• 정보처리학회논문지C
• /
• 제12C권5호
• /
• pp.649-658
• /
• 2005

네트워크 기반의 공격은 그 위험성과 피해의 규모가 크기 때문에 공격 초기에 빨리 탐지하는 것이 중요하다. 그러나 지도학습 데이터 마이닝을 이용한 네트워크상의 비정상 트래픽을 탐지하는 방법은 방대한 양의 데이터 전처리와 관리자의 분석이 요구되며 관리자의 분석이 정확하다는 보장이 없을 뿐만 아니라 각 네트워크의 실시간 특성을 고려하지 못하기 때문에 탐지의 어려움이 크다. 본 논문에서는 실시간 침입 탐지와 점진적 학습을 위해 비지도학습의 데이터마이닝 기법중 하나인 자기 조직화 지도를 기반으로 트래픽 속성 상관관계 메커니즘을 제안한다. 이는 세 단계로 이루어진다. 첫 번째 단계는 초기 학습이 이루어지는 단계로 비지도 학습을 통하여 성격이 비슷한 트래픽끼리 클러스터링 한 맵을 생성시킨다. 두 번째 단계는 맵의 각 클러스터가 정상과 비정상 트래픽의 클러스터로 구분되기 위해 각 공격별로 추출된 규칙(rule)을 적용하여 맵을 분석한다. 이 규칙은 지도 학습을 통한 규칙 기반의 방법으로, 각 데이터 항목마다 SOM을 이용한 속성별 맵의 상관관계(correlation) 분석을 통해 생성되었다. 마지막으로 분석된 맵을 이용하여 실시간 탐지와 함께 점진적 학습이 이루어지게 된다. 여러 실험을 통하여 비지도 학습과 지도 학습을 결합한 SOM 기반 트래픽 속성 상관관계 메커니즘이 지도 학습에 비해 실시간 탐지에 우수함을 증명하였다.

• 제어로봇시스템학회논문지
• /
• 제20권8호
• /
• pp.868-874
• /
• 2014

This paper proposes a novel mapping algorithm in Omni-directional Vision SLAM based on an obstacle's feature extraction using Lucas-Kanade Optical Flow motion detection and images obtained through fish-eye lenses mounted on robots. Omni-directional image sensors have distortion problems because they use a fish-eye lens or mirror, but it is possible in real time image processing for mobile robots because it measured all information around the robot at one time. In previous Omni-Directional Vision SLAM research, feature points in corrected fisheye images were used but the proposed algorithm corrected only the feature point of the obstacle. We obtained faster processing than previous systems through this process. The core of the proposed algorithm may be summarized as follows: First, we capture instantaneous $360^{\circ}$ panoramic images around a robot through fish-eye lenses which are mounted in the bottom direction. Second, we remove the feature points of the floor surface using a histogram filter, and label the candidates of the obstacle extracted. Third, we estimate the location of obstacles based on motion vectors using LKOF. Finally, it estimates the robot position using an Extended Kalman Filter based on the obstacle position obtained by LKOF and creates a map. We will confirm the reliability of the mapping algorithm using motion estimation based on fisheye images through the comparison between maps obtained using the proposed algorithm and real maps.

• 한국환경생태학회지
• /
• 제23권2호
• /
• pp.127-134
• /
• 2009

본 연구는 변산반도국립공원에서 활용되고 있는 각종 환경해설 매체에 대한 탐방객 인식을 파악하여 효율적인 공원관리 기초자료 제공을 목적으로 수행하였다. 이를 위해 탐방객 직접기입 방식의 설문조사를 실시하였고 총 291매의 설문지가 유효 표본으로 이용되었다. 조사결과 '탐방지원센터 전시물'이 가장 이용률이 높은 환경해설 매체로 나타났으며 '수목이름 해설판', '자연해설 프로그램'은 비교적 높은 이용률을 보였다. 그러나 공원안내지도'는 이용 효율성이 떨어지는 매체로 평가되었다. 공원내 환경해설 매체에 대한 중요도-성취도 분석 결과 중요도 평균값은 3.64, 성취도 평균값은 3.03으로 치악산과 월출산국립공원에서 조사한 결과보다 낮았다.

• 한국컴퓨터정보학회논문지
• /
• 제17권7호
• /
• pp.45-52
• /
• 2012

본 논문에서는 다중 클래스 아다부스트 기반의 분류기를 이용하여 엘리베이터 내 군집 밀도를 추정하는 방법을 제안한다. SOM을 사용하는 기존의 방법은 재현성이 떨어지며 충분한 성능을 내지 못한다. 제안한 방법은 GLDM(Grey-Level Dependency Matrix)과 GGDM(Grey-Gradient Dependency Matrix)의 텍스처 특징과 다중 클래스 아다부스트 기반의 분류기를 통해 실내 군집 밀도를 추정한다. 다중 클래스를 분류하기 위해 기존의 아다부스트 알고리즘에서 웨이트 업데이트 식을 변형하여 더 높은 성능의 약한 분류기를 생성하도록 하였다. 군집 밀도는 인원수에 따라 0명, 1~2명, 3~4명, 5명 이상 등 네 가지 클래스로 구분하였다. 엘리베이터 내 영상을 이용한 모의 실험 결과 제안된 방법은 기존의 방법보다 약 20% 정도의 검출률 향상을 나타내었다.

• 한국환경생태학회지
• /
• 제20권2호
• /
• pp.143-152
• /
• 2006

본 연구는 월출산국립공원에서 자기안내식 환경해설 방식으로 활용되고 있는 각종 해설매체에 대한 탐방객 인식을 파악하여 효율적인 공원관리 기초자료 제공을 목적으로 수행하였다. 이를 위해 탐방객 직접기입 방식의 설문조사를 실시하였고 총 196매의 설문지가 유효표본으로 이용되었다. 조사결과 '공원 이용자원 안내판'이 가장 이용률이 높은 환경해설 매체로 나타났으며 탐방로변 수목해설판, 탐방로변 문화자원 해설판, 자기안내식 자연관찰로도 비교 적 높은 이용률을 보였다. 그러나 공원안내지도, 정보게시판, 공원정보제공 LED사인, 간이탐방안내소내 전시물 등은 이용의 효율성이 떨어지는 매체로 평가되었다. 공원내 환경해설 매체에 대한중요도-성취도 분석에서는 전체적으로 높은 중요도와 이에 대한 긍정적인 성취 수준의 응답경향이 나타났다.

• 한국통신학회논문지
• /
• 제31권4C호
• /
• pp.341-350
• /
• 2006

사판 훈련이란 모래와 석회로 만든 훈련장 모형을 이용하여 수행하는 실제 군사 작전에 대한 모의 훈련으로서 시간적, 공간적, 경제적인 제약을 극복할 수 있는 효과적인 훈련방식이다. 전통적인 사판 훈련은 모래와 석회로 만들어진 훈련장의 특성상 정확한 지형의 표현 및 보존이 어렵고 사실성이 떨어지며, 사판 내부에 많은 정보를 포함시킬 수 없는 등의 문제점을 가지고 있다. 본 논문에서는 증강현실의 관점에서 접근하며, 사실적으로 묘사된 가상의 사판 환경을 바탕으로 하는 효율적인 군사 훈련 브리핑 도구를 제안한다. 가상 전술지도를 통해서 학습자는 마커와 텐저블 인터페이스의 간단한 조작만으로 가상의 군사 훈련을 실감나게 수행할 수 있다. 뿐만 아니라 사판 내부에 포함된 실시간 상황 정보를 통해 보다 폭넓은 시각에서 전체적인 작전 상황에 대한 유기적인 판단이 가능하게 된다. 텐저블 인터페이스는 현실세계에 있는 사용자와 가상의 물체를 현실세계에 증강 시켜주는 시스템 간의 상호작용을 담당함으로써 사용자에게 직관적이고 다루기 쉬운 콘텐츠 저작 환경을 제공한다. 본 논문은 효과적인 군사 훈련을 위한 새로운 형태의 군사 훈련 브리핑 도구를 제안함으로써 군사 학습에 대한 효과를 증대시키고, 군사 훈련 내용을 추후 활용할 수 있는 콘텐츠로 제작이 가능함을 보였다. 이는 증강현실의 새로운 응용 가능성에 대한 제시라고 말할 수 있다.

• 마케팅과학연구
• /
• 제20권3호
• /
• pp.239-248
• /
• 2010

本文阐述了产业和学术之间的合作项目. 这个合作项目关注美国东北部的一家大型地区连锁百货商店的两个自有品牌服装的营销和产品开发战略发展. 这个项目的目标是通过和学生的想法的合作来振兴产品线. 从而给学生提供真实产业环境中的实践经验. 这个项目中有很多关键者. 在美国东北部的一家私有连锁百货商店为已有的两个自有服装品牌寻求一个学术伙伴. 他们的目标客户是追求休闲, 适中价格的中年消费者. 这个公司想要改变包装和展示的方向, 甚至是产品的设计. 公司的品牌和产品开发部门联系东北一个州立大学的学术部门的教授. 有两位教授认为这个项目非常适合他们的课程-一个是初级的媒介品牌管理课程; 一个是高级的时装产品开发课程. 这些教授认为通过合作项目, 学生在安全的学术学习环境中能进入一个真实的工作场景中在一个多学科协作团队, 提供超出一个学生的能力, 经验和资源优势, 并增加了解决问题的过程中的 "智囊" (Lowman 2000). 这种提高学生的能力目标的方向让每班教师去组织品牌和产品开发类的跨学科团队. 此外, 许多大学都聘请科研和教学的产业伙伴关系, 协作的时间(学期)和环境(教室/实验室)的约束有助于提高学生的知识和对现实世界的经验. 在田纳西大学, 产业服务中心和UT-Knoxville's 工学院和一家公司合作来发展它们美国公司的的设计进步. 本研究中, 因为是和一个自有商标零售品牌, Wickett, Gaskill 和Damhorst's (1999) 指出产品开发和品牌管理团队使用的零售服装产品开发模型. 之所以选择这个框架是因为它从零售这个角度强调了服饰产品开发. 两个班级参与了这个项目: 一个初级品牌管理班级和一个高级时装产品开发班级. 7个团队包括四名学习品牌管理的学生和两名学习产品开发的学生. 这两个课程在同一个学期但是不同的时间. 在学期开始的时候, 每个班级都被介绍给了产业合作伙伴并接受了问题. 一半的团队指定为男士品牌, 另一半是女士品牌. 这些小组负责制定解决问题的方法, 制定自己的工作时间表, 在与业界代表保持接触, 并确保每个小组成员以积极的方式负责任. 这些小组的目标是通过用销售规划进程来计划, 发展和展示一条产品线(遵循Wickett, Gaskill和Damhorst 模型) 并为这条产品线发展新的品牌战略. 这些小组展示了趋势, 色彩, 面料和目标市场调查; 制定一个产品线的草图;编辑了草图, 介绍他们的执行计划书写说明书, 配上合适的模型并最终开发生产样品. 品牌班的学生完成了SWOT分析, 品牌测量研究报告, 品牌心智图和完整综合的营销报告. 这些报告在介绍新产品线时同时发表. 将来如果有更多这样的协作机会而且公司希望同时考虑品牌和产品开发战略, 那么课程应该定在相同的时间, 这样学生有更多的时间在一起讨论时间表和被分配的任务. 像上面的任务, 学生不得不每堂课之外的时间见面. 这使得团队工作变得具有挑战性(Pfaff和Huddleston, 2003). 虽然这项工作的后勤是费时设立和管理, 但教授认为对学生的好处是多种多样的. 根据两堂课的学生的回复, 最重要的好处是和产业专业人士一起工作的机会, 跟进他们的进程, 并看到公司里做决定级别的高层对他们作品的评估. 教员们都感激有一个 "真实的世界" 的案例. 制定的创意和战略扩大和加强了品牌和产品开发两个部门的联系. 通过和来自不同知识领域的学生一起工作并且和产业伙伴联系, 遵守产业活动的框架和时间表, 学生小组在新的环境中完成优秀创新的作品是具有挑战性的. 在产品开发和为 "现实生活" 品牌的品牌工作, 这些品牌都在努力给学生一个机会, 看看他们的课程是如何紧密的与现实世界联系, 以及公司运营中设计和商业方面如何需要创造性, 协作和灵活性. 行业人员对(a)学生的知识水平和深度以及执行力, (b)品牌的新思路的创造性产生了深刻的印象.

• 한국광학회지
• /
• 제20권1호
• /
• pp.16-22
• /
• 2009

본 논문에서는 2차원 동영상을 normalized cut과 optical flow를 이용하여 3차원 동영상으로 변환하는 방법을 제안하였다. 이를 통해 특정 디스플레이 장치와 특정 동영상 포맷에 국한되지 않는 2차원 동영상의 3차원 동영상 변환 방법을 제안하였다. 본 연구에서는 2차원 동영상의 3차원 변환을 위하여 먼저 영상을 객체로 분할하고, 분할된 객체의 깊이를 추정하는 방법을 사용하였다. Normalized cut은 영상분할의 한 방법으로, 본 연구에서는 연산속도 향상을 위하여 기존 방법에 watershed 알고리즘을 적용하였고, 정확도 향상을 위하여 가중치에 optical flow를 추가하였다. Normalized cut을 이용하여 분할된 영상의 깊이 정보를 추정하기 위하여 optical flow를 이용하였다. Optical flow의 차이를 통해 정의할 수 있는 가려진 영역의 분할 영상 변화를 통해 순서적 깊이 정보를 추정한다. 추정된 순서적 깊이를 보정하기 위해 optical flow의 절대적 크기를 이용해 운동시차로 상대적 깊이를 추정하였다. 최종적으로 추정된 깊이 정보는 순서적 깊이와 상대적 깊이의 곱을 평균 optical flow로 나누어, 순서적 깊이의 차이를 보정하였다. 제안한 방법의 검증을 위하여 2차원 동영상을 3차원 동영상으로 변환하여 깊이 정보가 추정됨을 확인하였다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.127-146
• /
• 2022

최근 워드 임베딩이 딥러닝 기반 자연어 처리를 다루는 다양한 업무에서 우수한 성능을 나타내면서, 단어, 문장, 그리고 문서 임베딩의 고도화 및 활용에 대한 연구가 활발하게 이루어지고 있다. 예를 들어 교차 언어 전이는 서로 다른 언어 간의 의미적 교환을 가능하게 하는 분야로, 임베딩 모델의 발전과 동시에 성장하고 있다. 또한 핵심 기술인 벡터 정렬(Vector Alignment)은 임베딩 기반 다양한 분석에 적용될 수 있다는 기대에 힘입어 학계의 관심이 더욱 높아지고 있다. 특히 벡터 정렬은 최근 수요가 높아지고 있는 분야간 매핑, 즉 대용량의 범용 문서로 학습된 사전학습 언어모델의 공간에 R&D, 의료, 법률 등 전문 분야의 어휘를 매핑하거나 이들 전문 분야간의 어휘를 매핑하기 위한 실마리를 제공할 수 있을 것으로 기대된다. 하지만 학계에서 주로 연구되어 온 선형 기반 벡터 정렬은 기본적으로 통계적 선형성을 가정하기 때문에, 본질적으로 상이한 형태의 벡터 공간을 기하학적으로 유사한 것으로 간주하는 가정으로 인해 정렬 과정에서 필연적인 왜곡을 야기한다는 한계를 갖는다. 본 연구에서는 이러한 한계를 극복하기 위해 데이터의 비선형성을 효과적으로 학습하는 딥러닝 기반 벡터 정렬 방법론을 제안한다. 제안 방법론은 서로 다른 공간에서 벡터로 표현된 전문어 임베딩을 범용어 임베딩 공간에 정렬하는 스킵연결 오토인코더와 회귀 모델의 순차별 학습으로 구성되며, 학습된 두 모델의 추론을 통해 전문 어휘를 범용어 공간에 정렬할 수 있다. 제안 방법론의 성능을 검증하기 위해 2011년부터 2020년까지 수행된 국가 R&D 과제 중 '보건의료' 분야의 문서 총 77,578건에 대한 실험을 수행한 결과, 제안 방법론이 기존의 선형 벡터 정렬에 비해 코사인 유사도 측면에서 우수한 성능을 나타냄을 확인하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.