• 한국정보통신학회논문지
• /
• 제26권8호
• /
• pp.1148-1157
• /
• 2022

2019년 코로나로 인하여 사람들의 많은 생활에 변화를 주었다. 그중 메타버스는 다양한 방식을 통한 비대면 서비스를 지원하여 일상에서 하던 일을 대체하고 있다. 이런 현상은 코로나19의 장기화로 하나의 문화처럼 만들어지고 형성되었다. 본 논문은 메타버스의 재미요인을 알기 위해 기존 게임에서 사용한 재미요소를 정리하여 전문가 5명과 함께 항목, 내용을 메타버스에 맞게 재분류하였다. 분류는 재매개성을 사용하여 분류하였고 감각적 재미[시각(그래픽), 청각, 텍스트, 조작, 감정이입, 유희, 시점], 도전적 재미[몰입, 도전, 성취, 발견, 스릴, 보상, 문제해결], 상상적 재미[새로운 이야기, 사랑, 자유도, 대리자아, 기대감, 변화], 사회적 재미[규칙, 경쟁, 사회적 행위, 지위, 협동, 참여, 교류, 소속, 화폐거래], 상호작용적 재미[의사결정, 커뮤니케이션 공유, 하드웨어, 감정이입, 육성, 자율성], 현실적 재미[현실 일체감, 학습 용이성, 순응, 지적문제해결, 패턴 인식, 실재감, 커뮤니티], 창조적 재미[응용, 창조, 커스텀마이징, 가상세계]로 구분하였다.

• 센서학회지
• /
• 제31권1호
• /
• pp.24-30
• /
• 2022

Distributed fiber-optic acoustic·vibration sensing technology is becoming increasingly popular in many industrial and academic areas such as in securing large edifices, exploring underground seismic activity, monitoring oil well/reservoir, etc. Long-range perimeter intrusion detection exemplifies an application that not only detects intrusion, but also pinpoints where it happens and recognizes kinds of threats made along the perimeter where a single fiber cable was installed. In this study, we developed a distributed fiber-optic sensing device that measures a distributed acoustic·vibration signature (pattern) for intrusion detection. In addition, we demontrate the proposed deep learning algorithm and how it classifies various intrusion events. We evaluated the sensing device and deep learning algorithm in a practical testbed setup. The evaluation results confirm that the developed system is a promising intrusion detection system for long-distance and seamless recognition requirements.

• 한국콘텐츠학회논문지
• /
• 제21권7호
• /
• pp.20-29
• /
• 2021

다플랫폼 미디어 환경이 조성됨에 따라 방송콘텐츠 분야에서는 방송사를 엄격하게 구분 짓거나 타 프로그램의 언급을 조심스러워하던 그동안의 경직된 분위기에서 벗어나 서로 간의 경계를 허물며 컨버전스를 통한 콘텐츠 제작 흐름이 포착되고 있다. 또한 그 방식이 한쪽의 인지도나 프로그램 인기 척도에 따라 수직적으로 행해지는 것이 아니라 상생과 공존의 윈윈 전략으로서 수평적으로 행해졌다는 점에서 상당히 고무적이다. 따라서 본 연구에서는 이와 같은 흐름의 저변에서 급격하게 재편되고 있는 미디어 생태계에 적응하고 살아남기 위해 서로 간의 경계를 초월하는 현상을 포착하고 그 과정에서 다양한 형태로 발현되는 컨버전스 유형과 독보적 가치를 유지하기 위한 세계관 설정에 주목했다. 그리고 이러한 움직임이 두드러지게 나타났던 '유산슬'과 '펭수'를 연구대상으로 선정, 그 초기 양상을 분석하여 레거시 미디어가 기존의 관행을 깨면서까지 선택한 전략들은 무엇이며 이러한 변화들이 앞으로 방송콘텐츠를 기획하는 데에 있어 어떠한 시사점을 갖는지 살펴보았다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.55-67
• /
• 2022

센서 데이터를 활용하여 설비의 이상 진단이 가능해졌다. 하지만 설비 이상에 대한 원인 분석은 미비한 실정이다. 본 연구에서는 센서 기반 시계열 데이터 분류 모델을 위한 해석가능한 합성곱 신경망 프레임워크를 제안한다. 연구에서 사용된 센서 기반 시계열 데이터는 실제 차량에 부착된 센서를 통해 수집되었고, 반도체의 웨이퍼 데이터는 공정 과정에서 수집되었다. 추가로 실제 기계 설비에서 수집된 주기 신호 데이터를 이용 하였으며, 충분한 학습을 위해 Data augmentation 방법론인 Scaling과 Jittering을 적용하였다. 또한, 본 연구에서는 3가지 합성곱 신경망 기반 모델들을 제안하고 각각의 성능을 비교하였다. 본 연구에서는 ResNet에 Jittering을 적용한 결과 정확도 95%, F1 점수 95%로 가장 뛰어난 성능을 보였으며, 기존 연구 대비 3%의 성능 향상을 보였다. 더 나아가 결과의 해석을 위한 XAI 방법론으로 Class Activation Map과 Layer Visualization을 제안하였으며, 센서 데이터 분류에 중요 영향을 끼치는 시계열 구간을 시각적으로 확인하였다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.77-91
• /
• 2022

Various monitoring systems have been implemented in civil infrastructure to ensure structural safety and integrity. In long-term monitoring, these systems generate a large amount of data, where anomalies are not unusual and can pose unique challenges for structural health monitoring applications, such as system identification and damage detection. Therefore, developing efficient techniques is quite essential to recognize the anomalies in monitoring data. In this study, several machine learning techniques are explored and implemented to detect and classify various types of data anomalies. A field dataset, which consists of one month long acceleration data obtained from a long-span cable-stayed bridge in China, is employed to examine the machine learning techniques for automated data anomaly detection. These techniques include the statistic-based pattern recognition network, spectrogram-based convolutional neural network, image-based time history convolutional neural network, image-based time-frequency hybrid convolution neural network (GoogLeNet), and proposed ensemble neural network model. The ensemble model deliberately combines different machine learning models to enhance anomaly classification performance. The results show that all these techniques can successfully detect and classify six types of data anomalies (i.e., missing, minor, outlier, square, trend, drift). Moreover, both image-based time history convolutional neural network and GoogLeNet are further investigated for the capability of autonomous online anomaly classification and found to effectively classify anomalies with decent performance. As seen in comparison with accuracy, the proposed ensemble neural network model outperforms the other three machine learning techniques. This study also evaluates the proposed ensemble neural network model to a blind test dataset. As found in the results, this ensemble model is effective for data anomaly detection and applicable for the signal characteristics changing over time.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제13권1호
• /
• pp.641-649
• /
• 2021

Fuel oil consumption (FOC) must be minimized to determine the economic route of a ship; hence, the ship power must be predicted prior to route planning. For this purpose, a numerical method using test results of a model has been widely used. However, predicting ship power using this method is challenging owing to the uncertainty of the model test. An onboard test should be conducted to solve this problem; however, it requires considerable resources and time. Therefore, in this study, a deep feed-forward neural network (DFN) is used to predict ship power using deep learning methods that involve data pattern recognition. To use data in the DFN, the input data and a label (output of prediction) should be configured. In this study, the input data are configured using ocean environmental data (wave height, wave period, wave direction, wind speed, wind direction, and sea surface temperature) and the ship's operational data (draft, speed, and heading). The ship power is selected as the label. In addition, various treatments have been used to improve the prediction accuracy. First, ocean environmental data related to wind and waves are preprocessed using values relative to the ship's velocity. Second, the structure of the DFN is changed based on the characteristics of the input data. Third, the prediction accuracy is analyzed using a combination comprising five hyperparameters (number of hidden layers, number of hidden nodes, learning rate, dropout, and gradient optimizer). Finally, k-means clustering is performed to analyze the effect of the sea state and ship operational status by categorizing it into several models. The performances of various prediction models are compared and analyzed using the DFN in this study.

• Journal of Positioning, Navigation, and Timing
• /
• 제11권3호
• /
• pp.217-227
• /
• 2022

In order to provide a location-based services regardless of indoor or outdoor space, it is important to provide position information of the terminal regardless of location. Among the wireless/mobile communication resources used for this purpose, Long Term Evolution (LTE) signal is a representative infrastructure that can overcome spatial limitations, but the positioning method based on the location of the base station has a disadvantage in that the accuracy is low. Therefore, a fingerprinting technique, which is a pattern recognition technology, has been widely used. The simplest yet widely applied algorithm among Fingerprint positioning technologies is k-Nearest Neighbors (kNN). However, in the kNN algorithm, it is difficult to find the optimal K value with the lowest positioning error for each location to be estimated, so it is generally fixed to an appropriate K value and used. Since the optimal K value cannot be applied to each estimated location, therefore, there is a problem in that the accuracy of the overall estimated location information is lowered. Considering this problem, this paper proposes a technique for adaptively varying the K value by using a Convolutional Neural Network (CNN) model among Artificial Neural Network (ANN) techniques. First, by using the signal information of the measured values obtained in the service area, an image is created according to the Physical Cell Identity (PCI) and Band combination, and an answer label for supervised learning is created. Then, the structure of the CNN is modeled to classify K values through the image information of the measurements. The performance of the proposed technique is verified based on actual data measured in the testbed. As a result, it can be seen that the proposed technique improves the positioning performance compared to using a fixed K value.

• Human Ecology Research
• /
• 제61권3호
• /
• pp.389-399
• /
• 2023

Sustainable fashion products have different characteristics from typical fashion products. Therefore, this study focuses on shoes while exploring the expansion and development of sustainable fashion consumption as well as consumers' perceptions of the sustainability approaches practiced by shoe companies. In-depth interviews were conducted with 24 consumers, who had purchased sustainable shoes, in order to understand their purchase decision-making process and consumption characteristics, using the seven stages of the EBM model. In the "need recognition" stage, the survey participants' social background and family influences were categorized as macro factors, while their personal background influences were categorized as micro factors. In the "evaluation of alternatives" stage, participants reconfirmed whether or not to make a purchase based on the product's properties, such as price, brand value, and offered services. In the "purchase" stage, participants' purchase channels were determined according to their preferences as well as the selection pattern they followed until the final purchase within the chosen channel. In the "consumption" stage, the start of product ownership coincides with the start of using the products after making a purchase. In the "post-purchase assessment" stage, higher positive experiences led to a higher repurchase intention of sustainable shoes, while negative experiences caused participants to defer consumption and made them experience a sense of guilt for failing to consume sustainably. During the "post-purchase behavior" stage, which focused on the categories that the customers prioritized, many participants spread information about sustainable fashion to specific individuals through active online WOM behavior.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.395-396
• /
• 2009

Electron tomography를 이용한 3차원적 영상 시각화는 electron microscopy를 통해 하나의 실험 대상으로부터 연속된 이미지를 생산함으로써 이루어진다. 이미지 데이터 내부에는 대용량의 정보값을 포함하고 있어 3차원 구조물로의 변환이 가능하다. electron tomography 작업 과정 중 고해상도 원본 이미지에 pattern recognition 알고리즘이 적용된 필터링을 적용하면 실험에 필요한 데이터의 정보 손실을 최소화한 상태에서 electron tomography 시스템의 효율성을 높일 수 있다. 또한 tomographic econstruction이 진행되는 각 단계에 hanning windowing을 적용하면 불필요한 정보 값이나 노이즈 등을 효과적으로 제거할 수 있다. 윤곽선 데이터의 효과적 활용을 위하여 sobel 필터 처리를 할 경우 관찰하고자 하는 대상의 윤곽선 특징을 뚜렷하게 시각화 할 수 있었다. 본 연구를 통하여 데이터의 시각화 과정에서 실험의 신뢰성 확보를 위해 원본 이미지를 기반으로 하는 tomogram과 필터링을 적용한 tomogram을 비교하여 최종 결과물의 정확도를 높이고, electron tomography를 통한 결과물의 질적 향상을 유도할 수 있음을 확인하였다.

• 한국전자통신학회논문지
• /
• 제18권2호
• /
• pp.313-320
• /
• 2023

반려견의 등록 누계 현황은 2016년도 107만건에서 2020년 232만건을 기록하고 있다. 매년 동물 등록이 10% 이상씩 증가하고 있고, 이에 따라 반려견을 등록 할 때 이름을 정해야 한다. 반려견 외모의 특징에 맞는 이름을 지어주고 싶지만, 이름을 정하는 것은 많은 어려움이 있다. 본 논문에서는 반려견의 이미지를 인식하고 닮은 사물이나 음식을 기반으로 반려견의 이름을 추천해주는 시스템의 개발 내용을 기술한다. 이 시스템은 다양한 사물과 음식의 이미지를 학습한 모델을 통해 반려견의 이미지와의 유사도를 추출하고, 유사도를 기반으로 강아지의 이름을 추천해준다. 또한 결과값으로 나온 이미지 데이터를 기반으로 연관된 연상단어를 추가로 추천해줌으로써 사용자들에게 다양한 선택지를 제공하고 편의를 높이고 흥미와 재미를 높일 수 있다. 본 시스템을 통해 반려견의 이름을 짓는 고민거리를 해결하고 편하게 반려견에게 어울리는 이름을 확인할 수 있으며, 다양한 추천 이름을 통해 폭넓은 선택지를 줌으로써 사용자들의 만족도를 높일 수 있을 것으로 기대한다.