• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.603-605
• /
• 2018

최근 대두되고 있는 딥 러닝은 학습을 통해 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술이다. 본 논문은 딥 러닝에 활용하기 위해 개발된 오픈소스 소프트웨어인 텐서플로 Inception V3을 사용해 연구를 진행했다. 딥 러닝을 활용한 씨앗 발아 확인 시스템은 기존의 영상 처리를 활용한 시스템에서 고안했으며, 씨앗 발아 여부의 정확성이 떨어지는 단점을 개선하고, 모든 종자들의 발아 여부를 확인할 수 있도록 구현해 사용자가 효과적으로 연구를 수행할 수 있도록 하는 목적에 있다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.1-17
• /
• 2017

딥러닝 프레임워크의 대표적인 기능으로는 '자동미분'과 'GPU의 활용' 등을 들 수 있다. 본 논문은 파이썬의 라이브러리 형태로 사용 가능한 프레임워크 중에서 구글의 텐서플로와 마이크로소프트의 CNTK, 그리고 텐서플로의 원조라고 할 수 있는 티아노를 비교하였다. 본문에서는 자동미분의 개념과 GPU의 활용형태를 간단히 설명하고, 그 다음에 logistic regression을 실행하는 예를 통하여 각 프레임워크의 문법을 알아본 뒤에, 마지막으로 대표적인 딥러닝 응용인 CNN의 예제를 실행시켜보고 코딩의 편의성과 실행속도 등을 확인해 보았다. 그 결과, 편의성의 관점에서 보면 티아노가 가장 코딩 하기가 어렵고, CNTK와 텐서플로는 많은 부분이 비슷하게 추상화 되어 있어서 코딩이 비슷하지만 가중치와 편향을 직접 정의하느냐의 여부에서 차이를 보였다. 그리고 각 프레임워크의 실행속도에 대한 평가는 '큰 차이는 없다'는 것이다. 텐서플로는 티아노에 비하여 속도가 느리다는 평가가 있어왔는데, 본 연구의 실험에 의하면, 비록 CNN 모형에 국한되었지만, 텐서플로가 아주 조금이지만 빠른 것으로 나타났다. CNTK의 경우에도, 비록 실험환경이 달랐지만, 실험환경의 차이에 의한 속도의 차이의 편차범위 이내에 있는 것으로 판단이 되었다. 본 연구에서는 세 종류의 딥러닝 프레임워크만을 살펴보았는데, 위키피디아에 따르면 딥러닝 프레임워크의 종류는 12가지가 있으며, 각 프레임워크의 특징을 15가지 속성으로 구분하여 차이를 특정하고 있다. 그 많은 속성 중에서 사용자의 입장에서 볼 때 중요한 속성은 어떤 언어(파이썬, C++, Java, 등)로 사용가능한지, 어떤 딥러닝 모형에 대한 라이브러리가 잘 구현되어 있는지 등일 것이다. 그리고 사용자가 대규모의 딥러닝 모형을 구축한다면, 다중 GPU 혹은 다중 서버를 지원하는지의 여부도 중요할 것이다. 또한 딥러닝 모형을 처음 학습하는 경우에는 사용설명서가 많은지 예제 프로그램이 많은지 여부도 중요한 기준이 될 것이다.

• 한국전자통신학회논문지
• /
• 제14권4호
• /
• pp.701-706
• /
• 2019

최근에는 인공지능의 도래로 인하여 수많은 산업과 일반적인 응용에 적용됨으로써 우리의 생활에 큰 영향을 발휘하고 있다. 이러한 분야에 다양한 기계학습의 방식들이 제공되고 있다. 기계학습의 한 종류인 지도학습은 학습의 과정 중에 특징값과 목표값을 입력으로 가진다. 지도학습에도 다양한 종류가 있으며 이들의 성능은 입력데이터인 빅데이터의 특성과 상태에 좌우된다. 따라서, 본 논문에서는 특정한 빅 데이터 세트에 대한 다수의 지도학습 방식들의 성능을 비교하기 위해 텐서플로우(Tensorflow)와 사이킷런(Scikit-Learn)에서 제공하는 대표적인 지도학습의 방식들을 이용하여 파이썬언어와 주피터 노트북 환경에서 시뮬레이션하고 분석하였다.

• 한국해안·해양공학회논문집
• /
• 제32권4호
• /
• pp.262-272
• /
• 2020

지금까지 연안에서 발생하는 쇄파에 대한 연구는 지속적으로 수행되었으며, 그에 따른 많은 실험자료가 축적되어 왔다. 또한, 다양한 실험자료로부터 공학적인 적용을 위한 쇄파 정보를 정량적으로 예측하기 위하여 회귀분석에 기반한 다양한 경험식이 제안되었다. 그러나 쇄파는 내재하고 있는 변동성이 있으므로 선형 회귀분석과 같은 선형적 통계접근 방법에는 한계가 있다. 본 연구에서는 쇄파파고 및 쇄파수심을 예측하기 위하여 기계학습 중 하나인 신경망을 사용하는 비선형 방법을 제안하였다. 신경망은 구글에서 배포하고 있는 머신러닝 오픈소스 플랫폼인 텐서플로(Tensorflow)를 이용하여 구축하였다. 신경망 모델은 수집된 실험자료를 무작위로 선택하여 학습하였으며, 학습에 이용하지 않은 자료를 사용하여 학습된 신경망을 평가하였다. 학습된 신경망에 의해 예측된 쇄파파고와 쇄파수심에 대한 예측결과는 기존의 경험식에 의한 계산결과에 비해 높은 예측성능을 보였으며, 이는 충분히 학습된 신경망은 쇄파파고 및 수심을 예측하기 위한 유용한 도구로 사용될 수 있음을 보여준다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.273-275
• /
• 2021

본 논문에서는 기존 스마트주차관제 시스템의 한계로 인해 주차 관제의 사각지대에 있는 다세대 주택 주차 문제를 해결하는 솔루션을 제안한다. 기존 스마트 주차관제는 센서 기반의 고비용의 장비 및 시공비가 소요되며, 이러한 특성으로 인해 다세대 주택에 적용이 어렵다. 해당 문제를 해결하기 위해 본 논문은 기존 설비인 CCTV를 활용한 스마트 주차 관제 시스템을 제안하며, 해당 솔루션은 텐서플로 cnn중 알씨엔엔 RPN을 적용하여 차량 객체 인식 및 주차 공간 객체 인식을 구현하였으며, 다세대 주택 주변 CCTV 영상을 OpenCV를 활용하여 능동적이며 저비용의 스마트 주차 관제 방식을 구현하였으며 CCTV의 특성상 외곡되는 이미지를 OpenCV 이미지 변형을 통해 외곡 이미지를 복원하여 인식률을 높였다.

• 문화기술의 융합
• /
• 제9권4호
• /
• pp.487-494
• /
• 2023

본 연구에서는 무료 딥러닝 도구인 R과 텐서플로우에 대한 성능 비교를 수행하였다. 실험에서는 각 도구를 사용하여 6종류의 심층 신경망을 구축하고 10년간의 한국 온도 데이터셋을 사용하여 신경망을 학습시켰다. 구축된 신경망의 입력층 노드 갯수는 10개, 출력층은 5개로 설정 하였으며, 은닉층은 5, 10, 20개로 설정하여 실험을 진행 하였다. 학습 데이터는 2013년 3월 1일부터 2023년 3월 29일까지 서울시 강남구에서 수집된 온도 데이터 3681건을 사용하였다. 성능 비교를 위해, 학습된 신경망을 사용하여, 5일간의 온도를 예측하고 예측된 값과 실제값을 사용하여 평균 제곱근 오차(root mean square error, RMSE)값을 측정하였다. 실험결과, 은닉층이 1개인 경우, R의 학습 오차는 0.04731176이었으며, 텐서플로우는 0.06677193으로 측정되었으며, 은닉층이 2개인 경우에는 R이 0.04782134, 텐서플로 우는 0.05799060로 측정되었다. 전체적으로 R이 더 우수한 성능을 보였다. 우리는 기계학습을 처음 접하는 사용자들에게 두 도구에 대한 정량적 성능 정보를 제공함으로써, 도구 선택에서 발생하는 어려움을 해소하고자 하였다.

• 한국빅데이터학회지
• /
• 제3권2호
• /
• pp.59-70
• /
• 2018

특정 지역의 고객을 대상으로 열을 공급하는 지역난방 서비스의 안정적인 운영을 위해서는 단기간의 미래 수요를 보다 정확하게 예측하고, 효율적인 방법으로 생산 및 공급하는 것이 무엇보다 중요하다. 그러나 열 소비에 영향을 미치는 요소가 매우 다양할 뿐만 아니라 개별 소비자 및 지역적 특성에 따라 소비 형태가 달라지기 때문에 일반적인 상황에도 적용될 수 있는 범용적 열 수요 예측 모형을 개발하는 것은 매우 어렵다. 따라서 본 연구에서는 실시간으로 확보할 수 있는 제한적인 정보만을 바탕으로 딥러닝 기법을 활용한 수요예측 모형을 개발하고자 한다. 해당 지역의 외기온도와 날짜로만 구성된 과거 데이터를 입력 변수로 하여 텐서플로의 인공신경망을 학습시키는 방법으로 수요 예측 모형을 개발하였다. 기존의 회귀분석 기법을 통해 예측된 수요의 정확도와의 비교를 통해 제안된 모델의 성능을 평가하였다. 본 연구의 열 수요 예측 모델은 단기적 수요 예측을 위해 실시간으로 확보할 수 있는 제한적인 변수만으로도 수요 예측의 정확도를 높일 수 있음을 보였다. 나아가 개별 지역에서는 지역적 특수성을 추가하여 수요 예측 정확도를 높이는 데 활용할 수 있을 것이다.