탭 버튼을 선택하면 분야별로 볼 수 있습니다.
국내에서 발생하는 범죄 중 교통범죄는 감소하고 있으나 강력범죄는 큰 변화 없이 더욱 지능화되고 있다. 따라서 이에 대비하기 위해 첨단과학역량을 확충하고 신종범죄 분석을 위한 노력이 필요하다. 본 연구는 범죄와 관련성이 있는 데이터를 수집하여 상관관계 분석을 통해 범죄율과 관계가 있는 요인을 찾아보고 머신러닝을 통해 관련성을 예측해 본다. 상관분석과 머신러닝을 통해 분석하여 범죄율과 관계 가 있는 요인을 파악하는 것을 목적으로 한다. 이를 위해 범죄에 영향을 미치는 항목을 크게 4가지 요인으로 구분하고, 이와 관련성 있는 공공데이터를 수집하여 전처리 및 상관분석 과정을 통해 전국 시군구별 범죄율과 각 요인의 상관관계를 도출하였다. 이를 통해 공시지가, 면적대비 치안센터 수, 면적대비 유흥주점 수는 범죄율에 비례하고 세대당 인구 수는 이에 음의 상관관계를 가진다는 것을 예측할 수 있다. 주제어: 공공데이터, 빅데이터, 상관분석, 머신러닝, 범죄
본 연구에서는 공공 데이터 포털에서 수집한 정보를 바탕으로 Prophet을 이용하여 데이터의 전체적인 경향 성, 예측값과 실제값의 오차 원인 등을 분석하였다. 그 후 교통사고 발생 위험지수를 정의하여 REST API 서비스를 제공하였다. 기존의 교통정보 앱들은 도시 간 이동 시 소요시간 등의 정보를 제공하지 않거나 색약 환자 나 외국인들은 이용하기 불편하다는 점들이 존재하였기 때문에 이 점을 개선하고자 하였다. 따라서 이 RESTAPI 서비스를 활용하여 figma, 리액트(React)로 실시간 교통정보 알리미 애플리케이션을 제작하였다. 실시간 교통정보 알리미 애플리케이션에는 Open Weather 서비스와 ITS 국가정보센터에서 제공되는 API가 이용되었다. 이러한 앱은 모든 사회의 구성원에게 적합한 교통정보를 제공할 것이며 더 안전한 교통환경을 조성할 것으로 기대된다. 주제어: 공공 데이터, Open API, 실시간, 교통 상황, 시계열 예측
기숙사는 학생들의 기본적인 생활을 하는 공간이기 때문에 기숙사 생활은 학업에 있어서 큰 영향을 미친다. 따라서 무작위로 호실을 배정하는 것은 학생들의 학업에 악영향을 끼칠 수 있다. 따라서 적절한 기준에 따라서 학생들의 개별 특성을 고려한 호실 배정을 해야 하지만 이를 직접 배정하는 것은 시간적으로 비효율적이다. 따라서 본 연구에서는 휴리스틱 알고리즘인 유전 알고리즘을 이용하여 학생들이 생각 하는 기숙사 호실 배정 기준을 고려한 최적 해 탐색 프로그램을 제작하고, 프로그램을 활용하여 기숙사 호실 배정의 최적 해를 탐색하고자 한다. 또한 이 프로그램의 시간적 효율을 높이기 위해 내부 인자들의 수치를 변화시키며 탐색 시간을 감소시켜 나가고자 한다. 주제어: 유전 알고리즘, 기숙사 호실 배정, 개별 특성
고교학점제가 시행됨에 따라 학생들은 수강신청을 바탕으로 자유롭게 과목 선택이 가능하다. 따라서 시험과목도 많고, 학생별로 시험 응시 과목이 다양하게 나타난다. 이에 시험 시간표를 구성하는데 있어 수작업을 최소화하고, 필수조건과 요구조건에 맞는 시험 시간표를 구성하고자 한다. 기본적인 시간표 배치는 전체 탐색을 이용하여 모든 학생들이 수강한 과목이 자신의 시간표에 들어가도록 배치를 진행한 다. 이 시간표의 비교는 피로도를 기준으로 하게 되는데 피로도는 학생들의 설문에 따른 각 과목과 과목 배치의 만족도를 기반으로 수학 모델링을 통해 수치화한다. 알고리즘은 계속하여 가능한 시간표를 탐색하며 각 학생들에 대한 피로도의 평균값과 표준편차의 곱이 낮아지는 시간표들을 계속하여 출력한 다. 이에 더 나아가 과목 그룹화를 통해 같은 날에 있어서는 안되는 과목들을 제한하고 시험 고사실의 수를 고려하는 등 추가적인 제한 요소들을 감안하였다. 탐색은 많은 경우의 수를 전체 탐색을 해야 하므로 탐색전에 과목들과 시험 시간들을 각각 피로도를 기준으로 정렬하여 배치하기 어려운 과목과 시간부터 탐색함으로써 탐색 시간을 단축하였다. 주제어: 시간표, 시험 시간표, 스케줄링
사진을 찍었을 때 사진 속 보이는 물체의 색상은 실제 우리 눈으로 보는 색과는 달라 가구, 옷 같은 물체들이 온라인 쇼핑물을 이용해 구입 후 실제로 보게 되면 인터넷에 올라와 있는 사진과 다른 경우가 생긴다. 이 문제는 본 팀이 만든 프로그램을 이용하여 플래시를 끈 상태로 찍은 사진과 플래시를 킨 상태로 찍은 두 사진만으로 선명한 사진과 실제 물체의 색상와 가장 비슷한 색상을 가지는 사진을 얻어 해결할 수 있을 것이다. 고전적인 플래시, 비플래시 사진의 합성이 아닌, Guided Filter를 이용하고, 노이즈 정도에 따라 파라미터를 자동으로 지정해주는 방식을 사용하여 기존의 방법보다 색 보정을 더 정확하게 한다. 주제어: 색 보정, 데이터 분석, 머신러닝, 플래시, Guided Filter
본 연구의 목적은 행동 경향이 자연적인 상황에서 일정 확률에 따라 발생 가능하다는 것을 보이 는 것이다. 시뮬레이터 상에 여러 포식자, 피식자, 주변 환경과 이들이 가져야 할 각 설정을 구현 하여 생명체의 정신이 어떠한 과정으로 발현되는지 알아본다. 이로써 자연 현상에서 나타나는 생명체의 행동 경향이 초자연적인 현상이 아니라 자연스러운 현상임을 보이고자 한다. 주제어: 소프트웨어 기반 인공생명, 시뮬레이션, 행동 경향
본 논문은 CAPTCHA라는 사람과 인공지능을 구별하기 위한 테스트의 취약점을 탐색하고 보완하 기 위한 방안에 대하여 연구하였다. 기존 문자식 CAPTCHA가 인공지능에 의해 얼마나 정확하게 학습되는지 측정해보았으며, 이를 통해 CAPTCHA의 취약점을 개선하기 위하여 StyleGAN 방식을 이용하여 인공지능의 인식률이 낮은 필터만 골라서 글자에 씌우는 방식을 제안하였다. 하지만 연구 도중 StyleGAN 방식을 이용하여 만든 문자들이 사람도 알아보기 힘들다는 사실을 발견하였고, 이에 주안점을 두어 Textfooler를 한국어로 확장시켜 사람은 알아볼 수 있지만 인공지능은 알아보기 힘든 문장을 생성하고 이를 이용하여 사람의 인지능력에 기반한 새로운 방식의 CAPTCHA를 제안한다. 주제어: CAPTCHA, 한국어, Text Fooler
본 연구는 손글씨 데이터를 입력받아, 글씨체의 특징을 파악하고 글씨를 쓴 주인을 출력해주는 인공지능 모델을 설계 및 제작하였다. 이를 위해, 특징을 직접 선정한 알고리즘으로 도출하는 방식과, 인공지능을 비지도 학습시켜 직접 특징을 도출하는 방식 2가지를 시도하였다. 이때 직접 선정한 특징을 찾아내기에는 알고리즘의 정확도가 낮았고, 글씨 각각의 일반화에 문제가 있었다. 따라서 CNN-based AutoEncoder를 통하여 특징 도출을 학습시키고, 특징들을 사용하여 FCL을 통해 사람을 구분해내는 모델을 설계 및 제작하였다. 약 10명의 손글씨를 구분할 수 있으며, 0.9866%의 정확도를 확인하였다.또한, 이를 확장하여 문장으로 입력했을 때 인식 가능한 모델 도 제작하였다. 이를 바탕으로 새로운 글씨체 보안 시스템이나 기존 전자기기의 미미한 글씨 인식 등 많은 분야에 도움이 될 수 있을 것으로 기대한다. 주제어: 딥러닝, 글씨체 특성, Fully Connected Layer, AutoEncoder
본 연구에서는 로드킬 발생을 예방하기 위해 위성 지도 사진이 주어졌을 때 로드킬 발생 구역을 예측하는 딥러닝 모델을 개발하고자 하였다. 이를 위해 로드킬 발생 좌표 데이터를 발생으로 위성사진 데이터를 생성하고, 위험도 분류 모델과 로드킬 횟수 회귀 모델을 구현하여 학습시켰다. 이후, 모델들의 성능평가를 거쳐 구현한 모델들이 충분히 로드킬 발생 구역 활용할 수 있다는 결론을 얻었다. 주제어: 로드킬, 생태통로, 위성지도사진, 딥러닝
3D 라이더 센서와 인공지능 카메라 모듈을 이용하여 물체와의 거리를 얼마나 정확하게 인식하는 지, 적정 거리는 얼마인지 연구하였다. 둘째, 다양한 데이터를 학습시켜 일반화된 데이터를 인식하는지 객관적으로 비교해 보았으며 인식률과 인식 속도를 비교해 최적의 경우를 찾기 위해 연구 하였다. 셋째, 제작한 사물에 센서를 달아 인공지능 프로그래밍을 통해 사람을 인지한 후 일정 거리에 따라 모터를 구동시켜 사람이 움직이는 방향을 따라 이동하는 동선을 연구하였다. 넷째, 자유롭게 움직일 수 있도록 적절한 책상 바퀴의 배치 모양을 탐구하고 사물의 무게와 움직임을 고려하여 어떤 구동 모터를 사용하는 것이 적합한지 고찰하였다. 다섯째, 적은 부품으로 다양한 제품에 적용 가능한지 분석하여 상품화 가능성을 탐구하였다. 결론적으로 3D 라이다 센서, 인공지 능 카메라, DC 모터를 사용하여 다양한 상품의 개발이 가능하다. 주제어: 이미지 프로세싱, 인공지능, Raspberry Pi, 센서 입력, 크루즈 컨트롤
졸음 및 주시 태만으로 발생하는 교통사고를 막기 위한 운전보조장치를 개발하였다. 운전자의 집중도를 파악하기 위해 뇌파를 분석하였다. EEG 뇌파 데이터 파일에서 low Beta, high Beta, low ALpha, high Alpha, low amma, mid Gamma 파의 집중도를 1~33, 34~66, 67~100 의 범위가 각각 low, mid, high 의 값을 가지도록 데이터를 수정하여 KNN알고리즘의 학습 데이터로 활용하였다. 뇌파분석장치를 블루투스로 연결하고 얻어낸 사용자의 데이터를 서버에 송신하여 서버에서 집중도를 분석하고 이를 화면에 띄우는 애플리케이션을 제작하였다. 주제어: 뇌파, 아두이노 자동차 원격조종, 운전 보조 장치, 모바일 애플리케이션, 머신 러닝
유전 알고리즘은 생물의 진화를 모방한 진화 연산의 대표적인 기법이다. 최근 인공지능에 대한 연구가 활발해짐에 따라 복잡하거나 정보가 부족한 문제를 해결하는 유전 알고리즘이 주목받고 있다. 그러나 기존 연구들은 유전알고리즘을 단독으로 사용하는 상황에서 학습 성능을 비교분석한 것이 주를 이루고 있어 유전알고리즘을 신경망 학습에 활용한 진화신경망 개발에 어려움이 있는 상황이다. 위와 같은 문제를 해결하기위해 유전자 알고리즘의 교차 연산자를 분석하여 신경망 학습 효율을 높일 수 있는 방법을 탐색하고 그 결과를 토대로 학습 성능이 개선된 연산자를 개발하 였다. 실험 결과 개발한 두 개의 연산자 모두 기존 연산자보다 성능이 최대 두 배 이상 향상되었 으며 개발한 연산자를 활용하여 학습시킨 게임에이전트는 사람이 수행한 최고점수 보다 높은 점수를 기록하였다. 해당 연구 결과는 진화신경망을 활용한 에이전트 학습 모델 개발 시 교차 연산 자 선택을 위한 이론적 근거와 교차연산자의 성능을 개선하기 위한 이론적 근거를 제공할 수 있을 것으로 기대한다. 주제어: 유전알고리즘, 진화신경망, AI, Python, 아케이드 게임