• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (하)
• /
• pp.2001-2004
• /
• 2003

비정상 행위의 탐지를 위한 침입탐지 시스템의 성능을 좌우하는 가장 큰 요인들은 패킷의 손실없는 수집과 해당 도메인에 알맞은 분류 기법이라 할 수 있다. 본 논문에서는 기존의 탐지엔진에 적용된 알고리즘의 부류에서 벗어나 Instance 기반의 알고리즘인 IBL(Instance Based Learning)을 선택하여 학습시간의 단축과 패턴생성에 따른 분류근거의 명확성을 고려였다. 또한, 기존 IBL에 포함되어 있는 Symbolic value 의 거리계산 방식에서 네트워크의 로우 데이터인 패킷을 처리하는데 따르는 문제를 해결하기 위해 VDM(Value Difference Matrix)을 사용함으로써 탐지률을 향상시킬 수 있었다. Symbolic value간의 거리계산에 따른 성능향상의 정도를 알아보기 위해 VDM 적용 유무에 따른 실험결과와 탐지엔진에 적용되었던 알고리즘들인 COWEB 과 C4.5를 이용한 결과를 비교분석 하였다.

• Journal of information and communication convergence engineering
• /
• 제21권1호
• /
• pp.17-23
• /
• 2023

Recently, several high-performance instance segmentation models have used the Mask R-CNN model as a baseline, which reached a historical peak in instance segmentation in 2017. There are numerous derived models using the Mask R-CNN model, and if the performance of Mask R-CNN is improved, the performance of the derived models is also anticipated to improve. The Mask R-CNN uses interpolation to adjust the image size, and the input differs depending on the interpolation method. Therefore, in this study, the performance change of Mask R-CNN was compared when various interpolation methods were applied to the transform layer to improve the performance of Mask R-CNN. To train and evaluate the models, this study utilized the PennFudan and Balloon datasets and the AP metric was used to evaluate model performance. As a result of the experiment, the derived Mask R-CNN model showed the best performance when bicubic interpolation was used in the transform layer.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2020년도 가을 학술논문 발표대회
• /
• pp.55-56
• /
• 2020

The construction industry has the highest occupational fatality and injury rates related to accidents of any industry. Accordingly, safety managers closely monitor to prevent accidents in real-time by installing surveillance cameras at construction sites. However, due to human cognitive ability limitations, it is impossible to monitor many videos simultaneously, and the fatigue of the person monitoring surveillance cameras is also very high. Thus, to help safety managers monitor work and reduce the occupational accident rate, a study on object recognition in construction sites was conducted through surveillance cameras. In this study, we applied to the instance segmentation to identify the classification and location of objects and extract the size and shape of objects in construction sites. This research considers ways in which deep learning-based computer vision technology can be applied to safety management on a construction site.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2007년도 정기총회 및 학술발표대회
• /
• pp.530-533
• /
• 2007

Our country occurs yearly damage, because of every year in the summer season characteristic localized torrential downpour. Therefor, we will research damage instance and natural calamity reduction effective plan through research against a landslide relation Debris Barrier, And the Debris Barrier decide suitability of Mountains among the Kangwon.

• Journal of information and communication convergence engineering
• /
• 제3권4호
• /
• pp.209-212
• /
• 2005

This study proposes hybrid case-based reasoning and genetic algorithms model for customer classification. In this study, vertical and horizontal dimensions of the research data are reduced through integrated feature and instance selection process using genetic algorithms. We applied the proposed model to customer classification model which utilizes customers' demographic characteristics as inputs to predict their buying behavior for the specific product. Experimental results show that the proposed model may improve the classification accuracy and outperform various optimization models of typical CBR system.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1999년도 춘계학술대회 논문집
• /
• pp.11-19
• /
• 1999

Farmer 모델은 시스템 개체구조(System Entity Structure)의 개념을 도입한 지식표현을 위해 사용되는 프레임 구조모델로서 다중성 추상화 개념(Multiplicity Instance Concept)은 하나의 개체를 구성하기 위하여 동일한 형태의 구성요소가 여러 번 발생하는 경우에 이의 대표적인 요소만을 표시하는 추상화 개념이다. 다중성 추상화 개념에서 정의된 대표개체는 자신의 인스턴스들을 가질수 있다. 이들 인스턴스들은 IM-컴포넌트 타입 개체노드 및 OM-컴포넌트 타입 개체노드이며 다중성 인스턴스 링크를 이용하여 대표개체와 연결된다.

• 한국CDE학회지
• /
• 제9권3호
• /
• pp.31-35
• /
• 2003

Product Data Management(PDM) is a tool that helps engineers and others manage both data and the product development process. Now a day, automotive industry is interested in PDM for their product's quality and cost. In this study, we introduce about samlip PDM construction instance. This case explains the demanded function of PDM and the detail implementation methodology for automotive company.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2007년도 추계 종합학술대회 논문집
• /
• pp.386-390
• /
• 2007

시맨틱 웹 기술의 발전에 따라 온톨로지는 점점 복잡해지고 대용량화되고 있어서 기존의 온톨로지 저작도구를 이용하여 인스턴스를 구축하게 되면 인스턴스 관리에 많은 어려움이 따르기 때문에 사용자 입장에서 편리하게 인스턴스 생성을 지원해주는 도구가 필요하게 되었다. 본 논문에서 개발한 온톨로지 지원도구 OntoManager는 계층적 인스턴스들의 관계를 쉽게 구현하기 위해서 히스토리 기반의 인스턴스 생성 뷰를 제공하여 인스턴스 생성 작업 시 사용자의 현재 작업 뷰에서 흐트러지지 않고 새로운 클래스의 인스턴스 생성할수 있으며 생성된 인스턴스의 자동 연결 기능을 제공한다. 그리고 웹브라우저와 개체명 인식 기능을 제공하여 웹 페이지의 텍스트에서 인스턴스 생성에 필요한 부가 정보를 자동 추천 해줘서 인스턴스 속성 값을 쉽게 구축할 수 있도록 도와준다. 마지막으로 이미지 어노테이션 기능을 제공하여 이미지의 특정 영역 정보를 선택하여 속성 값으로 가지는 인스턴스 생성도 지원해준다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권5호
• /
• pp.363-369
• /
• 2010

데모-기반 학습은 사용자가 직접 작업을 시연함으로써 로봇에게 쉽게 새로운 작업지식을 가르칠 수 있다는 장점이 있다. 하지만 기존의 많은 데모-기반 학습법들은 상태공간과 정책들을 표현하기 위해 속성-값 벡터 모델을 이용하였다. 속성-값 벡터 모델의 제한성으로 인해, 이들은 학습과정의 효율성도 낮고 학습된 정책의 재사용성도 낮았다. 본 논문에서는 기존의 속성-값 모델 대신 관계적 모델을 이용하는 새로운 데모-기반 작업 학습법을 제안한다. 이 방법에서는 사용자 데모 기록에서 추출한 훈련 예들에 관계적 개체-기반 학습법을 적용함으로써, 동일 작업영역내의 다른 유사한 작업들에도 활용하기 용이한 관계적 개체-기반 정책을 유도한다. 이 관계적 정책은 (상태, 목표) 쌍으로 표현되는 임의의 한 상황에 대해 이것에 대응하는 하나의 실행동작을 결정해주는 역할을 한다. 본 논문에서는 데모-기반 관계적 정책 학습법에 대해 자세히 소개한 후, 로봇 시뮬레이터를 이용한 실험을 통해 이 학습법의 효과를 분석해본다.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.590-598
• /
• 2018

최근 사물들에 인터넷 서비스를 제공하는 IoT(Internet of Things) 기술에 관한 관심이 높아지고 있다. IoT는 홈 네트워크, 헬스 케어, 재난 알림 등에서 다양한 서비스를 제공하고 있다. LLN(Low Power & Lossy Networks) 특징을 갖는 IoT는 빈번한 센서 노드의 손실이 발생한다. IoT의 표준 라우팅 프로토콜인 RPL은 센서 노드의 손실이 발생하면 전체 경로 재설정(Global repair)을 수행하여 데이터를 전송한다. 하지만 낮은 사양의 센서 노드로 인한 빈번한 센서 노드 손실은 잦은 전체 경로 재설정으로 인해 네트워크 성능 저하를 일으킨다. 본 논문에선 Storing mode 센서 노드 선정 이후에도 잦은 경로 재설정 문제로 인한 네트워크 성능 저하 문제를 해결하기 위한 Storing mode 센서 노드의 추가 선정 방법을 제안하고 각 Instance의 전체 경로 재설정 횟수의 평준화 방법을 제안하고자 한다.