• 문화기술의 융합
• /
• 제7권2호
• /
• pp.427-436
• /
• 2021

본 연구의 목적은 문학 텍스트를 학습한 머신 러닝 언어 모델을 구현하는데 있다. 문학 텍스트는 일상 대화문처럼 질문에 대한 답변이 분명하게 구분되지 않을 때가 많고 대명사와 비유적 표현, 지문, 독백 등으로 다양하게 구성되어 있다는 특징이 있다. 이런 점들이 알고리즘의 학습을 용이하지 않게 하여 문학 텍스트를 활용하는 기계 학습의 필요성을 저해시킨다. 문학 텍스트를 학습한 알고리즘이 일반 문장을 학습한 알고리즘에 비해 좀 더 인간 친화적인 상호작용을 보일 가능성이 높다. 본 논문은 '문학 텍스트를 학습한 머신 러닝 언어 모델 구현'에 관한 연구로서, 대화형 기계 학습에 문학 텍스트를 활용하는 연구에서 필수적으로 선행되어야 할 세 가지 텍스트 보정 작업을 제안한다: 대명사 처리, 대화쌍 늘리기, 데이터 증폭 등에 대한 내용으로 기계 학습이 용이하고 그 효과도 높다고 판단됩니다. 인공지능을 위한 학습용 데이터는 그 의미가 명료해야 기계 학습이 용이하고 그 효과도 높게 나타난다. 문학과 같은 특수한 장르의 텍스트를 자연어 처리 연구에 도입하는 것은 새로운 언어 학습 방식의 제안과 함께 머신 러닝의 학습 영역도 확장시켜 줄 것이다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.302-313
• /
• 2023

본 연구는 과학기술정보통신부가 2017년부터 1조원 이상을 투자한 'AI Hub 댐' 사업에서 구축된 인공지능 모델 학습데이터의 품질관리를 자동화할 수 있는 프레임워크의 개발을 목표로 한다. 자율주행 개발에 사용되는 AI 모델 학습에는 다량의 고품질의 데이터가 필요하며, 가공된 데이터를 검수자가 데이터 자체의 이상을 검수하고 유효함을 증명하는 데는 여전히 어려움이 있으며 오류가 있는 데이터로 학습된 모델은 실제 상황에서 큰 문제를 야기할 수 있다. 본 논문에서는 이상 데이터를 제거하는 신뢰할 수 있는 데이터셋 정제 프레임워크를 통해 모델의 인식 성능을 향상시키는 전략을 소개한다. 제안하는 방법은 인공지능 학습용 데이터 품질관리 가이드라인의 지표를 기반으로 설계되었다. 한국정보화진흥원의 AI Hub을 통해 공개된 자율주행 데이터셋에 대한 실험을 통해 프레임워크의 유효성을 증명하였고, 이상 데이터가 제거된 신뢰할 수 있는 데이터셋으로 재구축될 수 있음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.377-379
• /
• 2022

POI refers to the point of Interest in Location-Based Social Networks (LBSNs). With the rapid development of mobile devices, GPS, and the Web (web2.0 and 3.0), LBSNs have attracted many users to share their information, physical location (real-time location), and interesting places. The tremendous demand of the user in LBSNs leads the recommendation systems (RSs) to become more widespread attention. Recommendation systems assist users in discovering interesting local attractions or facilities and help social network service (SNS) providers based on user locations. Therefore, it plays a vital role in LBSNs, namely POI recommendation system. In the machine learning model, most of the training data are stored in the centralized data storage, so information that belongs to the user will store in the centralized storage, and users may face privacy issues. Moreover, sharing the information may have safety concerns because of uploading or sharing their real-time location with others through social network media. According to the privacy concern issue, the paper proposes a recommendation model to prevent user privacy and eliminate traditional RS problems such as cold-start and data sparsity.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.139-141
• /
• 2022

디지털 영상 매체 및 지능형 시스템에 대한 관심이 급격히 증가함에 따라 보안, 인공지능 등 다양한 분야에서 영상 정보를 이용한 기술들을 접목해 사용하고 있다. 디지털 영상 처리 중 발생하는 임펄스 잡음은 영상의 화질을 저하시켜 정보의 신뢰성을 떨어뜨리기 때문에 필터를 통한 제거가 필요하다. 이미 잘 알려진 선행된 방식으로 SMF, AWMF, MDBUTMF가 있지만 이들 모두 알고리즘 자체의 문제로 유효한 화소의 정보의 손실이 크고 오염도가 큰 환경에서 원활하지 못한 필터링을 이루는 한계를 가진다. 따라서 본 논문은 마스크 내에 존재하는 가장 근접한 유효 화소를 탐색함으로써 정보의 신뢰도를 반영한 가중치를 적용하는 메디안 필터 알고리즘을 설계한다. 성능 평가를 위해 PSNR과 확대영상을 사용하여 본 알고리즘과 선행된 알고리즘을 비교, 분석하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.253-255
• /
• 2022

4차 산업혁명과 각종 통신매체의 발전에 힘입어 다양한 분야에서 인공지능과 자동화와 같은 기술이 산업현장에 접목되고 있으며, 이에 따라 데이터처리의 중요성이 높아지고 있다. 영상의 잡음제거는 영상처리의 전처리 과정으로서, 주로 높은 수준의 영상처리 기술이 요구되는 분야에서 사용된다. 잡음제거를 위해 다양한 연구가 진행되었지만, 잡음제거 과정에서 영상의 디테일 보존, 질감 복원과 특수한 영역의 잡음 제거와 같이 다양한 문제가 발생한다. 본 논문에서는 임펄스 잡음제거 과정에서 영상의 세부적인 정보를 보존하기 위해 잡음의 세기에 기반한 스위칭 마스크 필터를 제안한다. 제안한 필터 알고리즘은 필터링 마스크로 지정된 영역의 잡음판단을 실시하였을 때, 기준치보다 높은 밀도로 판단된 경우 확장된 마스크로 스위칭을 하여 최종출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션을 진행하였으며, 기존 방법과 비교하여 성능을 분석하였다.

• 문화기술의 융합
• /
• 제9권5호
• /
• pp.543-548
• /
• 2023

이 연구는 디지털 전환에 대한 이해의 필요성을 강조하며, 디지털 전환을 주제로 한 기능성 모바일 게임의 개발과정을 다룬다. 선행 연구를 통해 기존의 모바일 게임에서 미래 사회 산업과 직업의 변화를 반영하고 있지 못함을 발견하였다. 본 연구에서는 청소년들이 미래 디지털 전환으로 인한 산업 구조와 직업의 변화에 대한 디지털 리터러시능력 함양과 핵심 기술의 이해에 도움이 될 수 있는 교육용 모바일 게임을 기획하고 개발하였다. Unity 3D를 활용하고 퍼즐, 카드, 보드 게임의 장점들을 접목하였다. 교육 콘텐츠 개발 측면에 있어서 전문성의 한계가 존재할 수 있지만 학생들이 매우 선호하는 게임을 통해 직업에 대한 미래 지향적인 관점을 제시할 수 있는 콘텐츠를 제시하였다는 의의가 있다. 게임의 직·간접적 교육적 효과를 고려할 때 최근 학교 현장에 보급된 태블릿 기기를 통해 수업 시간에 직업 교육 콘텐츠로 유용하게 활용될 수 있을 것으로 기대된다.

• 식물병연구
• /
• 제29권4호
• /
• pp.433-439
• /
• 2023

당근 세균잎마름병은 세계적으로 가장 중요한 병에 속한다. 지난 10년 전 국내에서 처음 발견됨으로써 당근 생산에 큰 위협이 되는 병으로 간주되었다. 원인균으로 Xathomonas hortorum pv. carotae (Xhc)이며 본 연구는 제주도 당근재배지 토양에서 이 병원균을 분리 동정하고자 수행하였다. 분리한 세균 중 인공배지에서 균총의 형태가 당근 세균잎마름병균과 유사한 세균균총을 분리하여 선발하였다. 또한 이들 선발된 세균들을 대상으로 DNA 염기 서열과 NCBI 자료를 통해 몇몇 분리 세균이 Xhc으로 동정되었다. 게다가 이들 세균을 당근 잎에 접종하였더니 당근 세균잎마름병의 전형적인 병징이 나타났다. 본 연구 결과는 제주도 토양내 Xhc의 존재 가능성을 시사하고 앞으로의 당근 세균잎마름병 방제 수단을 강구하는 데 매우 필요한 자료로서 가치가 있다고 본다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.517-524
• /
• 2024

ChatGPT와 같은 생성형 AI는 21세기의 인간과 기계 간 상호작용에 새로운 패러다임을 제시했다. 이러한 기술의 발전이 다양한 분야에 빠르게 퍼져나가면서, AI와 꽤 멀리 떨어져 있다고 생각되었던 예술 분야에서도 AI가 어떤 역할을 할 수 있는지에 대한 연구가 활발히 진행되고 있다. 이에 본 연구는 제 4차 산업혁명의 시대에 시각예술 교육에서 생성형 AI의 활용 가능성을 탐구하고자 한다. 경북에 위치한 4년제 대학에서 진행된 실증연구는 창의적 융합모듈 수업에 참여한 70명의 학생들을 중심으로, AI와 시각예술 분야에서 협업의 영향, 그 중에서도 전공, 학년, 성별에 따른 차이점을 분석했다. 결과적으로, AI와 함께하는 시각예술 창작 활동이 학생들의 창의성과 디지털 미디어 리터러시에 긍정적인 영향을 미치는 것을 확인하며, 이를 기반으로 더욱 효과적인 교육 전략과 방향 모색에 관해 제언한다.

• 한국산학기술학회논문지
• /
• 제19권2호
• /
• pp.56-63
• /
• 2018

강우사상이 발생함에 따라 시설용량을 초과하여 미처리된 상태로 방류수계에 직접 배출되는 합류식 관거 월류수(Combimed Sewer Overflows, CSOs) 및 분류식 관거 월류수(Separated Sewer Overflows, SSOs)의 관리는 집중호우가 잦아지는 근래에 들어 그 관리가 더욱 중요해지고 있다. 밀집도가 높은 도심지에 적용성이 유리한 여과기술은 지속적인 개발이 이루어지고 있음에도 불구하고 CSOs에 적용된 사례가 거의 전무한 실정이다. 따라서 본 연구에서는 로프형 섬유여재가 적용된 Pilot 규모의 수평흐름식 여과장치를 CSOs에 적용하기 위해 공정최적화를 목적으로 수행되었다. 연구방법은 인공시료를 적용한 사전연구와 하수를 적용한 현장연구로 구분하여 수행하였다. 인공시료를 적용한 사전연구에서 여재 자체의 손실수두는 약 1.1cm정도로 분석되었고, 선속도 10m/hr 증가에 따라 약 0.1cm 정도의 손실수두 증가를 유발하는 것으로 나타났다. 또한, SS 제거효율은 81.4% 정도로 안정적이었고, 여과지속시간은 6시간 이상 유지되었으며, 공기역세척만으로도 98% 정도의 손실수두 평균 회복율을 보였다. 하수를 적용한 현장평가에서는 여재의 조기폐색을 방지하기 위한 전처리공정으로 벨트 형 미세스크린(450mesh 이상)를 적용했을 때 2시간 내외의 여과지속시간을 확보할 수 있었고, 평균 83.9%의 SS 제거효율을 나타내었다. CSOs 및 SSOs에 여과공정 적용을 위해서는 효율적 측면보다 여과지속시간의 안정적 유지를 위한 수리적 측면을 보완하기 위해서 전처리공정과의 조합이 중요하다는 결론을 얻을 수 있었다. 건기와 비교하여 우기의 유입하수 수질은 다소 낮은 보였으며, 이는 분류식 관거 비율이 높은 배수구역의 특성 때문인 것으로 추정된다. 또한, 우기와 건기의 유입수질에 따른 제거효율 차이는 미미하였다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.21-44
• /
• 2018

최근 인터넷 기술의 발전과 함께 스마트 기기가 대중화됨에 따라 방대한 양의 텍스트 데이터가 쏟아져 나오고 있으며, 이러한 텍스트 데이터는 뉴스, 블로그, 소셜미디어 등 다양한 미디어 매체를 통해 생산 및 유통되고 있다. 이처럼 손쉽게 방대한 양의 정보를 획득할 수 있게 됨에 따라 보다 효율적으로 문서를 관리하기 위한 문서 분류의 필요성이 급증하였다. 문서 분류는 텍스트 문서를 둘 이상의 카테고리 혹은 클래스로 정의하여 분류하는 것을 의미하며, K-근접 이웃(K-Nearest Neighbor), 나이브 베이지안 알고리즘(Naïve Bayes Algorithm), SVM(Support Vector Machine), 의사결정나무(Decision Tree), 인공신경망(Artificial Neural Network) 등 다양한 기술들이 문서 분류에 활용되고 있다. 특히, 문서 분류는 문맥에 사용된 단어 및 문서 분류를 위해 추출된 형질에 따라 분류 모델의 성능이 달라질 뿐만 아니라, 문서 분류기 구축에 사용된 학습데이터의 질에 따라 문서 분류의 성능이 크게 좌우된다. 하지만 현실세계에서 사용되는 대부분의 데이터는 많은 노이즈(Noise)를 포함하고 있으며, 이러한 데이터의 학습을 통해 생성된 분류 모형은 노이즈의 정도에 따라 정확도 측면의 성능이 영향을 받게 된다. 이에 본 연구에서는 노이즈를 인위적으로 삽입하여 문서 분류기의 견고성을 강화하고 이를 통해 분류의 정확도를 향상시킬 수 있는 방안을 제안하고자 한다. 즉, 분류의 대상이 되는 원 문서와 전혀 다른 특징을 갖는 이질적인 데이터소스로부터 추출한 형질을 원 문서에 일종의 노이즈의 형태로 삽입하여 이질성 학습을 수행하고, 도출된 분류 규칙 중 문서 분류기의 정확도 향상에 기여하는 분류 규칙만을 추출하여 적용하는 방식의 규칙 선별 기반의 앙상블 준지도학습을 제안함으로써 문서 분류의 성능을 향상시키고자 한다.