• The Optical Journal
• /
• s.167
• /
• pp.24-29
• /
• 2017

• The Optical Journal
• /
• s.170
• /
• pp.28-32
• /
• 2017

• The Optical Journal
• /
• s.168
• /
• pp.21-24
• /
• 2017

• Journal of Digital Convergence
• /
• v.18 no.9
• /
• pp.379-389
• /
• 2020

This is a qualitative study about Google 'Nest Hub Max' that displays proactive intelligent personal assistant. Following the step of grounded theory, an in-depth interview for 6 users who had used this device for a month was taken. 186 concepts were discovered, categorized as 11 top-categories and 24 sub-categories. Paradigm diagram, considering axis-coding, was made and it have been narrowed down to 'Usage patterns' of proactive IPA, considering selective coding aspects. 'Usage patterns' were divided to passive and active user. Thus, neither passive user nor active user was satisfied about device and proactive IPA. This study is meaningful that it constructed basic data about the user experience of proactive IPA on this device. It will support the device or service that consists proactive IPA in the future.

• Product Safety
• /
• s.65
• /
• pp.28-31
• /
• 1998

정보통신의 발달은 인간을 편리하게 만들어주지만 발달 정도를 따라잡지 못했을 때는 정보통신기기를 효과적으로 활용하기 어렵다. 컴퓨터의 경우 하루가 다르게 발달하고 있어 지속적인 학습과 숙달없이는 효과적으로 활용하기가 어려운 실정이다. 이런 문제를 해결할 수 있도록 사용자 편에서 편리하게 컴퓨터를 사용할 수 있는 방법들이 모색되었는데 에이전트가 그 결과들 중 하나다. 에이전트는 사용자가 컴퓨터와 관련된 업무를 능동적으로 돕기 위하여 인공지능 기술을 활용하여

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.886-888
• /
• 2020

ONNX 은 인공신경망 모델 교환을 위한 표준 중 하나이다. 인공신경망 모델을 구현하는 연구자 입장에선 ONNX 형태로 모델을 배포함으로써 이질적인 플랫폼 간의 호환성을 보장받을 수 있다. 서로 다른 플랫폼에서 ONNX 표준에선 ONNX 모델을 실행하는 엔진을 ONNX Runtime 이라고 하는데, ONNX Runtime 은 순수 S/W 형태이거나, 다양한 H/W 가속 기술과 결합된 형태가 있다. 본 논문에선 ONNX Backend Scoreboard 에 등록 되어있는 3 종류의 엔진과 본 논문에서 새롭게 제안하는 C-ONNX 의 성능을 웍스테이션과 임베디드 기기에서 비교해보고 임베디드 기기에 특화된 C-ONNX 의 가능성에 대해 알아본다.

• Electronics and Telecommunications Trends
• /
• v.35 no.2
• /
• pp.1-16
• /
• 2020

"Artificial Intelligence+" is a key strategic direction that has garnered the attention of several global medical device manufacturers and internet companies. Large hospitals are actively involved in different types of medical AI research and cooperation projects. Medical AI is expected to create numerous opportunities and advancements in areas such as medical imaging, computer aided diagnostics and clinical decision support, new drug development, personal healthcare, pathology analysis, and genetic disease prediction. On the contrary, some studies on the limitations and problems in current conditions such as lack of clinical validation, difficulty in performance comparison, lack of interoperability, adversarial attacks, and computational manipulations are being published. Overall, the medical AI field is in a paradigm shift. Regarding international standardization, the work on the top 10 standardization issues is witnessing rapid progress and the competition for standard development has become fierce.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.916-918
• /
• 2022

우리는 본 연구를 통해 IoT기술이 접목된 스마트 쓰레기통을 구현하고 이를 통해 최적화된 라이프 스타일을 구축해 각자 개인의 삶의 질을 향상시킬 수 있음을 확인하고자 하였다. 본 연구는 '인공지능 스마트 쓰레기통' 개발에 관한 것으로 IoT 기술을 바탕으로 사용자의 쓰레기통에 대한 현황을 핸드폰으로 관리할 수 있게 함과 더불어 사용자의 관여 없이도 AI를 활용해 자동으로 쓰레기통의 상황을 인지하고 동작할 수 있는 IoT 서비스를 구현하고자 하였다. 특히 사용자의 동작을 인식하여 IoT 기술이 기반된 기기들을 통합적으로 제어할 수 있도록 모션인식 등 사용자를 인식하고 환경 상태를 실시간으로 측정해 최적의 관리 서비스를 제공하는 것을 목적으로 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.550-552
• /
• 2022

최근 사물인터넷(IoT) 기기가 활성화됨에 따라 웨어러블 장치 환경에서 장기간 모니터링 및 수집이 가능해짐에 따라 생체 신호 처리 및 ECG 분석 연구가 활성화되고 있다. 그러나, ECG 데이터는 부정맥 비트의 불규칙적인 발생으로 인한 클래스 불균형 문제와 근육의 떨림 및 신호의 미약등과 같은 잡음으로 인해 낮은 신호 품질이 발생할 수 있으며 훈련용 공개데이터 세트가 작다는 특징을 갖는다. 이 논문에서는 ECG 1D 신호를 2D 스펙트로그램 이미지로 변환하여 잡음의 영향을 최소화하고 전이학습과 메타학습의 장점을 결합하여 클래스 불균형 문제와 소수의 데이터에서도 빠른 학습이 가능하다는 특징을 갖는다. 따라서, 이 논문에서는 ECG 스펙트럼 이미지를 사용하여 2D-CNN 메타-전이 학습 기반 부정맥 분류 기법을 제안한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.151-153
• /
• 2016

최근 스마트폰, PC, 태블릿 같은 전자기기들이 발전하면서 기계를 통해 소통하는 시대가 왔다. 기계와 소통하기 위해 우리가 사용하는 문자를 인식하는 것은 중요한 일이다. 이런 전자기기들이 문자, 영상인식을 해야 할 필요성이 더욱 증가함에 따라 머신러닝의 중요성이 대두되었다. 머신러닝은 컴퓨터의 학습을 위해 알고리즘과 기술을 개발하는 분야를 말한다. 머신러닝의 기법과 관련된 알고리즘의 종류는 수없이 많다. 그 중에서도 Neural Network는 사람의 뇌 신경구조를 토대로 착안하여 네트워크를 만들고 이를 학습에 이용한 머신러닝 기법이다. 이런 인공지능 알고리즘인 Neural Network 구조를 바탕으로 특징을 추출하여 학습을 하는 Convolution Neural Network 기법의 사용이 늘고 있다. 본 논문에서는 Neural Network와 Convolution Neural Network의 알고리즘을 이용한 필기체 인식 실험을 하고 그 내용을 비교하였다.