• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1137-1144
• /
• 2022

본 연구에서는 감정을 표현하기 위한 표정 연습을 보조하는 인공지능을 개발하였다. 개발한 인공지능은 서술형 문장과 표정 이미지로 구성된 멀티모달 입력을 심층신경망에 사용하고 서술형 문장에서 예측되는 감정과 표정 이미지에서 예측되는 감정 사이의 유사도를 계산하여 출력하였다. 사용자는 서술형 문장으로 주어진 상황에 맞게 표정을 연습하고 인공지능은 서술형 문장과 사용자의 표정 사이의 유사도를 수치로 출력하여 피드백한다. 표정 이미지에서 감정을 예측하기 위해 ResNet34 구조를 사용하였으며 FER2013 공공데이터를 이용해 훈련하였다. 자연어인 서술형 문장에서 감정을 예측하기 위해 KoBERT 모델을 전이학습 하였으며 AIHub의 감정 분류를 위한 대화 음성 데이터 세트를 사용해 훈련하였다. 표정 이미지에서 감정을 예측하는 심층신경망은 65% 정확도를 달성하여 사람 수준의 감정 분류 능력을 보여주었다. 서술형 문장에서 감정을 예측하는 심층신경망은 90% 정확도를 달성하였다. 감정표현에 문제가 없는 일반인이 개발한 인공지능을 이용해 표정 연습 실험을 수행하여 개발한 인공지능의 성능을 검증하였다.

• 한국가정과교육학회지
• /
• 제34권4호
• /
• pp.93-111
• /
• 2022

제4차 산업혁명, 포스트 코로나 시대로의 전환 등 사회적 혁신을 기반으로 모두를 위한 삶의 질을 제고할 수 있는 교육 패러다임의 전환이 필요한 시기이다. 이러한 시대 변화의 흐름을 파악하여 교육과정의 변화를 준비하여야 한다. 이에 본 연구는 4차 산업혁명, 포스트 코로나 시대로의 패러다임의 변화에 따른 미래 초·중등교육의 방향성이 논의되고 있는 시점에서, '미래교육환경의 변화에 따라 의생활교육은 어떤 혁신적 과제를 수행해야 하는가?'의 문제의식에서 출발하여 미래 교육환경의 변화의 특징과 의생활교육과정을 분석해보고, 이를 바탕으로 의생활교육과정의 방향을 탐색하는데 목적을 두었다. 이러한 연구목적을 수행하기 위해 제1차 교육과정에서부터 2015 개정 교육과정의 의생활교육과정 분석결과를 활용하였다. 결론적으로 미래 교육환경의 변화에 따른 의생활교육과정의 방향으로는 먼저 인재상으로 인공지능(AI)에 인간의 감성과 환경, 의생활문화를 더하는 융·복합교육인재양성, 소프트웨어 역량과 실천적 문제해결 역량을 연계하는 의생활교육, 인공지능(AI)을 활용한 패션 메이커교육과 가치 지향적인 의생활교육 등을 도출하였다. 본 연구를 통해 실제적 교육현장 적용인 의생활 교수·학습방법에 대한 후속연구가 진행되기를 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권4호
• /
• pp.21-29
• /
• 2023

본 논문에서는 인구 조사에서 산업 및 직업 코드를 자동 분류하기 위한 인공지능 기반 시스템을 제안한다. 산업 및 직업 코드의 정확한 분류는 정책 결정, 자원 할당 및 연구를 위해 매우 중요하지만, 기존의 방식은 사람이 작성한 사례 사전에 의존하는 규칙 기반 방식으로 규칙 생성에 필요한 시간과 자원이 많이 소요되며 오류 발생 가능성이 높다. 우리는 본 논문에서 통계 기관에서 사용하는 기존의 규칙 기반 시스템을 대체하기 위해 사용자가 입력한 데이터를 이용하는 인공지능 기반 시스템을 제안하였다. 이 논문에서는 여러 모델을 학습하고 평가하여 산업에서 86.76%의 일치율, 직업에서 81.84%의 일치율을 달성한 앙상블 모델을 개발하였다. 또한, 분류 확률 결과를 기반으로 프로세스 개선 작업도 제안하였다. 우리가 제안한 방법은 전이 학습 기술을 활용하여 사전 학습된 모델과 결합하는 앙상블 모델을 사용하였으며, 개별 모델과 비교하여 앙상블 모델의 성능이 더 높아짐을 보였다. 본 논문에서는 인공지능 기반 시스템이 인구 조사 데이터 분류의 정확성과 효율성을 향상시키는 잠재력을 보여주며, 인공지능으로 이러한 프로세스를 자동화함으로써 더 정확하고 일관된 결과를 달성하며 기관 직원의 작업 부담을 줄일 수 있다는 점을 보여준다.

• 대한영상의학회지
• /
• 제85권4호
• /
• pp.769-779
• /
• 2024

목적 외상 환자 흉부 CT에서 급성 갈비뼈 골절을 진단하기 위해 개발된 인공지능의 장단점에 대해서 알아보고자 하였다. 대상과 방법 외상으로 응급실에 내원했던 환자들 중 급성 갈비뼈 골절(n = 1159) 또는 정상(n = 50)으로 진단된 1209명의 흉부 CT를 무작위로 선택하였다. 이 중 9명의 급성 갈비뼈 골절 흉부 CT로 인공지능 모델 개발과 훈련을 했으며, 150명의 갈비뼈 골절 흉부 CT와 50명의 정상 흉부 CT로 테스트를 하였고, 나머지 1000명의 급성 갈비뼈 골절 흉부 CT로 내부 검증을 하였다. 급성 갈비뼈 골절에 대한 인공지능 모델의 골절의 유무와 위치에 대한 진단적 정확성과 오류에 대해서 알아보았다. 결과 개발된 인공지능 모델을 테스트 결과 급성 갈비뼈 골절 유무에 대한 민감도, 특이도, 양성예측도, 음성예측도, 정확도는 각각 93.3%, 94%, 97.9%, 82.5%, 95.6%였다. 내부 검증을 했을 때 급성 갈비뼈 골절 유무에 대한 정확도는 96%로 상승되었다. 그러나 급성 갈비뼈 골절 위치의 정확도는 76% (760/1000)로 낮았으며, 그 원인으로는 같은 위치에 있는 견갑골이나 쇄골을 갈비뼈로 잘못 인식(66%) 하거나 일부 갈비뼈를 인식하지 못하는 경우(34%)가 많았다. 결론 급성 갈비뼈 골절 진단을 위한 인공지능 모델이 급성 갈비뼈 골절의 유무 진단에는 높은 정확도를 보였지만 갈비뼈 골절의 정확한 위치를 진단하는 데는 제한점이 있었다.

• 한국융합학회논문지
• /
• 제12권3호
• /
• pp.61-67
• /
• 2021

본 연구의 목적은 EFL학습자들을 위해 구체적 학습활동 모형을 통해 교실 수업의 한계를 극복하고 의사소통의 기회를 창출해 내고자 하였다. 연구 방법으로는 모형개발, 타당화, 적용으로 전략, 지침 등을 개발하고 도출하고자 2019년 3월부터 6월까지 실시하였다. 사전학습에서는 인공지능을 활용하여 교실 밖 자기 주도적 학습을 유도하고, 본 수업에서는 문제 해결 능력을 향상시키고 학습 내재화를 목표로 협력과 참여를 통해 결과물을 만들어내는 메이커 교육을 적용한 학습자 중심활동으로 구성하였다. 두 번의 타당성 테스트 후 수정 된 모델을 실험 그룹에 적용한 결과 창의성을 제외한 자기 주도, 관심, 문제 해결 및 참여도가 유의미했고 사후 테스트 결과는 모든 분야에서 유의미한 결과를 나타냄으로 연구 기대효과의 유용성을 확인하였다. 다만 영어 학습과 관련된 인공 지능을 수업에 쉽게 적용할 수 있는 소프트웨어의 개발과 방법에 대한 심화연구 그리고 학습활동에서 보다 체계적인 메이커 교육과의 융합활동의 제시 등 지속적인 후속 연구가 필요하다.

• 한국IT서비스학회지
• /
• 제22권4호
• /
• pp.97-110
• /
• 2023

In this study, we propose a technique to automatically generate transfer documents using sensor data from livestock manure transfer systems. The research involves analyzing sensor data and applying machine learning techniques to derive optimized outcomes for livestock manure transfer documents. By comparing and contrasting with existing documents, we present a method for automatic document generation. Specifically, we propose the utilization of Gradient Boosting, a machine learning algorithm. The objective of this research is to enhance the efficiency of livestock manure and liquid byproduct management. Currently, stakeholders including producers, transporters, and processors manually input data into the livestock manure transfer management system during the disposal of manure and liquid byproducts. This manual process consumes additional labor, leads to data inconsistency, and complicates the management of distribution and treatment. Therefore, the aim of this study is to leverage data to automatically generate transfer documents, thereby increasing the efficiency of livestock manure and liquid byproduct management. By utilizing sensor data from livestock manure and liquid byproduct transport vehicles and employing machine learning algorithms, we establish a system that automates the validation of transfer documents, reducing the burden on producers, transporters, and processors. This efficient management system is anticipated to create a transparent environment for the distribution and treatment of livestock manure and liquid byproducts.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2023년도 춘계학술대회
• /
• pp.132-133
• /
• 2023

재난 상황에서 사람을 안전하게 피난시키는 것은 매우 중요하다. 인명 안전을 위한 다양한 피난 시뮬레이션 툴이 개발되어 사용되고 있지만, 대부분의 툴에 적용된 방식은 Map을 분석하여 최단 경로를 추출해 Agent를 결정된 경로를 따라 이동시키는 알고리즘으로 구현되었다. 이 방법은 재난 환경에 변화가 없는 조건에서 피난경로를 빠른 시간에 예측하기에 적합하다. 그러나 재난상황은 시시각각으로 변화하기 때문에 피난알고리즘은 이에 대응할 수 있어야 하지만 기존 알고리즘으로는 대응이 곤란한 실정이다. 강화학습을 기반으로 한 인공지능 기술을 활용하면 변화하는 재난에 대응 가능한 피난경로 알고리즘의 개발 가능할 것으로 예상된다. 이에 본 연구에서는 알고리즘 개발의 기초단계로서, 강화학습 기법으로 개발된 피난 알고리즘이 IMO MSC.1/Circ1533에서 요구하는 피난시뮬레이션 툴의 성능조건을 만족하는지 여부를 평가하였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.621-635
• /
• 2023

시설물 상태평가는 시설물의 사용성을 평가하고, 진단 주기를 결정하는 중요한 과정이다. 현재 수행되고 있는 인력 기반 방법은 안전, 효율, 객관성에 대한 문제를 안고 있어 이를 개선하기 위해 영상을 이용한 딥러닝(deep learning) 기반의 연구가 수행되고 있다. 그러나 시설물 손상 데이터는 발견하기 어려워 다량의 시설물 손상 학습 데이터를 구축하기 어렵고, 이는 딥러닝 기반 상태평가에 한계로 작용한다. 본 연구에서는 영상 기반 시설물 상태평가의 학습 데이터 부족으로 인한 어려움을 개선하기 위해 파운데이션 모델(foundation model) 기반 2-step 시설물 손상 분석을 제시한다. 시설물 상태평가의 요소를 객체화와 정량화로 세분화하고, 정량화 단계에서 영상 분할(segmentation) 파운데이션 모델을 적용하였다. 본 연구의 방법은 기존 영상 분할 방법 대비 10% 포인트 이상 높은 mean intersection over union을 나타냈고, 특히 철근 노출의 경우에는 40% 포인트 이상의 성능 개선을 보였다. 본 연구의 방법이 학습 데이터 구축이 어려운 도메인에 성능 개선을 가져올 것이라 기대한다.

• 산업과 과학
• /
• 제2권4호
• /
• pp.11-16
• /
• 2023

지하철은 현대 도시의 교통 체계에서 중요한 역할을 하는 대중 교통 수단이다. 하지만, 갑작스런 고장 및 시스템 불통 등의 이유로 혼잡을 야기시키는 경우가 종종 발생하여 불편을 초래하고 있다. 따라서, 본 논문에서는 지하철 시스템의 효율적 운영을 위해 머신러닝을 활용한 고장 예측 및 예방 연구를 진행하였다. UC Irvine의 MetroPT-3 데이터셋을 활용하고, 로지스틱 회귀를 이용하여 지하철 고장 예측 모델을 구축하였다. 모델은 0.991의 높은 정확도로 비고장 상태를 예측하나, 정밀도와 재현율은 상대적으로 낮아 고장 예측에 있어 오류 가능성을 시사하고 있다. ROC_AUC 값이 0.901로, 모델이 무작위 추측보다 뛰어난 분류를 할 수 있다. 구축한 모델은 지하철 시스템의 안정적인 운영 운영에 유용하나, 성능 개선을 위한 추가 연구가 필요하다고 생각한다. 따라서 학습 데이터가 많고 데이터의 정제가 잘 이루어진다면 고장 예측을 통해 사전 점검을 하여 예방할 수 있다.

• 사물인터넷융복합논문지
• /
• 제8권2호
• /
• pp.79-84
• /
• 2022

본 논문은 문서의 보안과 손실 및 오염에 대하여 복원능력을 향상시키는 방안을 제안한다. 이를 위해서 암호화로 DnCNN(DeNoise Convolution Neural Network)을 제시한다. 암호화 방법을 구현하기 위하여 2D이미지정보를 광학에 사용되는 공간주파수 전달함수(Spatial Frequency Transfer Function)의 수학적 모델을 적용한다. 공간 주파수 전달함수를 사용하여 광학적 간섭 패턴을 암호화로 사용하고 공간 주파수 전달함수의 수학적 변수를 복호화하는 암호로 사용하는 방법을 제안하였다. 또한, 딥러닝을 적용한 DnCNN 방법을 적용하여 노이즈 제거하여 복원 성능을 개선한다. 실험결과, 65%의 정보 손실이 있는 경우에도 Pre-Training DnCNN Deep Learning을 적용한 결과 공간 주파수 전달함수만을 활용한 복원 결과 와 비교하여 PSNR(Peak Signal-to-noise ratio)을 11% 이상 우수한 성능을 확인할 수 있다. 또한, CC(Correlation Coefficient)의 특성도 16% 이상 우수한 결과를 보이고 있다.