• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2004년도 추계 종합학술대회 논문집
• /
• pp.5-10
• /
• 2004

본 논문은 유비쿼터스 컴퓨팅 환경에서의 강의실 자동화를 실현하기 위한 서비스 제어 구조와 사용자 인터페이스를 설계한다. 서비스 제어를 위하여 UPnP 프로토콜을 기반으로한 서비스 제어구조를 제안하고 강의실에서의 서비스 시나리오를 설계하고 이를 위한 사용자 인터페이스를 설계하였다. 제안한 유비쿼터스 환경에서의 미래의 강의실 환경은 상황인지 컴퓨팅 능력을 이용하여 이용자에게 적응적인 사용자 인터페이스를 제어하고 사용자의 동작 이벤트를 인지하여 지능적인 강의 콘텐츠의 제작을 가능하게 함을 보여준다.

• International Journal of Contents
• /
• 제12권3호
• /
• pp.12-16
• /
• 2016

Brain computer interfaces (BCI) usually have focused on classifying the explicitly-expressed intentions of humans. In contrast, implicit intentions should be considered to develop more intelligent systems. However, classifying implicit intention is more difficult than explicit intentions, and the difficulty severely increases for subject independent classification. In this paper, we address the subject independent classification of implicit intention based on electroencephalography (EEG) signals. Among many machine learning models, we use the support vector machine (SVM) with radial basis kernel functions to classify the EEG signals. The Fisher scores are evaluated after extracting the gamma, beta, alpha and theta band powers of the EEG signals from thirty electrodes. Since a more discriminant feature has a larger Fisher score value, the band powers of the EEG signals are presented to SVM based on the Fisher score. By training the SVM with 1-out of-9 validation, the best classification accuracy is approximately 65% with gamma and theta components.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2017년도 춘계 종합학술대회 논문집
• /
• pp.235-236
• /
• 2017

최근 제4차 산업혁명 시대가 도래함에 따라 지능정보기술은 대규모 데이터에 대한 자가학습(Machine Learning)을 통해 알고리즘 성능을 지속적으로 강화함으로써 데이터와 지식이 산업의 주요 경쟁 원천으로 부상시키고 있다. 지능정보기술은 산업전반에 구조적 대변혁을 촉발할 것으로 전망됨에 따라 전세계적으로 지능정보기술을 선제적으로 확보, 도입 및 확산하여 국가경쟁력을 제고해나가려 하고 있다. 따라서 지능정보기술을 확보하기 위한 R&D 전략수립이 무엇보다 중요해졌다. 본 조사 연구에서는 IoT, Cloud, Bigdata, Mobile, AI 등 지능정보기술 분야의 기술경쟁력 수준을 파악하기 위해 전문가 정성적 기술수준평가와 함께 특허, 논문 등 데이터기반의 기술수준평가에 대한 것이다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2018년도 춘계 종합학술대회 논문집
• /
• pp.27-28
• /
• 2018

최근 기계학습에 대한 연구들이 사회적으로 이슈가 되고 있다. 하지만 기계학습은 기계학습 모델을 만들고 세밀히 조정해야하는 복잡한 작업을 수행할 수 있는 전문 지식을 가진 사용자가 필요하다. 따라서 기계학습 과정에서 사용자가 수행하여야 하는 다양한 작업을 자동으로 수행할 수 있는 자율 기계학습이 연구되고 있다. 본 논문에서는 고성능 자율 기계학습을 위한 인텔리전트 데이터베이스 플랫폼을 제안한다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2019년도 춘계종합학술대회
• /
• pp.13-14
• /
• 2019

최근 기계학습이 중요하게 연구되고 있다. 기계학습을 활용한 응용을 위해서는 지능형 응답을 수행하기 위한 인텔리전트 데이터베이스 시스템이 요구된다. 본 논문에서는 자율형 기계학습을 위한 인텔리전트 데이터베이스 시스템을 설계한다. 제안하는 시스템은 자율 기계학습 플랫폼과 연동하여 수집된 데이터로부터 추출된 지식을 저장하고 이를 추천, 예측과 같은 서비스에 활용한다.

• 지능정보연구
• /
• 제15권2호
• /
• pp.49-59
• /
• 2009

내용기반 이미지 검색은 색상, 질감 등의 이미지 자체의 자질들을 이용하여 검색하므로 텍스트 기반 이미지 검색의 객관성 부족과 모든 이미지에 사람이 주석을 달아야 하는 단점을 보완할 수 있는 이미지 검색 방법이다. 이러한 내용 기반 이미지 검색에서 사용되는 방식 중 SIM(Self-organizing Image browsing Map) 방식은 SOM 알고리즘을 이용하여 이미지들을 브라우징 가능한 그룹으로 맵핑하고 그 결과를 바탕으로 이미지를 검색하게 된다. 하지만 비슷한 이미지라 할지라도 이미지의 밝기, 피사체의 움직임 등에 의하여 색상 정보가 다르게 나타나게 되면 SOM 알고리즘의 학습 과정에서 유사한 이미지들을 그룹화한 노드를 BMU로 선택하지 못하고 떨어져 있는 다른 노드를 선택하게 된다. 이 경우 학습이 진행되면서 유사한 이미지들이 군집하는 과정을 거치지만 학습이 완료될 때까지 다른 유사 이미지들을 그룹화한 노드에 맵핑이 되지 못하는 경우가 발생한다. 그 결과, 검색 결과에 나타나지 못하여 적합 이미지 검색률이 낮아 질 수 있다. 따라서 본 논문에서는 HSV 색상모델을 이용하여 양자화하고 이미지의 색상 특징 벡터를 추출한 뒤 SOM 알고리즘을 이용하여 이미지들을 브라우징 가능한 그룹으로 맵핑한다. 이때 SIM 방식의 문제점인 유사 이미지가 따로 맵핑되어 적합 이미지 검색률이 낮아지는 것을 줄이기 위하여 SOM을 두 개의 층으로 구성한다. 첫 번째 층에서 이미지의 색상 자질을 이용하여 학습을 완료한 후, 학습이 완료된 첫 번째 층 맵의 각 노드들의 연결 가중치를 이용하여 두 번째 층에서 다시 한번 학습을 수행한다. 두 개의 층으로 학습이 완료된 두 번째 층의 SOM에 질의 이미지의 특징 벡터를 입력하여 BMU를 선택하고 BMU와 연결된 첫 번째 층의 노드를 최종 선택하여 이미지를 검색한다. 실험결과, 제안된 이미지 검색 방법이 기존의 이미지 검색 방법 보다 적합 이미지의 검색 성공률이 높은 것을 확인 할 수 있었다.

• 정보교육학회논문지
• /
• 제24권5호
• /
• pp.495-509
• /
• 2020

본 연구는 인공지능(이하 AI)이 모든 영역에 전일적으로 확산되는 시점을 맞아 비전공자들도 AI를 효과적으로 학습하는 방안을 탐색하기 위한 하나의 시론적 연구이다. AI 교육을 수학, 통계, 컴퓨터공학 전공 학생들뿐만 아니라 인문·사회과학 등 다른 전공자들도 쉽게 접근할 수 있도록 하기 위한 학습법을 탐색하고자 하였다. 마침 '설명 가능한 AI(XAI: eXplainable AI)'의 필요성과 MIT AI 연구소의 Patrick Winston의 '지각 있는 기계(AI)를 위한 스토리텔링의 중요성[33]'이 두드러진 상황에서 AI 스토리텔링 학습모델 연구의 의의를 찾을 수 있겠다. 이를 위해 본 연구는 우선 대구 소재 A 대학교의 학생들을 대상으로 그 가능성을 테스트하였다. 먼저 AI 스토리텔링(AI+ST) 학습법[30]의 교육목표, AI 교육내용의 체계와 학습방법론, 새로운 AI 도구의 소개 및 활용에 대해 살펴보고, 1) AI+ST 학습법이 알고리즘 중심의 학습법을 보완할 수 있는지, 2) AI+ST 학습법이 학생들에게도 효과가 있는지, 그리하여 AI 이해력, 흥미도, 응용력 배양에 도움이 되었는지에 관한 연구 질문을 중심으로 학습자들의 결과물을 비교 분석하였다.

• 컴퓨터교육학회논문지
• /
• 제20권5호
• /
• pp.1-14
• /
• 2017

2015 개정 교육과정에서의 정보 교과는 지능 정보 사회를 대비하기 위한 핵심 교과로서의 정체성을 확립하였다. 그러나 교과의 성격, 목표, 내용체계 및 성취기준 등이 체계성을 갖추고 있는데 반해, 효과적인 교수 학습 및 평가 방법에 대한 연구는 부족하다. 본 연구에서는 2004년 리투아니아에서 시작되어 2015년 전 세계 130만 명의 학생들이 참여하는 등 해외 여러 국가에서 정보 교과의 새로운 교육 모델로서 주목받고 있는 비버 챌린지의 교육적 활용 가능성을 2015 개정 정보과 교육과정의 관점에서 분석하고, 비버 챌린지의 토착화를 위한 향후 과제를 제시하였다. 본 연구의 결과가 비버 챌린지의 보급 및 확산뿐만 아니라 정보 교육을 위한 교수 학습 및 평가 모델 연구의 단초가 되기를 기대한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제1권1호
• /
• pp.19-31
• /
• 2007

RFID tag is detected by an RFID antenna and information is read from the tag detected, by an RFID reader. RFID tag detection by an RFID reader is very important at the deployment stage. Tag detection is influenced by factors such as tag direction on a target object, speed of a conveyer moving the object, and the contents of an object. The water content of the object absorbs radio waves at high frequencies, typically approximately 900 MHz, resulting in unstable tag signal power. Currently, finding the best conditions for factors influencing the tag detection requires very time consuming work at deployment. Thus, a quick and simple RFID tag detection scheme is needed to improve the current time consuming trial-and-error experimental method. This paper proposes a back-propagation learning-based RFID tag detection prediction scheme, which is intelligent and has the advantages of ease of use and time/cost savings. The results of simulation with the proposed scheme demonstrate a high prediction accuracy for tag detection on a water content, which is comparable with the current method in terms of time/cost savings.

• 한국콘텐츠학회논문지
• /
• 제21권2호
• /
• pp.587-593
• /
• 2021

본 논문에서는 나날이 발전하는 대규모 서비스거부공격에 대해 고전적인 방식의 DDoS 대응시스템에서 벗어나, 4차 혁명 시대의 핵심기술 중의 하나인 인공지능 기반의 기술을 활용해 지능화된 서비스거부공격을 효율적으로 감내 할 수 있는 서비스모델 개발방안을 제안하였다. 즉, 다수의 보안장비, 웹서버로부터 수집된 다량의 데이터를 대상으로 머신러닝 인공지능 학습을 통해 서비스거부공격을 탐지하고 피해를 최소화할 수 있는 방안을 제안하였다. 특히, 인공지능기술을 활용하기 위한 모델을 개발은 일정한 트래픽 변화를 반복하며 안정적 흐름의 데이터를 전송이 이루어지다가 서비스거부공격이 발생하면 다른 양상의 데이터 흐름을 보인다는 점에 착안하여 서비스서부공격 탐지에 인공지능기술을 활용하였다. 서비스거부공격이 발생하면 확률기반의 실제 트래픽과 예측값과의 편차가 발생하기 때문에 공격성 데이터로 판단하여 대응이 가능하다. 이 논문에서는 보안장비나 서버에서 발생하는 로그를 기반으로 데이터를 분석하여 서비스거부공격 탐지모델을 설명하였다.