• Proceedings of the Korea Association of Information Systems Conference
• /
• 2004.05a
• /
• pp.304-315
• /
• 2004

본 연구는 인터넷 환경 하에서 Davis의 기술수용모델(TAM)을 확장한 것이다. 본래의 TAM 모델에서는 인지된 사용용이성(perceived ease of use) 및 인지된 사용편이성(perceived usefulness)이 시스템 사용을 설명할 때 가장 중요한 요인이라고 제안하고 있다. 그러나 TAM 모델은 실제 시스템 사용의 약 $40\%$만 설명하고 있어 이 모델의 확장이 필요한 편이다. 본 연구에서는 기존의 TAM 모델에, Flow 이론에서 언급된 "인지된 즐거움 (perceived enjoyment)" 및 혁신확산이론(IDT)에서 언급된 "일치성(compatibility)"을 추가하여 TAM 모델을 확장하여 사용하였다. 본 연구자가 근무하는 대학의 대학포탈(university portals) 웹사이트를 사용하여 이 모델을 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.247-247
• /
• 2022

제트류는 복잡한 흐름 중 하나로 다양한 크기의 에디가 다양한 운동량을 가지고 있다. 이러한 제트류를 구현하기 위해서는 난류 운동 에너지 등 제트류의 특성을 잘 반영하여야 한다. 제트를 구현하기 위해서는 수리학적 모델, 현장 실험 등 많은 방법이 있으며, 본 연구에서는 상대적으로 공간, 시간적 비용이 적게 드는 수치해석 방법을 사용하여 연구를 진행하였다. 대표적인 수치해석방법에는 DNS(Direct Numerical Simulation), LES(Large Eddy Simulation), RANS(Reynolds Averaged Navier Stokes) 등이 있다. RANS는 시간 평균 흐름 특성만 산출하며 제트의 복잡성을 재현하는 데 한계가 있어, 본 연구는 DNS와 LES 모델을 이용하여 제트류를 구현하는 것에 초점을 맞추었다. DNS는 해당 격자에서 발생하는 모든 에디를 직접 해석 때문에 난류 모델링이 필요하지 않지만, 많은 수의 그리드가 필요하여 수치해석 시 소요시간이 긴 편이다. LES는 대규모 에디는 직접 해석하지만 일정 크기 이하의 소용돌이를 해석하기 위해서 모델이 필요하다. 따라서 서브 그리드 모델에 따라 약간 다른 결과를 보인다. 이러한 문제점을 해결하기 위해 본 연구에서는 LES의 기존 서브 그리드 모델을 사용하지 않고 신경망 모델로 학습한 DNS 결과를 활용하는 방법을 제안한다. 우선 DNS와 LES 모델을 사용하여 에너지 스펙트럼을 비교하여 서브 그리드 모델이 시작하는 파수를 찾는다. 이후 특정 파수 아래의 작은 에디를 모사할 적절한 신경망 모델을 결정하여 DNS의 작은 에디를 신경망 알고리즘이 모사할 수 있도록 학습시킨다. 이후 기존 서브 그리드 모델을 사용하지 않고 학습된 신경망 알고리즘을 사용한 LES 모델이 모사한 제트류와 실제 DNS 모델을 사용한 제트류를 비교 및 평가한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06a
• /
• pp.47-50
• /
• 2008

CBSE(Component-Based Software Engineering)는 현재 많은 연구를 통해 소프트웨어 컴포넌트 모델에 관한 상당한 성과를 이루었다. 하지만 기존의 모델들은 각각이 제안한 프레임웍이 존재하고 그와 관련된 컴포넌트 명세들을 요구한다. 그리고 이를 사용하기 위한 방법을 학습해야한다. 이런 이유로 시장에서 바라는 소프트웨어 컴포넌트의 재사용이 쉽게 이루어지지 않았다. 따라서 컴포넌트의 재사용을 위한 많은 연구들의 공통점들을 연구하여 이상적인 컴포넌트 생명주기가 제안되었고 이를 따르는 모델 또한 제안되었다. 그러나 이 모델은 간접 메시지 전달 방법을 사용한 Exogenous 커넥터를 사용하여 컴포넌트를 조합한다. 이는 커넥터 수의 증가를 피할 수 없어 컴포넌트 간의 의사소통이 비효율 적으로 이루어지는 문제가 발생한다. 본 논문에서는 계층적 메시지 전달 방식을 제안하고 이를 사용한 조합 방법을 통해 이상적인 컴포넌트 생명 주기를 따르는 새로운 소프트웨어 컴포넌트 모델인 트리 아키텍처 컴포넌트 모델을 제안한다. 아울러 제안된 모델의 적용을 통해서 컴포넌트 사이를 중재하는 객체를 사용하지 않고도 쉽게 재사용가능할 뿐만 아니라 의사소통도 효율적으로 가능함을 발견할 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.03a
• /
• pp.99-102
• /
• 1998

본 논문에서는 복잡하고 비선형적인 시스템의 최적 모델링을 우해서 지능형 퍼지-뉴럴네트워크의 최적 모델 구축을 위한 방법을 제안한다. 기본 모델은 퍼지 추론 시스템의 언어적인 규칙생성의 장점과 뉴럴 네트워크의 학습기능을 결합한 FNNs 모델을 사용한다. FNNs 모델의 퍼지 추론부는 간략추론이 사용되고, 학습은 요류 역전파 알고리즘을 사용하여 다른 모델들에 비해 학습속도가 빠르고 수렴능력이 우수하다. 그러나 기본 모델은 주어진 시스템에 대하여 퍼지 공간을 균등하게 분할하여 퍼지 소속을 정의한다. 이것은 비선형 시스템의 모델링에 있어어서 성능을 저하시켜 최적의 모델을 얻기가 어렵다. 논문에서는 주어진 데이터의 특성을 부여한 공간을 설정하기 위하여 클러스터링 알고리즘을 사용한다. 클러스터링 알고리즘은 주어진 시스템에 대하여 상호 연관성이 있는 데이터들끼리 특성을 나누어 몇 개의 클래스를 이룬다. 클러스터링 알고리즘을 사용하여 초기 FNNs 모델의 퍼지 공간을 나누고 소속함수를 정의한다. 또한, 최적화 기법중의 하나로 자연선택과 자연계의 유전자 메카니즘에 바탕을 둔 탐색 알고리즘인 유전자 알고리즘을 사용하여 주\ulcorner 진 모델에 대하여 최적화를 수행한다. 또한 본 연구에서는 학습 및 테스트 데이터의 성능 결과의 상호 균형을 얻기 위한 하중값을 가긴 성능지수가 제시된다.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2401-2403
• /
• 2000

시스템의 특성을 이해하고 신뢰성 있는 제어를 위해서는 시스템에 대한 정확한 모델을 필요로 한다. 이러한 목적을 위해서 많은 연구자들에 의한 다양한 방법의 모델링 방법이 계속되어 연구되어지고 있다. 현재 많이 사용하는 모델링 방법 중에는 통계적 기법을 이용하는 것, first principle 방법을 이용하는 것, 지능형 기법을 이용하는 방법 등이 있다. 본 연구에서는 통계적 방법인 fractional factorial 방법을 이용한 모델, Taguchi 방법을 이용한 모델, 그리고 지능형 방법인 신경회로망을 이용한 모델의 3가지 모델을 사용해서 각 모델의 학습오차와 예측오차 등의 특성을 비교하였다. 모델에 사용된 데이터는 비선형 시스템인 플라즈마 화학 증착 장비(Plasma-Enhnaced Chemical Vapor Deposition : PECVD)에 의해 증착된 산화막 실험 데이터이다. 각 모델에 대해서 PECVD 데이터를 사용하여 모델을 만들었을 때 각 모델의 학습오차와 학습오차 변위, 그리고 예측오차와 예측오차변위를 조사하였다. 세가지 모델 모두 학습오차가 예측오차보다 작았으며 변위 또한 학습오차변위가 예측오차변위보다 작았다. 본 연구 결과는 일반적으로 신경회로망에 의한 오차가 다른 통계적인 방법에 의한 오차보다 작음을 보여준다.

• Proceedings of the Korean Society for Bio-Environment Control Conference
• /
• 2001.11a
• /
• pp.178-180
• /
• 2001

작물의 엽면적 등 다양한 생육정보를 간편하고 비파괴적으로 추정할 수 있다면 작물의 생리 생태학적 모델에의 적용을 통하여 다양한 작물 연구에 중요한 공헌을 할 수 있다. 본 연구에서는 오이 개개 잎의 형태정보를 이용하여 오이의 개개 엽면적, 생체중 및 건물중 예측하는 것을 목적으로 하였고, 이를 위하여 엽면적은 5가지 모델을 사용하였고, 생체중 및 건물중은 6가지의 모델을 사용하여 분석하였다. 또한 신경회로망은 3 layer의 back propagation method를 사용하여 분석하였다. 각 모델들은 독립변수로는 Robinson ＆ Pharr이 사용한 개개 잎의 폭 및 길이를 사용하였다. 회귀모델에 의한 추정 결과, 모델의 정확성 및 정밀성은 엽면적 > 생체중 > 건물중 순 이었지만, 특히 건물중의 경우는 상대적으로 낮은 상관관계를 가지는 것으로 나타났다. 회귀모델을 사용하여 건물중 추정하는 것에는 한계가 있는 것으로 생각되며, 신경회로망도 이와 유사한 관계를 나타냈지만 다양한 변수 수정을 통하여 상관계수를 증가시킬 수 있을 것이라고 생각된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.69-72
• /
• 2024

모델 역추론 공격은 공격 대상 네트워크를 훈련하기 위해 사용되는 훈련 데이터셋 중 개인 데이터셋을 공개 데이터셋을 사용하여 개인 훈련 데이터셋을 복원하는 것이다. 모델 역추론 방법 중 적대적 생성 신경망을 사용하여 모델 역추론 공격을 하는 과거의 논문들은 딥러닝 모델 전체의 역추론에만 초점을 맞추기 때문에, 이를 통해 얻은 원본 이미지의 개인 데이터 정보는 제한적이다. 따라서, 본 연구는 대상 모델의 중간 출력을 사용하여 개인 데이터에 대한 더 품질 높은 정보를 얻는데 초점을 맞춘다. 본 논문에서는 적대적 생성 신경망 모델이 원본 이미지를 생성하기 위해 사용되는 계층별 역추론 공격 방법을 소개한다. MNIST 데이터셋으로 훈련된 적대적 생성 신경망 모델을 사용하여, 원본 이미지가 대상 모델의 계층을 통과하면서 얻은 중간 계층의 출력 데이터를 기반으로 원본 이미지를 재구성하고자 한다. GMI 의 공격 방식을 참고하여 공격 모델의 손실 함수를 구성한다. 손실 함수는 사전 손실 및 정체성 손실항을 포함하며, 역전파를 통해서 원본 이미지와 가장 유사하게 복원할 수 있는 표현 벡터 Z 를 찾는다. 원본 이미지와 공격 이미지 사이의 유사성을 분류 라벨의 정확도, SSIM, PSNR 값이라는 세 가지 지표를 사용하여 평가한다. 공격이 이루어지는 계층에서 복원한 이미지와 원본 이미지를 세 가지 지표를 가지고 평가한다. 실험 결과, 공격 이미지가 원본 이미지의 대상 분류 라벨을 정확하게 가지며 원본 이미지의 필체를 유사하게 복원하였음을 보여준다. 평가 지표 또한 원본 이미지와 유사하다는 것을 나타낸다.

• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.305-306
• /
• 2015

과속차량 단속카메라에 촬영된 차량 전면 영상은 차량번호를 인식하여 과속차량에 과금하는 용도로 사용되나 범죄 용의자 차량을 추적하기 위한 용도로도 사용되어진다. 본 연구에서는 국소특징점의 정합을 이용하여 차량 모델을 찾는 방법을 넘어서 실시간으로 차량 모델을 찾기 위한 알고리즘을 제안한다. 입력된 영상에 대하여 차량의 모델을 특징지을 수 있는 헤드라이트를 포함한 차량의 그릴 영역을 관심영역으로 제한하고 관심영역에서 추출된 특징점들을 모델 특징벡터 데이터베이스의 자료와 비교하는 방법 을 사용하였다. 입력 영상의 크기 변화와 조명 변화에 강인한 SURF 국소특징점을 이용한 매칭 방법은 차량 모델을 찾는데 적합하나 선형적으로 탐색하는데 시간이 오래걸린다. 따라서 블러를 사용하여 차량 이미지에서 추출되는 특징점들의 수를 매칭이 가능한 수준으로 낮추는 방법으로 모델 자료로부터 탐색에 필요한 시간을 단축시켰다. 또한 모델 자료를 구조화하여 탐색시간을 줄이는 방법들을 비교하여 LSH 를 사용한 결과 차량 모델을 탐색하는데 필요한 시간이 단축됨을 보였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06d
• /
• pp.60-63
• /
• 1998

본 논문에서는 사용자가 별도의 훈련과정 없이 인식대상 어휘를 추가 및 변경이 가능한 가변어휘 인식시스템에 관하여 기술한다. 가변어휘 음성인식에서는 미리 구성된 음소모델을 토대로 인식대상 어휘가 결정되명 발음사전에 의거하여 이들 어휘에 해당하는 음소모델을 연결함으로써 단어모델을 만든다. 사용된 음소모델은 현재 음소의 앞뒤의 음소 context를 고려한 문맥종속형(Context-Dependent)음소모델인 triphone을 사용하였고, 연속확률분포를 가지는 Hidden Markov Model(HMM)기반의 고립단어인식 시스템을 구현하였다. 비교를 위해 문맥 독립형 음소모델인 monophone으로 인식실험을 병행하였다. 개발된 시스템은 음성특징벡터로 MFCC(Mel Frequency Cepstrum Coefficient)를 사용하였으며, test 환경에서 나타나지 않은 unseen triphone 문제를 해결하기 위하여 state-tying 방법중 음성학적 지식에 기반을 둔 tree-based clustering 기법을 도입하였다. 음소모델 훈련에는 ETRI에서 구축한 POW (Phonetically Optimized Words) 음성 데이터베이스(DB)[1]를 사용하였고, 어휘독립인식실험에는 POW DB와 관련없는 22개의 부서명을 50명이 발음한 총 1.100개의 고립단어 부서 DB[2]를 사용하였다. 인식실험결과 문맥독립형 음소모델이 88.6%를 보인데 비해 문맥종속형 음소모델은 96.2%의 더 나은 성능을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06b
• /
• pp.62-67
• /
• 2007

UML 모델을 사용하는 다양한 곳에서 UML 메타모델을 준수하면 많은 이점을 가진다. 하지만 UML 메타모델 자체 규모가 점점 거대해지고 있으며 UML 메타 모델을 사용하는 다양한 곳에서도 UML 메타모델의 일부분만을 필요로 하는 경우도 있다. 즉, UML 메타모델에서 사용하고자 하는 특정 요소들만을 추출하여 사용할 필요가 있다. UML 메타모델의 특정 부분만을 추출하여 사용함으로써 UML 모델링 도구나 분석도구를 좀더 쉽고 가볍게 개발할 수 있다. 본 논문에서는 UML 메타모델에서 특정 다이어그램 요소만을 추출하기 위한 슬라이싱 알고리즘을 제시하고 실제로 적용한 결과를 보여준다.