• 방송공학회논문지
• /
• 제26권4호
• /
• pp.368-376
• /
• 2021

인공지능 클라우드는 학습된 모델 공유 및 실행 환경을 제공하여 인공지능 기술과 제어 기술을 융합하는 자율 사물 개발을 지원한다. 기존 자율 사물 개발 기술은 인공지능 모델의 정확도만을 고려하여 은닉 계층 수 및 커널 수 증가 등 모델의 복잡성을 증가시켜 결과적으로 많은 연산량을 요구하게 한다. 자원 제약적 컴퓨팅 환경은 해당 모델이 필요로 하는 충분한 자원을 제공할 수 없어 자율 사물의 실시간성 장애를 발생시킬 수 있다. 본 논문은 컴퓨팅 환경에 최적화된 인공지능 모델을 선택하는 디지털 트윈 소프트웨어 개발 프레임워크를 제안한다. 제안 프레임워크는 DNN 기반 부하 예측 모델을 활용하여 제어 소프트웨어를 개발한다. 부하 예측 모델은 디지털 트윈을 활용하여 인공지능 모델의 부하를 예측하여 특정 컴퓨팅 환경에 최적의 모델 선택을 지원한다. 대표적인 CNN 모델을 활용한 부하 예측 실험으로 제안 부하 예측 DNN 모델이 수식 기반 부하 예측 대비 최대 20%의 오류를 보임을 확인했다.

• 한국산학기술학회논문지
• /
• 제22권2호
• /
• pp.283-289
• /
• 2021

4차 산업혁명에 기반하여 열린 스마트 홈 시대의 메인 허브 역할을 하는 인공지능 스피커에 많은 장애인의 관심이 모이고 있다. 그러나 인공지능 스피커를 향한 장애인의 니즈(Needs)에 비하여 현재까지 인공지능 스피커를 사용하는 장애인 사용자의 수는 매우 저조하다. 이에 본 연구는 장애 유형 중 가장 많은 수를 차지하는 지체장애인에 초점을 맞추어 지체장애인의 인공지능 스피커 사용 의도를 파악하는 것을 목적으로 하였다. 이에 따라 본 연구는 장애인의 인공지능 스피커 사용 의도에 영향을 미치는 요인을 확인하고 요인 간 인과관계를 분석하기 위하여, 최근 첨단 IT 기술의 수용과 관련하여 설명력이 높은 모형으로 알려진 기술수용모델(Technology Acceptance Model, TAM)을 활용하였다. 기술수용모델의 이론적 모델을 바탕으로 인공지능 스피커에 대한 인지된 용이성과 인지된 유용성이 장애인의 인공지능 스피커 사용 의도에 미치는 영향을 구조방정식(Structural Equation Modeling, SEM)을 이용하여 분석하였다. 연구 결과 기술수용모델은 지체장애인의 인공지능 스피커 사용 의도를 파악하기 위해 적합한 모형인 것으로 확인되었으며, 구체적으로 인공지능 스피커에 대한 인지된 용이성은 유용성에 유의미한 영향을 미치는 것으로 나타났다. 또한, 지체장애인의 인공지능 스피커에 대한 인지된 용이성은 사용 의도에 통계학적 유의미한 영향을 미치지 않는 것으로 나타났으며, 인지된 유용성은 사용 의도에 유의미한 영향을 나타내는 것으로 나타났다. 본 연구를 통해 장애인의 인공지능 스피커 사용 의도에 영향을 미치는 요인을 확인하고 요인 간 인과관계를 확인할 수 있었으며, 이는 장애인 맞춤형 인공지능 스피커 서비스 개발과 장애인의 인공지능 스피커 사용성을 향상을 위한 기초자료로써 의의가 있다.

• Korean Journal of Radiology
• /
• 제24권7호
• /
• pp.601-605
• /
• 2023

• ETRI Journal
• /
• 제46권1호
• /
• pp.127-136
• /
• 2024

The Korean language has written (formal) and spoken (phonetic) forms that differ in their application, which can lead to confusion, especially when dealing with numbers and embedded Western words and phrases. This fact makes it difficult to automate Korean speech recognition models due to the need for a complete transcription training dataset. Because such datasets are frequently constructed using broadcast audio and their accompanying transcriptions, they do not follow a discrete rule-based matching pattern. Furthermore, these mismatches are exacerbated over time due to changing tacit policies. To mitigate this problem, we introduce a data-driven Korean spoken-to-written transcription conversion technique that enhances the automatic conversion of numbers and Western phrases to improve automatic translation model performance.

• 한국인공지능학회지
• /
• 제12권1호
• /
• pp.17-24
• /
• 2024

This paper introduces a novel approach to time-series estimation for energy load forecasting within Virtual Power Plant (VPP) systems, leveraging advanced artificial intelligence (AI) algorithms, namely Long Short-Term Memory (LSTM) and Seasonal Autoregressive Integrated Moving Average (SARIMA). Virtual power plants, which integrate diverse microgrids managed by Energy Management Systems (EMS), require precise forecasting techniques to balance energy supply and demand efficiently. The paper introduces a hybrid-method forecasting model combining a parametric-based statistical technique and an AI algorithm. The LSTM algorithm is particularly employed to discern pattern correlations over fixed intervals, crucial for predicting accurate future energy loads. SARIMA is applied to generate time-series forecasts, accounting for non-stationary and seasonal variations. The forecasting model incorporates a broad spectrum of distributed energy resources, including renewable energy sources and conventional power plants. Data spanning a decade, sourced from the Korea Power Exchange (KPX) Electrical Power Statistical Information System (EPSIS), were utilized to validate the model. The proposed hybrid LSTM-SARIMA model with parameter sets (1, 1, 1, 12) and (2, 1, 1, 12) demonstrated a high fidelity to the actual observed data. Thus, it is concluded that the optimized system notably surpasses traditional forecasting methods, indicating that this model offers a viable solution for EMS to enhance short-term load forecasting.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.774-776
• /
• 2024

The effective implementation of advanced speech recognition (ASR) systems necessitates the deployment of sophisticated keyword spotting models that are both responsive and resource-efficient. The initial local detection of user interactions is crucial as it allows for the selective transmission of audio data to cloud services, thereby reducing operational costs and mitigating privacy risks associated with continuous data streaming. In this paper, we address these needs and propose utilizing the Whisper-Tiny model with fine-tuning process to specifically recognize keywords from google speech dataset which includes 65000 audio clips of keyword commands. By adapting the model's encoder and appending a lightweight classification head, we ensure that it operates within the limited resource constraints of local devices. The proposed model achieves the notable test accuracy of 92.94%. This architecture demonstrates the efficiency as on-device model with stringent resources leading to enhanced accessibility in everyday speech recognition applications.

• 산업경영시스템학회지
• /
• 제44권2호
• /
• pp.85-92
• /
• 2021

Ambient Air Vaporizer (AAV) is an essential facility in the process of generating natural gas that uses air in the atmosphere as a medium for heat exchange to vaporize liquid natural gas into gas-state gas. AAV is more economical and eco-friendly in that it uses less energy compared to the previously used Submerged vaporizer (SMV) and Open-rack vaporizer (ORV). However, AAV is not often applied to actual processes because it is heavily affected by external environments such as atmospheric temperature and humidity. With insufficient operational experience and facility operations that rely on the intuition of the operator, the actual operation of AAV is very inefficient. To address these challenges, this paper proposes an artificial intelligence-based model that can intelligent AAV operations based on operational big data. The proposed artificial intelligence model is used deep neural networks, and the superiority of the artificial intelligence model is verified through multiple regression analysis and comparison. In this paper, the proposed model simulates based on data collected from real-world processes and compared to existing data, showing a 48.8% decrease in power usage compared to previous data. The techniques proposed in this paper can be used to improve the energy efficiency of the current natural gas generation process, and can be applied to other processes in the future.

• 한국인공지능학회지
• /
• 제12권3호
• /
• pp.25-31
• /
• 2024

The purpose of this study is to develop a sophisticated web-based artificial intelligence chatbot system designed to provide personalized dietary service for diabetic patients. According to a 2022 study, the prevalence of diabetes among individuals over 30 years old was 15.6% in 2020, identifying it as a significant societal issue with an increasing patient population. This study uses generative AI algorithms to tailor dietary recommendations for the elderly and various social classes, contributing to the maintenance of healthy eating habits and disease prevention. Through meticulous fine-tuning, the learning loss of the AI model was significantly reduced, nearing zero, demonstrating the chatbot's potential to offer precise dietary suggestions based on calorie intake and seasonal variations. As this technology adapts to diverse health conditions, ongoing research is crucial to enhance the accessibility of dietary information for the elderly, thereby promoting healthy eating practices and supporting disease prevention.

• 정보보호학회논문지
• /
• 제28권6호
• /
• pp.1563-1583
• /
• 2018

전자금융 규제 완화와 함께 핀테크가 활성화되었다. 인공지능에 대한 논의가 금융업에서도 활발하다. 하지만 신기술의 이면에는 보안 위협의 증가라는 문제가 있다. 과거보다 연결이 되고, 금융업의 채널과 주체가 다양해지면서 보안 취약점이 증가했다. 보안에 대한 기술적, 정책적 논의가 있지만 결국 모든 논의의 본질은 인간이다. 금융의 기본은 신뢰와 보안이고, 이를 위해 인간적 요소에 대한 관심은 중요하다. 본 연구는 금융 보안을 위한 인간과 인공지능의 역할을 각각 제시한다. 나아가 인간과 인공지능이 서로의 한계를 보완한 협업 모델을 도출한다. 이를 뒷받침하기 위해 금융과 IT의 발전, 인공지능, 휴먼팩터, 그리고 금융 보안 위협에 대해 우선 논한다. 본 연구는 신기술의 시대에 보안 위협이 심화되지만 반대로 기계, 기술을 활용하여 이를 극복할 수 있다는 방향성을 제안한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권1호
• /
• pp.35-44
• /
• 2021

4차 산업 혁명 시대의 도래에 따라 직업 환경의 변화가 가속화되고 있으며, 이와 함께 교육의 패러다임이 자유학기제와 고교학점제에 바탕을 둔 진로교육을 중심으로 변화하고 있다. 하지만, 학생들의 자율적인 진로 탐색을 지향하는 자유학기제 및 고교학점제의 정책적 목표와 달리, 진로교육 콘텐츠의 개발과 이용에 있어 교사 및 학생들의 한계가 존재하고, 이를 뒷받침할 에듀테크 기술 연구 역시 상대적으로 부족한 실정이다. 따라서 본 연구는, 교육 현장에서의 진로교육 실태를 바탕으로, 에듀테크 기술이 교과연계 진로교육과 관련해 갖춰야 할 요구조건을 세 가지로 정의하였다. 다음으로 데이터 기반 인공지능 기술을 통해, 진로탐색용 탐구주제와 고교 과목, 그리고 대학에서 수학 가능한 전공을 아우를 수 있는 데이터 시스템 및 인공지능 추천 모델을 제안하였다. 마지막으로 실험을 통해, 셋 인코딩-디코딩 기반 인공지능 추천 모델이 진로교육 콘텐츠 추천에서 만족할 만한 성능을 보이는 것을 확인하였고, 교육 현장에서의 실제 적용 결과 또한 만족스럽다는 것을 확인하였다.