 제안한다. 특히 여러 개의 퍼지 노드가 있을 경우 퍼지 소속값의 곱을 사용하여 베이지안 추론에 적용하였다. 각 센서의 정보를 처리하는 퍼지 소속 함수는 사용자가 쉽게 설계할 수 있고, 컨텍스트 추출모듈과 별개로 설계가 가능하기 때문에 베이지안 네트워크의 유연하고 적응적인 특성을 유지하면서 개인화가 가능하다. 제안한 방법의 유용성을 보이기 위해 실제 세계의 문제를 모델링한 베이지안 네트워크의 예를 보이고 이를 분석한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2015년도 추계학술대회 논문집
• /
• pp.35-37
• /
• 2015

본 논문은 전력구 내 지중선에서 발생하는 상용주파수(60 Hz) 자기장을 이용한 2 W급 무선전력 수신장치를 제안한다. 제안하는 수신장치는 자성체와 구리도선을 포함하는 수신 코일, 장치의 개폐를 위한 손잡이, 직렬공진회로 및 정류기를 포함하는 부가회로로 구성된다. 수신장치는 3상 지중선 중 하나에 설치되어 전력구 내 조명 및 온습도 센서를 구동하는데 사용 가능하다. 수신장치의 자성체로는 높은 기계적 강도 및 포화 자속밀도를 가지는 규소강판 박편이 사용되었으며, 직렬공진회로를 사용하여 최대전력을 수신하였다. 수신장치의 공진회로는 3 이하의 낮은 공진계수를 가지기에 50 Hz 및 60 Hz 지중선에 범용으로 사용이 가능하다. 사용된 규소강판 및 구리선의 무게와 가격의 곱을 성능지수(Figure of Merit)로 선정하여 이를 최소화하는 설계를 수행하였다. 제작된 시작품의 무게는 약 750 g중으로 2.2 W LED부하 구동이 가능하며, 이때 지중선의 전류는 $100A_{rms}$로 가정하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.5-6
• /
• 2021

본 논문에서는 Semi-supervised Learning 방식의 이상감지 방법을 제안한다. 취득한 소음 데이터를 이미지화 시킨 후 Convolution AutoEncoder 학습 방법을 이용하여 모델을 학습한다. 고장 데이터와 정상 데이터 간의 데이터 불균형 문제가 대두되기 때문에 정상 데이터만을 활용한 이상감지는 실제 산업현장의 상황에 알맞게 사용할 수 있을 것이라 기대한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.535-537
• /
• 2022

AI 가속기는 머신 러닝 및 딥 러닝을 포함한 인공 지능 및 기계 학습 응용 프로그램의 연산을 더 빠르게 수행하도록 설계된 일종의 하드웨어 가속기 또는 컴퓨터 시스템이다. 가속기를 설계하기 위해선 설계 영역 탐색(Design Space Exploration)을 하여야 하고 여러 인공지능 중에서도 합성 곱 신경망(CNN)에 대한 설계 영역 탐색을 소개한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.517-518
• /
• 2023

본 논문에서는 인공지능 신경망의 하이퍼 파라미터들이 그래프 신경망 모델의 성능에 미치는 영향을 알아보기 위하여 대규모 그래프 데이터를 기반으로 이진 분류 문제를 예측하는 그래프 합성곱 신경망 모델(Graph Convolution Network Model)을 구현하고 모델의 다양한 하이퍼 파라미터 중 손실함수와 활성화 함수를 여러 가지 조합으로 적용하며 모델 학습과 예측 실험을 시행하였다. 실험 결과, 활성화 함수보다는 손실함수의 선택이 모델의 예측 성능에 좀 더 큰 영향을 미치는 것을 확인하였다.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.209-225
• /
• 2020

본 연구는 인삼과 산양삼에 대해 아무런 정보가 없는 초보 소비자가 인삼을 산양삼이라 여기는 사기 상황을 방지하는 차원에서 산양삼 형태에 대한 기저수준을 확립하려했다. 이를 위해 연구자들은 소비자가 스마트폰의 전용 APP으로 인삼을 촬영하면 그 사진이 원격으로 전송되어, 기계학습데이터를 기반으로 판별한 결과가 소비자에게 전송되는 서비스디자인을 고안했다. 연구과정에서의 데이터 셋과 소비자들이 스마트폰을 통해 촬영했을 때의 배경색, 산양삼의 위치, 크기, 조도, 색온도 등과의 차이를 최소화 하기 위해 소비자 용 전용 촬영 박스를 디자인 했다. 이에 따라 산양삼 샘플 수집은 디자인된 박스와 동일한 통제된 환경과 세팅 하에서 이루어졌다. 이를 통해 기계학습에서 통상 필요한 것 보다 약 1/10이 적은 샘플을 사용해 CNN(VGG16)모델에서 예측 확율 100%를 얻었다.

• 한국전산구조공학회논문집
• /
• 제36권1호
• /
• pp.57-65
• /
• 2023

본 연구는 딥러닝을 위한 비선형 변환 접근법을 사용하여 Single-lap joint의 접착 영역을 조사하기 위한 진동 응답 기반 탐지 시스템을 제시한다. 산업 혹은 공학 분야에서 분해가 쉽지 않은 구조 내에 보이지 않는 부분의 상태와 접착된 구조의 접착 부위 상태를 알기 어려운 문제가 있다. 이러한 문제를 해결하기 위해 본 연구는 비선형 변환을 이용하여 기준 시편의 진동 응답으로 다양한 시편의 접착 면적을 조사하는 탐지 방법을 제안한다. 이 연구에서는 CNN 기반 딥러닝으로 진동 특성을 파악하기 위해 비선형 변환을 적용한 주파수 응답 함수를 사용했고 분류를 위해 가상의 스펙트로그램을 사용했다. 또한, 제시된 방법을 검증하기 위해 알루미늄, 탄소섬유복합재 그리고 초고분자량 폴리에틸렌 시편에 대한 진동 실험, 분석적 해, 유한요소해석을 수행했다.

• 항공우주시스템공학회지
• /
• 제18권3호
• /
• pp.48-55
• /
• 2024

최근에 무인항공기의 사업화가 활발하게 추진됨에 따라 무인항공기의 안전성 확보를 위한 기술 개발에 많은 관심이 집중되고 있다. 일반적으로 무인항공기는 운용 중 급기동, 외란, 조종사 실수 등으로 인하여 조종 불능의 상태로 진입할 가능성을 지닌다. 조종 불능 상태로의 진입을 예방하기 위해서는 무인항공기의 비행 상태를 예측하는 것이 필수적으로 요구된다. 본 논문에서는 무인항공기의 비행 상태 예측 성능의 향상을 위하여 개선된 CNN-LSTM 혼합모델을 제안한다. 모의실험은 제안하는 모델을 이용한 예측 기법이 기존 예측 기법에 비하여 비행 상태 예측 성능이 우수하며 온보드 환경에서 실시간으로 운용됨을 보인다.

• 지구물리와물리탐사
• /
• 제23권2호
• /
• pp.97-114
• /
• 2020

최근 과학기술 및 공학 전 분야에서 기계 학습을 적용하는 연구들이 매우 활발하게 수행되고 있다. 탄성파 탐사 분야 또한 해석, 처리, 취득 등 모든 영역에서 기계 학습을 적용한 연구들이 빠르게 증가하는 추세이다. 그 중 단층 해석은 탄성파 자료 해석 분야에 있어 가장 중요한 기술 중 하나이며, 기계 학습을 적용하기에 가장 적합한 분야이기도 하다. 이 논문에서는 다양한 기계 학습 기법들에 대해 소개하고 단층 해석에 적합한 기법들과 그 이유를 기술하였다. 물리탐사 분야의 저명한 국제 학술지에 게재된 논문과 국제 학술대회 발표 사례들을 조사하여 연도별, 분야별 연구 현황을 정리하였으며, 그 중 기계 학습을 사용한 단층 해석 연구들을 집중적으로 분석하였다. 단층 해석 기술은 입력 자료 및 기계 학습 모델의 형태에 따라 탄성파 속성 기반 기술, 탄성파 이미지 기반 기술, 원시자료 기반 기술로 나누어 그 장단점을 기술하였다.