• Annual Conference of KIPS
• /
• 2020.11a
• /
• pp.116-118
• /
• 2020

GPU 기술과 빅데이터의 성장에 힘입어 최근 딥러닝 기술은 괄목할만한 성장을 이루었고, 구글, 페이스북, 우버 등의 빅데이터를 보유한 업체들과 슈퍼컴퓨팅분야에서는 이러한 빅데이터를 빠른 시간 안에 학습하기 위해 분산 딥러닝 기술을 연구해오고 있다. 이러한 대규모 분산 딥러닝에서는 집합 통신, IO 부하 등이 주요 병목으로 알려져 있다. 본 연구에서는 분산 딥러닝에서 시도되고 있는 주요 All-Reduce 알고리즘들에 대해 누리온 시스템에서 성능평가를 수행하였고, 512노드 이상의 대규모에서는 2D-torus 알고리즘이 우수한 성능을 보였다.

• ICROS
• /
• v.21 no.4
• /
• pp.21-26
• /
• 2015

지능형 시스템의 수요가 증가하면서 영상인식의 중요성이 부각되고 있다. 사람이 직접 물체 인식 과정을 모델링하는 방식을 넘어 최근에는 기계학습을 이용하여 이를 자동화하는 방법이 주를 이루고 있다. 그 중 딥러닝은 빅데이터를 활용하는 각종 분야에서 놀라운 성능을 보이며 기계학습 수준을 한 단계 진화시킨 기술로 평가 받고 있으며 영상 인식의 다양한 분야에서 응용되고 있다. 본 글에서는 딥러닝을 이용한 물체 검출 기법의 동향을 살펴보고 이를 차량 전면부 인식에 적용한 사례를 소개한다.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.6
• /
• pp.177-186
• /
• 2020

Recent advances in deep learning technology have improved image recognition performance in the field of computer vision, and serverless computing is emerging as the next generation cloud computing technology for event-based cloud application development and services. Attempts to use deep learning and serverless computing technology to increase the number of real-world image recognition services are increasing. Therefore, this paper describes how to develop an efficient deep learning based image recognition service system using serverless computing technology. The proposed system suggests a method that can serve large neural network model to users at low cost by using AWS Lambda Server based on serverless computing. We also show that we can effectively build a serverless computing system that uses a large neural network model by addressing the shortcomings of AWS Lambda Server, cold start time and capacity limitation. Through experiments, we confirmed that the proposed system, using AWS Lambda Serverless Computing technology, is efficient for servicing large neural network models by solving processing time and capacity limitations as well as cost reduction.

• Smart Media Journal
• /
• v.12 no.11
• /
• pp.36-47
• /
• 2023

Industrial Control System(ICS), which controls facilities at major industrial sites, is increasingly connected to other systems through networks. With this integration and the development of intelligent attacks that can lead to a single external intrusion as a whole system paralysis, the risk and impact of security on industrial control systems are increasing. As a result, research on how to protect and detect cyber attacks is actively underway, and deep learning models in the form of unsupervised learning have achieved a lot, and many abnormal detection technologies based on deep learning are being introduced. In this study, we emphasize the application of preprocessing methodologies to enhance the anomaly detection performance of deep learning models on time series data. The results demonstrate the effectiveness of a Wavelet Transform (WT)-based noise reduction methodology as a preprocessing technique for deep learning-based anomaly detection. Particularly, by incorporating sensor characteristics through clustering, the differential application of the Dual-Tree Complex Wavelet Transform proves to be the most effective approach in improving the detection performance of cyber attacks.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.390-390
• /
• 2023

최근 기후변화로 인해 가뭄이 5 ~ 7년 주기로 발생하고 있으며 가뭄 강도가 심화되고 있고, 이러한 현상은 향후 10년 이상이 지속될 것으로 예측되고 있다. 이러한 가뭄으로 인해 2022년에는 각 지역에서 제한급수 및 운반급수 피해인구가 발생하였으며, 전국의 다목적댐 또는 용수전용댐에서는 가뭄 대응을 위해 용수를 감량하였다. 특히 2018년에는 농업용수 공급이 어려워 다수의 지역에서는 논이 마르고 밭이 시들어 농업피해가 발생하였다. 이에 따라 농업용 저수지에서는 가뭄 대응을 위해 저수지 운영곡선 및 연계운영 등과 같은 저수지 운영방안 수립이 필요한 실정이다. 하지만 다목적댐과는 달리 농업용 저수지에서는 수문 계측자료가 부족하기 때문에 저수지 운영방안 수립에 한계가 있다. 이에 본 연구에서는 심각한 가뭄이 발생한 섬진강 유역의 농업용 저수지를 대상으로 딥러닝 모델 기반의 일단위 유입량 예측모형을 개발하였다. 저수지 유입량을 예측하기 위해서는 유역평균강우량 및 과거 유입량 등을 독립변수로 선정하였으며, 시계열 자료 분석을 위해 딥러닝 모델 중 GRU(Gated Recurrent Unit) 모델을 활용하였다. 향후에는 예측 유입량을 활용하여 농업용 저수지의 수요량을 고려한 저수지 운영방안 수립을 통해 가뭄에 대응할 수 있을 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.119-120
• /
• 2018

본 논문에서는 음악을 듣고 어떤 음악인지 인식하고 판별하는 음원분류 시스템과 해당 기술 구현을 딥러닝을 통해 적용하도록 제안하였다. 제안한 시스템은 인공심층신경망을 통해 음원파일을 여러 음원 특징 추출 모델에 따라 검출된 특징들을 학습하여 해당 음원의 고유한 보컬이나 반주의 특색 등을 찾아내어 이를 인식할 수 있도록 구현하였다. 이를 통해, 기존의 Fingerprint 방식의 데이터베이스 검색 시스템과는 다른 접근방식으로 보다 사람이 음악을 기억하는 방법에 가깝도록 구현하여 능동성과 유연성을 개선하고 다양한 응용분야로 활용할 수 있는 시스템을 제안하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.07a
• /
• pp.19-22
• /
• 2015

주차는 자동차를 이용하는 사람들의 편리한 이동을 위한 기반 행위에 포함되는 요소이다. 따라서 이러한 주차 문제를 해결하는 다양한 서비스가 존재하나, 이러한 서비스를 제공하는 시스템을 개발하기 위해서는 주차공간의 특성을 고려해야 하는 어려움이 있다. 본 연구에서는 카메라 모듈과 딥러닝 알고리즘을 기반으로 하는 이미지 센싱을 활용하여 기존 시스템의 주차 감지 센서부 구축의 문제점을 개선하며, 주차장 수요가 많은 '러쉬 타임'을 반영하여 주차공간을 안내하고 운전자를 유도하는 주차정보시스템을 개발한다.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.10
• /
• pp.492-496
• /
• 2024

Cats are known to express their emotions through a variety of vocalizations during interactions. These sounds reflect their emotional states, making the understanding and interpretation of these sounds crucial for more effective communication. Recent advancements in artificial intelligence has introduced research related to emotion recognition, particularly focusing on the analysis of voice data using deep learning models. Building on this background, the study aims to develop a deep learning system that classifies and generates cat sounds based on their emotional content. The classification model is trained to accurately categorize cat vocalizations by emotion. The sound generation model, which uses deep learning based models such as SampleRNN, is designed to produce cat sounds that reflect specific emotional states. The study finally proposes an integrated system that takes recorded cat vocalizations, classify them by emotion, and generate cat sounds based on user requirements.

• Smart Media Journal
• /
• v.9 no.1
• /
• pp.45-50
• /
• 2020

With the development of deep learning, studies using artificial neural networks based on deep learning in recommendation systems are being actively conducted. Especially, the recommendation system based on RNN (Recurrent Neural Network) shows good performance because it considers the sequential characteristics of data. This study proposes a travel route recommendation system using GRU(Gated Recurrent Unit) and Session-based Parallel Mini-batch which are RNN-based algorithm. This study improved the recommendation performance through an ensemble of top1 and bpr(Bayesian personalized ranking) error functions. In addition, it was confirmed that the RNN-based recommendation system considering the sequential characteristics in the data makes a recommendation reflecting the meaning of the travel destination inherent in the travel route.

• Journal of the KSME
• /
• v.57 no.3
• /
• pp.34-37
• /
• 2017

이 글은 공학시스템 고장예지 및 건전성 관리 기술을 소개하고, 최근 주목받고 있는 인공지능기술인 딥러닝과 접목한 연구 사례를 제시한다.