• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4084-4104
• /
• 2021

Visual place recognition (VPR) is a fundamental yet challenging task of mobile robot navigation and localization. The existing VPR methods are usually based on some pairwise similarity of image descriptors, so they are sensitive to visual appearance change and also computationally expensive. This paper proposes a simple yet effective four-step method that achieves adaptive convolutional neural network (CNN) landmark matching for VPR. First, based on the features extracted from existing CNN models, the regions with higher significance scores are selected as landmarks. Then, according to the coordinate positions of potential landmarks, landmark matching is improved by removing mismatched landmark pairs. Finally, considering the significance scores obtained in the first step, robust image retrieval is performed based on adaptive landmark matching, and it gives more weight to the landmark matching pairs with higher significance scores. To verify the efficiency and robustness of the proposed method, evaluations are conducted on standard benchmark datasets. The experimental results indicate that the proposed method reduces the feature representation space of place images by more than 75% with negligible loss in recognition precision. Also, it achieves a fast matching speed in similarity calculation, satisfying the real-time requirement.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권2호
• /
• pp.480-502
• /
• 2022

This work assesses the degree of satisfaction tourists receive as final recipients in a tourism destination based on the fact that satisfied tourists can make a significant contribution to the growth and continuous improvement of a tourism business. The work considers Pokhara, the tourism capital of Nepal as a prefecture of study. A stratified sampling methodology with open-ended survey questions is used as a primary source of data for a sample size of 1019 for both international and domestic tourists. The data collected through a survey is processed using a data mining tool to perform multi-dimensional analysis to discover information patterns and visualize clusters. Further, supervised machine learning algorithms, kNN, Decision tree, Support vector machine, Random forest, Neural network, Naive Bayes, and Gradient boost are used to develop models for training and prediction purposes for the survey data. To find the best model for prediction purposes, different performance matrices are used to evaluate a model for performance, accuracy, and robustness. The best model is used in constructing a learning-enabled model for predicting tourists as satisfied, neutral, and unsatisfied visitors. This work is very important for tourism business personnel, government agencies, and tourism stakeholders to find information on tourist satisfaction and factors that influence it. Though this work was carried out for Pokhara city of Nepal, the study is equally relevant to any other tourism destination of similar nature.

• Smart Structures and Systems
• /
• 제32권5호
• /
• pp.319-338
• /
• 2023

The study presents a new hybrid data-driven method by combining radial basis functions neural networks (RBF-NN) with the Jaya algorithm (JA) to provide effective structural health monitoring of arch dams. The novelty of this approach lies in that only one user-defined parameter is required and thus can increase its effectiveness and efficiency, as compared to other machine learning techniques that often require processing a large amount of training and testing model parameters and hyper-parameters, with high time-consuming. This approach seeks rapid damage detection in arch dams under dynamic conditions, to prevent potential disasters, by utilizing the RBF-NNN to seamlessly integrate the dynamic elastic modulus (DEM) and modal parameters (such as natural frequency and mode shape) as damage indicators. To determine the dynamic characteristics of the arch dam, the JA sequentially optimizes an objective function rooted in vibration-based data sets. Two case studies of hyperbolic concrete arch dams were carefully designed using finite element simulation to demonstrate the effectiveness of the RBF-NN model, in conjunction with the Jaya algorithm. The testing results demonstrated that the proposed methods could exhibit significant computational time-savings, while effectively detecting damage in arch dam structures with complex nonlinearities. Furthermore, despite training data contaminated with a high level of noise, the RBF-NN and JA fusion remained the robustness, with high accuracy.

• 정보보호학회논문지
• /
• 제33권6호
• /
• pp.1055-1065
• /
• 2023

최근 사물 인터넷을 활용한 산업 현장에서 수집되는 빅데이터를 활용해 복잡한 문제들을 해결하기 위하여 심층 강화학습 기술을 적용한 다양한 연구들이 이루어지고 있다. 심층 강화학습은 강화 학습의 시행 착오 알고리즘과 보상의 누적값을 이용해 자체 데이터를 생성하여 학습하고 신경망 구조와 파라미터 결정을 빠르게 탐색한다. 그러나 종래 방법은 학습 데이터의 크기가 커질수록 메모리 사용량과 탐색 시간이 기하급수적으로 높아지며 정확도가 떨어진다. 본 연구에서는 메타 학습을 적용한 연합학습 기반의 심층 강화학습 모델을 활용하여 55.9%만큼 보안성을 개선함으로써 프라이버시 침해 문제를 해결하고, 종래 최적화 기반 메타 학습 모델 대비 5.5% 향상된 97.8%의 분류 정확도를 달성하면서 평균 28.9%의 지연시간을 단축하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제10권3호
• /
• pp.221-230
• /
• 2004

원격 모니터링 시스템이란 네트웍에 분산된 호스트 혹은 원격 어플리케이션의 상태를 실시간으로 모니터링 하는 시스템이다. 네트웍에 분산된 호스트들은 다양한 플랫폼을 갖추고 있는 것이 현실이다. 하지만, 기존의 모니터링 시스템들은 플랫폼에 의존적인 성격을 띠고 있다. 네트웍을 통해서 모니터링을 하기 때문에 잠재적인 네트웍의 문제발생에 대한 적절한 대응이 필요하지만, 기존의 모니터링 시스템들은 네트웍의 문제에 대해서 적절하게 대응을 못하고 있다. 그리고 호스트의 상태를 변화시키는 요인은 호스트의 시스템 자원보다는 어플리케이션의 상태변화가 주 요인이 되고 있지만, 기존의 시스템들은 주로 호스트의 상태정보만 모니터링을 하고 있다. 따라서, 분산된 호스트들의 플랫폼에 독립적이고, 네트웍의 잠재적인 문제발생을 적절하게 대응을 할 수 있고, 호스트의 상태정보 보다는 호스트의 어플리케이션의 상태정보를 모니터링 하는 시스템이 필요한 실정이다. 본 논문에서는 네트웍에 분산된 어플리케이션의 실시간 모니터링을 통해서 어플리케이션 상태를 효과적으로 관리할 수 있는 모니터링 시스템인 RAMS (Remote Applications Monitoring System)의 설계 및 구현을 제시한다. 이 시스템은 네트웍에 분산된 호스트들의 효과적인 관리를 위해 호스트 어플리케이션의 상태를 모니터링 한다. RAMS는 모니터링 대상인 호스트 어플리케이션의 모니터링을 담당하는 Agent, 호스트의 등록, 관리를 담당하는 Manager로 구성된다. Manager와 Agent는 네트웍 단절 혹은 호스트 failure의 상황에도 자동으로 복구가 가능할 수 있도록 JINI를 최대한 활용함으로써 다른 시스템에 비해 시스템의 구성 및 관리가 용이한 특성을 갖는다.

• 한국컴퓨터정보학회논문지
• /
• 제24권12호
• /
• pp.25-33
• /
• 2019

본 논문은 목표한 방향으로 자유롭게 기동할 수 있는 새 크기의 물리기반 날갯짓 비행로봇 시뮬레이션을 위한 동역학적 신경망 컨트롤러를 생성하는 통합적인 진화연산 방법을 제시한다. 제안된 진화로봇 시스템은 날갯짓 비행의 추가적인 민첩성과 안정성을 위하여 Morphological Computation 개념을 응용한 간단한 날개 순응성 모델과 그와 통합된 Mechanosensory 정보를 활용한다. 역학적으로 불안정한 날갯짓 기동의 안정성 개선을 위해 로봇의 날개는 회전스프링으로 팔의 골격에 연결된 여러개의 패널들로 모델링되어, 새의 깃털에서 영감을 받은 단순한 형태의 날개 유연성을 시뮬레이션 하도록 설계되었다. 신경망 컨트롤러 역시 생물학적으로 의미있는 좌우대칭적 연결구조를 가짐과 동시에 최대의 진화연산 탐색 가능성을 위해 두 개의 fully-connected 신경망 모듈로 이루어지며, 이를 위한 센서정보로서 항법센서와 더불어 각 날개패널의 움직임 보들이 입력되어진다. 이러한 설계는 각 패널센서로 하여금 잠재적으로 신경망의 날갯짓 패턴 생성에 관여하게 함과 동시에, 날개에 가해지는 힘의 감지와 패널의 굽어짐으로 인한 날개 순응성으로부터 얻을 수 있는 비행의 민첩성과 안정성 향상을 동시에 유도할 수 있다. 본 시스템으로 진화된 날갯짓 로봇은 실시간으로 주어지는 목표방향으로의 효과적인 기동과 함께, 외부의 공기역학적 섭동에 대하여도 더욱 안정적인 비행을 유지함을 보여준다.

• 한국정보과학회논문지:정보통신
• /
• 제31권3호
• /
• pp.269-279
• /
• 2004

인터넷의 안정성에 가장 큰 영향을 미치는 요소는 종단간에 이루어지는 TCP 혼잡제어이다. 현재 인터넷의 주요 TCP 버전인 Reno가 사용하는 수동적인 혼잡제어 방법은 네트워크의 혼잡을 심화시키는 원인이 된다. 이러한 Reno의 문제점을 개선하기 위해 제안된 Vegas는 Reno에 비해 우수한 성능을 가짐이 증명되었음에도 불구하고 두 가지 심각한 불공정성 문제를 가지고 있기 때문에 범용적으로 사용되지 못하고 있다. 본 논문에서는 이러한 Vegas의 문제점을 보완하기 위해서 기존의 Vegas 혼잡제어 알고리즘을 개선한 새로운 TCP PowerVegas 혼잡제어 알고리즘을 제안한다. rtt(round trip time)만을 기반으로 네트워크의 혼잡을 제어하는 기존의 Vegas에 비해서 제안한 PowerVegas는 rtt와 패킷 손실 정보를 유기적으로 결합시킨 새로운 기법으로 경쟁력 있는 혼잡제어를 수행한다. 그러므로 기존의 Vegas에서 발생했던 불공정성 문제를 모두 효과적으로 개선할 수 있다. 제안한 알고리즘의 성능을 검증하기 위해 동일한 시뮬레이션 환경에서 PowerVegas와 Reno 및 Vegas를 비교하는 실험을 수행하였다. 실험 결과를 통해서 제안한 PowerVegas가 기존 Reno의 혼잡제어 방법에 비해 우수한 성능을 보일 뿐만 아니라, Vegas의 불공정성 문제도 크게 개선되었음을 확인할 수 있었다.

• Korean Journal of Radiology
• /
• 제21권7호
• /
• pp.869-879
• /
• 2020

Objective: To evaluate the performance of a convolutional neural network (CNN) model that can automatically detect and classify rib fractures, and output structured reports from computed tomography (CT) images. Materials and Methods: This study included 1079 patients (median age, 55 years; men, 718) from three hospitals, between January 2011 and January 2019, who were divided into a monocentric training set (n = 876; median age, 55 years; men, 582), five multicenter/multiparameter validation sets (n = 173; median age, 59 years; men, 118) with different slice thicknesses and image pixels, and a normal control set (n = 30; median age, 53 years; men, 18). Three classifications (fresh, healing, and old fracture) combined with fracture location (corresponding CT layers) were detected automatically and delivered in a structured report. Precision, recall, and F1-score were selected as metrics to measure the optimum CNN model. Detection/diagnosis time, precision, and sensitivity were employed to compare the diagnostic efficiency of the structured report and that of experienced radiologists. Results: A total of 25054 annotations (fresh fracture, 10089; healing fracture, 10922; old fracture, 4043) were labelled for training (18584) and validation (6470). The detection efficiency was higher for fresh fractures and healing fractures than for old fractures (F1-scores, 0.849, 0.856, 0.770, respectively, p = 0.023 for each), and the robustness of the model was good in the five multicenter/multiparameter validation sets (all mean F1-scores > 0.8 except validation set 5 [512 x 512 pixels; F1-score = 0.757]). The precision of the five radiologists improved from 80.3% to 91.1%, and the sensitivity increased from 62.4% to 86.3% with artificial intelligence-assisted diagnosis. On average, the diagnosis time of the radiologists was reduced by 73.9 seconds. Conclusion: Our CNN model for automatic rib fracture detection could assist radiologists in improving diagnostic efficiency, reducing diagnosis time and radiologists' workload.

• 지능정보연구
• /
• 제21권1호
• /
• pp.119-142
• /
• 2015

사용자의 취향과 선호도를 고려하여 정보를 제공하는 추천 시스템의 중요성이 높아졌다. 이를 위해 다양한 기법들이 제안되었는데, 비교적 도메인의 제약이 적은 협업 필터링이 널리 사용되고 있다. 협업 필터링의 한 종류인 모델 기반 협업 필터링은 기계학습이나 데이터 마이닝 모델을 협업 필터링에 접목한 방법이다. 이는 희박성 문제와 확장성 문제 등의 협업 필터링의 근본적인 한계를 개선하지만, 모델 생성 비용이 높고 성능/확장성 트레이드오프가 발생한다는 한계점을 갖는다. 성능/확장성 트레이드오프는 희박성 문제의 일종인 적용범위 감소 문제를 발생시킨다. 또한, 높은 모델 생성 비용은 도메인 환경 변화의 누적으로 인한 성능 불안정의 원인이 된다. 본 연구에서는 이 문제를 해결하기 위해, 군집화 기반 협업 필터링에 마르코프 전이확률모델과 퍼지 군집화의 개념을 접목하여, 적용범위 감소 문제와 성능 불안정성 문제를 해결한 예측적 군집화 기반 협업 필터링 기법을 제안한다. 이 기법은 첫째, 사용자 기호(Preference)의 변화를 추적하여 정적인 모델과 동적인 사용자간의 괴리 해소를 통해 성능 불안정 문제를 개선한다. 둘째, 전이확률과 군집 소속 확률에 기반한 적용범위 확장으로 적용범위 감소 문제를 개선한다. 제안하는 기법의 검증은 각각 성능 불안정성 문제와 확장성/성능 트레이드오프 문제에 대한 강건성(robustness)시험을 통해 이뤄졌다. 제안하는 기법은 기존 기법들에 비해 성능의 향상 폭은 미미하다. 또한 데이터의 변동 정도를 나타내는 지표인 표준 편차의 측면에서도 의미 있는 개선을 보이지 못하였다. 하지만, 성능의 변동 폭을 나타내는 범위의 측면에서는 기존 기법들에 비해 개선을 보였다. 첫 번째 실험에서는 모델 생성 전후의 성능 변동폭에서 51.31%의 개선을, 두 번째 실험에서는 군집 수 변화에 따른 성능 변동폭에서 36.05%의 개선을 보였다. 이는 제안하는 기법이 성능의 향상을 보여주지는 못하지만, 성능 안정성의 측면에서는 기존의 기법들을 개선하고 있음을 의미한다.

• 한국통신학회논문지
• /
• 제38B권11호
• /
• pp.911-923
• /
• 2013

무선 센서 네트워크에서 다중경로 라우팅 방안은 종단 간 데이터 전달의 신뢰성을 향상시키기 위한 연구주제 중 하나이다. 최근에는 다중경로의 강건함과 효율성을 위해서 경로의 분리와 관리를 위한 연구가 다수 진행 되었다. 그러나 이전의 연구들은 무선 통신 환경을 고려하지 않은 다중경로의 분리 방법을 이용하고 있다. 게다가, 그들은 불규칙 네트워크 환경에서 노드나 통신 실패로 인해 발생하는 경로 실패를 관리하는 방법이 없거나 추가경로를 생성하는 간단한 방법을 통해 다중경로를 유지한다. 이를 보완하기 위해서, 네트워크 오류지역을 우회 전송하고 경로를 재구성하는 다중경로 유지 방안이 제안되었지만, 중앙 집중적이고 정적인 경로 관리 방법을 이용하기 때문에, 경로 재구성 과정에서 데이터 전달의 중단이나 링크의 단절, 그리고 많은 경로 재구성 비용 등이 요구되는 문제가 있다. 이런 제약과 문제들은 데이터 전달의 신뢰성 저하와 긴급 데이터의 보고 실패로 이뤄질 수 있다. 따라서 본 논문에서는 불규칙적이고 제한적인 무선 센서 네트워크 환경을 고려하여 유연한 분리형 다중경로를 구축하는 방법과 효율적으로 다중경로를 유지할 수 있도록 경로의 우선순위 규칙을 적용한 지역 결정 기반의 다중경로 관리 방법을 제안한다. 그리고 제안 방법의 성능을 평가하기 위해서 시뮬레이션을 수행한다.