• Journal of the Korea Society of Computer and Information
• /
• v.17 no.12
• /
• pp.71-82
• /
• 2012

In this paper, we propose a license plate detection method with improved Adaboost learning and MCT (Modified Census Transform). The MCT represents the local structure patterns as integer numbered feature values which has robustness to illumination change and memory efficiency. However, since these integer values are discrete, a lookup table is needed to design a weak classifier for Adaboost learning. Some previous research efforts have focused on minimization of exponential criterion for Adaboost optimization. In this paper, a method that uses MCT and improved Adaboost learning based on Newton's optimization to exponential criterion is proposed for license plate detection. Experimental results on license patch images and field images demonstrate that the proposed method yields higher performance of detection rates with low false positives than the conventional method using the original Adaboost learning.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2003.06a
• /
• pp.94-97
• /
• 2003

In this Paper, propose for MLP(multilayer perception) neural network that uses optimization recognition training scheme for the wavelet transform and the numeral image add to noise, and apply this system in Numeral Recognition. As important part of original image information preserves maximum using the wavelet transform, node number of neural network and the loaming convergence time did size of input vector so that decrease. Apply in training vector, examine about change of the recognition rate as optimization recognition training scheme raises noise of data gradually. We used original image and original image added 0, 10, 20, 30, 40, 50㏈ noise (or the increase of numeral recognition rate. In case of test image added 30∼50㏈, numeral recognition rate between the original image and image added noise for training Is a little But, in case of test image added 0∼20㏈ noise, the image added 0, 10, 20, 30, 40 , 50㏈ noise is used training. Then numeral recognition rate improved 9 percent.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2015.11a
• /
• pp.78-80
• /
• 2015

현대 시대의 재난은 사회재난, 자연재난, 복합재난 등 재난 유형의 복합화와 대형화뿐만 아니라 지역적으로 특성화된 재난의 발생빈도의 급증이라는 특징을 가지고 있다. 이에 반해 현재 재난대응 훈련 수단은 재난대응 협업기능 간 최적화된 수단의 부재, 실제 동원훈련의 비효율성, 그리고 주기적, 정례적 훈련 실시의 어려움이라는 한계에 부딪히고 있는 실정이다. 이로 인해 재난대응역량 강화를 위한 새로운 훈련수단의 개발이라는 시대적 요구에 맞춰 현실감 있고 생동감 있는 훈련 시뮬레이터의 개발이 필요하다. 본 논문에서는 개발하고자 하는 '증강현실기반 재난대응 통합훈련 시뮬레이터'의 연구개발 내용을 소개하고 목표와 기대성과에 대해서 설명하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.207-207
• /
• 2023

데이터 기반 강수 예측 모델은 극한 강수 이벤트의 크기를 과소 추정하는 경향이 있다. 이는 훈련 데이터에 극한 강수 이벤트보다 일반적인 강수 이벤트가 많이 포함되어 있기 때문이다. 본 연구는 이러한 딥러닝의 데이터 불균형 문제를 해소하고자 모델을 학습시킬 때 격자별 극한 강수에 더 큰 가중치를 주어 극한 강수 예측의 정확성을 높이는 방법을 제안한다. 딥러닝 모델 중 공간-시간 필드를 정확하게 예측할 수 있는 ConvLSTM 기반 강수 예측 모델을 활용하여 레이더 강수량을 예측하였다. 먼저, 훈련 기간 동안의 강수 이벤트의 누적 분포 함수 CDF(Cummulative distribution funcion)을 그린 후 극한 강수 이벤트와 일반적인 강수 이벤트의 분포를 확인하였다. 그다음, 적은 분포를 가진 극한 강수 이벤트의 더 큰 가중치를 두어 모델을 학습시켰다. 이 모델은 대한민국 중부 지역 (200km x 200km)의 5km-10분 해상도 레이더-계량기 복합 강수 필드에 대해 2009-2014년 기간 동안 훈련 되었고 2015-2016년 동안 모델의 훈련을 검증 하였고, 2017-2018년 동안 테스트 되었다. 다양한 가중치 함수를 기반으로 훈련 시킨 결과 최적화 가중치 함수 모델의 평균 NSE는 0.6 평균 RMSE는 0.00015 그리고 극한 강수 이벤트만 따로 추출한 평균 MAE는 6이다. 결과적으로 제안된 모델은 기존 방법에 비해 예측 성능을 향상 시켰으며, 격자별 가중치를 두었을 경우 일반적인 강수 이벤트 뿐만 아니라 극한 강수 이벤트의 예측의 정확도를 향상시켰다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.31-34
• /
• 2024

태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.347-347
• /
• 2022

최근 데이터 사이언스의 비약적인 발전과 함께 다양한 형태의 딥러닝 알고리즘이 개발되어 수자원 분야에도 적용되고 있다. 이 연구에서는 LSTM(Long Short-Term Memory) 네트워크와 BO-LSTM이라는 베이지안 최적화(BO) 기술을 결합하여 일단위 앙상블 미래 댐유입량을 projection하는 딥 러닝 모델을 제안하였다. BO-LSTM 하이퍼파라미터 및 손실 함수는 베이지안 최적화 기법을 통해 훈련 및 최적화되며, BO 접근법은 모델의 하이퍼파라미터와 손실 함수를 높은 정확도로 빠르게 최적화할 수 있었다(R=0.92 및 NSE=0.85). 또한 미래 댐 유입량을 예측하기 위한 LSTM의 구조는 Forecasting 모형과 Proiection 모형으로 구분하여 두 모형의 장단점을 분석하였으며, 본 연구의 결과로부터 데이터 처리 단계가 모델 훈련의 효율성을 높이고 노이즈를 줄이는 데 효과적이고 미래 예측에 있어 LSTM 구조에 따른 영향을 확인할 수 있었다. 본 연구는 소양강 유역, 2020-2100년 기간 동안의 미래 예측에 적용되었다. 전반적으로, CIMIP6 데이터에 따르면 10%에서 50%의 미래 유입량 증가가 발생하는 것으로 확인되었으며, 이는 미래 강수량의 증가의 폭과 유사함을 확인하였다. 유입량 산정에 있어 신뢰할 수 있는 예측은 저수지 운영, 계획 및 관리에 있어 정책 입안자와 운영자에게 도움이 될 것입니다.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.3
• /
• pp.83-90
• /
• 2020

Prototype selection offers the advantage of ensuring low learning time and storage space by selecting the minimum data representative of in-class partitions from the training data. This paper designs a new training data generation method using hyper-rectangles that can be applied to general classification algorithms. Hyper-rectangular regions do not contain different class data and divide the same class space. The median value of the data within a hyper-rectangle is selected as a prototype to form new training data, and the size of the hyper-rectangle is adjusted to reflect the data distribution in the class area. A set cover optimization algorithm is proposed to select the minimum prototype set that represents the whole training data. The proposed method reduces the time complexity that requires the polynomial time of the set cover optimization algorithm by using the greedy algorithm and the distance equation without multiplication. In experimented comparison with hyper-sphere prototype selections, the proposed method is superior in terms of prototype rate and generalization performance.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.19-20
• /
• 2016

비디오로부터 객체를 검출하기 위해서는 오프라인에서 미리 객체를 검출할 수 있는 분류기가 학습되어있어야 한다. 이러한 분류기는 훈련에 사용된 훈련 집합에 매우 의존적이어서, 다양한 환경의 비디오 영상에 모두 적용할 수 있는 분류기의 설계는 불가능하다. 또한 분류기의 학습을 위해서는 상당히 많은 수의 훈련 집합이 필요하므로, 이는 신뢰도 높은 분류기 학습을 위한 높은 비용을 초래한다. 본 논문에서는 이러한 문제를 해결 할 수 있는 온라인 학습 기반 사람 추적 방법을 제안한다. 실험 영상으로부터 적절하게 훈련 집합을 수집함으로써 해당 실험 영상에 최적화된 분류기의 학습이 가능하며, 다양한 환경의 영상에 적용적으로 설계될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.843-845
• /
• 2024

도메인 적응 사전 훈련(Domain-Adaptive Pre-training, DAPT)을 활용한 한국어 문서 요약 연구에서는 특정 도메인의 문서에 대한 이해도와 요약 성능을 향상시키기 위해 DAPT 기법을 적용했다. 이 연구는 사전 훈련된 언어 모델이 일반적인 언어 이해 능력을 넘어 특정 도메인에 최적화된 성능을 발휘할 수 있도록 도메인 특화 데이터셋을 사용하여 추가적인 사전 훈련을 진행한다. 구체적으로, 의료, 법률, 기술 등 다양한 도메인에서 수집한 한국어 텍스트 데이터를 이용하여 모델을 미세 조정하며, 이를 통해 얻은 모델은 도메인에 특화된 용어와 문맥을 효과적으로 처리할 수 있음을 보여준다. 성능 평가에서는 기존 사전 훈련 모델과 DAPT를 적용한 모델을 비교하여 DAPT의 효과를 검증했다. 연구 결과, DAPT를 적용한 모델은 도메인 특화 문서 요약 작업에서 성능 향상을 보였으며, 이는 실제 도메인별 활용에서도 유용할 것으로 기대된다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.21 no.10
• /
• pp.240-247
• /
• 2020

The Korean military is having difficulty maintaining combat power due to the insufficient troop numbers caused by a demographic cliff and the reduction of the mandatory military service period. Recently, discussions on improving the military training system have increased significantly. This paper proposes an optimization model to establish military training schedules to improve combat power. The oblivion and learning effects on training tasks were quantified through a survey and applied to the model. The objective value, combat power, was calculated based on the total task scores of the unit members and the number of task failures after four weeks. The scenarios were configured by the change in educational conditions and initial scores of some tasks. As a result of scenario experiments, combat power has increased by at least 10% and up to 77%, which is sufficient to maintain combat power considering the change in troops. In addition, the planning of combat skill tasks has a significant impact on combat power. Through this research model, it is expected that military training managers will be able to establish a training schedule that maintains or improves the combat power of troops effectively.