• Journal of IKEEE
• /
• v.26 no.3
• /
• pp.468-474
• /
• 2022

In this paper, we propose a method to implement a real-time fire alarm system using deep learning. The deep learning image dataset for fire alarms acquired 1,500 sheets through the Internet. If various images acquired in a daily environment are learned as they are, there is a disadvantage that the learning accuracy is not high. In this paper, we propose a fire image data expansion method to improve learning accuracy. The data augmentation method learned a total of 2,100 sheets by adding 600 pieces of learning data using brightness control, blurring, and flame photo synthesis. The expanded data using the flame image synthesis method had a great influence on the accuracy improvement. A real-time fire detection system is a system that detects fires by applying deep learning to image data and transmits notifications to users. An app was developed to detect fires by analyzing images in real time using a model custom-learned from the YOLO V4 TINY model suitable for the Edge AI system and to inform users of the results. Approximately 10% accuracy improvement can be obtained compared to conventional methods when using the proposed data.

• 대학교육
• /
• s.163
• /
• pp.26-31
• /
• 2010

전주대학교 '궁중약(藥)고추장' (사업단장 신정규)은 지난 2004년 ‘교과과정과 연계된 현장학습을 통한 우수한 실무 인력 양성’을 목적으로 하여 설립된 학교기업이다. '궁중약(藥)고추장'의 주 상품인 약고추장은 전주대학교 전통음식 문화전공에서 우리나라 고조리서에 기록된제법을 바탕으로 현대인이 입맛에 맞게 재현한 고추장으로 학생들과 교수진이 함께 연구를 통해 탄생시킨 우수상품이다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.211-214
• /
• 2000

This paper describes a lateral guidance system of an autonomous vehicle, using a neural network model of magneto-resistive sensor and magnetic fields. The model equation was compared with experimental sensing data. We found that the experimental result has a negligible difference from the modeling equation result. We verified that the modeling equation can be used in simulations. As the neural network controller acquires magnetic field values(B$\sub$x/, B$\sub$y/, B$\sub$z/) from the three-axis, the controller outputs a steering angle. The controller uses the back-propagation algorithms of neural network. The learning pattern acquisition was obtained using computer simulation, which is more exact than human driving. The simulation program was developed in order to verify the acquisition of the teaming pattern, learning itself, and the adequacy of the design controller. Also, the performance of the controller can be verified through simulation.

• 한국정보교육학회:학술대회논문집
• /
• 2005.08a
• /
• pp.284-292
• /
• 2005

본 연구는 PDA를 활용한 초등학교 사회과 현장학습 지원 프로그램의 개발 방향을 모색해 보고 현장학습 지원 시스템을 이용하여 아동 스스로 현장학습을 다녀올 수 있도록 하여 초등 사회과 현장학습을 보완하도록 하는데 목적이 있으며 부가적으로 현장학습 지원 시스템의 효과적인 설계 및 개발 방법을 연구하는데 2차적 목적을 두었다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.05a
• /
• pp.77-86
• /
• 2005

컨테이너 터미널에서는 장치장으로 반입되는 수출 컨테이너의 무게를 몇 단계 그룹으로 나누고 각 무게그룹 별로 모아서 장치한다. 이는 수출 컨테이너를 선박에 싣는 적하 작업 시 선박의 안정성을 위하여 무거운 무게그룹의 컨테이너들을 장치장에서 먼저 반출하여 선박의 바닥 쪽에 놓기 위함이다. 하지만 반입되는 컨테이너의 무게그룹을 결정할 때 사용하는 운송사로부터 받은 무게정보는 부정확한 경우가 많아 하나의 스택(stack)에 서로 다른 무게그룹에 속하는 컨테이너들이 섞이게 된다. 이로 인하여 무거운 무게그룹의 컨테이너를 반출할 때 해당 컨테이너의 상단에 놓여진 보다 가벼운 무게그룹의 컨테이너들을 임시로 옮겨야 하는 재취급(rehandling, reshuffling)이 발생하게 된다. 적하작업 시 장치장에서 재취급이 빈번히 발생하면 작업이 지연되므로 터미널 생산성 향상을 위해서는 재취급 발생을 가급적 줄여야 한다. 본 논문에서는 기계학습 기법을 적용하여 반입 컨테이너의 무게그룹을 보다 정확히 추정하는 방안을 제안한다. 또한 탐색을 통하여 분류기 생성에 관여하는 비용행렬(cost matrix)을 조정함으로써 재취급 발생을 줄일 수 있는 분류기(classifier)를 생성하는 방안을 함께 소개한다. 실험 결과 본 논문에서 제안하는 방안 적용 시 재취급 발생을 $5{\sim}7%$ 정도 줄일 수 있음을 예상할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.892-894
• /
• 2005

본 논문에서는 스테레오 영상에서 깊이 정보를 추출하여 사람의 자세를 학습된 2차원 깊이 영상들의 선형 결함으로 표현하여 3차원 인체 모델을 재구성하는 방법을 제안한다. 한 장의 2차원 깊이 영상으로 최소 제곱법을 이용하여 프로토타입 깊이 영상의 선형 결합으로 표현되는 최적의 계수를 찾을 수 있다. 입력된 깊이 영상의 3차원 인체 모델은 프로토타입 깊이 영상에서 예측된 계수를 적용하여 생성한다. 학습 단계에서는 데이터를 계층적으로 나누어 모델을 생성한다. 또한, 재구성 단계에서는 실루엣 영상과 깊이 영상으로부터 계층적으로 나누어진 학습 데이터를 이용하여 3차원 인체 자세를 재구성한다. 학습 및 재구성의 마지막 단계에서는 실루엣 영상 대신 깊이 영상을 이용하여 3차원 인체 모델을 재구성한다. 한 장의 실루엣 영상을 이용하면 영상의 노이즈에 민감하기 때문에 재구성 단계의 상위 레벨에서는 실루엣 영상의 누적 영상을 이용한다. 실험 결과는 제안된 방법이 효율적으로 3차원 인체 자세를 재구성함을 보여준다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 1994.04a
• /
• pp.22-27
• /
• 1994

본 논문의 목적은 피이드백 제어시스템에서 주기적 외란(periodic disturbances),d$_{\omega}$, 이 출력센서에 감지될 경우, 이를 제거하기 위한 새로운 적응제어기(adaptive controller)를 설계하는 것이다. 2장에서는 주기적 외란을 제거하기 위한 방법으로 많이 사용되어 온 피이드백 제어기 (feedback controller)와 피이드포워드 제어기 (feedforward controller)를 설명한다. 3장에서는 적응 피이드포워드 제어기가 페루프 전달함수를 변경시키는 점에서 피이드백 제어기와 동일함을 보이고, 전달함수를 변경시키지 않아 페루프시스템의 강건성을 저하시키지 않는 효율적인 피이드포워드 제어기를 설계한다. 4장에서는 제안된 피이드포워드 제어기의 학습알고리즘을 유도한다. 5장에서는 모의 실험을 통하여 제안한 피이드포워드 제어기 및 학습 알고리즘의 효율성을 검증하기로 한다.

• 전기의세계
• /
• v.40 no.6
• /
• pp.38-44
• /
• 1991

이 논문에서는 2장에서 신경회로망의 두가지 주요모델인 associative memory와 학습신경 회로망을 소개하고 특히 연결이 그의 중요한 요소임을 설명한다. 3장에서는 광 연결에 대한 구현으로서 spartial light modulator를 이용하는 방법과 체적 홀로그램을 사용하는 방법에 대해 구체적으로 기술한다. 4장에서는 결론으로서 광 연결을 이용한 신경회로망의 구현에 어떠한 문제가 있으며 앞으로 해결해야 할 점을 생각한다.

• Geophysics and Geophysical Exploration
• /
• v.26 no.2
• /
• pp.84-93
• /
• 2023

The supervised learning-based deep-learning seismic inversion techniques have demonstrated successful performance in synthetic data examples targeting small-scale areas. The supervised learning-based deep-learning seismic inversion uses time-domain wavefields as input and subsurface velocity models as output. Because the time-domain wavefields contain various types of wave information, the data size is considerably large. Therefore, research applying supervised learning-based deep-learning seismic inversion trained with a significant amount of field-scale data has not yet been conducted. In this study, we predict subsurface velocity models using Laplace-domain wavefields as input instead of time-domain wavefields to apply a supervised learning-based deep-learning seismic inversion technique to field-scale data. Using Laplace-domain wavefields instead of time-domain wavefields significantly reduces the size of the input data, thereby accelerating the neural network training, although the resolution of the results is reduced. Additionally, a large grid interval can be used to efficiently predict the velocity model of the field data size, and the results obtained can be used as the initial model for subsequent inversions. The neural network is trained using only synthetic data by generating a massive synthetic velocity model and Laplace-domain wavefields of the same size as the field-scale data. In addition, we adopt a towed-streamer acquisition geometry to simulate a marine seismic survey. Testing the trained network on numerical examples using the test data and a benchmark model yielded appropriate background velocity models.

• 한국정보교육학회:학술대회논문집
• /
• 2004.01a
• /
• pp.159-166
• /
• 2004

현장체험학습은 교과 학습과 관련해서 교실을 벗어나 학습장을 방문하여 학습활동을 한 후 보고서를 작성하고 결과를 평가하는 학습을 말한다. 하지만 저학년에서 고학년으로 갈수록 학습 범위가 넓어지고 사전학습이 없어 효율적인 학습이 이루어지기 어렵다. 이에 교사에게는 풍부한 현장체험학습 자료를 이용하여 효과적인 학습을 할 수 있는 수업 기회를 제공하고, 학생에게는 시간과 공간을 초월하여 자기 주도적으로 사전 수업을 한 후 현장체험학습을 실시, 보고서를 작성할 수 있는 장을 마련해 주어야 한다. 그러므로 본 연구에서는 시간과 공간의 한계를 극복하면서 학습자가 살고 있는 지역에 관한 체험 학습을 할 수 있도록 현장체험 학습 시스템을 설계하였다 본 코스웨어는 학습자가 스스로 사전 사후 학습을 하며 교사와 상호 작용을 할 수 있도록 구성되었다.