• 센서학회지
• /
• 제33권5호
• /
• pp.248-254
• /
• 2024

Artificial intelligence techniques have improved fire-detection methods; however, false alarms still occur. Conventional methods detect fires using current sensors, which can lead to detection errors due to temporary environmental changes or noise. Thus, fire-detection methods must include a trend analysis of past information. We propose a deep-learning-based fire detection method using multi-sensor data and Kendall's tau. The proposed system used a BiLSTM model to predict fires using pre-processed multi-sensor data and extracted trend information. Kendall's tau indicates the trend of a time-series data as a score; therefore, it is easy to obtain a target pattern. The experimental results showed that the proposed system with trend values recorded an accuracy of 99.93% for BiLSTM and GRU models in a 20-tap moving average filter and 40% fire threshold. Thus, the proposed trend approach is more accurate than that of conventional approaches.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.315-318
• /
• 2015

전 세계적으로 해운물류 안전 보안체계가 강화됨에 따라 국가물류보안 체계 구축을 위한 해운물류안전 보안 핵심기술 개발이 이루어지고 있다. 이러한 국제적 정서에 발맞추어, 국내에서도 감마선 핵종을 검출할 수 있는 휴대용 방사능 검출 장치에 대한 관심이 높아지고 있다. 본 논문에서는 휴대용 방사능 검출기의 Full-digital System을 제안하였다.

• 한국정보통신학회논문지
• /
• 제19권6호
• /
• pp.1436-1442
• /
• 2015

전 세계적으로 해운물류 안전 보안체계가 강화됨에 따라 국가물류보안 체계 구축을 위한 해운물류 안전 보안 핵심기술 개발이 이루어지고 있다. 이러한 국제적 정서에 발맞추어, 국내에서도 감마선 핵종을 검출할 수 있는 휴대용방사능 검출 장치에 대한 관심이 높아지고 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권3호
• /
• pp.236-243
• /
• 2009

특허, 뉴스, 블로그와 같이 시간 정보가 있는 문서들로부터의 자동적인 트렌드 분석(trend analysis)은 토픽탐지 및 추적 기술(TDT: Topic Detection and Tracking)과 더불어 중요한 연구 분야로 대두되고 있다. 과거 연구들은 대부분 트렌드과 관련된 단어의 출현 빈도 정보를 이용하여 주어진 개념의 중요도를 측정하고 이 개념의 시간에 따른 트렌드 라인을 보여주는 것에 초점을 맞췄다. 신출 트렌드 (emerging trend)를 탐지하기 위해서는 주어진 개념의 출현 빈도수 변화와 같은 간단한 방법이나 학습 데이타와 비교하여 차이를 탐지하여 제시하는 방법이 사용되었다. 그러나 여러 트렌드 중에서 특징적인 트렌드를 찾아서 사용자에게 제공하기 위해서는 트렌드 순위 결정 함수가 필요하다. 본 논문은 트렌드의 다양한 측면을 정량화하기 위하여 출현 빈도로 구성된 트렌드 곡선으로부터 네 가지 속성 (변동성, 지속성, 안정성, 누적량) 을 정의하고 이를 활용한 트렌드 순위 결정 방법을 제안한다. 일련의 실험을 통하여 각 속성의 유용성을 검증하고 속성들의 조합이 순위 결정에 어떤 영향을 미치는지 분석하였다. 실험결과로부터 네 가지 속성을 모두 조합할 경우 특징적인 트렌드 탐지에 더욱 기여하는 것을 알 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.562-565
• /
• 2018

A wide range of IoT applications use information collected from networks of sensors for monitoring and controlling purposes. However, the frequent appearance of fault data makes it difficult to extract correct information, thereby sending incorrect commands to actuators that can threaten human privacy and safety. For this reason, it is necessary to have a mechanism to detect fault data collected from sensors. In this paper, we present a trend-adaptive multi-scale principal component analysis (Trend-adaptive MS-PCA) model for data fault detection. The proposed model inherits advantages of Discrete Wavelet Transform (DWT) in capturing time-frequency information and advantages of PCA in extracting correlation among sensors' data. Experimental results on a real dataset show the high effectiveness of the proposed model in data fault detection.

• 한국화재소방학회:학술대회논문집
• /
• 한국화재소방학회 1997년도 International Symposium on Fire Science and Technology
• /
• pp.507-517
• /
• 1997

As structures are higher, large-sized and more complex, we should detect the fire at the beginning and cope with it to reduce the loss of mankind and the physical damage due to fire. So we have investigated and developed various kinds of fire detection system, and do the efforts for minimizing the nonfire alarm. As there exists a close relationship between the technology development and the market potential, a comparison between the number of fires in special buildings and detection types were made to find out market potential based on the annual statistics on fire products inspection. In addition, we have discussed the causes of nonfire alarm and the fire detection system and prospect the research trend of the fire detection system.

• 응용통계연구
• /
• 제35권3호
• /
• pp.371-384
• /
• 2022

구간별 상수 구조를 가지는 관측값으로부터 변화점을 식별하기 위해 FLSA가 자주 사용되고 있다. FLSA는 총변동벌점을 이용하기 때문에 평균 수준이 단조성을 가지는 경우에는 변화점 식별에서의 일치성이 보장되지 않는다는 특징이 있다. ℓ₁ 추세필터는 오차제곱합과 기울기 차이에 대한 ℓ₁ 벌점의 합을 목적함수로 가지는 구간별 선형 구조 추정방법으로 구간별 선형 구조에서의 변화점을 식별하기 위해 활용할 수 있다. 한편, ℓ₁ 추세필터의 경우에도 총변동벌점을 이용하므로 FLSA와 마찬가지로 변화점 식별에 있어서 비일치성을 보일 것으로 예상할 수 있는데 이와 관련된 연구는 아직까지 많이 이루어져 있지 않다. 이 연구에서는 모의실험을 통해 구간별 선형 모형에서 변화점을 식별하기 위해 사용되는 ℓ₁ 추세필터의 비일치성에 대해 살펴본다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제14권3호
• /
• pp.149-154
• /
• 2022

In recent years, the application of deep learning method to computer vision has shown to achieve great performances. Thus, many research projects have also applied deep learning technology to railroad defect detection. In this paper, we have reviewed the researches that applied computer vision based deep learning method to railroad defect detection and inspection, and have discussed the current trend and the direction of those researches. Many research projects were targeted to operate automatically without visual inspection of human and to work in real-time. Therefore, methods to speed up the computation were also investigated. The reduction of the number of learning parameters was considered important to improve computation efficiency. In addition to computation speed issue, the problem of annotation was also discussed in some research projects. To alleviate the problem of time consuming annotation, some kinds of automatic segmentation of the railroad defect or self-supervised methods have been suggested.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2002년도 춘계공동학술대회
• /
• pp.1066-1070
• /
• 2002

We propose a neural network based up-trend detector. An auto-associative neural network was trained with 'up-trend' data obtained from the KOSPI 200 future price. It was then used to predict an up-trend Simple investment strategies based on the detector achieved a two year return of $19.8\%$ with no leverage.

• 한국추진공학회지
• /
• 제12권6호
• /
• pp.1-6
• /
• 2008

본 연구에서는 계측 데이터의 성능 추이를 분석하여 가스터빈 엔진의 결함 여부를 탐지하기 위한 퍼지 경향감시 방법을 제안하였다. 제안된 경향감시 방법은 연료유량, 배기가스 온도, 로터회전수, 진동수와 같은 중요 엔진 파라미터를 모니터링 하여 시간에 따른 변화를 분석하여 엔진 상태를 진단하는 것이다. 이를 위해 먼저 선형회귀분석을 통해 엔진 상태 변화를 수식화하고 퍼지 로직을 통해 진단 결과를 분석하여 예측되는 손상 원인을 제시한다.