• Annual Conference of KIPS
• /
• 2024.10a
• /
• pp.1047-1048
• /
• 2024

본 프로젝트는 한국인 학습자들의 영어 듣기와 말하기 능력을 향상시키기 위해 개발된 인공지능 기반 영어 회화 학습 서비스 개발을 목표로 한다. 주요 기능으로는 음성 인식 기술을 활용한 딕테이션 및 쉐도잉 기능이 포함되어 있다. 학습자의 영어 실력에 맞춘 레벨별 콘텐츠를 제공하며, 자연어 처리 기술을 통해 정교한 피드백을 제공한다. 완성된 서비스는 학습자의 영어 실력 향상과 자신감 증진을 목표로 개인 학습자부터 교육 기관 및 기업 등 다양한 분야에서 활용될 수 있다.

• Annual Conference of KIPS
• /
• 2024.10a
• /
• pp.137-138
• /
• 2024

현대 사회는 네트워크의 규모가 증가하고 있으며 이러한 대규모의 트래픽을 보다 편하게 관리하고자 SDN이 등장했다. 허나, 대규모 트래픽의 등장으로 인해 DoS 공격의 규모 또한 더욱 커지고 있다. 이러한 공격을 완화하기 위한 다양한 연구가 진행되었으나, SDN에서 기계학습을 활용하여 DoS 공격을 탐지하는 기존의 연구는 제어평면 측에 상당한 부담을 주거나 공격에 대한 대처 부족 등의 문제점이 있다. SDN에서 기계학습과 P4를 결합한 DoS 공격 탐지는 이러한 문제를 해결하기 위해 등장했다. 이 논문에서는 SDN 환경에서 기존의 기계학습 기반의 DoS 공격 탐지에 대한 문제점과 한계에 대해 언급한 이후 기계학습과 P4를 결합한 DoS 공격 탐지에 대한 필요성을 언급한다. 이후, 기계학습 및 P4 기반의 DoS 공격 탐지와 관련된 연구를 살펴보고, 향후 연구 방향을 제시함으로써 네트워크 보안 분야에 새로운 가능성을 제시한다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.449-453
• /
• 2019

미디어방송이 다양해지고, 웹에서 소비되는 콘텐츠들 또한 멀티미디어 중심으로 재편되는 경향에 힘입어 인공지능 연구에 멀티미디어 콘텐츠를 적극적으로 활용하고자 하는 시도들이 시작되고 있다. 본 논문은 다양한 형태의 멀티모달 정보를 하나의 동영상 콘텐츠에 연계하여 분석하여, 통합된 형태의 융합정보 데이터셋을 구축한 연구를 소개하고자 한다. 구축한 인공지능 학습용 데이터셋은 영상/음성/언어 정보가 함께 있는 멀티모달 콘텐츠에 상황/의도/감정 정보 추론에 필요한 다양한 의미정보를 부착하여 활용도가 높은 인공지능 영상 데이터셋을 구축하여 공개하였다. 본 연구의 결과물은 한국어 대화처리 연구에 부족한 공개 데이터 문제를 해소하는데 기여하였고, 한국어를 중심으로 다양한 상황 정보가 함께 구축된 데이터셋을 통하여 다양한 상황 분석 기반 대화 서비스 응용 기술 연구에 활용될 것으로 기대할 수 있다.

• Journal of The Korean Association of Information Education
• /
• v.24 no.4
• /
• pp.391-400
• /
• 2020

While artificial intelligence (AI) is attracting attention as a core technology in the era of the 4th industrial revolution, needs for artificial intelligence education to cultivate AI literacy is emerging. In this regard, we developed and applied a project-based AI education program for elementary and middle school students, and analyzed its effects. Participants were assigned into teams with three members, and each team engaged in a project-based AI education program for two nights and three days. In the project, they selected an real-world problem they wanted and devised an AI-enabled artifact to solve it. The effectiveness of the program was investigated with the changes in attitude and efficacy of learners toward artificial intelligence. The results showed that the AI project learning positively changed both attitudes and efficacy toward artificial intelligence at a statistically significant level. This change was more pronounced as the level of perceived programming skills increased, and the level of interest in the project learning increased.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.10
• /
• pp.37-53
• /
• 2023

The AI based intelligent command and control system can automatically analyzes the properties of intricate battlefield information and tactical data. In addition, commanders can receive situation analysis results and battlefield awareness through the system to support decision-making. It is necessary to build a battlefield situation analysis dataset similar to the actual battlefield situation for learning AI in order to provide decision-making support to commanders. In this paper, we explain the next step of the dataset construction method of the existing previous research, 'A Virtual Battlefield Situation Dataset Generation for Battlefield Analysis based on Artificial Intelligence'. We proposed a method to build the dataset required for the final battlefield situation analysis results to support the commander's decision-making and recognize the future battlefield. We developed 'Dataset Generator SW', a software tool to build a learning dataset for battlefield situation analysis, and used the SW tool to perform data labeling. The constructed dataset was input into the Siamese Network model. Then, the output results were inferred to verify the dataset construction method using a post-processing ranking algorithm.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.9
• /
• pp.363-370
• /
• 2022

Grasping a target object among clutter objects without collision requires machine intelligence. Machine intelligence includes environment recognition, target & obstacle recognition, collision-free path planning, and object grasping intelligence of robot hands. In this work, we implement such system in simulation and hardware to grasp a target object without collision. We use a RGB-D image sensor to recognize the environment and objects. Various path-finding algorithms been implemented and tested to find collision-free paths. Finally for an anthropomorphic robot hand, object grasping intelligence is learned through deep reinforcement learning. In our simulation environment, grasping a target out of five clutter objects, showed an average success rate of 78.8%and a collision rate of 34% without path planning. Whereas our system combined with path planning showed an average success rate of 94% and an average collision rate of 20%. In our hardware environment grasping a target out of three clutter objects showed an average success rate of 30% and a collision rate of 97% without path planning whereas our system combined with path planning showed an average success rate of 90% and an average collision rate of 23%. Our results show that grasping a target object in clutter is feasible with vision intelligence, path planning, and deep RL.

• The Journal of the Acoustical Society of Korea
• /
• v.40 no.6
• /
• pp.578-586
• /
• 2021

We propose a semi-supervised learning method based on Variational AutoEncoder (VAE) and Unsupervised Data Augmentation (UDA) to improve the performance of an end-to-end speech recognizer. In the proposed method, first, the VAE-based augmentation model and the baseline end-to-end speech recognizer are trained using the original speech data. Then, the baseline end-to-end speech recognizer is trained again using data augmented from the learned augmentation model. Finally, the learned augmentation model and end-to-end speech recognizer are re-learned using the UDA-based semi-supervised learning method. As a result of the computer simulation, the augmentation model is shown to improve the Word Error Rate (WER) of the baseline end-to-end speech recognizer, and further improve its performance by combining it with the UDA-based learning method.

• The Journal of Korean Association of Computer Education
• /
• v.9 no.5
• /
• pp.31-39
• /
• 2006

The change into the knowledge based information society requires a transformation of educational paradigm. Accordingly, intelligent learning and distance education are attracting a fair amount of attention. To apply the instructional learning method in this field, we need to consider a individualization of learning, as it were, abstraction of fact and path through learning, which is based on learner's traits, this focus entails a argument for individualized reasoning strategy. Therefore, in this paper, we design a learner's cognitive union, which is based on X-Neuronet(eXtended Neuronet), represent learner's hierarchical knowledge is able to self-learn, and grows adaptive union by proprietor. Additionally, we propose a individualized reasoning strategy, which relies upon learner's cognitive union, and verify the validity.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.3
• /
• pp.203-210
• /
• 2000

In this paper, we propose a new unsupervised learning network and competitive learning algorithm for pattern classification. The proposed network is based on relative similarity, which is similarity measure between input data and cluster group. So, the proposed network and algorithm is called relative similarity network(RSN) and learning algorithm. According to definition of similarity and learning rule, structure of RSN is designed and pseudo code of the algorithm is described. In general pattern classification, RSN, in spite of deletion of learning rate, resulted in the identical performance with those of WTA, and SOM. While, in the patterns with cluster groups of unclear boundary, or patterns with different density and various size of cluster groups, RSN produced more effective classification than those of other networks.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.289-292
• /
• 2005

본 논문에서는 클러스터링과 뉴로-퍼지 모델링을 동시에 실시하는 학습 기법을 제안하였다. 클러스터링을 이용하여 뉴로-퍼지 모델링을 실시하는 일반적인 경우, 클러스터링 학습을 실시한 후 학습된 파라미터를 뉴로-퍼지 모델의 초기 파라미터로 설정하고 모델을 다시 학습하는 방법을 취한다. 즉 클러스터링에서 클러스터의 수를 구하고 파라미터를 최적화함으로써 초기 구조동정과 파라미터 동정을 실시하며 이를 다시 뉴로-퍼지 모델에서 세부적인 파라미터 동정을 실시하는 것이다. 또한 모델에서의 학습은 출력데이터의 오차를 이용한 오차미분기반 학습으로 전제부 소속함수 파라미터를 수정하는 방법을 이용한다. 이 경우 클러스터링의 영향과 모델의 영향이 각각 별개로 고려될 수 있다. 따라서 본 논문에서는 클러스터링을 전제부 소속함수로 부여하고 클러스터링의 학습에 뉴로-퍼지 모델을 이용하면서 또한 모델의 학습에 클러스터링을 직접 적용하는 클러스터링 기반 뉴로-퍼지 모델링을 제안하였으며 이 경우 클러스터링의 학습과 모델의 학습이 동시에 이루어지며 뉴로-퍼지 모델에서 클러스터링의 효과를 직접적으로 확인할 수 있다. 제안된 방법의 유용성을 시뮬레이션을 통하여 보이고자 한다.