Earticle

인터넷의 발달로 많은 편리와 이익을 얻었지만 반대로 지능화되는 악성코드로 인하여 사용자의 경제적, 사회적 피해를 주고 있다. 이를 탐지하고 방어하기 위해 대부분 시그니처 기반의 탐지나 방어 프로그램을 사용하 지만 지능화된 악성코드의 변종을 막기에는 매우 어렵다. 따라서 본 논문에서는 쏟아져 나오는 지능화된 악성코드 를 탐지하고 방어할 수 있는 모델을 제안한다. 제안 모델은 악성코드의 특성을 이미지화하여 딥러닝을 이용한 학 습을 통해 만들어지며 새롭게 탐지된 악성코드와 악성코드 변종들은 이미지화를 수행한 다음 만들어진 모델에 적용하여 탐지한다. 제안된 모델을 사용하면 기존에 탐지되었던 악성코드와 더불어 유사한 변종도 대 부분 탐지됨 을 알 수 있다.

Although the internet has gained many conveniences and benefits, it is causing economic and social damage to users due to intelligent malware. Most of the signature-based anti-virus programs are used to detect and defend this, but it is insufficient to prevent malware variants becoming more intelligent. Therefore, we proposes a model that detects and defends the intelligent malware that is pouring out in the paper. The proposed model learns by imaging the characteristics of malware based on deeplearning, and detects newly detected malware variants using the learned model. It was shown that the proposed model detects not only the existing malware but also most of the variants that transform the existing malware.

연구목적: 본 연구에서는 무인이동체를 활용한 철도교량의 외관조사 점검을 보다 효율적이고 신뢰성 있게 점검을 위하여 무인이동체를 통해 촬영된 이미지를 바탕으로 다양한 방식의 딥러닝 기반 자동 손 상 분석기술을 검토하였다. 연구방법: 취득된 이미지를 바탕으로 손상항목을 정의하고 학습데이터로 추출하여 딥러닝 분석 모델을 생성하였다. 그리고 철도교량의 외관 손상 중 균열, 콘크리트 박리·박락, 누수, 철근노출에 대한 손상 이미지를 학습한 모델을 적용하여 자동 손상 분석 결과로 테스트하였다. 연구결과: 분석 결과 평균 95%이상 검측 재현율을 도출하는 분석 기법을 검토할 수 있었다. 이와 같은 분 석 기술은 기존 육안점검 결과 대비 보다 객관적이고 정밀한 손상 검측이 가능하다. 결론: 본 연구를 통 해 개발된 기술을 통해 철도 유지관리 분야에서 무인이동체를 활용한 정기점검 시 자동손상분석을 통 한 객관적인 결과도출과 기존 대비 소요시간, 비용저감이 가능할 것으로 기대된다.

Purpose: In this study, various methods of deep learning-based automatic damage analysis technology were reviewed based on images taken through Unmanned Aerial Vehicle to more efficiently and reliably inspect the exterior inspection and inspection of railway bridges using Unmanned Aerial Vehicle. Method: A deep learning analysis model was created by defining damage items based on the acquired images and extracting deep learning data. In addition, the model that learned the damage images for cracks, concrete and paint scaling·spalling, leakage, and Reinforcement exposure among damage of railway bridges was applied and tested with the results of automatic damage analysis. Result: As a result of the analysis, a method with an average detection recall of 95% or more was confirmed. This analysis technology enables more objective and accurate damage detection compared to the existing visual inspection results. Conclusion: through the developed technology in this study, it is expected that it will be possible to analysis more accurate results, shorter time and reduce costs by using the automatic damage analysis technology using Unmanned Aerial Vehicle in railway maintenance.

태양광 에너지 출력을 정확히 예측하는 것은 전력계통의 예비전력 요구량을 감소시켜 에너지의 이용률을 극대화할 수 있다. 한국전력거래소는 특정시간의 전력수요를 예측하고 이에 기반하여 각 발 전소들의 발전비용 순위에 의해 선별하여 발전지시를 하고 가격을 책정한다. 본 논문에서는 기상정보 를 가지고 태양광 발전 예측 시스템을 개발하는 것으로 예측 정확도를 향상하기 위한 딥러닝 모델을 만들고, 현업에서 사용하는 방식과 휴리스틱방식, 딥러닝 방식의 태양광 발전량 예측값을 비교하였다. 발전량 데이터에 적용한 결과 딥러닝 방식의 태양광 발전량을 직접 예측하는 방법이 현업에서 사용하 는 방식과 휴리스틱방식에 비해 정확하다는 것을 확인 하였다.

Accurate prediction of the solar energy output can maximize the utilization of energy by reducing the reserve power requirement of the power system. The Korea Power Exchange (KPX) predicts the demand for electricity for a specific time. And according to this, KPX develops and price by selecting the power generation cost of each power plant. In this paper, we develop a solar photovoltaic power generation prediction system with weather information, make a deep learning model to improve the prediction accuracy and compare the predicted value of solar power generation by using work-site method, heuristic method and deep learning method. Applying to data, it showed that our method is more accurate than using work-site method and heuristic method.

4차산업혁명이 본격화됨에 따라 관련 기술들이 화두가 되고 있다. 고속 무선통신과 같은 기술을 최대한으로 활 용하기 위한 하드웨어 개발이 가속화되고 있으며, 관련 기업들이 급격히 성장하고 있다. 인공지능의 경우 관련 연구 를 위해서 일반적으로 데스크톱을 사용하는 경우가 많지만, 주로 딥러닝의 학습 과정을 위해 사용되고 있으며 생성된 모델을 프로그램 등에 포함하여 사용할 기기에 이식하는 경우가 많다. 하지만, 학습량이 과도하거나 데스크톱의 성능 만큼 제작된 모델을 사용하게 되어 전원공급이 따로 이루어지지 않는 기기의 경우 전력이 부족하거나 성능이 충분하 지 못하기 때문에 제 결과를 내기 어렵다. 본 논문에서는 딥러닝의 성능을 임베디드 보드에 맞추어 개발하기 전에 판 매되고 있는 몇 가지 Neural Process Unit을 탑재한 보드와 USB로 딥러닝 수행 성능을 높일 수 있는 딥러닝 액셀 러레이터를 사용하여 효율성을 비교하여 임베디드 보드로 가능한 개발 방향을 제시한다.

As the fourth industrial revolution begins in earnest, related technologies are becoming a hot topic. Hardware development is accelerating to make the most of technologies such as high-speed wireless communication, and related companies are growing rapidly. Artificial intelligence often uses desktops in general for related research, but it is mainly used for the learning process of deep learning and often transplants the generated models into devices to be used by including them in programs, etc. However, it is difficult to produce results for devices that do not have sufficient power or performance due to excessive learning or lack of power due to the use of models built to the desktop's performance. In this paper, we analyze efficiency using boards with several Neural Process Units on sale before developing the performance of deep learning to match embedded boards, and deep learning accelerators that can increase deep learning performance with USB, and present a simple development direction possible using embedded boards.

우리나라에 장애인 인구의 10% 정도인 약 25만 명의 사람들이 살아가고 있다[3]. 그러한 분들을 위한 여러 복지와 편의시설이 만들어지고 있지만 아직 도로를 안전하게 다니기에는 미흡한 부분이 많다. 시각장애인들이 좀 더 안전하게 생활을 할 수 있도록 하는 보조 장치를 제안한다. 사용자가 필요한 순간의 모습을 촬영한 뒤 딥 러닝으로 축적된 학습데이터를 이용하여 그 장면을 분석한다. 그 결과를 하나의 문장으로 표현하여 이어폰을 통해 사용자에게 서비스를 제공한다. 지원된 음성 서비스를 통해 시각장애인들이 걸어가는 길에 어떠한 장애물이 있는지 알려주어 위험한 상황에 놓이지 않고 안전하게 길을 걸어 다닐 수 있도록 보조해준다.

우리나라에 장애인 인구의 10% 정도인 약 25만 명의 사람들이 살아가고 있다[3]. 그러한 분들을 위한 여러 복지와 편의시설이 만들어지고 있지만 아직 도로를 안전하게 다니기에는 미흡한 부분이 많다. 시각장애인들이 좀 더 안전하게 생활을 할 수 있도록 하는 보조 장치를 제안한다. 사용자가 필요한 순간의 모습을 촬영한 뒤 딥 러닝으로 축적된 학습데이터를 이용하여 그 장면을 분석한다. 그 결과를 하나의 문장으로 표현하여 이어폰을 통해 사용자에게 서비스를 제공한다. 지원된 음성 서비스를 통해 시각장애인들이 걸어가는 길에 어떠한 장애물이 있는지 알려주어 위험한 상황에 놓이지 않고 안전하게 길을 걸어 다닐 수 있도록 보조해준다.

본 논문은 합성곱 신경망에 데이터 재사용 방법을 효과적으로 적용하여 연산 횟수와 메모리 접근 횟수를 줄일 수 있는 GPGPU구조를 제안한다. 합성곱은 kernel과 입력 데이터를 이용한 2차원 연산으로 kernel이 slide하는 방법으로 연산이 이루어 진다. 이때, 합성곱 연산이 완료될 때 까지 kernel을 캐시메모리로 부터 전달 받는 것이 아니고 내부 레지스터를 이용하는 재사용 방법을 제안한다. SIMT방법으로 명령어가 실행되는 GPGPU의 원리 이용하여 데이터 재사용의 효과를 높이기 위해 합성곱에 직렬 연산 방식을 적용하였다. 본 논문에서는 레지스터기반 데이터 재사용을 위하여 kernel을 4×4로 고정하고 이를 효과적으로 지원하기 위한 warp 크기와 레지스터 뱅크를 갖는 GPGPU를 설계하였다. 설계된 GPGPU의 합성곱 신경망에 대한 성능을 검증하기 위해 FPGA로 구현한 뒤 LeNet을 실행시키고 TensorFlow를 이용한 비교 방법으로 AlexNet에 대한 성능을 측정하였다. 측정결과 AlexNet기준 1회 학습 속도는 0.468초이며 추론 속도는 0.135초이다.

This paper proposes a GPGPU structure that can reduce the number of operations and memory access by effectively applying a data reuse method to a convolutional neural network(CNN). Convolution is a two-dimensional operation using kernel and input data, and the operation is performed by sliding the kernel. In this case, a reuse method using an internal register is proposed instead of loading kernel from a cache memory until the convolution operation is completed. The serial operation method was applied to the convolution to increase the effect of data reuse by using the principle of GPGPU in which instructions are executed by the SIMT method. In this paper, for register-based data reuse, the kernel was fixed at 4×4 and GPGPU was designed considering the warp size and register bank to effectively support it. To verify the performance of the designed GPGPU on the CNN, we implemented it as an FPGA and then ran LeNet and measured the performance on AlexNet by comparison using TensorFlow. As a result of the measurement, 1-iteration learning speed based on AlexNet is 0.468sec and the inference speed is 0.135sec.

도서관 자동화 시스템 개발로 이용자가 책을 직접 찾지 않고, 대출하고자 하는 책을 PC에 입력하면 자율주행으로 책이 있는 서가로 이동, 딥러닝 기반의 로봇팔로 책을 잡고 기존 위치로 복귀하여 자동으로 대출과 운반이 가능한 로봇의 시스템을 제안한다.

현재의 한국의 의료 기술은 세계에서 인정받고 있을 만큼 최고의 수준이다. 그에 따라 여러 의사들은 다양한 장애나 질병에 대해 전문적인 지식을 가지고 더 좋은 방법으로 치료를 진행하고 있다. 이렇게 높아지는 의료 기술에 따라 시술이나 수술의 성공확률의 증대와 동시에 환자에게 높은 신뢰성을 제공할 수 있게 되었다. 시술이나 수술 이후에 있을 부작용을 줄이고 빠른 완치를 위해 행하는 재활치료도 의료의 일종이다. 하지만, 이 부분에서의 사정은 조금 다른 점이 있다. 재활에 관련된 기구, 동작 등 개발하려는 움직임은 있으나, 현재는 대부분을 외국에 의존하고 있다. 우리가 흔히 알고 있는 재활치료는 동작에 의한 형태가 주를 이룬다. 하지만, 환자의 증상이 어느 정도인지, 얼마만큼 나아졌는지 알아보는 것 또한 재활의 일종이며, 그 또한 의사가 판단하는 하에 그 지표를 마련하고 있는 실정이다. 본 논문에서는 음식물 삼킴 동작에 문제가 있는 것을 심각 정도에 따라 파악하는 VFSS 검사에 딥러닝을 활용하여 눈으로 보이는 지표를 마련해 프로그램을 개발하는 것을 연구해 보았다.

In Korea, current medical technology is the highest level in the world. As a result, many doctors have specialized knowledge of various disorders or diseases, and are proceeding in a better way. With such high medical technology, it is possible to increase the probability of success of surgery to provide high reliability to patients. Rehabilitation is also a form of medical treatment that reduces the side effects that occur after surgery that is done for quick cure. However, the situation in this section is slightly different. There are moves to develop rehabilitation devices and operations, but most of them are now dependent on foreign technology. Rehabilitation therapy, which we commonly know, is dominated by behavior. However, it is also a kind of rehabilitation to find out how much the patient's symptoms are improved or recovered. In this paper, we have studied the development of a program by using the Deeplearning method in order to detect the problem of the food swallowing operation by the severity.