• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.410-413
• /
• 2002

일반적으로 휴대폰에는 리튬이온(Ll-lon) 전지(battery)를 많이 사용하고 있으며 그 전지(battery)를 충전시키기 위해 Microcontroller를 사용해서 과충전과 방전, 그리고 전지(battery) 보호와 충전에 대한 일정한 전류를 제어한다. 여기에서 충전 동작 시 필요한 일반직인 충전 전류 제어를 PWM의 방식에 의존하지 않고 인공지능 기법을 이용해 소프트웨어적으로 처리가 필요한 파라메터 값을 추정해 적용시키고자 한다. 따라서 개발한 충전시스템에 일반적인 충전 파라메터를 전압과 전류 그리고 시간으로 분류하여 Microcontroller에 그 파라메터를 적용시켜 PWM 방식으로 제어한 후에 실험에 의한 결과값을 얻는다. 그리고 이것들을 비교하여 보다 나은 충전시스템을 구현하기 위해 인공지능 기법 중에 하나인 신경망을 이용하여 전압과 전류 그리고 시간에 대한 파라메터를 처리하였다. 본 논문에서 신경망에 대한 파라메터의 학습을 일반 FC에서 구현하고 여기에서 추출된 학습 값을 Microcontroller에 적용시켜 입력값에 따라 다양한 PWM 신호를 발생시키도록 구현했다. 이후 실제적인 실험에 의한 결과값을 본 논문에서 서술하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.116-116
• /
• 2022

현재 인공지능은 공학적 문제 해결 외에도 다양한 분야에 적용되어 매우 친숙하게 활용되고 있다. 특히 하천 분야에서는 시설물 주위 국부세굴 또는 어류 서식처 분석과 같이 관련 변수들의 복잡성으로 적절한 결과를 쉽게 얻어내기 어려운 것들에 적용되고 있다. 그 외에도 인공지능 기법을 적용할 수 있는 분야로 하천에서의 수위를 이용하여 유량을 예측하는 것이 있다. 기존에는 수위-유량 관계 곡선을 만들어 수위를 이용하여 유량을 예측하였으나, 관계곡선 제작에 활용된 수위와 유량 범위에서 벗어나는 경우 과다한 유량으로 계산되는 경우가 있다. 본 연구에서는 인공지능 기법 중 하나인 인공신경망 기법을 사용하여 하천의 유량 예측을 수행하였다. 기존 국가수자원관리종합정보시스템에 기록된 자료를 활용하여 수위와 유량 자료를ANN에 학습시키고 학습에 활용하지 않은 시기의 자료를 이용하여 전반적인 유량 예측 성능과 루프형 수위-유량 관계 곡선을 생성할 수 있는지를 검토하였다. 또한 학습 범위를 벗어난 홍수량에 대한 측정 결과를 검토하고, 기존 수위-유량 관계곡선과 비교하여 그 성능을 검토하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.11a
• /
• pp.469-477
• /
• 2000

본 연구에서는 부도예측용 인공신경망 모형의 입력노드를 선정하기 위한 방법론으로 연결강도판별분석(Link Weight Discrimination Analysis)에 의한 약체뉴론제거법(Weak-Linked Neuron Elimination)과 강체뉴론선택법 (Strong-Linked Neurons Selection)을 제안한다. 연결강도판별분석이란 적절한 학습이 끝난 인공신경망 모형에서 입력노드와 연결되는 가중치의 합에 대한 절대값인 연결강도 판별식(Link Weight Discrimination)에 의해 해당 입력노 드가 출력노드에 미치는 영향정도를 분석하는 것이다. 한편 강체연결뉴론선택법은 선처리를 통해 얻어진 학습된 인공신경망의 입력노드 가운데서 연결강도판별식이 큰 뉴론만을 본처리의 입력노드로 선정하는 것인데 비해 약체연결뉴론제거법은 연결강도판별식이 일정 값 즉, 연결강도 판별임계치(Link Weight Discrimination Cut off Value) 보다 낮은 입력노드를 제외하고 나머지 입력노드만을 본처리의 입력노드로 선정하는 것이다. 본 연구에서는 강체연결뉴론선택법과 약체연결뉴론제거법을 각각 정형적인 방법론으로 정립하고 이 방법론에 의해 부도예측용 인공신경망을 구축하여 각각의 모형을 의사결정트리에 의해 선정된 인공신경망 모형 및 선처리 과정을 거치지 않은 인공신경망 모형과 성능을 비교, 분석하여 본 연구에서 제안한 방법론의 타당성을 제시하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.291-300
• /
• 1999

본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어휘로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형은 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어휘 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.388-389
• /
• 2022

Recently, AI (Artificial Intelligence) has been applied to various technologies such as automatic driving, robot and smart communication. Currently, AI system is developed by software-based method using tensor flow, and GPU (Graphic Processing Unit) is employed for processing unit. However, if software-based method employing GPU is used for AI applications, there is a problem that we can not change the internal circuit of processing unit. In this method, if high-level jobs are required for AI system, we need high-performance GPU, therefore, we have to change GPU or graphic card to perform the jobs. In this work, we developed a CNN-based FPGA (Field Programmable Gate Array) chip to solve this problem.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.10
• /
• pp.1435-1440
• /
• 2021

With the advent of the low interest rate era, many investors are flocking to the stock market. In the past stock market, people invested in stocks labor-intensively through company analysis and their own investment techniques. However, in recent years, stock investment using artificial intelligence and data has been widely used. The success rate of stock prediction through artificial intelligence is currently not high, so various artificial intelligence models are trying to increase the stock prediction rate. In this study, we will look at various artificial intelligence models and examine the pros and cons and prediction rates between each model. This study investigated as stock prediction programs using artificial intelligence artificial neural network (ANN), deep learning or hierarchical learning (DNN), k-nearest neighbor algorithm(k-NN), convolutional neural network (CNN), recurrent neural network (RNN), and LSTMs.

• The Journal of the Convergence on Culture Technology
• /
• v.8 no.6
• /
• pp.867-871
• /
• 2022

Amid the recent rapid trend change, the change in design has a great impact on the sales of fashion companies, so it is inevitable to be careful in choosing new designs. With the recent development of the artificial intelligence field, various machine learning is being used a lot in the fashion market to increase consumers' preferences. To contribute to increasing reliability in the development of new products by quantifying abstract concepts such as preferences, we generate new images that do not exist through three adversarial generative neural networks (GANs) and numerically compare abstract concepts of preferences using pre-trained convolution neural networks (CNNs). Deep convolutional generative adversarial networks (DCGAN), Progressive growing adversarial networks (PGGAN), and Dual Discriminator generative adversarial networks (DANs), which were trained to produce comparative, high-level, and high-level images. The degree of similarity measured was considered as a preference, and the experimental results showed that D2GAN showed a relatively high similarity compared to DCGAN and PGGAN.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.26 no.6
• /
• pp.445-451
• /
• 2016

This paper introduces a postprocessing method, an iteration method for melody, and an average neural network method for learning a large number of songs in order to improve musically insufficient parts in automatic composition using existing artificial neural network. The melody of songs composed by artificial neural networks is produced according to the melodies of trained songs, so it can not be a specific tonality and it is difficult to have a repetitive composition. In order to solve these problems, we propose a postprocessing method that converts the melody composed by artificial neural networks into a melody having a specific tonality according to music theory and an iteration method for melody by iteratively composing measure divisions of artificial neural networks. In addition, the existing training method of many songs has some disadvantages. To solve this problem, we adopt an average neural network that is made by averaging the weights of artificial neural networks trained each song. From some experiments, it was confirmed that the proposed method solves the existing problems.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05b
• /
• pp.1063-1066
• /
• 2003

지능형 게임 개발을 위하여 게임 이론의 정의, 게임의 구성요소, 전략적 게임의 분석을 통해 게임에 대한 배경 환경을 살펴보고, 보다 사실적 느낌 전달을 위한 게임 애니메이션과 게임에 적용되는 인공지능 기술을 퍼지 이론, 뉴럴네트웍으로 분류하여 적용 현황을 살펴보았다. 즉 게임처럼 수학적 표현이 어려운 경우 해결점을 퍼지 이론에서, 캐릭터의 움직임을 제어하는 퍼지 Rule Base를 찾아내는 연구를 신경망 인공지능을 통해 해결하는 과정을 살펴보고 국부해의 단점을 갖는 신경망 인공지능의 불투명성 해결 방법을 유전자 알고리즘에서 찾았다. 결론적으로 게임에서 이루어지는 물리적 특성인 충돌에 대한 충돌검사 알고리즘, 충돌반응에 대한 최적화를 유전자 알고리즘을 적용하여 해결하였다.

• Journal of Intelligence and Information Systems
• /
• v.3 no.1
• /
• pp.1-12
• /
• 1997

파생금융상품이란 주식이나 채권과 같은 기준자산에 대해서 발행되는 2차 금융상품으로써 기존의 재무이론에서는 수리적 모형에 기반을 둔 가격결정모형을 이용하여 가치를 평가하였다. 그러나 이러한 전통적인 가격결정모형은 복잡한 현실세계를 단순화시키기 위한 제반 가정을 요구하기 때문에 이러한 가정이 현실에 부적합한 경우에는 모형가격이 실제가격으로부터 커다란 괴리를 갖게 된다. 본 연구에서는 전통적인 가격결정방법의 단점을 극복할 수 있는 자료 의존적인 인공신경망기법을 제시하고 대표적인 파생금융상품인 국내 전환사채의 가격결정에 적용해 봄으로써 그 가능성을 제시하였다. 인공신경망기법을 전환사채의 가격결정에 적용한 결과 전통적 가격결정방법에 비해 평균절대오차를 70%정도 줄일 수 있다.