• 인터넷정보학회논문지
• /
• 제9권2호
• /
• pp.107-118
• /
• 2008

Agile 소프트웨어 개발의 대표적인 방법론인 XP(eXtreme Programming)에서는 현장에서 바로 활용할 수 있는 아주 기본적인 프로세스만을 정의하고, 개발 그 자체에 집중하여 효율성을 극대화한다. 그러나 XP의 실천사항들은 개발에 집중되어 있어 개발 산출물에 대한 관리는 간과되기 쉬우며, 또한 관리적인 부분에 대한 지침이나 연구는 그 중요성에 비하여 미흡한 실정이다. 개발 과정 중 합의된 산출물의 변경과정에 대한 절차나, 지속적인 통합과 리팩토링을 위한 적절한 절차도 정의되어 있지 않아 산출물의 무결성을 보장하기가 어렵다. 이러한 문제점을 극복하기 위해서는 주요 산출물들에 대한 형상관리가 요구된다. XP에 형상 관리를 적용하기 위해서는 CMMI의 형상 관리 프로세스 영역을 참조하는 것이 바람직하다. CMMI는 형상 관리의 요건을 정의하고, 그 구현은 환경에 맞게 조정하는 것을 권장하기 때문에, 각 개발방식의 특성에 맞추어 적용할 수 있다. XP 방법론을 채택한 조직들에게 XP의 특성을 살리면서 CMMI에 기반한 형상 관리를 수행할 수 있는 지침이 제공된다면, XP의 지속적인 통합과 리팩토링, 짧은 릴리즈 주기와 같은 기민함을 유지하면서 산출물들의 무결성도 보장 할 수 있을 것이다. 본 연구에서는 CMMI를 기반으로 XP에서 적용될 수 있는 형상 관리 프로세스 요소를 추출하고, 그 요소들을 기반으로 XP의 형상 관리 활동을 위한 적용 지침을 개발하였다.

• 한국측량학회지
• /
• 제37권3호
• /
• pp.177-188
• /
• 2019

최근 '묻지마 범죄'가 늘면서 시민들의 불안감이 커지고 있으며, 이로 인해 시민 삶의 질이 저하되고 범죄에 대해 느끼는 두려움의 정도가 증대되고 있다. 이에 본 연구에서는 실제 범죄발생 현황 외 범죄관련 여러 변수를 바탕으로 시민이 심리적으로 느끼는 범죄발생 우려 장소(점 선 면)를 멘탈 맵의 방법론을 사용하여 작성하고, 커널(kernel) 밀도 추정 분석을 활용한 공간중첩분석을 통해 범죄발생 우려 지역 도출을 목적으로 한다. 그 결과 지역주민의 민원요청 지점과 범죄발생 우려 지역이 서로 중복되어 나타났다. 또한, 범죄 두려움을 나타내는 멘탈 맵은 주로 시설간의 점이지역, 좁은 골목, 방범 CCTV 및 가로등 보안등 미설치 지역, 시간대별 유동인구가 적은 지역을 중심으로 지도화하여 구축되었다. 본 연구는 범죄 관련 기존 선행연구와는 달리, 멘탈 맵이라는 방법론을 사용하여 범죄발생 우려 지역을 도출하는 연구를 시도했다는 점에서 의의가 있다. 더불어 멘탈 맵 등 본 연구의 결과물은 범죄취약지도 구축, 범죄예방 환경설계의 가이드라인 등 다양한 분야에서의 활용이 가능할 것이다.

• 한국산학기술학회논문지
• /
• 제22권6호
• /
• pp.67-74
• /
• 2021

육군 지상작전사령부는 4차 산업혁명 기술의 고도화와 변화된 안보환경에 따른 미래 지상작전 승리를 도모하기 위해 국방 분야에 인공지능(AI)을 적용하기 위한 다양한 방법론을 연구하였다. 인공지능을 적용하여 지상작전을 혁신하기 위한 추진전략과 과제를 개발하는 방법으로 PEST-7S-SWOT 방법론을 적용하였다. PEST-7S-SWOT 방법은 3단계로 적용하여 1단계는 외부환경요인 분석단계로 PEST 방법을 적용하여 외부환경 영향요소를 기회와 위험요인으로 도출하고, 2단계는 내부환경요인 분석단계로 7S 방법을 적용하여 조직의 현 상태분석을 통해 강점과 약점요인을 도출할 수 있었다. 마지막 3단계는 SWOT 분석을 적용하는 단계로 1단계의 기회 및 위험요인과 2단계의 강점과 약점요인을 기준으로 대응전략을 수립하여 추진전략과 과제를 도출하였다. 본 연구를 통해 지상작전사령부의 AI 발전을 위해 정책 및 제도 발전, 조직 및 편성 강화, AI 발전기반 구축, 전문성 및 능력 제고 등 4개 분야의 AI 추진전략과 11개 추진과제를 도출하였다.

• 대한토목학회논문집
• /
• 제30권5D호
• /
• pp.443-451
• /
• 2010

본 연구는 실시간 차량정보를 이용한 안전권고속도의 산정방안에 대한 연구이다. 여기서 실시간 차량정보는 모든 차량에 ECU 수집장치를 탑재하고 끊김없는 무선 통신이 이루어짐에 따라 운전자에게 제공할 수 있는 유용한 정보이다. 이러한 실시간 차량정보를 기반으로, 도로노면정보가 실시간으로 센싱될 경우에 유용한 안전권고속도 모형을 개발하였다. 여기서, 안전권고속도는 "A단일 구간에 대한 시간적 흐름에 따른 교통환경 및 도로노면상태 변화에 따른 안전 속도"로 정의하였고, 차량간의 안전거리, 통계적 차량속도, 노면상태 정보를 기반으로 그 값을 산정하도록 모형을 개발하였다. 이후, 미시적 시뮬레이터인 VISSIM을 기반으로 교통상황(원활, 정체), 유고상황(미발생, 발생), 노면상태(건조, 습윤, 적설)에 따른 권고속도의 관계를 살펴보았다. 12가지의 시뮬레이션 시나리오의 결과로 3가지 변수와 권고속도는 유의한 관계성과 그 추세를 확인할 수 있었다. 본 안전권고속도 모형에서는 안전권고속도가 평균속도보다 높게 유지하도록 하나 유고의 발생, 노면상태의 변화에 따라 실시간으로 안전속도를 변화하도록 제시하고 있다. 이러한 연구는 향후 스마트하이웨이와 같은 도로에서 운전자들이 제공받을 수 있는 도로교통과 IT가 융합된 중요한 서비스로 기대되는 바이다.

• 대한토목학회논문집
• /
• 제26권1B호
• /
• pp.79-88
• /
• 2006

본 연구에서는 제내지와 하도를 연계한 하천유역의 홍수유출해석기법을 개발하였다. 하천변 저지대를 저류지역(Storage Area)으로 구성하고 자연배수시설과 배수펌프장을 모의할 수 있는 기능에 의해 하도와 연결한 후 부정류해석을 수행하였다. 그 결과 유역에서 저지대로 유입한 홍수량과 저지대에서 하천으로 배제되는 홍수량의 차이를 산정하여 내수침수를 유발하는 저류량과 침수위을 결정하였다. 또한, 모형의 하도와 저류지간에 측방구조물을 설치하고 그 상단부에 위어를 설치하여 하도의 홍수위가 제방고 보다 높을 경우 발생하는 외수월류를 모의하며, 여기에 제방파괴(Levee Breach) 기능을 추가하여 파제 상황에서의 외수범람 영향을 분석할 수 있도록 하였다. 이렇게 결정된 시간대별 침수위를 저지대의 표고와 비교함으로써 침수지역을 식별하고 침수심별로 상이한 형태의 시각정보로 변환하여 시간대별, 침수심별 예상침수지도를 작성하였다. 본 모형의 적용 결과 시간대별로 하천의 홍수위와 유역에서 하도로 유입하는 홍수량 및 외수월류와 제방파괴에 의해 제내지로 역류하는 홍수량, 그리고 하천변 저지대의 침수심과 침수면적 및 침수량 등을 산출할 수 있게 되어 치수계획 수립에 필수적인 다양한 정보를 획득할 수 있었다. 아울러 본 모형을 삽교천 유역에 적용한 결과 실제 발생한 홍수사상의 특성을 잘 재현하여 상기한 정보들이 충분한 활용가치가 있는 것으로 평가되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.455-460
• /
• 2023

텍스트 증강은 자연어처리 모델의 성능 향상을 목적으로 원본 텍스트의 변환, 생성을 통하여 새로운 증강 텍스트를 생성하는 방법론이다. 기존 연구된 기법들은 표현적 다양성 부족, 의미 왜곡 , 한정적인 양의 증강 텍스트와 같은 한계점이 존재한다. 거대언어모델과 few-shot learning을 활용한 텍스트 증강은 이러한 한계점의 극복이 가능하지만, 잘못된 생성으로 인한 노이즈 발생의 위험성이 존재한다. 본 논문에서는 여러 후보 텍스트를 생성하고 적합한 텍스트를 증강 텍스트로 선정하는 TAGS를 제안한다. TAGS는 기존 텍스트 few shot learning을 통해 다양한 표현을 생성하면서 대조 학습과 유사도 비교를 통해 원본 텍스트가 적더라도 적합한 데이터를 효과적으로 선정한다. 이를 텍스트 증강이 필수적인 업무용 챗봇 데이터에 적용하여 60배 이상의 양적 향상을 달성하였다. 또한 증강 텍스트의 질적 향상을 확인하기 위해 실제 생성된 텍스트를 분석하여 원본 텍스트에 비해 의미론적, 표현적으로 다양한 텍스트를 생성함을 확인하였으며, 증강 텍스트로 실제 분류 모델을 학습하고 실험하여 실질적으로 자연어처리 모델 성능 향상에 도움이 되는 것을 확인하였다.

• 해양환경안전학회지
• /
• 제29권6호
• /
• pp.704-711
• /
• 2023

본 논문은 직류전동기(DC motor)와 전기적인 특성은 유사하지만, 수명과 신뢰성이 향상된 BLDC 모터의 제어기법에 대해 언급하고 있다. BLDC모터는 회전자의 위치 정보를 사용하여 직류전동기의 기계적인 접촉에 의한 정류 장치를 제거함으로써 내구성과 속도 안정성을 향상시킬 수 있다. 본 연구에서는 BLDC모터의 권선에 흐르는 전류가 직류전동기의 전기자에 흐르는 구형파 형태의 전류인 것에 착안하여 직류전동기에 대한 제어기를 설계하고, 설계된 제어기를 3상 BLDC모터에 적용하여 제어기의 유효성을 확인하였다. 이를 위해 3상 BLDC모터의 전기적인 파라미터 값을 가지는 단상 직류전동기의 모델링을 실시하였고, 도출된 시스템에 대해 근궤적법을 적용하여 전동기의 속도제어를 위한 PI 제어기를 설계하였다. DC 전동기의 속도제어 시뮬레이션을 시행하여 제어기의 성능을 확인하였고, 동일한 제어기를 MATLAB으로 구현한 3상 BLDC모터의 속도제어에 적용하였다. DC 전동기와 유사한 제어 결과를 3상 BLDC모터에서 얻을 수 있었고, 이를 통해 연구에서 제안한 제어기법의 유용성을 확인할 수 있었다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.

• 제어로봇시스템학회논문지
• /
• 제7권9호
• /
• pp.717-722
• /
• 2001

최근 국내 수출입 물량의 증가와 더불어 항망 및 물류 처리시설의 자동화에 대한 요구가 절실하다. 특히 제한된 공간 내에서 효율적으로 화물의 적화 및 하역을 해야하는 컨테이너 수송용 트레일러의 경우 후진 및 주차기능이 매우 중요하다. 일반적으로 트레일러 형 차량은 트랙터의 속도와 방향을 제어하여 트레일러의 위치 및 방위를 제어하는 논홀로노믹(Non-holonomic)제어시스템으로서 제어하기가 까다로우며 특히, 후방경로 주행에 있어서는 시스템이 불안정해지지 쉽기 때문에 더욱 더 정교한 제어가 요구되고 있다. 아울러 자립(Self-contained) 이동 시스템의 실제 구현에 있어서는 CPU의 처리능력, 뱃터리 용량 등 여러가지 물리적 제약조건을 고려하여 시스템을 통합하여야 하므로 시스템의 대형화나 알고리즘 복잡성을 줄이는 노력이 필요하다. 제어하는데 있어서 CPU에 부담을 덜어주기 위해 복잡한 알고리즘을 피하면서 광범위한 운전영역에서 큰 무리없이 동작할 수있도록 하는데 역점을 둘 필요가 있다. 따라서 본 논문에서는 선형 모델을 얻고 이를 근거로 후방직선경로를 안전하고 정확히 추종할수 있는 상대 피드백 제어기를 설계하는 무제를 다룬다. 일반적으로 트레일러형 로봇의 후방경로 제어는 몸체의 질량. 관성 등과 같은 동역학적 요소와 길이, 폭등과 같은 운동학적 요소가 동시에 고려되어져야 하지만, 로봇의 병진속도와 회전각속도 제어를 담당하는 하위의 제어기를 미리확보한 것으로 간주하고 운동학적 요소만을 고려하였다. 먼저 로봇의 비선형 기구학적 모델로부터 선형모델의구조를 결정하고, 실제 장치를 Sinusoidal 형태로 주행시키면서 얻어진 입출력 데이터와 실수코딩 유전알고리즘 (Real-coded genetic algorithm: RCGA)을 이용하여 그 파라미터를 추정한다. 이와 같이 추정된 모델에 기초한 상대 피드백 제어기가 극배치법으로 설계되어졌으며, 제안된 방법에 대한 유효성은 실제 실험장치를 통해 검증되어진다.}$/ml와 150 $\mu\textrm{g}$/ml로 hydroxyl radical의 소거 능이 좋은 vitamin C (180 $\mu\textrm{g}$/ml) 보다 뛰어난 소거 활성을 나타내었다. Superoxide radical을 소거하는 효과는 초두구 추출물의 $IC_{50}$/ 값 10 $\mu\textrm{g}$/ml, 빈랑 추출물이 15 $\mu\textrm{g}$/ml을 나타냈고, 이는 기준 물질인 vitamin C (35 $\mu\textrm{g}$/ml)보다 좋은 소거 활성을 보여주었으며, gallic acid 9 $\mu\textrm{g}$/ml과 유사한 효과를 나타내었다. 사람 섬유아세포를 배양하여 hydroxyl radical과 superoxide radical를 발생시킨 후 초두구와 빈랑 추출물의 세포 보호 효과를 실험한 결과 25 $\mu\textrm{g}$/ml의 농도로 처리하였을 때 각각 85% 이상의 우수한 세포 보호 효과를 나타내었다. 초두구로부터는 자유라디칼 소거 활성이 있는 물질을 분리하기 위하여 분획한 후 가장 높은 소거 활성을 보인 에틸아세테이트 층에 대하여 silica column chromatography, preparative TLC를 수행하였다. 초두구로부터 분리된 물질은 HPLC를 이용한 분리에서 phenol성 물질인 gallic acid와 동일한 retention time을 보여줌으로써 초두구로부터 분리된 물질은 gallic acid와 유사한 phenol성 물질이거나 그의 유도체일 것으로 추측된다. 따라서, 초두구와 빈랑 추출물은 피부 노화의 주요인이 되고 있는 lipid radical, hydroxyl radical, superoxide radical을 소거하는 활성이 뛰어나 자유라디칼에 의하여

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.