• 한국응용과학기술학회지
• /
• 제35권1호
• /
• pp.299-305
• /
• 2018

지각이란 다양한 감각기관을 통하여 시각, 청각, 촉각, 후각 등 주위 환경에 대한 정보를 습득하는 과정으로 뇌에 전달된 정보를 통합하고 해석하는 것을 의미한다. 이러한 지각된 정보를 바탕으로 상황에 적합한 정보를 효율적으로 사용하는 능력을 지각기술(perceptual skill)이라 하며, 스포츠에서 지각기술은 경기력 향상을 위한 중요한 요소로 작용한다. 따라서 많은 연구자들은 지각기술을 극대화하기 위하여 다양한 방법의 지각기술훈련 프로그램을 개발하고, 그 효과를 검증하려는 시도들이 진행되고 있다. 본 연구에서 소개하고 있는 지각기술훈련은 시지각에 중점을 둔 훈련 방법으로 미국이나 유럽에서 스포츠 경기력 향상을 위해 적용하는 훈련프로그램이다. 축구 페널티킥 상황에서 골키퍼에게 키커의 중요 단서(키커의 엉덩이-몸통, 발의 각도)를 바탕으로 지각기술훈련을 실시한 결과, 볼의 방향 예측 능력이 향상되었고, 테니스에서도 서버의 중요 단서(자세, 공, 라켓)에 대한 지각기술훈련을 실시한 결과, 서브 방향에 대한 예측능력이 향상되었다. 최근 지각기술훈련에 대한 연구가 활발하게 진행되고 있지만 아직까지는 연구의 수가 많지 않으며, 대부분이 실험실 상황에서의 연구로 실제 경기 상황에서의 활용에 대한 연구가 부족한 실정이다. 따라서 연구자들은 스포츠 경기력 향상을 위하여 지각기술훈련의 필요성을 검토하고, 그 효과에 대한 연구 방향을 포괄적으로 검토해 보는 시도가 필요하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.988-989
• /
• 2023

본 논문에서는 발달장애 아동의 교육 및 치료에 있어서 감각, 인지훈련을 효과적으로 할 수 있는 웨어러블 기기 및 연동앱을 제시한다. 이를 위해 임베디드 하드웨어를 개발하고 이와 연동할 수 있는 앱, 앱 내 게이미피케이컨텐츠, 학습 내용 및 결과 리포트를 개발했다. 발달장애 아동의 특성을 고려한 하드웨어는 유아 친화적 디자인으로 설계해 아동이 쉽게 착용 가능하며, 주의집중을 위한 감각 훈련을 집중적으로 할 수 있도록 시각, 촉각 등의 자극 촉구 행동을 유도하며, 반복적 교육으로 인한 개선 효과를 제공한다. 개발한 기기 및 연동앱을 직접 교육현장에 적용해봄으로써 주의집중과 저작능력 향상을 위한 센터에서의 지속적인 실사용 가능성을 제고했다.

• 한국게임학회 논문지
• /
• 제8권4호
• /
• pp.65-73
• /
• 2008

본 논문에서는 발달장애 아동의 교육 및 치료에 있어서 감각, 인지훈련을 효과적으로 할 수 있는 에듀테인먼트 플랫폼을 제시한다. 이를 위해 임베디드 하드웨어를 개발하고 여기서 재생할 콘텐츠를 제작하기 위한 저작도구, 학습 결과를 확인할 수 있는 관리도구, 학습 상황을 실시간으로 모니터링하는 도구를 개발하였다. 발달장애 아동의 특성을 관찰 분석하여 개발한 하드웨어는 주의집중을 위한 감각훈련을 집중적으로 할 수 있도록 시각, 청각, 촉각 등의 자극을 제공한다. 이와 함께 개발한 소프트웨어는 특수교사 이외의 비전문가도 쉽게 교육용 콘텐츠를 만들고 학습 현장이외에서도 학습상황을 볼 수 있도록 하는 기능을 제공한다. 또한, 학습한 결과를 다음 학습단계로 적용할 수 있도록 이를 보관하고 살펴 볼 수 있는 기능도 제공한다. 이를 통해 시간, 장소의 제한 없이 효과적으로 반복 학습을 수행이 가능하다. 개발한 플랫폼을 직접 교육현장에 적용해봄으로써 주의집중과 학습 능력을 높이는데 효과가 있음을 알 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.914-917
• /
• 2021

IoT 기기는 취약한 아이디와 비밀번호 사용, 저사양 하드웨어 등 보안 취약점으로 인해 사이버 공격 진입점으로 이용되고 있다. 본 논문은 IoT 악성코드를 탐지하기 위한 op 코드 카테고리 기반 특징 표현을 제안한다. Op 코드의 기능별 분류 정보를 이용해서 n-gram 특징과 엔트로피 히스토그램 특징을 추출하고 IoT 악성코드 탐지를 위한 기계학습 모델 평가를 수행한다. IoT 악성코드는 기능 개선과 추가를 통해 진화하였으나 기계학습 모델은 훈련 데이터에 포함되지 않은 진화된 IoT 악성 코드에 대한 예측 성능이 우수하였다. 또한 특징 시각화를 이용해서 악성코드의 비교 탐지가 가능하다.

• 한국게임학회 논문지
• /
• 제9권1호
• /
• pp.93-103
• /
• 2009

기능성 게임은 게임기술과 게임이론을 바탕으로 개발된 하드웨어 및 소프트웨어 애플리케이션으로 즐거움 외에 교육 및 특정 분야의 문제해결 등의 다른 목적을 가지는 게임을 말한다. 이러한 기능성 게임은 게임적인 재미뿐만 아니라 교육적인 효과 때문에 과학기술 분야 및 산업 기술 분야의 교육 및 훈련에 유용하다. 본 연구에서는 사용자가 직관적인 멀티 모달 인터페이스를 사용하여 생명공학에 적용한 기능성 게임을 제안한다. 이를 위하여 3차원 분자 구조를 특수 모니터를 사용하여 입체 시각화 하였으며 입체 영상화된 분자 구조를 효율적으로 제어하기 위하여 멀티 모달 인터페이스인 WiiRemote를 사용하였다. 본 논문에서 제안된 시스템은 분자도킹 시뮬레이션이 가지던 문제점인 3차원 분자 모델들의 결합 및 조작이 사용자의 직관과 경험에 많이 의존하기 때문에 초보자들의 접근이 어려운 점을 게임적 요소를 적용하여 재미를 느끼게 하면서 해결하도록 하였다. 이를 위해 사용자가 조작을 하는 객체와 사용자의 수에 따른 게임적 요소인 레벨 업 개념을 적용하여 반복학습이 이루어지도록 하였다. 실험은 AIDS 바이러스와 신약 치료 후보 물질을 대상으로 사용자가 바이러스와 후보 물질이 결합되는 위치인 Active Site를 찾는 도킹 실험을 하였으며 바이오 기능성 게임을 적용하지 않은 기존의 방법과 비교를 하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.