• 한국산학기술학회논문지
• /
• 제19권1호
• /
• pp.672-679
• /
• 2018

본 논문은 최적설계 시스템을 이용한 형상설계 방법론에 대해 설명하고 있으며, 일반적으로 3차원 해석은 설계를 위해 반드시 필요하다. 퍼지지식처리 수법과 계산기하학적 기법에 바탕을 둔 자동화된 유한요소 메쉬 생성 기법은 상용화된 유한요소해석코드와 솔리드모델러와 함께 시스템에 결합되어 있다. 또한, 다층형 신경망의 도움과 함께 개발된 시스템은 다차원 설계변수 공간에 존재하는 여러 만족하는 설계해인 디자인윈도우를 얻을 수 있게 해준다. 개발된 최적화 설계 시스템 사용된 부품을 평가하는데 성공적으로 적용하였다. 사이드 하우징 브라켓을 현장에서 사용되어지는 굴삭기의 힘과 유압브레이커의 작용하는 응력을 응력 게이지로 사이드 하우징 브라켓의 크랙 발생부위에 부착하여 최대응력이 얼마나 걸리는지를 측정하였다. 적용하는 대상을 현장에서와 동일한 조건하에서 최대응력이 허용응력보다 같거나 적게 하고, 기존형상 유지, 재질은 SM490, 중량 최소화 안전계수는 3으로 하여, 최대응력 값에 대한 해석을 수행하였다. 구조가 비교적 간단한 36톤용 사이드 하우징 브라켓을 최적화하였지만, 다른 클래스의(톤수 별) 사이드 하우징 브라켓 적용 시 품질향상에 크게 기여하리라 생각된다.

• 대한전자공학회논문지SP
• /
• 제41권4호
• /
• pp.93-101
• /
• 2004

머리가 포함된 얼굴 윤곽선은 5차원의 매개변수들을 가지는 타원 형태와 유사하다. 이 특성은 타원 검출 알고리듬을 얼굴검출 방법에 이용할 수 있도록 한다. 그렇지만 허프 변환으로 5 차원의 매개변수 공간을 구축하기에는 매우 어렵다. 본 논문에서는 선택적 주의집중을 가지는 허프 변환 방법으로 주어진 영상에서 대칭 윤곽선을 가지는 얼굴을 검출하는 방법을 제안한다. 이 방법은 고정된 얼굴의 장단 비율, 그래디언트 정보, 주사선 기반 선택적 방향 분해를 이용하여, 5 차원의 매개변수 공간을 타원의 중심과 특정한 회전 방향을 추정하는 2 차원의 매개변수 공간과 단축의 길이를 추정하는 1 차원의 매개변수 공간으로 분해가 가능하도록 한다. 부가적으로 이 방법에 그래디언트와 지리적인 정보를 결합하는 두 점 선택 제약 조건을 적용하여 복잡한 배경을 가지는 영상에서 허프 변환의 속도를 증대시킨다. 제안하는 허프 변환으로 추출된 후보 얼굴 영역들 가운데에서 얼굴이 아닌 타원 영역들을 다층 퍼셉트론으로 기각시켜 얼굴을 최종적으로 검출한다. 본 논문에서 제안하는 얼굴 검출 방법을 얼굴이 포함된 다양한 영상들에 적용하여 실험한 결과로부터, 제안하는 방법은 처리 속도와 효율성에서 우수함을 확인하였다.

• 한국HCI학회논문지
• /
• 제5권2호
• /
• pp.7-14
• /
• 2010

센서 네트워크에 의해 수집되는 다양한 도시 데이터는 도시를 이해하고 분석하는데 있어서 필수적인 수단으로 자리매김하고 있다. 특히 Ubiquitous Sensor Network(USN) 기술들은 u-City 구현에 있어 중추신경망을 제공하였다. 이 연구는 도시 에너지의 사용량에 관한 정보를 USN을 이용하여 수집하고, 이를 도시공간정보와 연계된 직관적 가시화 환경을 통해 제공함으로써 u-City에서 에너지 공급계획을 수립, 모니터링하고, 궁극적으로 실사용자가 능동적으로 에너지를 절약할 수 있도록 도와주는 애플리케이션 구현을 목적으로 한다. 특히 3차원 지리정보환경의 층위에 다층적인 에너지 모니터링 정보를 동적으로 조합하면서 다양한 사용자의 관점에 대응하는 환경을 제시하였다. 또한 도시공간정보에 기반을 둔 논리적 LOD를 제공함으로써 효과적인 실시간 에너지 사용 모니터링 도구를 제공한다. 이를 위하여 관련 선행연구를 분석하여 어플리케이션 구현을 위한 시스템의 개념과 구성을 정의하고 데이터 구조 및 가시화방안을 구체화하였다. 본 논문에서는 특히 시스템 구현에 요구되는 공간정보, E-GIS 데이터, 에너지 사용량 센서 데이터를 효과적으로 조합하는 가시화 방법론, 직관적 표현방법, 데이터 구조 및 어플리케이션의 연구결과를 제시하고 Social Sensor Networking을 이용한 모니터링 확장 적용방안에 대해 연구한다.

• 대한전자공학회논문지SP
• /
• 제41권2호
• /
• pp.79-88
• /
• 2004

시선 위치 추적이란 현재 사용자가 응시하고 있는 위치를 컴퓨터 시각 인식 방법에 의해 파악하는 연구이다. 이러한 시선 위치 추적 기술은 많은 응용 분야를 가지고 있는데, 그 대표적인 예로는 양 손을 사용하지 못하는 심신 장애자를 위한 컴퓨터 인터페이스 및 3차원 시뮬레이터 프로그램에서 사용자의 시선 위치에 따른 화면 제어 등이 있다. 이 논문에서는 적외선 조명이 부착된 단일 카메라를 이용한 컴퓨터 비전 시스템으로 시선 위치 추적 연구를 수행하였다. 사용자의 시선 위치를 파악하기 위해서는 얼굴 특징점의 위치를 추적해야하는데, 이를 위하여 이 논문에서는 적외선 기반 카메라와 SVM(Support Vector Machine) 알고리즘을 사용하였다. 사용자가 모니터상의 임의의 지점을 쳐다볼 때 얼굴 특징점의 3차원 위치는 3차원 움식임량 추정(3D motion estimation) 및 아핀 변환(affine transformation)에 의해 계산되어 질 수 있다. 얼굴 특징점의 변화된 3차원 위치가 계산되면, 이로부터 3개 이상의 얼굴 특징점으로부터 생성되는 얼굴 평면 및 얼굴 평면의 법선 벡터가 구해지게 되며, 이러한 법선 벡터가 모니터 스크린과 만나는 위치가 사용자의 시선위치가 된다. 또한, 이 논문에서는 보다 정확한 시선 위치를 파악하기 위하여 사용자의 눈동자 움직임을 추적하였으면 이를 위하여 신경망(다층 퍼셉트론)을 사용하였다. 실험 결과, 얼굴 및 눈동자 움직임에 의한 모니터상의 시선 위치 정확도는 약 4.8㎝의 최소 자승 에러성능을 나타냈다.

• 응용통계연구
• /
• 제35권4호
• /
• pp.457-468
• /
• 2022

고령인구가 증가함에 따라 국가차원에서 노인의 건강노화 실현을 위한 장기요양 필요 발생의 예방 방안을 마련하는 것은 매우 중요하며, 정책적 효과를 극대화하기 위해서는 적절한 대상자의 선정이 선행되어야 한다. 이에 본 연구는 국민건강보험공단의 국민건강정보를 활용하여, 장기요양 필요를 야기하는 기능장애 발생 가능성이 높은 대상자를 발굴하기 위한 예측모형을 개발하고자 한다. 본 연구는 연구대상자의 과거 수집된 자료를 활용하는 후향적 연구로, 본 연구의 연구대상자는 만 65세 이상 의료보장등록인구이다(총 7,724,101명). 예측모형 개발을 위해 고유 방법인 로지스틱 회귀모형, 머신러닝 방법인 의사결정나무와 랜덤포레스트, 딥러닝 방법인 다층퍼셉트론 신경망을 분석하였다. 체계적 분석절차를 통해 각 분석방법별 모형을 적합하였고, 내적 타당성 및 외적 타당성 평가 결과를 기반으로 최종 예측모형을 랜덤포레스트로 선정하였다. 랜덤포레스트는 모집단에서의 4.50%밖에 되지 않는 장기요양 필요 대상자의 약 90%를 장기요양 필요 발생 고위험 대상자로 예측할 수 있다. 본 연구의 예측모형 및 고위험군 기준은 노인의 욕구 중심에서 예방 서비스가 필요한 대상자를 선제적으로 발굴하는데 기여할 것으로 기대된다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.95-108
• /
• 2017

최근 알파고의 등장으로 딥러닝 기술에 대한 관심이 고조되고 있다. 딥러닝은 향후 미래의 핵심 기술이 되어 일상생활의 많은 부분을 개선할 것이라는 기대를 받고 있지만, 주요한 성과들이 이미지 인식과 자연어처리 등에 국한되어 있고 전통적인 비즈니스 애널리틱스 문제에의 활용은 미비한 실정이다. 실제로 딥러닝 기술은 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN), Deep Boltzmann Machine (DBM) 등 알고리즘들의 선택, Dropout 기법의 활용여부, 활성 함수의 선정 등 다양한 네트워크 설계 이슈들을 가지고 있다. 따라서 비즈니스 문제에서의 딥러닝 알고리즘 활용은 아직 탐구가 필요한 영역으로 남아있으며, 특히 딥러닝을 현실에 적용했을 때 발생할 수 있는 여러 가지 문제들은 미지수이다. 이에 따라 본 연구에서는 다이렉트 마케팅 응답모델, 고객이탈분석, 대출 위험 분석 등의 주요한 분류 문제인 이진분류에 딥러닝을 적용할 수 있을 것인지 그 가능성을 실험을 통해 확인하였다. 실험에는 어느 포르투갈 은행의 텔레마케팅 응답여부에 대한 데이터 집합을 사용하였으며, 전통적인 인공신경망인 Multi-Layer Perceptron, 딥러닝 알고리즘인 CNN과 RNN을 변형한 Long Short-Term Memory, 딥러닝 모형에 많이 활용되는 Dropout 기법 등을 이진 분류 문제에 활용했을 때의 성능을 비교하였다. 실험을 수행한 결과 CNN 알고리즘은 비즈니스 데이터의 이진분류 문제에서도 MLP 모형에 비해 향상된 성능을 보였다. 또한 MLP와 CNN 모두 Dropout을 적용한 모형이 적용하지 않은 모형보다 더 좋은 분류 성능을 보여줌에 따라, Dropout을 적용한 CNN 알고리즘이 이진분류 문제에도 활용될 수 있는 가능성을 확인하였다.