• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권8호
• /
• pp.307-324
• /
• 2018

최근 순환 신경 망(Recurrent Neural Networks)은 시간에 대한 의존성을 고려한 구조를 통해 순차 데이터(Sequential data)의 예측 문제 해결에서 각광받고 있다. 하지만 순차 데이터의 시간 스텝이 늘어남에 따라 발생하는 그라디언트 소실(Gradients vanishing)이 문제로 대두되었다. 이를 해결하기 위해 장단기 기억 모델(Long Short-Term Memory)이 제안되었지만, 많은 데이터를 저장하고 장기간 보존하는 데에 한계가 있다. 따라서 순환 신경망과 메모리 요소(Memory component)를 활용한 학습 모델인 메모리-증대 신경망(Memory-Augmented Neural Networks)에 대한 연구가 최근 활발히 진행되고 있다. 본 논문에서는 딥 러닝(Deep Learning) 분야의 화두로 떠오른 메모리-증대 신경망 주요 모델들의 구조와 특징을 열거하고, 이를 활용한 최신 기법들과 향후 연구 방향을 제시한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권10호
• /
• pp.4098-4116
• /
• 2020

Mobile devices such as smartphones are very attractive targets for augmented reality (AR) services, but their limited resources make it difficult to increase the number of objects to be recognized. When the recognition process is scaled to a large number of objects, it typically requires significant computation time and memory. Therefore, most large-scale mobile AR systems rely on a server to outsource recognition process to a high-performance PC, but this limits the scenarios available in the AR services. As a part of realizing large-scale standalone mobile AR, this paper presents a solution to the problem of accuracy, memory, and speed for large-scale object recognition. To this end, we design our own basic feature and realize spatial locality, selective feature extraction, rough pose estimation, and selective feature matching. Experiments are performed to verify the appropriateness of the proposed method for realizing large-scale standalone mobile AR in terms of efficiency and accuracy.

• 디지털융복합연구
• /
• 제18권8호
• /
• pp.29-35
• /
• 2020

본 연구는 증강현실 광고가 프레즌스 유형과 플로우(flow) 수준에 따른 광고태도와 기억 효과에 미치는 효과를 규명하였다. 증강현실(AR) 광고의 프레즌스(인지, 감성, 미디어)와 플로우 수준(고 vs. 저)을 독립변인으로 Two-Way MANOVA 분석을 하였다. 연구결과, 첫째, 증강현실 광고태도는 감성적 프레즌스와 플로우 수준이 높은 경우 긍정적이었다. 둘째, 인지적 프레즌스는 플로우 수준이 높으면 제품 속성정보와 같은 ARM이 증가하나 플로우 수준이 낮으면 평가 위주의 GRM이 증가하였다. 셋째, 감성적 프레즌스는 플로우 수준이 높으면 GRM이 증가하나 플로우 수준이 낮으면 ARM이 증가하였다. 넷째, 미디어 프레즌스는 플로우 수준과 상관없이 기억 효과는 낮았다. 본 연구는 프레즌스를 세 가지 차원으로 유형화하여 실험을 통해 실증적으로 규명하였다는 점에서 일반화 가능성이 높다.

• 인터넷정보학회논문지
• /
• 제11권6호
• /
• pp.41-50
• /
• 2010

인간은 어떤 정보를 기억하려 노력하더라도, 시간이 지남에 따라 그 정보의 대부분을 잊어버린다. 반면에 인간은 사진을 보며 대부분 잊혀진 과거의 기억을 떠올릴 뿐만 아니라, 사진 속에 존재하는 특정 물체로부터 여러 단어들을 연상한 뒤, 그 연상된 단어로부터 새로운 기억을 떠올리곤 한다. 또한 이렇게 떠올린 기억으로 그 당시의 감성을 느끼기도 한다. 따라서 본 논문은 소셜 네트워크 서비스에 업로드된 사진들과 개인의 연상 단어 사전을 활용하여 사용자의 과거 회상에 도움이 되는 증강 기억 시스템을 제안한다. 제안하는 시스템에서 사용자가 특정 사진 속에 존재하는 물체를 선택하면, 그 물체와 관련된 연상 단어가 사용자에게 제공된다. 만일 사용자가 연상 단어중 하나를 선택하면, 제안하는 시스템은 해당 단어의 물체를 포함하는 다른 사진들의 목록을 사용자에게 제공함으로써, 사용자의 기억 회상을 돕고 감성을 자극할 수 있다. 본 논문에서 제안하는 시스템은 소셜 네트워크 서비스에서 보다 다양한 콘텐츠를 제공할 수 있을 것으로 기대 된다.

• 한국정보통신학회논문지
• /
• 제23권7호
• /
• pp.822-828
• /
• 2019

증강현실은 실제 환경과 함께 가상 정보를 제공하며, 이러한 시스템을 위해 프로세서의 메모리 접근이 요구된다. 하지만 기술 발전에 따라 데이터의 양이 증가함으로써, 프로세서의 작업량 또한 증가하게 된다. 이를 해결하기 위해 임베디드 프로세서의 작업 부하를 감소시킬 수 있는 특정 모듈을 필요로 한다. 본 논문에서는 임베디드 프로세서 대신에 이미지를 출력하는 Direct Memory Acceass(DMA) 컨트롤러를 제안한다. 제안하는 DMA 컨트롤러를 Field Programmable Gate Array(FPGA)에 구현하고 Avalon Memory Mapped(Avalon-MM) 인터페이스를 기반으로 한 DMA 컨트롤러의 기능을 시연한다. 또한, DMA 컨트롤러를 Magnachip/Hynix 0.35um CMOS로 제작하고, 임베디드 시스템의 실현 가능성을 검증한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.749-753
• /
• 1996

This paper presents a new method for first and second order eigen-sensitivity analysis of system matrix in augmented form. Eigen-sensitivity analysis provides invaluable informations in power system planning and operation. However, conventional eigen-sensitivity analysis methods, which need all the eigenvalues and eigenvectors, can not be applicable to large scale power systems due to large computer memory and computing time required. In the proposed method, all sensitivity computations for a mode are carried out using the augmented system matrix and its own eigenvalue and right & left eigenvectors. In other words sensitivity analysis for a mode does not need informations on the other eigenvalues and eigenvectors and sparsity technique can be fully utilized. Thus compuations can be done very efficiently with moderate computer memory and computing time even for large power systems. The proposed algorithm is tested for one machine infinite bus system.

• 대한전자공학회논문지
• /
• 제15권4호
• /
• pp.20-25
• /
• 1978

능동 RC 여파회로 설계에 보상 적분기와 가산 증폭기를 사용하였다. 두개의 보상 적분기를 기본회로망(메모리 소자)으로 하고 여기에 세개의 단자를 인출하여 적당한 가산 증폭기 만을 연결하므로써 평면의 좌반면에 복소수 pole을 가지는 2계 전달함수를 구현할 수 있다.

• International Journal of Contents
• /
• 제9권1호
• /
• pp.18-25
• /
• 2013

Recently, augmented reality has been proved immensely useful on a day to day basis when tied with location-based technology. In this paper, we present a new method for displaying augmented reality contents on mobile devices. We add 3D models on the view of the camera and use location-based services, motion sensors to calculate the transformation of models. Instead of remaining at a fixed position on camera view while moving around a 3D model, the model rotates on display in the opposite direction that the user is walking. We also design client as a ubiquitous client to reduce constraints on disk space and memory capacity on mobile devices. Implementation results show effective use in creating GPS-based 3D view augmented reality contents for Smart Mobile Devices.

• 한국융합학회논문지
• /
• 제9권11호
• /
• pp.23-28
• /
• 2018

최근 존재하는 대부분의 관계 추출 모델은 언급 수준의 관계 추출 모델이다. 이들은 성능은 높지만, 장문의 텍스트에 존재하는 다수의 문장을 처리할 때, 문서 내에 주요 개체 및 여러 문장에 걸쳐서 표현되는 전역적 개체 관계를 파악하지 못한다. 그리고 이러한 높은 수준의 관계를 정의하지 못하는 것은 데이터의 올바른 정형화를 막는 중대한 문제이다. 이 논문에서는 이러한 문제를 해결하고 전역적 관계를 추출하기 위하여 외부 메모리 신경망 모델을 이용하는 새로운 방식의 전역관계 추출 모델을 제안한다. 제안하는 모델은 1차적으로는 단편적인 관계 추출을 실행한 뒤, 외부메모리 신경망을 이용하여 단편적인 관계들을 분석 및 종합하여 텍스트 전체로부터 전역적 관계들을 추출한다. 또한 제안된 모델은 외부 메모리를 통하여 전역적 관계 추출 외에도 주어와 목적어 생략이 잦은 한국어 관계 추출에도 뛰어난 성능을 보인다.

• 정보보호학회논문지
• /
• 제28권4호
• /
• pp.847-857
• /
• 2018

악성코드의 수가 가파르게 증가하면서 기업 및 공공기관, 금융기관, 병 의원 등을 타깃으로 한 사이버 공격 피해 사례가 늘어나고 있다. 이러한 흐름에 따라 학계와 보안 업계에서는 악성코드 탐지를 위한 다양한 연구를 진행하고 있다. 최근 들어서는 딥러닝을 비롯해 머신러닝 기법을 적용하는 형태의 연구가 많이 진행되는 추세다. 이 중 합성곱 신경망(CNN: Convolutional Neural Network), ResNet 등을 이용한 악성코드 분류 연구의 경우에는 기존의 분류 방법에 비해 정확도가 크게 향상된 것을 확인할 수 있다. 그러나 타깃 공격의 특징 중 하나는 사용된 악성코드가 불특정 다수를 상대로 광범위하게 퍼뜨리는 형태가 아닌, 특정 대상을 타깃으로 한 맞춤형 악성코드라는 점이다. 이러한 유형의 악성코드는 그 수가 많지 않기 때문에 기존에 연구되어온 머신러닝이나 딥러닝 기법을 적용하기에 한계가 있다. 본 논문은 타깃형 악성코드와 같이 샘플의 양이 부족한 상황에서 악성코드를 분류하는 방법에 대해 다루고 있다. 메모리가 추가된 신경망(MANN: Memory Augmented Neural Networks) 모델을 이용하였고 각 그룹별 20개의 소량 데이터로 구성되어 있는 악성코드 데이터셋에 대해 최대 97%까지 정확도로 분류할 수 있음을 확인하였다.