• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.571-573
• /
• 2003

본 논문에서는 카메라 내장형 휴대폰을 이용한 아바타 영상 생성 시스템을 제안하고자 한다. 먼저 정면에서 찍은 상반신 컬러영상의 배경제거를 위하여 흑백영상으로 변환한 후, sobel edge 방법을 적용하여 수축 및 확장처리를 하였다. 이후, 배경이 제거된 영상의 얼굴을 구성하는 각 부분(머리카락, 얼굴형태, 눈, 코, 잎, 귀)을 추출하는 과정을 거친다. 제일먼저 filling 방법을 적용하여 머리카락 영역을 추출한 후, 얼굴영역은 skin-color 모델을 적용하여 추출하였다. 얼굴의 형태는 얼굴의 상하좌우의 끝점을 이용한 계란형을 기본으로 하였으며, 눈, 코. 잎. 귀 부분은 얼굴의 형태정보를 이용하여, 각 부분들의 위치 정보를 구하였다. 이 정보를 이용하여 이미 만들어 놓은 샘플 아바타와 가장 유사한 샘플을 선택한 후, 각 부분들을 조립함으로서 나와 닮은 아바타 영상을 만든다.

• Journal of Practical Engineering Education
• /
• v.16 no.4
• /
• pp.449-457
• /
• 2024

AIoT, the intelligent Internet of Things, refers to a technology that collects data measured by IoT devices and applies machine learning technology to create and utilize predictive models. Existing research on AIoT technology education focused on building an educational AIoT platform and teaching how to use it. However, there was a lack of case studies that taught the process of automatically creating and utilizing machine learning models from data measured by IoT devices. In this paper, we developed a case study using a machine learning model for AIoT technology education. The case developed in this paper consists of the following steps: data collection from AIoT devices, data preprocessing, automatic creation of machine learning models, calculation of accuracy for each model, determination of valid models, and data prediction using the valid models. In this paper, we considered that sensors in AIoT devices measure different ranges of values, and presented an example of data preprocessing accordingly. In addition, we developed a case where AIoT devices automatically determine what information they can predict by automatically generating several machine learning models and determining effective models with high accuracy among these models. By applying the developed cases, a variety of educational contents using AIoT, such as prediction-based object control using AIoT, can be developed.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.10
• /
• pp.37-53
• /
• 2023

The AI based intelligent command and control system can automatically analyzes the properties of intricate battlefield information and tactical data. In addition, commanders can receive situation analysis results and battlefield awareness through the system to support decision-making. It is necessary to build a battlefield situation analysis dataset similar to the actual battlefield situation for learning AI in order to provide decision-making support to commanders. In this paper, we explain the next step of the dataset construction method of the existing previous research, 'A Virtual Battlefield Situation Dataset Generation for Battlefield Analysis based on Artificial Intelligence'. We proposed a method to build the dataset required for the final battlefield situation analysis results to support the commander's decision-making and recognize the future battlefield. We developed 'Dataset Generator SW', a software tool to build a learning dataset for battlefield situation analysis, and used the SW tool to perform data labeling. The constructed dataset was input into the Siamese Network model. Then, the output results were inferred to verify the dataset construction method using a post-processing ranking algorithm.

• Nuclear Engineering and Technology
• /
• v.24 no.1
• /
• pp.40-51
• /
• 1992

One of the important irradiation performance characteristics of the silicide dispersion fuel element in research reactors is the diameteral increase resulting from fuel swelling. This paper, will attempt to develop a physical model for the fuel swelling, DFSWELL, by analyzing the basic irradiation behaviours and some experimental evidences. From the experimental evidences, it was shown that the volume changes in irradiated U$_3$Si-Al were strongly dependent on temperature and fission rate. The quantitative-amount of swelling for silicide fuel is estimated by considering temperature, fission rate, solid fission product build-up and gas bubble behavior. The swelling for the silicide fuel is comprised of three major components : i ) a volume change due to the formation of an interfacial layer between the fuel particle and matrix. ii ) a volume change due to the accumulation of gas bubble nucleation iii ) a volume change due to the accumulation of solid fission products The DFSWELL model which takes into account the above three major physical components predicts well the absolute magnitude of silicide fuel swelling in accordance with the power histories in comparison with the experimental data.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.2
• /
• pp.87-99
• /
• 2024

This study aims to identify the competencies required for webtoon artists to survive in the future era of AI commercialization. It explores the current and future use of AI in webtoons, and predicts the role of artists in the future webtoon industry. The study finds that AI will replace human workers in some areas, but human empathy-related fields can be sustained. Artist roles like story projectors, Visual directors, and AI editors were identified as potential models for the changing role of artists. To address terminology ambiguity, a three-step AI categorization mechanical type AI, humanoid type AI, and transcendent type AI was proposed for a more realistic separation of AI capabilities. The researcher suggested these findings as guidelines for developing skills in emerging artists or re-skilling existing ones, emphasizing collaboration with AI for mutual growth rather than a negative acceptance of new technology.

• Journal of Convergence for Information Technology
• /
• v.8 no.1
• /
• pp.201-206
• /
• 2018

Recently, as technologies for realizing artificial intelligence have become more common, machine learning is widely used. Machine learning provides insight into collecting large amounts of data, batch processing, and taking final action, but the effects of the work are not immediately integrated into the learning process. In this paper proposed an adaptive learning model to improve the performance of real-time stream analysis as a big business issue. Adaptive learning generates the ensemble by adapting to the complexity of the data set, and the algorithm uses the data needed to determine the optimal data point to sample. In an experiment for six standard data sets, the adaptive learning model outperformed the simple machine learning model for classification at the learning time and accuracy. In particular, the support vector machine showed excellent performance at the end of all ensembles. Adaptive learning is expected to be applicable to a wide range of problems that need to be adaptively updated in the inference of changes in various parameters over time.

• 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 Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.713-716
• /
• 2010

본 논문에서는 코리올리 효과를 가진 압전-구조 시스템의 주파수응답 해석을 효율적으로 수행하기 위한 크리로프 부공간 모델차수축소법을 제안하였다. 이 방법은 초기 유한요소모델과 축소모델의 전달함수의 계수인 모멘트를 일치시키는 방법을 이용하는 축소기법으로 이미 대형 유한요소모델의 주파수응답 해석에 효과적으로 이용되고 있다. 예제로 고려된 압전형 미소 각속도계의 해석에는 압전구동 하중과 구조체의 회전에 따른 원심력이 동시에 입력하중으로 고려되는 다중입력의 경우이므로 변환행렬 V의 생성시, block Arnoldi 과정을 이용하여 두 하중의 효과를 축소모델에 함께 고려한다. 본 문제에 제안된 축소기법을 이용한 결과, 축소모델을 이용하여 원래 시스템의 관심영역의 주파수응답을 작은 차수의 모델로도 정확하게 계산할 수 있음을 확인하였다. 본 논문에서 제안된 방법을 이용하면 다양한 가진조건과 각속도 입력 하에서의 주파수응답을 정확하고 더욱 효율적으로 계산할 수 있을 것이다.

• The Journal of the Korea Contents Association
• /
• v.21 no.11
• /
• pp.135-144
• /
• 2021

Recently, data-driven decision-making technology has become a key technology leading the data industry, and machine learning technology for this requires high-quality training datasets. However, real-world data contains missing values for various reasons, which degrades the performance of prediction models learned from the poor training data. Therefore, in order to build a high-performance model from real-world datasets, many studies on automatically imputing missing values in initial training data have been actively conducted. Many of conventional machine learning-based imputation techniques for handling missing data involve very time-consuming and cumbersome work because they are applied only to numeric type of columns or create individual predictive models for each columns. Therefore, this paper proposes a new data imputation technique called 'Denoising Self-Attention Network (DSAN)', which can be applied to mixed-type dataset containing both numerical and categorical columns. DSAN can learn robust feature expression vectors by combining self-attention and denoising techniques, and can automatically interpolate multiple missing variables in parallel through multi-task learning. To verify the validity of the proposed technique, data imputation experiments has been performed after arbitrarily generating missing values for several mixed-type training data. Then we show the validity of the proposed technique by comparing the performance of the binary classification models trained on imputed data together with the errors between the original and imputed values.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.739-741
• /
• 2004

본 논문은 제어 구조의 표준으로 떠오르고 있는 OPC와 마이크로소프트사의 분산형 보안 서비스 개념(하부구조 서비스, 응용프로그램 지원 서비스)들을 사용하여 다양한 사용자에 대해서 차별화된 권한 구조를 제공할 수 있는 멀티 프로세스 컨트롤＆모니터링 모델을 제안한다. 멀티 프로세스 컨트롤＆모니터링 모델은 3-계층 구조(리소스, 로직, 그리고 프레젠테이션 계층)와 컴포넌트 개념을 기반으로 디자인하였기 때문에 엔터프라이즈 어플리케이션이 가지는 다양한 이점을 가질 수 있다. 리소스 계층은 다양한 OPC 기반 제어서버 시스템에서 제공하는 실시간 데이터(액세스 포인터 데이터) 및 저장 데이터들과 쉽고 유연하게 결합할 수 있으며, 로직 계층은 리소스 계층에서 제공하는 리소스들(실시간 및 저장 데이터)에 대한 보안 설정을 제공하고 실제, 가공, 가상 데이터 제공 및 생성하는 역할을 제공한다. 프레젠테이션 계층은 XML 기술을 사용하여 컨텐츠와 뷰를 분리하고 접속 기기들의 타입에 맞는 뷰를 동적으로 결합하여 제공함으로써 다양한 타입의 모니터링 기기들과 유연하게 결합하고 통합할 수 있는 이점을 갖는다.