• 한국전자거래학회지
• /
• 제22권3호
• /
• pp.57-74
• /
• 2017

전자가격라벨(ESL)은 상품진열대에 부착되어 있는 종이가격라벨의 대체재로서 오프라인 소매매장의 혁신을 선도할 유통 IoT 인프라로 주목받고 있다. 일반적으로 대체재 성격의 제품도입 시 기업은 기존 제품 대비 투자비용의 효율성이나 운영비용 절감 등의 재무적 요인을 우선적으로 고려하는 경향이 있다. 그러나 의사결정과정에서 재무적 요인만 고려할 경우 기업전략과 연결된 다양한 가치와 이해관계자들의 요구사항을 제대로 반영하지 못할 수 있다. 본 연구에서는 전자가격라벨과 같은 IoT 인프라의 도입 의사결정과정에서 고려해야 할 평가요인들에 관해 BSC의 4대 관점(재무, 고객, 프로세스, 성장)을 기반으로 8개 평가항목(투자비용, 운영비용, 품질수준, 고객관리, 업무효율성, 유지보수, 기능확장성, 매장이미지)을 선정하고, AHP(분석적 계층 프로세스)를 사용하여 국내 중소형 슈퍼마켓의 직원들을 대상으로 평가항목의 우선도를 측정하였다. 연구의 결과로 가격라벨의 대안 채택을 위한 평가항목 중에서 고객, 학습과 성장, 내부 비즈니스 프로세스, 재무관점 순으로 우선도가 산출되었고, 전자가격라벨이 종이가격라벨보다 높은 중요도로 지지되었다. 대부분의 선행연구에서 재무관점의 평가항목들의 우선도가 높았던 것과 달리 학습과 성장, 고객관점의 평가항목들이 상대적으로 높게 나타났고, 특히 직군별, 가격라벨 교체업무 연관 여부에 의해 구분된 응답자 그룹들 간에 8개 세부평가 항목들의 우선도가 다르게 나타났다. 이러한 결과는 ESL의 도입을 고려하는 기업(유통매장)과 ESL을 공급하는 기업(제조사 및 서비스 사업자) 모두에게 시사점을 제공해 줄 수 있을 것으로 기대된다.

• 한국지구과학회지
• /
• 제33권1호
• /
• pp.94-109
• /
• 2012

본 연구는 국내 주요 과학관 및 자연사 박물관의 지구과학 관련 전시 라벨 텍스트의 서술 특징을 분석하고자 하였다. 이를 위해, 국립 중앙 과학관과 서대문 자연사 박물관에서 자료를 수집하였고, 체계기능언어학을 일부 적용한 분석틀을 사용하였다. 연구 결과, 라벨들은 1) 대부분 평서형 문장, 2) 적절한 과학적 정보의 양, 3) '사실' 위주의 정보 제시, 4) 모두 논리적 설명 장르로 구성되어 있었다. 특히, 국립 중앙 과학관의 라벨들은 5) 전체 어휘 중 과학 용어의 비율이 높고 6) 주어의 절반 이상이 생략되거나 긴 명사화 형태였다. 결론적으로, 분석 대상 라벨들은 전시물과 관람객들 사이에서 과학 문화에 관한 양 방향적 의사소통을 이끌기보다 일 방향적인 의사소통을 일으킬 가능성이 높은 것으로 해석할 수 있었다. 이를 토대로, 과학 문화와 관람객의 일상 문화 사이의 열린 구조를 만들어 보다 교육적으로 유의미한 의사소통을 가능하게 하는 라벨 텍스트의 서술 특징들을 제안하였다.

• 한국빅데이터학회지
• /
• 제8권2호
• /
• pp.177-187
• /
• 2023

준지도 학습(Semi-supervised learning)은 소량의 라벨이 있는 데이터와 다량의 라벨이 없는 데이터를 사용하여 모델을 훈련하는 효과적인 방법이다. 그러나 많은 논문에서 준지도 학습시 하나의 고정된 임계값을 사용하여 각 클래스별 서로 다른 이미지들의 특징별 차이를 고려하지 않고 임의 라벨을 만든다. 본 논문에서는 합성개구 레이더(SAR) 이미지 분류 준지도 학습시 모든 클래스가 하나의 고정된 임계값을 사용하는 대신 각 클래스에 대해 서로 다른 임계값을 적용한다. 모델에 임계값 학습 모듈을 추가하여 임계값을 학습하여 클래스별로 학습되는 차이를 고려하여 클래스별로 서로 다른 임계값을 얻는다. 서로 다른 임계값을 사용한 준지도 학습기반의 SAR 이미지 분류 방법을 적용유무를 비교하여 클래스별 임계값을 사용하는 이점에 대해 고찰하였다.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.472-484
• /
• 2019

본 논문에서는 심층신경망을 이용한 시간 영역 음향 이벤트 검출 알고리즘을 제시한다. 본 시스템에서는 주파수 영역으로 변환되지 않은 시간 영역의 음향 데이터를 심층신경망의 입력으로 사용한다. 전반적인 구조는 CRNN 구조를 사용하였으며, GLU, ResNet, Squeeze-and-excitation 블럭을 적용하였다. 그리고 여러 계층에서 추출된 특징을 함께 고려하는 구조를 제안하였다. 또한 본 연구에서는 강한 라벨이 있는 훈련 데이터를 확보하는 것이 현실적으로 어렵다는 전제 아래에서 약한 라벨이 있는 훈련 데이터 약간 그리고 다수의 라벨이 없는 훈련 데이터를 활용하여 훈련을 수행하였다. 적은 수의 훈련 데이터를 효과적으로 사용하기 위해 타임 스트레칭, 피치 변화, 동적 영역 압축, 블럭 혼합 등의 데이터 증강 방법을 적용하였다. 라벨이 없는 데이터에는 의사 라벨을 붙여 부족한 훈련 데이터를 보완하였다. 본 논문에서 제안한 신경망과 데이터 증강 방법을 사용하는 경우, 종래의 방식으로 CRNN 구조의 신경망을 훈련하여 사용하는 경우보다, 음향 이벤트 검출 성능이 약 6 % (f-score 기준)가 개선되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권9호
• /
• pp.445-456
• /
• 2017

본 논문에서는 트레이닝 데이터가 제한된 환경에서 n-gram 사전을 이용하여 불건전 정보를 포함하는 스팸 트윗을 탐지하는 방법을 제안한다. 불건전 정보를 포함하는 스팸 트윗은 유사한 단어와 문장을 사용하는 경향이 있다. 이러한 특성을 이용하여 스팸 트윗과 정상 트윗에 대한 n-gram 사전을 구축하고 나이브 베이스 분류기를 적용하여 효과적으로 스팸 트윗을 탐지할 수 있음을 보인다. 반면에, 실시간으로 대용량의 데이터가 유입되는 트위터의 특성은 초기 트레이닝 집합 구성에 매우 큰 비용을 요구 한다. 따라서, 초기 트레이닝 집합이 매우 작거나 존재하지 않는 환경에서 적용할 수 있는 스팸 트윗 탐지 방법이 필요하다. 이를 위해 트위터의 리트윗 기능을 활용하여 의사 라벨을 생성하고 초기 트레이닝 집합의 구성과 n-gram 사전 업데이트에 활용하는 방법을 제안한다. 2016년 12월 1일부터 2016년 12월 7일까지 수집된 한국어 트윗 130만 건을 사용한 다양한 실험 결과는 비교 방법들보다 제안하는 방법의 성능이 우수함을 입증한다.

• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.887-892
• /
• 2017

뇌-컴퓨터 인터페이스는 정신 작업 동안 다채널에서 생성된 뇌파의 신호를 측정, 분석하여 컴퓨터를 제어하거나 의사를 전달하는 기술이다. 이때 최적의 뇌파 채널 선택은 뇌-컴퓨터 인터페이스의 편의성과 속도뿐만 아니라 정확도 향상을 위해 필요하다. 최적의 채널은 중복 채널들 또는 노이즈 채널들을 제거함으로써 얻는다. 이 논문에서는 최적 뇌파 채널을 선택하기 위해 이중 filter-기반의 채널 선택 방법을 제안한다. 제안한 방법은 먼저 채널들 간의 중복성을 제거하기 위해 spearman's rank correlation을 사용하여 중복 채널들을 제거한다. 그 뒤, F score를 이용하여 채널과 클래스 라벨 간의 적합성을 측정하여 상위 m개의 채널들만을 선택한다. 제안한 방법은 클래스 라벨과 관련되고 중복이 없는 채널들을 사용함으로써 좋은 분류 정확도를 이끌어 낼 수 있다. 제안한 채널 선택 방법은 채널의 수를 상당히 줄임과 동시에 평균 분류 정확도를 향상시켰다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.712-715
• /
• 2023

딥러닝 기술의 발전은 고품질의 대규모 데이터에 크게 의존한다. 그러나, 데이터의 품질과 일관성을 유지하는 것은 상당한 비용과 시간이 소요된다. 이러한 문제를 해결하기 위해 최근 연구에서 최소한의 비용으로 최대의 성능을 추구하는 액티브 러닝(active learning) 기법이 주목받고 있는데, 액티브 러닝은 모델 관점에서 불확실성(uncertainty)이 높은 데이터들을 샘플링 하는데 중점을 둔다. 하지만, 레이블 생성에 있어서 여전히 많은 시간적, 자원적 비용이 불가피한 점을 고려할 때 보완이 불가피 하다. 본 논문에서는 의사-라벨링(pseudo labeling)을 활용한 준지도학습(semi-supervised learning) 방식과 학습 손실을 동시에 사용하여 모델의 불확실성(uncertainty)을 측정하는 방법론을 제안한다. 제안 방식은 레이블의 신뢰도(confidence)와 학습 손실의 최적화를 통해 비용 효율적인 데이터 레이블 생성 방식을 제안한다. 특히, 레이블 데이터의 품질(quality) 및 일관성(consistency) 측면에서 딥러닝 모델의 정확도 성능을 높임과 동시에 적은 데이터만으로도 효과적인 학습이 가능할 수 있는 메커니즘을 제안한다.

• 한국포장학회지
• /
• 제20권3호
• /
• pp.113-120
• /
• 2014

오늘날 패키징은 '셀프서비스(self-service)적' 판매방식의 시장구조에서 소비자의 제품 구매에 따른 의사결정에 중대한 영향을 끼치는 마케팅적 역할을 요구받고 있다. 패키징의 마케팅적 기능에 관한 선행연구는 주로 리커트(likert)척도를 이용하여 각 패키징 요소의 영향력을 측정하고 이를 통계적으로 분석한 방법이 이용되고 있다. 본 연구에서는 AHP 기법을 이용하여 각 패키징 요소가 가진 마케팅적 영향력을 수치를 통해 보다 정량적으로 분석, 측정하였다. 본 연구에서는 패키징 요소가 소비자의 제품 선호도에 미치는 영향을 측정하기 위해 가격이나 브랜드의 영향이 비교적 적은 제품, 다양한 패키징 재질 및 디자인 등이 적용 가능한 제품으로 비타민워터를 선정하였다. 또한 선행연구를 참조하여 비타민워터의 패키징 요소를 '용기의 재질', '용기의 형태', '라벨의 색', '로고의 레이아웃'으로 대분류하였으며, 분류된 패키징 요소는 다시 세부 패키징 요소들로 분류하였다. '용기의 재질'은 '플라스틱'과 '유리', '금속', '종이'로 분류하였고 '용기의 형태'는 '원기둥형태', 허리가 잘록한 '커브형태', '사각기둥 형태'로 분류하였다. 또한 '라벨의 색'은 'cyan', 'magenta', 'yellow', 'black'으로 분류하였고, '로고의 레이아웃'은 '세로 레이아웃'과 '가로 레이아웃'으로 분류하였다. 분류된 비타민워터의 패키징 요소들에 대한 응답자의 선호도는 주관적 판단에 따른 오차를 최소화하기 위해 계층분석방법(Analytic Hierarchy Process: AHP)을 이용하여 측정, 수집하였다. 각 패키징 요소들에 대한 소비자의 선호도를 산출한 결과 '라벨의 색'(0.370)이 소비자의 선호도에 가장 큰 영향을 미치는 것으로 나타났으며, '용기의 형태'(0.246), '용기의 재질'(0.230), '로고의 레이아웃'(0.154)의 순으로 나타났다. 세부 패키징 요소에 대한 소비자의 선호도는 '용기의 재질'에서는 '플라스틱(0.405)', '용기의 형태'에서는 '원기둥형태(0.423)', '라벨의 색'에서는 'magenta(0.329)', '로고의 레이아웃'에서는 '세로 레이아웃(0.572)'의 선호도가 가장 높게 나타났다. 본 연구는 소비자의 구매의사결정과정에 미치는 패키징의 마케팅적 영향을 AHP기법을 이용하여 응답자의 주관적 판단의 최대한 배제하고 보다 정량적으로 측정하는 것에 의의가 있으며, 이를 기반으로 AHP기법뿐만 아니라 이를 기반으로 보다 과학적이고 정량적으로 패키징의 마케팅적 역할을 측정하는 연구가 진행될 수 있을 것이다.

• 한국음향학회지
• /
• 제20권3호
• /
• pp.70-75
• /
• 2001

본 논문은 우리말 연속음성에 대한 음절단위 분할법을 제안한다. 이 방법은 다음 3단계로 이루어진다: (1) 음성의 시간영역 분할 파라메터인 피치, 에너지, ZCR, PVR을 이용하여 음성데이터를 자음, 자음. 묵음 단위로 라벨링하여 토큰 (Token)을 형성, (2) 형성된 토큰을 유한상태오토마타를 이용하여 한국어 음절구조로 파서 (Parser)를 설계하여 스캐닝 (Scanning), (3) 의사 음절핵 정보를 이용하여 두개 혹은 여러 개의 음절을 가지는 음성부분에 대한 재분할을 통하여 음절단위 분할 완성. 제안된 방법에 대한 성능 평가를 위해서 문장과 단어단위 연속음성에 대한 분할 실험결과 각각 73.7％와 85.9％의 분할률을 얻었다.

• 한국콘텐츠학회논문지
• /
• 제6권11호
• /
• pp.266-275
• /
• 2006

조립체 공정은 많은 부분이 자동화 되었지만 결함 진단 부분에서는 포괄적인 의사 결정을 지원하기 위해 다양한 분야의 전문성과 지식을 필요로 하기 때문에 자동화가 이루어지지 않고 있다. 본 논문에서는 다양한 분야의 전문가가 쉽게 접근할 수 있고 직관적으로 이해할 수 있는 영상 정보를 이용한 조립체 결함 분석 지원시스템을 제안한다. 본 시스템은 영상 정보와 제품 설계 정보 그리고 결함탐지 정보를 병합함으로써 조립체에서 효과적으로 결함을 분석하도록 지원한다. 제안된 방법은 라벨링을 이용하여 조립체의 영상을 부품 단위로 분할하고 확장된 속성 관계 그래프(eARG)를 사용하여 설계 정보와 결함 분석 정보를 일관되게 표현하여 결함 정보를 영상 정보로부터 접근할 수 있도록 한다.