• 방송공학회논문지
• /
• 제26권2호
• /
• pp.184-196
• /
• 2021

본 논문은 객체 검출 알고리즘을 위한 통계치 적응적인 선형 회귀 기반 객체 크기 예측 방법을 제안한다. 기존에 제안된 딥 러닝 기반 객체 검출 알고리즘 중 YOLOv2 및 YOLOv3은 객체의 크기를 예측하기 위하여 네트워크의 마지막 계층에 통계치 적응적인 지수 회귀 모델을 사용한다. 하지만, 지수 회귀 모델은 역전파 과정에서 지수 함수의 특성상 매우 큰 미분값을 네트워크의 파라미터로 전파시킬 수 있는 문제점이 있다. 따라서 본 논문에서는 미분 값의 발산 문제를 해결하기 위하여 객체 크기 예측을 위한 통계치 적응적인 선형 회귀 모델을 제안한다. 제안하는 통계치 적응적인 선형 회귀 모델은 딥러닝 네트워크의 마지막 계층에 사용되며, 학습 데이터셋에 존재하는 객체들의 크기에 대한 통계치를 이용하여 객체의 크기를 예측한다. 제안하는 방법의 성능 평가를 위하여 YOLOv3 tiny를 기반으로 제안하는 방법을 적용하여 재설계한 네트워크의 검출 성능과 YOLOv3 tiny의 검출 성능을 비교하였으며, 성능 비교를 위한 데이터셋으로는 UFPR-ALPR 데이터셋을 사용하였다. 실험을 통해 제안하는 방법의 우수성을 검증하였다.

• 한국정보통신학회논문지
• /
• 제23권8호
• /
• pp.975-980
• /
• 2019

본 논문에서는 차세대 이동통신 시스템의 핵심 요소 기술 중의 하나로 각광 받고 있는 다중 사용자 다중 안테나 네트워크에서 사용자 선택을 위한 심화 학습 기반 스케쥴링 기법을 제안한다. 제안된 신경망을 학습시키기 위하여 기존의 최적 방식을 통해서 90,000 데이터 샘플을 확보하였으며, 추가적인 10,000 데이터 샘플을 이용하여 최종 학습된 신경망의 과최적화 여부를 확인하였다. 제안된 신경망 기반의 스케쥴링 알고리즘은 초기 학습 시에는 상당한 복잡도와 학습 시간이 필요하지만, 일단 학습이 완료된 이후에는 추가적인 복잡도가 유발되지 않는 장점이 있다. 반면에, 기존의 최적 방식은 매 스케쥴링마다 동일한 복잡도의 계산이 지속적으로 요구된다. 다양한 컴퓨터 시뮬레이션 결과에 따르면, 제안된 심화 학습 기반의 스케쥴링 기법은 10dB 보다 낮은 SNR에서는 기존 최적 알고리즘의 약 88~96%에 이르는 평균 전송 속도의 합을 얻을 수 있으며, 10dB 이상의 SNR에서는 최적의 평균 전송 속도의 합을 얻을 수 있다.

• 실천공학교육논문지
• /
• 제10권1호
• /
• pp.49-56
• /
• 2018

비전공 학부생을 대상으로 다양한 방식의 SW 교육이 대학별로 운영되고 있다. 그리고 대부분 컴퓨팅적 사고를 교육하는 데 초점을 맞추고 있다. 이러한 컴퓨팅 교육에 이어서 학생들마다 창의적인 컴퓨팅 산출물을 구현하고 평가하는 교육 방식이 필요하다. 본 논문에서는 창의적 컴퓨팅 산출물 기반 SW교육을 실현하는 한 가지 방안을 제안한다. 이를 위해 학생들이 디지털논리회로 장치를 창의적으로 구현하고, 이 장치의 기능을 구현하는 SW알고리즘을 디자인하는 교육방법을 제안한다. 제안한 교육 방법에서는 아두이노 보드를 사용한 간단한 LED 논리회로를 예로 들어 교육한다. 학생들은 2변수 논리회로 출력장치 두 쌍을 창의적으로 설계 및 구현하고, 구현한 장치의 패턴을 나타내는 알고리즘을 다양한 형태로 설계한다. 그리고 입력장치를 이용한 기능 확장 및 확장된 알고리즘을 설계한다. 제안한 교육방법을 적용하면, 비전공 학생들이 창의적 컴퓨팅 산출물 제작을 통해 알고리즘 설계의 개념과 필요성을 습득하는 성과를 얻을 수 있다.

• 한국산학기술학회논문지
• /
• 제20권4호
• /
• pp.336-344
• /
• 2019

교육부(2015)에서 "초 중등학교 2015 개정 교육과정"을 고시하고 초 중학교에서 컴퓨팅 사고력 함양을 위한 소프트웨어교육을 2018년부터 단계적으로 초 중 고등학교의 교육과정에 필수적으로 적용함에 따라 '문제해결과 프로그래밍'이 중요한 영역으로 부각되었다. 한편, 우리가 살고 있는 이 시대는 홍수처럼 쏟아져 나오는 빅데이터를 분석하고 활용하는 능력이 더욱 강조되어 가고 있다. 이러한 시대의 흐름에 따라 학생들의 문제해결력과 프로그래밍/수학 흥미도를 향상시키는 수업을 구상하였고 이는 정보와 수학, 즉 프로그래밍과 통계적 소양을 겸비하는 통계-파이썬 프로그래밍 융합교육과정을 개발하고 적용해 봄으로써 유의한 차이를 검증해 보고자 한다. 실험처치 전 후 문제해결력 검사와 프로그래밍/수학 흥미도 검사를 실시하였고 대응표본 t-검정으로 비교분석하였다. 분석 결과에 의하면 문제해결력에 관한 사전 사후 검사 결과 유의도 수준 0.05에서 유의한 차이가 있었으며, 프로그래밍 흥미도와 수학흥미도의 사전 사후 검사 결과 역시 유의도 수준 0.05에서 유의한 차이가 있었다.

• 한국음향학회지
• /
• 제38권1호
• /
• pp.106-113
• /
• 2019

본 논문은 능동소나 시스템이 비협동으로 운용될 경우 수신된 직접파로 부터 이를 탐지하여 식별하는 일련의 알고리즘을 제안하였다. 제안하는 알고리즘은 최근 다양한 분야에서 우수한 성능을 보여주고 있는 콘볼루션 신경회로망을 사용하였으며, 입력 데이터로 수신신호를 단시간 퓨리에 변환을 수행한 시간 주파수 분석 데이터를 사용하였다. 본 논문에서 사용한 콘볼루션 신경회로망의 구조는 두 개의 콘볼루션 계층과 풀링 계층을 사용하였으며, 출력층에 따라 데이터베이스 기반의 신경회로망과 펄스 특징인자 기반의 신경회로망을 설계하였다. 알고리즘의 성능을 검증하기 위해 실제 해상에서 수신한 3110개의 CW(Continuous Wave)펄스와 LFM(Linear Frequency Modulated) 펄스의 데이터를 가공하여 학습 데이터와 테스트 데이터를 구성하였다. 시뮬레이션을 수행한 결과 데이터베이스 기반의 신경회로망은 99.9 %의 정확도를 보였으며, 특징인자 기반의 신경회로망은 두 픽셀의 오차를 허용할 경우 약 96 %의 정확도를 보였다.

• 한국인터넷방송통신학회논문지
• /
• 제19권1호
• /
• pp.1-8
• /
• 2019

대량의 로그 자료로부터 가장 적합한 정보를 추출하기 위한 방법 중 귀납 추리를 이용한 방법이 있다. 본 논문에서는 디지털 포렌식 분석에서 침입 흔적 로그의 순위를 결정하기 위하여 귀납 추리를 이용한 방법 중 분류에 있어서 우수한 SVM(Support Vector Machine)을 이용한다. 이를 위하여, 훈련 로그 집합의 로그 데이터를 침입 흔적 로그와 정상 로그로 분류한다. 분류된 각 집합으로부터 연관 단어를 추출하여 연관 단어 사전을 생성하고, 생성된 사전을 기반으로 각 로그를 벡터로 표현한다. 다음으로, 벡터로 표현된 로그를 SVM을 이용하여 학습하고, 학습된 로그 집합을 기반으로 테스트 로그 집합을 정상 로그와 침입 흔적 로그로 분류한다. 최종적으로, 포렌식 분석가에게 침입 흔적 로그를 추천하기 위하여 침입 흔적 로그의 추천 순위를 결정한다.

• 한국인터넷방송통신학회논문지
• /
• 제19권1호
• /
• pp.279-287
• /
• 2019

본 논문에서는 신체의 움직임 정보와 족압 분포의 변화를 측정하여 신체 균형 능력을 분석하고자 하였다. 그래서 관성측정장치와 FSR 센서를 사용하여 관절가동범위와 신체압력중심을 측정하고 분석할 수 있는 프로그램을 개발하였고, 이에 대한 결과를 바탕으로 균형 능력 개선에 도움을 줄 수 있는 콘텐츠를 제작하였다. 이 프로그램에서 측정된 관절가동범위와 신체압력중심의 정량적인 값을 실시간으로 시각화하여 사용자가 결과를 쉽게 알 수 있도록 하였다. 또한 콘텐츠는 측정된 균형정보를 바탕으로 난이도가 조절되며 균형능력을 개선하고자 하는 방향에 맞춰 수행할 수 있도록 제작되었다. 이것은 사용자의 동작에 따라 움직이는 물체를 보면서 진행하는 시각 되먹임 방법을 이용하여 집중력과 참여의지를 높여 더욱 효과적인 균형 훈련 결과를 기대할 수 있다.

• 한국융합학회논문지
• /
• 제10권5호
• /
• pp.35-42
• /
• 2019

최근 사물인터넷과 다양한 웨어러블 기기들이 등장하면서 인터넷 기술은 보다 편리하게 정보를 얻고 업무를 수행하는데 기여하고 있으나 인터넷이 다양한 부분에 이용되면서 공격에 노출되는 Attack Surface 지점이 증가하고 있으며 개인정보 획득, 위조, 사이버 테러 등 부당한 이익을 취하기 위한 목적의 네트워크 침입 시도 또한 증가하고 있다. 본 논문에서는 네트워크에서 발생하는 트래픽에서 비정상적인 행동을 분류하기 위한 희소클래스의 분류 성능을 개선하는 특징선택을 제안한다. UNSW-NB15 데이터셋은 다른 클래스에 비해 상대적으로 적은 인스턴스를 가지는 희소클래스 불균형 문제가 발생하며 이를 제거하기 위해 언더샘플링 방법을 사용한다. 학습 알고리즘으로 SVM, k-NN 및 decision tree를 사용하고 훈련과 검증을 통하여 탐지 정확도와 RMSE가 우수한 조합의 서브셋들을 추출한다. 서브셋들은 래퍼 기반의 실험을 통해 재현률 98%이상의 유효성을 입증하였으며 DT_PSO 방법이 가장 우수한 성능을 보였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권4호
• /
• pp.79-86
• /
• 2019

본 논문에서 인공 신경망을 이용한 시계열 데이터 예측 사례에 대해 서술한다. 본 연구에서는 텐서 플로우 라이브러리를 사용하여 배치 기반의 인공 신경망과 스타케스틱 기반의 인공신경망을 구현하였다. 실험을 통해, 구현된 각 신경망에 대해 훈련 에러와 시험에러를 측정하였다. 신경망 훈련과 시험을 위해서 미국의 인디아나주의 공식 웹사이트로부터 8개월간 수집된 세금 데이터를 사용하였다. 실험 결과, 배치 기반의 신경망 기법이 스타케스틱 기법보다 좋은 성능을 보였다. 또한, 좋은 성능을 보인 배치 기반의 신경망을 이용하여 약 7개월 간 종합 세수 예측을 수행하고 예측된 결과와 실제 데이터를 수집하여 비교 실험을 진행 하였다. 실험 결과, 예측된 종합 세수 금액 결과가 실제값과 거의 유사하게 측정되었다.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.673-681
• /
• 2021

본 연구는 교육대학원에서의 인공지능 교육 과목의 운영사례이다. 교육 과정은 머신러닝의 이해와 실습, 데이터 분석, 엔트리를 이용한 인공지능의 실제, 인공지능과 피지컬 컴퓨팅 등으로 구성되었다. 교육효과에 대한 설문 조사 결과, 수강생들은 초등학교 현장으로의 적용 용이성과 수업 우선순위로 엔트리 인공지능 블록의 활용, 피지컬 컴퓨팅 도구로써 대장장이 보드의 활용을 선호하였다. 데이터 분석 영역은 수학교과의 데이터와 그래프 교육과의 연계 등에서 그 효과성이 있으며. 피지컬 컴퓨팅 도구로 허스키 렌즈는 고유의 이미지 처리 기능을 활용하면 자율주행차 메이커 교육에 유용한 것으로 나타났다. 바람직한 인공지능교육으로는 수준별 교육과정, 데이터 수집 및 분석 교육의 강화 등이 요구되었다.