• 감성과학
• /
• 제24권1호
• /
• pp.91-104
• /
• 2021

본 연구에서는 승용차에서 사람들이 기기를 사용하기 위해 사용하는 기동어인 "Hi, KIA!"의 감성을 기계학습을 기반으로 분류가 가능한가에 대해 탐색하였다. 감성 분류를 위해 신남, 화남, 절망, 보통 총 4가지 감정별로 3가지 시나리오를 작성하여, 자동차 운전 상황에서 발생할 수 있는 12가지의 사용자 감정 시나리오를 제작하였다. 시각화 자료를 기반으로 총 9명의 대학생을 대상으로 녹음을 진행하였다. 수집된 녹음 파일의 전체 문장에서 기동어 부분만 별도로 추출하는 과정을 거쳐, 전체 문장 파일, 기동어 파일 총 두 개의 데이터 세트로 정리되었다. 음성 분석에서는 음향 특성을 추출하고 추출된 데이터를 svmRadial 방법을 이용하여 기계 학습 기반의 알고리즘을 제작해, 제작된 알고리즘의 감정 예측 정확성 및 가능성을 파악하였다. 9명의 참여자와 4개의 감정 카테고리를 통틀어 기동어의 정확성(60.19%: 22~81%)과 전체 문장의 정확성(41.51%)을 비교했다. 또한, 참여자 개별로 정확도와 민감도를 확인하였을 때, 성능을 보임을 확인하였으며, 각 사용자 별 기계 학습을 위해 선정된 피쳐들이 유사함을 확인하였다. 본 연구는 기동어만으로도 사용자의 감정 추출과 보이스 인터페이스 개발 시 기동어 감정 파악 기술이 잠재적으로 적용 가능한데 대한 실험적 증거를 제공할 수 있을 것으로 기대한다.

• 한국산학기술학회논문지
• /
• 제22권2호
• /
• pp.127-133
• /
• 2021

낙상 판단을 위한 최근 발표되는 연구는 RNN(Recurrent Neural Network)을 이용한 낙상 동작 특징 분석과 동작 분류에 집중되어 있다. 웨어러블 센서를 기반으로 한 접근 방식은 높은 탐지율을 제공하나 사용자의 착용 불편으로 보편화 되지 못했고 최근 영상이나 이미지 기반에 딥러닝 접근방식을 이용한 낙상 감지방법이 소개 되었다. 본 논문은 2D RGB 저가 카메라에서 얻은 영상을 PoseNet을 이용해 추출한 인체 골격 키포인트(Keypoints) 정보로 머리와 어깨의 키포인트들의 위치와 위치 변화 가속도를 추정함으로써 낙상 판단의 정확도를 높이기 위한 감지 방법을 연구하였다. 특히 낙상 후 자세 특징 추출을 기반으로 Convolutional Neural Networks 중 Gated Recurrent Unit 기법을 사용하는 비전 기반 낙상 감지 솔루션을 제안한다. 인체 골격 특징 추출을 위해 공개 데이터 세트를 사용하였고, 동작분류 정확도를 높이는 기법으로 코, 좌우 눈 그리고 양쪽 귀를 포함하는 머리와 어깨를 하나의 세그먼트로 하는 특징 추출 방법을 적용해, 세그먼트의 하강 속도와 17개의 인체 골격 키포인트가 구성하는 바운딩 박스(Bounding Box)의 높이 대 폭의 비율을 융합하여 실험을 하였다. 제안한 방법은 기존 원시골격 데이터 사용 기법보다 낙상 탐지에 보다 효과적이며 실험환경에서 약 99.8%의 성공률을 보였다.

• 재활복지공학회논문지
• /
• 제12권1호
• /
• pp.53-62
• /
• 2018

본 연구에서는 디지털 풀리 기술을 이용하여 다양한 운동 형태에서 정량적인 1RM 측정이 가능한 국민건강관리 및 체력증진을 위한 스마트 1RM 시스템을 개발하고 이를 이용하여 훈련 시 그에 대한 효과를 검증하고자 하였다. 휴대용 근력 측정 장치, 블루투스 통신 기반 휴대폰 데이터 전송 및 회로도, 높낮이 조절이 가능한 시스템 몸체로 구성된 디지털 풀리 기반 스마트 1RM 측정시스템을 개발하였다. 피험자는 신체 건강한 20대 성인남녀 30명을 대상으로 15명씩 무작위로 개발된 시스템을 이용하여 훈련을 수행하는 그룹과 수행하지 않는 그룹으로 나뉘었다. 피험자는 스마트 1RM 시스템을 이용하여 팔꿈치, 요추, 무릎관절 신전/굴곡 운동을 10회씩 5세트를 수행하였고, 실험 기간은 주 3일, 총 8주간 진행되었다. 개발된 시스템에 대한 유효성 검증을 위해 주관절, 요추관절, 슬관절의 최대근력을 BIODEX System 3를 이용하여 측정하였고 운동 모드에 대한 유효성 검증을 위해 호흡가스분석을 평가하였다. 또한 개발된 1RM 시스템의 최대근력 평가 결과 값에 대한 유효성 검증을 위해 기존 검증된 시스템인 등속성 근기능 측정 모듈인 Biodex system3 결과 값과 비교 분석하였다. 실험결과, 훈련그룹에서 최대근력 증진 운동 전 후 주관절, 요추관절, 슬관절의 최대 근력이 유의하게 모두 증진되는 결과를 얻었다. 1RM 운동모드 중 산소섭취량은 근력강화 운동이 근지구력강화 운동 보다 약 10.91% 더 많은 산소소비량을 나타냈다. 또한 개발된 스마트 1RM 최대근력 측정데이터에 대한 유효성을 검증하기 위해 기존 Biodex system3 데이터와 신뢰도분석을 실시한 결과, 신뢰도는 0.895(*p<0.00)로 매우 높은 신뢰 수준 일치하는 결과를 얻었다. 본 연구는 향후 국민 건강관리 및 체력증진을 보다 정량적으로 활용하고 또한 고령자나 재활환자들의 조기 재활치료에 적용 가능하다고 생각된다.

• 한국전산구조공학회논문집
• /
• 제37권4호
• /
• pp.225-232
• /
• 2024

본 논문에서는 딥러닝을 활용하여 복합재 적층판의 파괴 모드를 결정하는 방법을 제안하였다. 수많은 엔지니어링 응용 분야에서 적층 복합재의 사용이 증가함에 따라 무결성과 성능을 보장하는 것이 중요해졌다. 그러나 재료의 이방성으로 인해 복잡하게 나타나는 파괴모드를 식별하는 것은 도메인 지식이 필요하고, 시간이 많이 드는 작업이다. 따라서 이러한 문제를 해결하기 위해 본 연구에서는 인공 지능(AI) 기술을 활용하여 적층 복합재의 파괴 모드 분석을 자동화하는 것을 목표로 하였다. 이 목표를 달성하기 위해 적층된 복합재에서 파손된 인장 시험편의 주사 전자 현미경(SEM) 이미지를 얻어 다양한 파괴 모드를 확보하였다. 이러한 SEM 이미지는 섬유 파손, 섬유 풀아웃, 혼합 모드 파괴, 매트릭스 취성 파손 및 매트릭스 연성 파손과 같은 다양한 파손 모드를 기준으로 분류하였다. 다음으로 모든 클래스의 집합 데이터를 학습, 테스트, 검증 데이터 세트로 구분하였다. 두 가지 딥 러닝 기반 사전 훈련 모델인 DenseNet과 GoogleNet을 이용해 각 파괴 모드에 대한 차별적 특징을 학습하도록 훈련하였다. DenseNet 및 GoogleNet 모델은 각각 (94.01% 및 75.49%) 및 (84.55% 및 54.48%)의 훈련 및 테스트 정확도를 보여주었다. 그런 다음 훈련된 딥 러닝 모델은 검증 데이터 세트를 활용해 검증하였다. 더 깊은 아키텍처로 인해 DenseNet 모델이 고품질 특징을 추출하여 84.44% 검증 정확도(GoogleNet 모델보다 36.84% 더 높음)를 얻을 수 있음을 확인하였다. 이는 DenseNet 모델이 높은 정밀도로 파괴 모드를 예측함으로써 적층 복합재의 파손 분석을 수행하는 데 효과적이라는 것을 알 수 있다.

• 전자공학회논문지
• /
• 제53권12호
• /
• pp.175-179
• /
• 2016

최근 의료 영상 기술의 발전은 진단, 수술계획, 또는 교육에 도움이 되는 수술 시뮬레이션을 만들어 왔다. 개선된 고화질 영상과 3차원 시각화는 의료 영상 가용성을 향상시키고 수술, 교육 분야에서 더 잘 이용할 수 있게 되었다. 실제 인간의 시각은 입체이다. 따라서, 외과의사의 판단을 통해 2차원 영상을 스테레오로 재구성하여 처리하는 것이 함께 필요하다. 이러한 과정을 줄이기 위해, 3차원 (3D) 이미지가 사용되어 왔다. 3D 영상은 복잡한 상황에서 외과 의사가 매우 짧은 시간에 판단할 수 있도록 3D 시각화를 강화하여 제공한다. 3D 화상 데이터 세트에 기초하여, 가상 내시경 수술 계획, 실시간 상호 작용 가상 의료 시뮬레이션이 가능하게 되었다. 본 논문은 새로운 이미징 기술의 최근 응용 프로그램을 설명하고 이의 기본과 특별히 주목할만한 의료 3D 복원 기술에 관한 것이다. 최근 CT, MR 및 기타 영상 양식의 기술발전은 흥미로운 새로운 솔루션과 어깨 영상의 활용 가능성을 넓혀왔다. 특히, 의료 기기에서 파생 된 3차원 (3D) 이미지는 고급 정보를 제공한다. 이 프레젠테이션은 어깨와 팔꿈치의 수술실습에서 원리, 3D 영상기술의 잠재적 응용가능성, 시뮬레이션, 3D프린팅을 설명한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.271-278
• /
• 2021

현재 사이버 공격이 더욱 지능화됨에 따라 기존의 침입 탐지 시스템(Intrusion Detection System)은 저장된 패턴에서 벗어난 지능형 공격을 탐지하기 어렵다. 이를 해결하려는 방법으로, 데이터 학습을 통해 지능형 공격의 패턴을 분석하는 딥러닝(Deep Learning) 기반의 침입 탐지 시스템 모델이 등장했다. 침입 탐지 시스템은 설치 위치에 따라 호스트 기반과 네트워크 기반으로 구분된다. 호스트 기반 침입 탐지 시스템은 네트워크 기반 침입 탐지 시스템과 달리 시스템 내부와 외부를 전체적으로 관찰해야 하는 단점이 있다. 하지만 네트워크 기반 침입 탐지 시스템에서 탐지할 수 없는 침입을 탐지할 수 있는 장점이 있다. 따라서, 본 연구에서는 호스트 기반의 침입 탐지 시스템에 관한 연구를 수행했다. 호스트 기반의 침입 탐지 시스템 모델의 성능을 평가하고 개선하기 위해서 2018년에 공개된 호스트 기반 LID-DS(Leipzig Intrusion Detection-Data Set)를 사용했다. 해당 데이터 세트를 통한 모델의 성능 평가에 있어서 각 데이터에 대한 유사성을 확인하여 정상 데이터인지 비정상 데이터인지 식별하기 위해 1차원 벡터 데이터를 3차원 이미지 데이터로 변환하여 재구성했다. 또한, 딥러닝 모델은 새로운 사이버 공격 방법이 발견될 때마다 학습을 다시 해야 한다는 단점이 있다. 즉, 데이터의 양이 많을수록 학습하는 시간이 오래 걸리기 때문에 효율적이지 못하다. 이를 해결하기 위해 본 논문에서는 적은 양의 데이터를 학습하여 우수한 성능을 보이는 Few-Shot Learning 기법을 사용하기 위해 Siamese-CNN(Siamese Convolutional Neural Network)을 제안한다. Siamese-CNN은 이미지로 변환한 각 사이버 공격의 샘플에 대한 유사성 점수에 의해 같은 유형의 공격인지 아닌지 판단한다. 정확성은 Few-Shot Learning 기법을 사용하여 정확성을 계산했으며, Siamese-CNN의 성능을 확인하기 위해 Vanilla-CNN(Vanilla Convolutional Neural Network)과 Siamese-CNN의 성능을 비교했다. Accuracy, Precision, Recall 및 F1-Score 지표를 측정한 결과, Vanilla-CNN 모델보다 본 연구에서 제안한 Siamese-CNN 모델의 Recall이 약 6% 증가한 것을 확인했다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.211-227
• /
• 2022

오늘날 온라인 도박 사이트를 통한 불법 도박이 큰 사회문제가 되고 있다. 인터넷 기술의 발전과 스마트폰 보급으로 시공간의 제약이 사라지고 불법 온라인 도박을 누구나 쉽게 접근할 수 있게 되었기 때문이다. 이를 막기 위해 국내에서는 자체 모니터 요원의 탐지, '누리캅스'와 같은 제보 시스템 등을 활용해 불법 사이트를 탐지하고 있지만 이러한 수동적인 프로세스로는 인력부족 같은 한계로 모든 불법 사이트를 탐지하기 어려운 실정이다. 이에 여러 학자들이 인공지능 기반의 자동 불법 도박 사이트 탐지 기술을 연구해왔다. Xu et al. (2019)은 가짜 사이트들의 HTML Tag 구조에는 차별적인 특징이 있다는 점을 발견하였다. 이는 HTML Tag 구조가 불법 사이트를 탐지하는데 주요한 특징정보가 될 수 있음을 시사하지만, 불법 사이트 탐지 모델에 HTML Tag 구조를 반영하여 모형의 성능을 제고하고자 하는 연구는 지금까지 거의 시도되지 않았다. 이러한 배경에서 본 연구는 HTML Tag 구조를 특징화하여 모형의 성능을 향상시키고자 하였고, HTML Tag 구조를 적절하게 벡터화하기 위한 방법론으로 Doc2Vec을 변형한 Tag2Vec을 제안한다. Tag2Vec 기반 모델의 효과를 검증하기 위해 '더 치트'의 유해 사이트 목록과 Google 검색을 통한 정상 사이트 목록을 데이터 세트로 활용하여 실증분석을 수행하였다. 그 결과 비교 모델로 설정된 URL 기반 탐지 모델보다 본 연구에서 제안하는 Tag2Vec 기반 탐지 모델이 분류 정확도, Recall, F1_Score에서 모두 향상된 성능을 보임을 확인할 수 있었다. 이러한 본 연구의 제안모델은 향후 지능형 기술을 통해 우리 사회의 건강도를 제고하는데 효과적으로 활용될 수 있을 것으로 기대된다.

• 한국도서관정보학회지
• /
• 제48권2호
• /
• pp.429-447
• /
• 2017

본 연구의 목적은 국내외 문헌정보학 학술지들에서 나타나는 협업 범위를 저자수를 이용하여 측정하고 비교하는데 있다. 연구에 필요한 데이터세트를 위해, 2010-2016년도에 발간된 논문으로서 문헌정보분야와 관련된 국외학술지중 Scimago Journal Rank (SJR)에 기재된 최상위권 30개와 4개의 국내 문헌정보분야와 관련된 학술지를 선택하였다. 국내 학술지 저자 정보들은 RISS 데이터베이스에서 수집하였고 국외학술지 저자 정보들은 Scopus 데이터베이스를 사용하여 수집하였다. 연구결과 학술지의 경우 문헌정보 학술지에서는 단독저자부터 3인 공저자 까지가 가장 흔한 저자협업 정보임을 보여주었다. 국외 학술지는 저자협업이 국내학술지보다 더 다수의 경우가 많았다. 특별히, 국내의 경우 단독저자가 가장 흔했는데 국외 학술지에서는 2인 공저가 가장 흔했다. 연구분야를 살펴보면 도서관 관련 분야에서는 단독저자가 가장 흔하였고 과학/기술 분야는 3인 공저가 가장 흔하였다. 결론적으로 문헌정보학 분야에서는 연구분야의 다양성으로 인해 저자수도 상당히 다양해 질 수 있음을 제시하고 있다.

• 한국기록관리학회지
• /
• 제22권4호
• /
• pp.175-196
• /
• 2022

본 연구는 연구자가 부여한 논문의 키워드 분석을 통해 기록보존 분야의 연구동향을 밝히고 시간의 경과에 따른 기록보존 분야 연구 주제의 변천과정을 파악하고자 하였다. 2000년부터 2021년까지 국내 학술지에 게재된 기록보존 연구 463편을 중심으로 NetMiner V.4를 통해 연결 중심성 분석과 매개 중심성 분석을 수행하였다. 수집한 연구논문을 학술지 게재 시기에 따라 제1구간(2000년~2007년), 제2구간(2008년~2014년), 제3구간(2015년~2021년)으로 나누어 분석하였다. 분석결과 전 구간에서는 '전자기록'과 '장기보존', 제1구간에서는 'OAIS참조모형', 제2구간에서는 '전자기록', 제3구간에서는 '기록관리기준표'과 '장기보존'이 핵심 주제 키워드로 영향력과 확장성이 높은 것으로 나타났다. 제1구간에서 '디지털 보존', '디지털화', 'OAIS참조모형' 등 기록보존을 위한 개념적 틀과 이론 중심 연구, 제2구간에서 '전자기록', '평가', 'DRAMBORA' 등 보존 활동과 관련된 절차와 실제 적용 중심 연구, 제3구간에서 '데이터세트', '행정정보시스템', '소셜미디어' 등 기록관리 환경 변화에 따른 기술적 구현 연구 주제로 진행되는 과정을 확인하였다.

• Korean Chemical Engineering Research
• /
• 제62권3호
• /
• pp.214-224
• /
• 2024

밸브는 유량과 압력 조절 등의 중요한 역할을 수행하며, 적절한 밸브 사이즈와 유형 선택이 필요하다. Engineering Procurement Construction (EPC) 산업에선 밸브 사이즈 계수(C_v)의 수식적 계산을 바탕으로 사이즈와 유형을 선정해왔으나 이러한 방식은 전문가의 많은 시간과 비용이 요구되어 비효율적이다. 본 연구는 이를 해결하기위해 머신 러닝기법을 이용한 밸브 사이즈 및 유형 예측 모델을 개발하였다. Artificial neural network (ANN), Random Forest, XGBoost, Catboost의알고리즘을 적용하여 모델들을 개발하였으며, 평가 지표로는 사이즈 예측에는 Normalized root mean squared error (NRMSE)와 R²를, 종류 예측에는 F1 score를 적용하였다. 또한, 유체 상에 따른 영향을 확인하고자 유체 전체, 액체, 기체, 스팀의 4개의 데이터 세트로 사례 연구를 진행하였다. 연구 결과, 사이즈의 경우 전체, 액체, 기체에선 Catboost(R²기준, 전체: 0.99216, 액체: 0.98602, 기체: 0.99300. NRMSE 기준, 전체: 0.04072, 액체: 0.04886, 기체: 0.03619)가, 스팀에선 Random Forest가(R²: 0.99028, NRMSE: 0.03493) 가장 뛰어난 모델임을 확인하였다. 종류의 경우 Catboost가 모든 데이터에서 가장 높은 성과를 제시하였다(F1 score 기준, 전체: 0.95766, 액체: 0.96264, 기체: 0.95770, 스팀: 1.0000). 본 연구에서 제안한 모델들을 적용할 경우, 주어진 조건에 따른 밸브 선택을 도와 의사결정 속도를 높여줄 것으로 기대된다.