• 전자공학회논문지CI
• /
• 제49권4호
• /
• pp.42-53
• /
• 2012

패턴 인식과 기계 학습 분야에서 분류는 가장 기본적으로 해결해야 하는 문제의 유형이다. Adaboost 알고리즘은 Boosting 알고리즘의 아이디어를 실제 데이터분석에 이용할 수 있도록 개량한 방법으로써, 단계를 반복하여 나온 여러 개의 약한 분류기와 가중치 값들의 조합으로 강한 분류기를 생성하는 두 개의 클래스를 분류하는 분류기이다. 주성분 분석법과 선형 판별 분석법은 높은 차원의 특징 벡터를 낮은 차원의 특징 벡터로 축소하는 특징 벡터의 차원 감소와 데이터의 특징 추출에도 유용하게 사용되는 방법들이다. 본 논문에서는, 주성분 분석법과 선형 판별 분석법을 이용하여 추출한 특징을 Adaboost 알고리즘의 약 분류기로 사용함으로써, 특징 추출과 분류를 동시에 하고, 인식률을 높이는 효율적인 Boosted-PCA와 Boosted-LDA 알고리즘을 제안한다. 마지막 장에서는, 제안하는 알고리즘으로 UCI Data-Set 중 2 Class-Data와 FRGC Data의 남자와 여자 영상에 대해서 분류 실험을 진행하였다. 실험의 결과로 제안한 Boosted-PCA와 Boosted-LDA 알고리즘이 기존의 특징 추출 알고리즘과 최근접 이웃 분류기, SVM을 이용한 분류기 방법과 비교하여 인식률이 향상됨을 보인다.

• 한국통신학회논문지
• /
• 제41권5호
• /
• pp.592-601
• /
• 2016

순환신경망은 순차적이거나 길이가 가변적인 데이터에 적합한 딥러닝 모델이다. LSTM은 순환신경망에서 나타나는 기울기 소멸문제를 해결함으로써 시퀀스 구성 요소간의 장기의존성을 유지 할 수 있다. 본 논문에서는 LSTM에 기반한 언어모델을 구성하여, 불완전한 한국어 문장이 입력으로 주어졌을 때 뒤 이어 나올 단어들을 예측하여 완전한 문장을 생성할 수 있는 방법을 제안한다. 제안된 방법을 평가하기 위해 여러 한국어 말뭉치를 이용하여 모델을 학습한 다음, 한국어 문장의 불완전한 부분을 생성하는 실험을 진행하였다. 실험 결과, 제시된 언어모델이 자연스러운 한국어 문장을 생성해 낼 수 있음을 확인하였다. 또한 문장 최소 단위를 어절로 설정한 모델이 다른 모델보다 문장 생성에서 더 우수한 결과를 보임을 밝혔다.

• 한국항공우주학회지
• /
• 제43권1호
• /
• pp.23-32
• /
• 2015

전투기 조종사 모델링은 국방 M&S(Modeling & Simulation)를 활용한 전쟁 모의 및 전투 실험의 기초 기술로 국방 M&S의 중요성이 대두됨에 따라 연구의 필요성이 높아지고 있다. 특히, 최근 전투 로그의 축적으로 통계적 학습 기법을 활용한 모델링의 적용이 가능해졌으며 전투 로그의 시계열적 특성을 반영할 수 있는 HMM(Hidden Markov Model)이 적합하다. 하지만 HMM은 이산형 혹은 연속형 중 한 형태의 변수만을 통해 학습되므로 이형 변수로 구성된 전투 로그에 적용을 위해서는 형변환 과정이 필요하다. 따라서 본 논문에서는 형변환을 위한 dPCA(Discrete Principal Component Analysis)와 HMM을 접목한 dPCA-HMM 기반 조종사 모델링 방법을 제안한다. 국방과학연구소 관급 시뮬레이터로부터 생성된 전투 로그를 이용한 비교 실험을 통해 제안하는 방법론의 성능을 평가하였으며, 만족스러운 성능을 나타내었다.

• 한국음향학회지
• /
• 제40권4호
• /
• pp.337-346
• /
• 2021

일반적으로 비정상 신호 탐지 연구에서는 데이터 불균형으로 인해 정상 신호 특징을 주된 정보로 사용한다. 본 논문에서는 비정상 신호의 특징을 학습하는 병렬 오토인코더를 이용한 효율적인 비정상 신호 탐지기법을 제안한다. 제안된 동일한 구조로 이루어진 병렬 오토인코더는 정상 신호와 비정상 신호에 대한 특징을 학습하는 정상 복원기와 비정상 복원기로 구성되며, 정상 및 비정상 데이터를 순차적으로 학습함으로써 불균형 데이터 문제를 효율적으로 해결할 수 있다. 뿐만 아니라 보다 높은 탐지성능 향상을 위해서 부가적인 이진 분류기가 추가될 수 있다. 공개된 음향데이터를 이용한 실험결과, 제안된 병렬 탐지모델의 학습시간이 단일 오토인코더 탐지모델과 비교하여 약 1.31 ~ 1.61배 늘어나지만, 최소 22 % 이상의 Area Under Curve(AUC) 향상을 보였다. 또한, 사전에 훈련된 병렬 오토인코더를 이용하여 수중 음향데이터를 전이학습한 결과 수중 비정상 신호 AUC 탐지성능을 93 % 이상 향상시킬 수 있음을 확인하였다.

• 정보보호학회논문지
• /
• 제30권6호
• /
• pp.1053-1065
• /
• 2020

최근 하드웨어의 성능과 인공지능 기술이 발달함에 따라 육안으로 구분하기 어려운 정교한 가짜 동영상들이 증가하고 있다. 인공지능을 이용한 얼굴 합성 기술을 딥페이크라고 하며 약간의 프로그래밍 능력과 딥러닝 지식만 있다면 누구든지 딥페이크를 이용하여 정교한 가짜 동영상을 제작할 수 있다. 이에 무분별한 가짜 동영상이 크게 증가하였으며 이는 개인 정보 침해, 가짜 뉴스, 사기 등에 문제로 이어질 수 있다. 따라서 사람의 눈으로도 진위를 가릴 수 없는 가짜 동영상을 탐지할 수 있는 방안이 필요하다. 이에 본 논문에서는 Bidirectional Convolutional LSTM과 어텐션 모듈(Attention module)을 적용한 딥페이크 탐지 모델을 제안한다. 본 논문에서 제안하는 모델은 어텐션 모듈과 신경곱 합성망 모델을 같이 사용되어 각 프레임의 특징을 추출하고 기존의 제안되어왔던 시간의 순방향만을 고려하는 LSTM과 달리 시간의 역방향도 고려하여 학습한다. 어텐션 모듈은 합성곱 신경망 모델과 같이 사용되어 각 프레임의 특징 추출에 이용한다. 실험을 통해 본 논문에서 제안하는 모델은 93.5%의 정확도를 갖고 기존 연구의 결과보다 AUC가 최대 50% 가량 높음을 보였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

• 한국산학기술학회논문지
• /
• 제16권4호
• /
• pp.2749-2756
• /
• 2015

최근 데이터의 질이 높아짐에 따라 영상을 처리하는데 많은 시간이 소모되는 문제가 제기되어 영상 처리 알고리즘의 가속화가 필요하게 됨으로써, 기존의 CPU와 CUDA(Compute Unified Device Architecture) 기반의 인식 시스템에서 연산속도와 성능이득 비교를 위해 OpenMP를 가지고 측정할 수 있는 문자 인식시스템으로 학습된 문자데이터가 입력되면 매칭이 가장 잘 되는 영상의 영역을 인식하는 환경으로 구현하여 각 영문 알파벳의 글씨체가 일정하고 크기가 규격화 되어 있으므로 문자를 학습하고 문자 정합도를 계산하기 위한 영상 매칭 방법을 구현하게 되었다. GPGPU(General Purpose GPU)프로그래밍 플랫폼 기술인 CUDA연산 기법을 이용하여 알고리즘을 빠르고 효율적으로 처리하는 OpenMP에서 인텔 i5 2500의 네 개의 코어를 사용하여 인식 할 때, 기존 CPU의 성능보다 4배의 속도가 나오지 않고 데이터의 분할과 병합 연산의 지연으로 인해 약 3.2배의 속도로 향상되는 가속화 방법을 제안하고 그래픽카드에서 처리하는 병렬처리 결과, 순차적 연산을 수행하였던 CPU 기반의 처리에 비해 성능이득이 약 21X(배)로 향상됨을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권11호
• /
• pp.277-286
• /
• 2020

이 연구의 목적은 전문가 집단을 대상으로 프로그래밍 교육에 필요한 프로그래밍 개념의 구성원을 도출하여 학습자의 개념화를 돕는데 있다. 이를 위해 변수, 연산자, 제어 구조 등의 프로그래밍 요소를 질적 연구 방법인 개념적 메타포 분석 방법을 적용하여 프로그래밍 교육 전문가 집단이 형성한 개념의 전형적 속성을 확인하고 델파이 연구 방법을 통해 타당성을 확보하였다. 이 연구의 결과로 프로그래밍 개념의 전형적 속성 17가지를 도출하였다. 이를 바탕으로 내린 결론은 프로그래밍 교육에서 학습자가 1)변수 개념은 데이터를 저장하는 방법, 이름을 정하는 방법, 변수의 주소가 갖는 의미, 값을 변하게 하는 방법, 변수의 다양한 형태, 변수가 갖는 크기의 의미 등, 2)연산자 개념은 사칙 연산 방법, 논리적인 처리 방법, 우선순위에 따른 연결 방법, 연산 기호의 의미, 비교하는 방법 등, 3)제어 구조 개념은 실행 흐름 제어 방법, 참/거짓으로 논리적 판단 방법, 실행 규칙 설정 방법, 선택적 실행 방법, 순차적 실행의 의미, 반복적 실행 방법 등을 이해하도록 교육 내용을 보다 구체적으로 설정해야 한다는 것이다.

• Geomechanics and Engineering
• /
• 제35권2호
• /
• pp.121-133
• /
• 2023

The demand for cement and limestone crushed materials has increased many folds due to the tremendous increase in construction activities in Pakistan during the past few decades. The number of cement production industries has increased correspondingly, and so the rock-blasting operations at the limestone quarry sites. However, the safety procedures warranted at these sites for the blast-induced ground vibrations (BIGV) have not been adequately developed and/or implemented. Proper prediction and monitoring of BIGV are necessary to ensure the safety of structures in the vicinity of these quarry sites. In this paper, an attempt has been made to predict BIGV using artificial neural network (ANN) at three selected limestone quarries of Pakistan. The ANN has been developed in Python using Keras with sequential model and dense layers. The hyper parameters and neurons in each of the activation layers has been optimized using randomized and grid search method. The input parameters for the model include distance, a maximum charge per delay (MCPD), depth of hole, burden, spacing, and number of blast holes, whereas, peak particle velocity (PPV) is taken as the only output parameter. A total of 110 blast vibrations datasets were recorded from three different limestone quarries. The dataset has been divided into 85% for neural network training, and 15% for testing of the network. A five-layer ANN is trained with Rectified Linear Unit (ReLU) activation function, Adam optimization algorithm with a learning rate of 0.001, and batch size of 32 with the topology of 6-32-32-256-1. The blast datasets were utilized to compare the performance of ANN, multivariate regression analysis (MVRA), and empirical predictors. The performance was evaluated using the coefficient of determination (R²), mean absolute error (MAE), mean squared error (MSE), mean absolute percentage error (MAPE), and root mean squared error (RMSE)for predicted and measured PPV. To determine the relative influence of each parameter on the PPV, sensitivity analyses were performed for all input parameters. The analyses reveal that ANN performs superior than MVRA and other empirical predictors, andthat83% PPV is affected by distance and MCPD while hole depth, number of blast holes, burden and spacing contribute for the remaining 17%. This research provides valuable insights into improving safety measures and ensuring the structural integrity of buildings near limestone quarry sites.

• 헤리티지:역사와 과학
• /
• 제43권4호
• /
• pp.4-23
• /
• 2010

요즈음은 세습무계가 약화되고 강신무 계열의 무속인들이 왕성하게 활동하게 되면서 강신무인 점쟁이도 굿을 주재하는 경우가 많아지고 있다. 고대사회에서는 점쟁이가 공공성과 정치성을 지녀 그 위상 또한 상당했을 것으로 보이고, 오늘날은 점쟁이를 하나의 직업인으로서 인식해 가는 추세이다. 점쟁이는 부업이 아니라 주업으로써 활동하는 경우가 많고, 전반적으로 그들의 학력은 낮은 것으로 판단되지만, 대졸도 11명이나 된다는 점에서 학력이 점차 높아지고 있는 것도 확인해 볼 수 있다. 점집의 성격은 점치는 사람의 성향에 따라 다른데, 점집의 상호명을 통해서 어느 정도 추정해 볼 수 있다. 점쟁이 가운데는 신내림을 받은 사람이 많은데, 대부분 개인 신당을 소유하며 신당에는 주로 조상신류, 장군신류, 불교신류, 자연신류(천신, 용신 등), 도교신류, 기타 등을 모시고 있다. 그리고 점집의 상호를 보면, '${\bigcirc}{\bigcirc}$보살' 혹은 '${\bigcirc}{\bigcirc}$사(寺)'나 '${\bigcirc}{\bigcirc}$암(庵)'이라는 명칭이 많은데, 불교와 종교적인 친연성도 있겠지만 무속에 대한 사회의 부정적 인식을 희석하기 위해 불교적인 색채를 덧입힌 것으로도 보인다. 점집이 집단화된 지역을 보면 계림동 오거리, 양동 닭전머리, 중흥동 향토문화거리를 들 수 있다. 먼저 계림동 오거리권은 계림동과 산수동에 인접한 곳으로 주변에 계림시장과 대인시장이 있으며 점집이 72개로 15%의 비중을 차지하고 있다. 그리고 양동 닭전머리권은 월산동과 양동에 가까운 지역으로 배후에는 양동시장을 끼고 있는데 점집이 96개로 19%의 비중을 차지하고 있다. 마지막으로 중흥동 향토문화거리권은 중흥동과 우산동에 인접하며 인근에 북구청과 전남대학교 그리고 말바우시장이 자리하는 곳으로 점집이 106개로 21%의 비중을 차지하고 있다. 점치는 방법은 학습을 통하여 점치는 점쟁이와 강신을 통해 점치는 점쟁이에 따라서 큰 차이가 있다. 전반적으로 점책에만 의존하여 점치는 경우는 22%이고, 어떤 식으로든 영력에 의존하여 점치는 경우가 72%의 비중을 차지하고 있음을 보면, 대다수 점쟁이는 영력을 이용하여 점치고 있음을 알 수 있다. 점의 종류는 일생의례와 관련된 것으로 궁합 결혼 이혼 등 애정운이 있는가 하면, 가족과 관계된 것으로 작명 취업 진로 입시 사업 병고 액막이 등 가족운이 있고, 조상과 관련된 묏자리 이장 이사 등이 있다. 점치는 과정은 준비 단계, 점사를 공수하는 단계, 점사의 결과를 실천하는 단계로 이루어지고, 이들은 서로 순차적이면서 단계별로 연계되어 있다. 첫 번째 준비 단계는 다시 의뢰자의 기본정보를 확인하는 과정과 신의 강림을 청하는 과정으로 구성되어 있다. 신의 강림을 청할 때 주로 사용하는 점구는 징과 방울이다. 두번째 공수단계는 강신의 점쟁이가 영적인 힘을 얻어 공수를 주는 과정이고, 학습의 점쟁이는 점책을 확인하여 점사를 의뢰자에게 일러주는 때이다. 공수단계에서 사용되는 중요한 점구로 쌀과 엽전을 들 수 있다. 세 번째 실천단계는 점사의 공수 내용을 실천하는 것으로, 다시 말하면 점사 후 처방하는 절차를 말한다. 점쟁이의 처방으로는 굿을 하도록 권하는 경우가 많고, 그 다음으로 부적을 써 주는 순이었다. 광주지역 점복문화의 특징을 보면, 먼저 점쟁이와 보살의 역할이 병행되는 사례가 늘어나고 있으며, 점집이 굿당의 역할까지 함께 수행하는 경우가 많아지고 있다. 그리고 점집은 집단화되고 있는데, 주거환경개선사업의 영향으로 점집들이 밀집된 곳으로 이동해가는 모습도 확인할 수 있다. 뿐만 아니라 학습 계통의 점쟁이가 갈수록 증가하고 있고, 젊은 층의 점집 이용이 증가하고 있으며, 가족적인 것보다는 개인의 문제를 해결하기 위해 점집을 찾는 경우가 많아지고 있다.