• Annual Conference of KIPS
• /
• 2006.11a
• /
• pp.165-168
• /
• 2006

이 논문은 유한상태변환기만을 이용하여 한국어 형태소 분석 및 품사 태깅 시스템을 제안한다. 기존의 한국어 형태소 분석 시스템들은 규칙기반 형태소 분석기가 주를 이루고 한국어 품사 태깅 시스템은 은닉마르코프 모델 기반 품사 태깅이 주를 이루었다. 한국어 형태소 분석의 경우 유한상태변환기를 이용한 경우도 있었으나, 이 방법은 변환기를 작성하기 위한 규칙을 수작업으로 구축해야 하며, 그 규칙에 따라서 사전이 작성되어야 한다. 이 논문에서는 품사 태깅 말뭉치를 이용해서 유한상태변환기에서 필요한 모든 변환 규칙을 자동으로 추출한다. 이런 방법으로 네 종류의 변환기, 즉, 자소분리변환기, 단어분리변환기, 단어형성변환기, 품사결정변환기를 자동으로 구축한다. 구축된 변환기들은 결합연산(composition operation)을 이용하여 하나의 유한상태변환기를 구성하여 한국어 형태소 분석과 동시에 한국어 품사 태깅을 수행한다. 이 방법은 하나의 유한상태변환기만을 이용하기 때문에 복잡도는 선형시간(linear complexity)을 가지면, 형태소 분석기와 품사 태깅 시스템을 매우 짧은 시간 내에 개발 할 수 있었다.

• Annual Conference of KIPS
• /
• 2003.11c
• /
• pp.1579-1582
• /
• 2003

본 연구는 컴포넌트 검색을 위해서 컴포넌트를 컨덱스트에 의해 패싯 분류하고, 컨텍스트와 특성들간의 관련값에 대한 통계적 분석에 의해 시소러스를 구축하여 다중 패싯 분류된 컴포넌트를 효율적으로 검색할 수 있는 방법을 제안하였다. 소스 코드로부터 추출된 특성은 카이제곱 방법을 통하여 간소화가 이루어지며, E-SARM 방법을 사용하여 컨텍스트의 자동 검색이 이루어질 수 있도록 하였다. 쿼리에 대해 자동 검색된 컨덱스트에 의해 후보 컴포넌트가 선정되고, 쿼리와 컴포넌트 간의 유사도가 계산됨으로써 컴포넌트가 검색될 수 있도록 하였다. 본 연구는 다중 패싯 분류된 컴포넌트의 검색에 효율적이며, 컴포넌트의 재사용성을 높일 수 있도록 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.499-501
• /
• 2000

음함수 곡면 모델의 대표적인 구조 요소인 메타볼은 다양한 형태의 곡면을 모델링하는데 뛰어난 성능을 갖는다[1]. 그러나 복잡한 형태의 물체는 곡면 뿐 아니라 평면적인 요소를 포함하기 때문에 메타볼만으로 부정형 물체를 모델링하는 데에는 많은 어려움이 따른다. 메타큐브는 메타볼의 장점을 수용하면서 적은 수의 데이터로 평면 형태의 물체가지 모델링할 수 있는 메타볼의 확장 형태로서, 두 개의 매개변수만으로 구에서 정육면체까지 자유로운 확장이 가능하다[2]. 본 논문은 메타큐브를 이용하여 볼륨 데이터로부터 3차원 물체를 자동 모델링하는 방법을 제안한다. 제안 방법은 볼륨 데이터의 형태에 기반하여 분할된 볼륨 트리를 이용하여 비교적 빠른 시간에 볼륨 데이터로부터 비슷한 형태의 3차원 물체를 재구성하는 메타큐브 집합을 추출한다. 다양한 볼륨데이타에 대한 실험 결과를 제시함으로써 제안 방법의 효용성을 증명한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.51-53
• /
• 2012

데이터 마이닝의 문서분류 기술에서 발전된 오피니언 마이닝은 이제 국외뿐만 아니라 국내의 학계 및 기업에서 중요한 관심분야로 자리잡아가고 있다. 오피니언 마이닝의 핵심은 문서에서 감정 단어를 추출하여 긍정/부정 여부를 얼마나 정확하게 자동적으로 판별하느냐를 평가하는 것이다. 국내에서도 이에 관련된 많은 연구가 이루어 졌으나 아직 실용적으로 적용할 만큼의 정확한 분류 정확도 보이지 않고 있다. 그 이유는 한국어의 경우 비문법적 표현, 감정단어의 다양성 등으로 인해 문서의 극성을 판별하기가 쉽지 않기 때문이다. 본 논문에서는 문법적 요소를 최대한 배제하고 단어 패턴의 빈도만을 고려한 영화평 분류기법을 제안한다. 제안된 방법에서는 문서를 단어들의 리스트로 추상화하여 패턴들의 빈도로 학습한 후 적절한 스코어 함수를 적용하여 문서의 극성을 판별한다. 또한 실험을 통해 제안된 기법의 정확도를 평가한다.

• Annual Conference of KIPS
• /
• 2015.10a
• /
• pp.959-961
• /
• 2015

현재 많은 소프트웨어 개발 기업들은 제품 개발에만 치중되어 품질 유지/관리 측면의 문서 산출물을 만들 여유가 없다. 그리고 프로젝트 문서 관리 자체가 주먹구구식이며, 차후 평가나 검수시 문서 산출물을 만드는 경향이 있다. 이 문제 해결위해, 실시간으로 프로젝트가 진행되는 상황에 맞게 문서를 자동 생성하는 방법을 제안한다. 이 방법은 기존의 통합관리(CI) 시스템에 XML과 XSLT 기법을 접목하여 프로젝트 계획 문서를 자동 추출가능하다. 이로 인해 소규모의 영업장에서도 적은 인원으로도 프로젝트 관리를 효율적으로 할 수 있고, 실제 문서와 프로젝트의 진행의 불일치가 많이 줄어들 것으로 판단된다.

• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.238-241
• /
• 2019

본 연구에서는 사회인들의 정해진 패턴을 IoT를 기반으로 AI 기술을 활용하여 Deep Learning 기술을 적용하여 행동패턴을 자동으로 시스템에 업로드 한다. 업로드된 데이터는 Deep Learnig 기술을 통해 유의미한 데이터를 추출하고 이를 각종 가전제품에 제공한다. 데이터의 정합도를 높이기 위해서 초기 데이터는 사용자가 입력한 정해진 생활 패턴을 바탕으로 하며 가우시안 분포를 따르는 난수를 생성하여 training data set으로 사용하여 실제 학습에 적용시켰다. 실생활에서 자동으로 데이터를 활용하기 위해서 IoT기기를 연결하여 AI 학습을 진행하였다. 사회인들은 이 시스템을 통해 집에 들어올 때와 집 밖에 외출할 때 댁내에 있는 편리한 서비스를 제공받을 수 있다.

• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.691-693
• /
• 2019

현실적으로 요구사항의 불명료성은 테스트 케이스 추출에 어려움을 초래한다. 명료한 요구사항 기반의 사용자 승인 테스트는 소프트웨어의 올바른 품질을 증가시키고, 유지보수 비용을 감소시킨다. 하지만 중소기업에서는 촉박한 개발 기간, 테스트 도구 구매 비용의 부담, 낮은 테스트 기술 레벨 등의 이유로 좋은 품질의 테스트를 수행하기가 힘들다. 이러한 문제점의 해결을 위해 말뭉치 정규화를 이용한 의미 규칙으로 불명료한 요구사항을 간결하고 명료한 요구사항으로 변경하기 위한 메커니즘을 제안한다. 또한 이를 원인-결과 그래프 자동 생성하는 방법을 제안한다. 이는 원인-결과 그래프를 통해 테스트케이스를 최대한 생성하는 기초가 될 수 있다.

• Annual Conference of KIPS
• /
• 2013.05a
• /
• pp.240-243
• /
• 2013

본 논문에서는 로봇 제어 목적의 응용을 위해 SVM 알고리즘과 HMM 알고리즘을 근간으로 하는 효과적인 뇌파 데이터 자동 분류 방법을 제안한다. Emotive Epoc 헤드셋 뇌파 측정 장비를 이용하여 뇌파 데이터를 수집하고, 수집된 뇌파 데이터로부터 FFT알고리즘을 이용하여 특징 추출을 수행한다. 그리고 SVM 알고리즘을 이용한 1단계 분류 방법과 SVM 알고리즘의 분류 결과를 다시 입력 시퀀스로 삼아 시계열 학습 알고리즘인 HMM에 적용하는 2단계 분류 방법의 실험 결과를 소개한다.

• Annual Conference of KIPS
• /
• 2010.11a
• /
• pp.679-682
• /
• 2010

피부 영역 검출 기술은 생체 인식 기술의 하나로서 얼굴 자동 인식 혹은 손 모양 자동 인식 등을 위해 사용되고 있다. 일반적으로 색상을 이용하여 피부 영역을 검출하기 위해서는 다양한 피부색 샘플을 이용해 구해진 피부색 모델을 이용한다. 하지만 피부색은 사람마다 다르고, 조명과 같은 주변 환경의 영향도 받기 때문에 다양한 영상에 하나의 고정된 피부색 모델을 적용하여 피부 영역을 검출하기에는 한계가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 영상 피드백 방법을 이용하여 영상에 적응적인 피부색 모델을 구한 뒤 이를 적용하여 피부 영역을 추출하는 방법을 제안한다.

• Annual Conference of KIPS
• /
• 2022.05a
• /
• pp.430-431
• /
• 2022

자율주행 차량의 성능을 검증하기 위해서는 다양한 검증용 시나리오가 필요하기 때문에 최근에는 검증용 시나리오를 자동으로 생성하기 위한 연구들이 수행되고 있다. 실세계에서 발생되는 다양한 현상을 반영한 시나리오를 생성하기 위해서는 자율주행 차량의 주변 상황에 대한 측정이 필요하지만, 공간적인 문제로 한계가 발생한다. 이와 같은 데이터 수집의 어려움을 자율주행 차량에 탑재된 블랙박스의 영상을 통해서 생성하는 것이 가능하다. 본 논문에서는 DRQN을 이용하여 자율주행 차량 사고영역을 자동으로 탐지하는 방법을 제안한다. 동영상에서 추출된 프레임을 분석해서 교통사고 원도우의 초기 위치를 설정한다. DRQN 학습 프레임워크로 차량의 특징을 도출한다. 마지막으로 특징을 기반으로 교통사고 원도우의 크기와 위치를 조정해서 교통사고 영역을 정확하게 찾는다.