Earticle

The game of Go represents a major challenge for artificial as well as human intelligences due to its profound complexity. Although computer programs capable of playing Go have existed for decades, the period from 2015 to 2025 has marked a turning point, with these systems achieving—and even exceeding—professional human performance. A notable shift in gameplay strategy emerged around 2016, driven by the adoption of unconventional yet effective moves demonstrated by AI programs, challenging previous conventions of preferred moves. Nowadays, the process of learning Go has evolved from traditional knowledge transfer, based on centuries of established conventions regarding strategy, positional judgement and move value to modern trends developed by AI playing style, lacking the explanatory heuristics inherent in both human style of playing and oral tradition. Facing this new challenge, we rely on our curiosity to understand our opponents’ moves beyond technological and language barriers as we continue to explore the mysterious depths of this timeless game.

온라인 서명 검증은 태블릿 컴퓨터, 디지털 펜 등을 사용하여 입력된 서명의 진위를 검증하는 것으로, 카 드 사용 등 서명을 사용하는 본인인증 수단의 보안을 강화시키기 위한 기술이다. 최근 딥러닝 기술이 발달하며 온 라인 서명검증에도 여러 딥러닝 기법들이 적용되고 있으나, 학습 데이터의 수를 확보하기가 어려운 단점으로 인해 성능향상에 어려움이 있다. 본 논문에서는 온라인 서명 검증의 정확도를 높이는 방법으로 개인별 전이학습기법을 제안하고 이를 검증하였다. 제안된 개인별 전이학습은 전체 사용자의 데이터를 사용하여 네트워크를 우선 학습시 킨 후, 개별 사용자의 데이터만을 사용하여 완전연결층만을 새로 학습시키는 방법이다. 제안된 방법은 반복실험을 통하여 개별학습이 평균 3.44%p의 인식률을 향상시킬 수 있음을 보였으며(정확도 93.50%), 향후 기본 모델 구조 의 최적화를 통해 서명검증 정확도의 추가적인 향상을 기대해 볼 수 있다.

Online signature verification is classifying forgeries and genuine signatures, which is to enhance the security of the authentication of using handwritten signatures. One of the main obstacles in online signature verification is the lack of training data. Deep neural network has been utilized for online signature verification recently, but it suffers from the limited number of training data because deep neural networks often require a huge number of training data for higher accuracies. This paper proposes a method of two-stages training: general and personalization. A whole network is trained with the signatures of all the writers at the first step, and a part of the network is trained with the signatures of a writer at the second step. The proposed method improved the accuracy of 3.44%p on average, as it reached 93.50% of accuracy, and the accuracy is expected to be improved by optimizing a base network model.

생체신호를 사용하는 감정인식은 환자, 위험활동 종사자의 모니터링 등에 유용히 활용될 수 있는 기술로, 최근 인공지능기술의 발달에 따라 활발히 연구되고 있다. 본 논문은 감정인식을 목적으로, 공개 생체신호 데이터 셋인 DEAP 데이터셋을 사용하여 맥파 신호를 주파수 대역별로 분석하고, 그 결과를 제시하였다. 기존의 연구가 arousal과 valence에 대하여 0.4Hz 이하의 저주파 신호 특징을 분석한 데 비해, 본 연구에서는 dominance와 liking을 분석 대상에 포함시켰으며, 맥파를 사용하는 감정인식에 있어 0.4 Hz 이상의 고주파 대역이 가지는 중요 성을 유의성 검증을 통해 분석하였다. 그 결과, 기존에 사용되지 않았던 0.4Hz 이상의 주파수 대역에도 valence, dominance, liking등의 감정인식에 유의미한 특징이 존재함을 발견하였으며, arousal 인식에 있어서는 0.4-1Hz 대 역을 제외하고는 유의미한 주파수 특징이 없음을 발견하였다.

The recognition of human emotion using biosignals is one of the important techniques to monitor patients or to assist workers in dangerous environments, which has been studied by many researchers in the last decades. This paper presents a frequency analysis of photoplethysmogram for the recognition of emotions, using an open physiological signal dataset for emotion analysis (DEAP). The main contribution of this paper is that the importance of all the frequency bands was analyzed by significance tests, though previous studies analyzed the features in the low-frequency bands of lower than 0.4Hz only. Moreover, the analysis for all the emotions such as arousal, valence, dominance and liking were presented whereas the preivous studies focused on the arousal and valence only. In results, significant differences were found in the higher frequency bands (over 0.4Hz), between the low and high emotional states of valence, dominance, and liking. No features were showing significant differences for arousal except the 0.4-1Hz band.

사물인터넷 등을 통하여 각종 기기들이 인터넷으로 연결되어 있고 이로 인하여 인터넷을 이용한 공격이 발생하고 있다. 그러한 공격 중 악성 URL를 이용하여 사용자에게 잘못된 피싱 사이트로 접속하게 하거나 악성 바이러스를 유포하는 공격들이 있다. 이러한 악성 URL 공격을 탐지하는 방법은 중요한 보안 이슈 중에 하나이다. 최근 딥러닝 기술 중 뉴럴네트 워크는 이미지 인식, 음성 인식, 패턴 인식 등에 좋은 성능을 보여주고 있고 이러한 뉴럴네트워크를 이용하여 악성 URL 탐지하는 분야가 연구되고 있다. 본 논문에서는 뉴럴네트워크를 이용한 악성 URL 탐지 성능을 각 파라미터 및 구조에 따라서 성능을 분석하였다. 뉴럴네트워크의 활성화함수, 학습률, 뉴럴네트워크 모델 등 다양한 요소들에 따른 악성 URL 탐지 성능에 어떠한 영향을 미치는 지 분석하였다. 실험 데이터는 Alexa top 1 million과 Whois에서 크롤링하여 데이터 를 구축하였고 머신러닝 라이브러리는 텐서플로우를 사용하였다. 실험결과로 층의 개수가 4개이고 학습률이 0.005이고 각 층마다 노드의 개수가 100개 일 때, 97.8%의 accuracy와 92.94%의 f1 score를 갖는 것을 볼 수 있었다.

Various devices are connected to the Internet, and attacks using the Internet are occurring. Among such attacks, there are attacks that use malicious URLs to make users access to wrong phishing sites or distribute malicious viruses. Therefore, how to detect such malicious URL attacks is one of the important security issues. Among recent deep learning technologies, neural networks are showing good performance in image recognition, speech recognition, and pattern recognition. This neural network can be applied to research that analyzes and detects patterns of malicious URL characteristics. In this paper, performance analysis according to various parameters was performed on a method of detecting malicious URLs using neural networks. In this paper, malicious URL detection performance was analyzed while changing the activation function, learning rate, and neural network structure. The experimental data was crawled by Alexa top 1 million and Whois to build the data, and the machine learning library used TensorFlow. As a result of the experiment, when the number of layers is 4, the learning rate is 0.005, and the number of nodes in each layer is 100, the accuracy of 97.8% and the f1 score of 92.94% are obtained.

교통사고 및 고속도로 응급상황 발생 등과 같은 돌발상황을 자동으로 검지하는 기술이 50년 이상 연구/ 운영되고 있는데, 이들 대부분이 도로에 매설된 루프검지기에서 수집되는 특정 지점의 교통정보(지점속도정보, 점 유율, 교통량 등)를 활용하는 방식이어서 루프검지기가 설치되지 않은 경우에는 사용이 어려운 단점이 있었다. 또 한, 루프검지기의 오류 등의 요인으로 실제 운영에서 돌발상황 검지율이 높지 않은 것으로 알려져 있다. 이를 개 선하기 위해 본 연구에서 다층신경망 및 교통정보센터 교통정보를 이용한 돌발상황검지 알고리즘을 개발하여 현 장실험을 실시한 결과 새로운 모델의 검지율이 86.4%로 기존 모델보다 뛰어난 성능을 나타냈다.

Incident detection methods for automatic recognition of traffic accidents and other freeway events requiring emergency responses have existed for over 50 years. Most of the developed and implemented algorithms rely on inductive loop data. The inductive loop is the most commonly used traffic sensor, collecting data such as traffic volume and vehicle velocity at a specific location. However, the algorithms using inductive loop data have had mixed success. This paper proposes to automatically detect traffic incidents using artificial neural networks and traffic condition information from a traffic information center. In the field tests, the new model performed better than existing methods.

본 논문은 C4.5 알고리즘을 이용한 피로 인식 방법을 제안한다. 피로 평가에 대한 국내외 연구를 바탕으로 중국인의 생활습관 및 문화적 특성과 결합하여 피로 자기평가 척도를 완성하였다. 본문에서 사용한 척도는 58개 하위 항목에 적용되어 있으며 피로의 유형과 정도를 평가하는 데 사용되었다. 이 항목들은 육체적 피로, 정신적 피로, 개인의 습관 및 피로의 결과 등을 측정하는 4가지 분류 항목에 포함된다. 본 연구의 목적은 피로 형성의 주요 원인을 분석하고 그에 따른 피로 정도를 인식함으로써 피로에 대한 주관적 관심을 증가시키고 과도한 피로로 인한 심뇌혈관계 질환의 위험을 감소시키는 데 있다. C4.5 알고리즘을 활용한 피로 인식 시스템의 인식률은 평균 85%로 나타나 본 제안의 유용성을 확인하였다.

This paper proposes a fatigue recognition method using the C4.5 algorithm. Based on domestic and international studies on fatigue evaluation, we have completed the fatigue self - assessment scale in combination with lifestyle and cultural characteristics of Chinese people. The scales used in the text were applied to 58 sub items and were used to assess the type and extent of fatigue. These items fall into four categories that measure physical fatigue, mental fatigue, personal habits, and fatigue outcomes. The purpose of this study is to analyze the leading causes of fatigue formation and to recognize the degree of fatigue, thereby increasing the personal interest in fatigue and reducing the risk of cerebrovascular disease due to excessive fatigue. The recognition rate of the fatigue recognition system using the C4.5 algorithm was 85% on average, confirming the usefulness of this proposal.

인간의 삶을 획기적으로 변환시키면서 부가가치를 창출하고 있는 인공지능, 로봇 기술, 사물인터넷, 그리고 생 명과학 등이 이슈화되면서 차세대 산업혁명인 4차 산업혁명이 부각되고 있다. 이러한 4차 산업에 적응하도록 융 합적사고와 컴퓨팅 사고력을 함양할 수 있는 교육이 필요한 실정이다. 따라서, 본 연구에서는 STEAM과 컴퓨팅 사고력의 구성요소인 분해, 패턴 인식, 추상화, 그리고 알고리즘 설계 등을 반영하여 피지컬 컴퓨팅을 기반으로 한 디지털 윷놀이 시스템을 개발한다. 개발한 시스템을 체험하고, 이를 교육에 활용함으로서 프로그래밍 교육에 대한 관심과 흥미를 고취시키고, 융합적사고와 컴퓨팅 사고력을 위한 프로그래밍 수업을 개선한다.

The artificial intelligence, robot technology, Internet of things, and life sciences that create added value while dramatically transforming human life have been highlighted in the fourth industrial revolution, the next industrial revolution. In order to adapt to the 4th industry, it is necessary to educate students to develop fusion thinking and computing thinking ability. Therefore, in this study, we developed a digital Yut Playing system based on physical computing, reflecting STEAM and decomposition, pattern recognition, abstraction, and algorithm design, which are components of computing thinking. By experiencing the developed system and applying it to education, it raised interest and interest in programming education and improved programming lesson for fusion thinking and computing thinking ability.

Sequential object analysis are playing vital role in real time application in computer vision and object detections.Measuring the similarity in two images are very important issue any authentication activities with how best to compare two independent images. Identification of similarities of two or more sequential images is also the important in respect to moving of neighborhoods pixels. In our study we introduce the morphological and shared near neighborhoods concept which produces a sufficient results of comparing the two images with objects. Considering the each pixel compare with 8-connectivity pixels of second image. For consider the pixels we expect the noise removed images are to be considered, so we apply the morphological transformations such as opening, closing with erosion and dilations. RGB of pixel values are compared for the two sequential images if it is similar we include the pixels in the resultant image otherwise ignore the pixels. All un-similar pixels are identified and ignored which produces the similarity of two independent images. The results are produced from the images with objects and gray levels. It produces the expected results from our process.

패턴인식 등에서 널리 이용되는 이진연결요소 라벨링은 오래전부터 연구되어온 영상처리분야의 기본적인 처리방법이다. 연결요소 라벨링에 대한 현재의 연구는 이중스캔을 이용한 방법이 주류를 이루고 있는데 최근 일차스캔시 인근 화소 여러 개를 한 번에 블록단위로 처리하는 것이 가장 성능이 뛰어난 것으로 보고되고 있다. 본 논문에서도 블록단위의 라벨링 방법을 이용하였지만 기존의 방법들보다 더 성능이 개선된 방법을 제시하고 있다. 제안된 방법은 블록단위의 라벨과 새로운 화소기반의 스캔마스크를 사용했는데 실험결과 현재까지 발표된 가장 빠른 라벨링 방법보다도 더 우수한 성능을 보이는 것으로 나타났다.

Binary connected-components labeling, which is widely used in the field of the pattern recognition, has been researched for a long time as one of the basic image processing techniques. Two-scan algorithm has been mainly used in the researches of the connected-components labeling. Recently, for the first scan in the two-scan algorithm, block-based labeling approaches have been used and reported as the fastest methods. In this paper, a new efficient scan mask for connected-components labeling with a block-based labeling approach is proposed. Labeling with the new pixel-based scan mask is more efficient than any other existing method. The results of the experiments show that the proposed method is faster than the existing fastest method.

Heart illness is a serious disease faced by a significant populace worldwide. Considering death rates and large numbers of patients with cardiac illness, it is shown how important it is for a person to be subject for early diagnosis of the disease, as an average citizen cannot afford frequent expensive tests such as the ECG. So, an effective system needs to be put in place that is both practical and reliable for the prediction of the chances of heart disease. The extraction of medical data has become highly recommended so that the rate of death which is very high due to heart diseases can be predicted and treated. The development of a machine-based system for cardiac diagnosis provides a more accurate diagnosis than traditional methods. We therefore propose an app to prevent the vulnerability of heart disease given the fundamental symptoms, such as age, gender and rate of the pulse and so on. The neural networks of the machine learning algorithm have proven to be the most reliable and accurate algorithm used for this system.

Animal pattern recognition from nighttime grayscale images is crucial for wildlife protection and ecological monitoring. Most of the current models suffer from a large parameter scale, making them unsuitable for deployment in resource-constrained environments. To address this challenge, this study proposes a multi-layer knowledge distillation approach based on the teacher Convnext model to improve the lightweight student model's classification performance effectively. Experimental results show that the parameters of the distilled CifarResNet20 model are only 0.27M, and the accuracy is 88.76%, which is superior to the traditional single-layer distillation and another tiny student model. The study confirms the efficiency and practical value of the proposed method in practical applications such as ecological monitoring.

본 연구에서는 일반 방사형 기저 함수 신경망을 확장한 새로운 분류 방법을 제안한다. 제안된 분류 방법에서 RBFNN의 확장 버전은 두 가지 주요 부분으로 구성된다. 첫 번째 부분은 출력 분포를 다항 분포로 처리하는 데 도 움이 되는 소프트 맥스 함수이다. 둘째, 기존 신경망에서 히든노드로 간주될 수 있는 방사형 기반 함수를 클러스터링 알고리즘을 사용하지 않고 무작위로 정의한다. 소프트맥스 함수를 네트워크에 적용할 경우 비선형 최소자승추정, 오 류역전파 알고리즘 등의 반복학습 알고리즘을 사용하여 네트워크의 계수 값을 구해야 한다. 제안된 분류 방법을 검 증하기 위해 여러 가지 기계 학습 데이터 세트가 사용된다.

In this research, we proposed a new classification method which is an expanded version of the generic radial basis function neural networks. In the proposed classification method, the expanded version of RBFNNs consists of two main parts. And the first part is the soft-max function to help us handle the output distribution as a multinomial distribution. Secondly, radial basis functions, which can be considered as hidden nodes in the conventional neural networks, are defined not by using a clustering algorithm but in a random manner. When the soft-max function is applied to the networks, iterative learning algorithms such as nonlinear least square estimation and error back-propagation algorithm should be used to value the coefficient of the networks. In order to validate the proposed classification method, several machine learning data sets are used.

유아들의 놀이 도구 중 하나인 스토리 북 게임은 책을 펼친 뒤, 해당 내용을 눈으로 보면서 이야기 전개에 따라 해당하는 페이지로 이동하면서 이야기를 엮어가는 게임이다. 스토리 북 게임은 유아들에게 게임과 학습의 기능을 접목시킨 것으로 사고력 증진을 위해서 많이 활용되고 있으나 시각적 효과의 한계와 청각적 효과를 제공하지 못하는 단점을 보완하기 위해서는 멀티미디어 매체와의 접목이 불가피하다. 하지만 현재의 도서와 멀티 미디어 매체의 접목은 수동적 접근으로 이루어지고 있으나 게임이 진행되는 동안 정확한 위치로 빠르게 이동하여 시각적, 청각적 효과를 제공함에는 한계를 가지고 있다. 이러한 단점을 해소하기 위해 스토리 북 게임용도서의 콘텐츠 상에 펜으로 갖다 대면 콘텐츠의 내용을 판별하고 펜에서 외부기기인 IPTV로 판별된 내용을 전달하고 TV로 콘텐츠의 내용을 출력할 수 있게끔 콘텐츠 패턴 인식 및 블루투스를 지원하는 지능형 펜 설계를 제안한다. 이는 기존의 도서에서 제공되지 않는 출판물에 대한 직접 인덱싱 기능을 부가함으로 빠른 접근으로 게임 참여자인 유아들의 집중력 향상 및 이야기 전개의 재미를 높이는 효과를 보인다.

고령화 사회가 속화 됨에 따라 노인성 질환도 격하게 증가하고 있는 추세이다. 특히 치매는 나이가 들어감에 따 라 발병률이 높아지고 있는 질병이기 때문에 치매에 한 심이 높아지고 있다. 최근 치매증상을 조기 발견함으로 서 치료가 가능하다는 연구에 의하여 조기진단의 요성이 높아지고 있다. 치매 진단을 해 자기공명상(MRI)데 이터를 가지고 실험하다. 본 논문에서는 MRI의 특정 정보 데이터를 가지고 패턴인식 분야에서 자주 쓰이는 알고 리즘에 해 비교 평가해 보았다. 패턴인식 알고리즘인 주성분분석, 선형별분석, 서포트 벡터 머신, 딥러닝을 활 용하여 치매조기진단을 해 정상, 경도인지장애, 치매환자를 구분한다. 각 알고리즘에 한 특징을 알아보고 한 알고리즘을 선택하여 치매조기진단에 기여하도록 알고리즘을 비교 분석하다.

As the trend of aging in Korea grows rapidly, age-related diseases are also becoming more serious. In particular, dementia, especially, Alzheimer’s disease (AD), is one of the increasing concerns because the incidence rate is increasing with age. Depending on the recent researches that AD can be cured if it can be early diagnosed, the importance of early diagnosis of AD are getting more attention. For this purpose, we compared several classification algorithms in the field of pattern recognition using MRI-specific information. More specifically, for the classification of cognitively normal (CN), late mild cognitive impairment (LMCI), and AD subjects, we used Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM), Neural Networks (NNs), and Deep Learning. We briefly analyzed the characteristics of each algorithm, and compared them in the classification problem to find the suitable algorithm for assisting the diagnosis of AD progression.

게임은 가장 중요한 콘텐츠로 자리매김하였다. 이러한 중요성에 따라, 패턴 인식 기술을 활용한 컴퓨터 게임 제작 사례가 점점 늘고 있다. 이것은 게임 속에서 벌어지는 세계가 점점 복잡해지고 게임의 흥미도에 대한 사용자의 욕구 가 증대하기 때문에 생기는 자연스런 현상이다. 이 논문은 신경망과 HMM을 이용한 사례를 집중적으로 살펴보며, SVM과 결정 트리를 사용한 경우도 언급한다. 최근의 논문에 대해 어떻게 특징을 추출하였는가, 어떤 분류기를 사용하 고 그것의 구조가 어떤지, 그리고 활용한 결과로 얻은 효과에 집중하여 사례를 조사하였다. 토론에서는 향후 전개 방 향과 연구 주제에 대해 언급한다.

The computer game is the most important part of digital contents. Due to the importance, cases of using pattern recognition technology in developing games are gradually increasing. It is natural because the game world becomes more complex and user's need for interest increases. This paper focuses on reviewing the literatures using neural networks or HMM in game development, and also mentions on SVM and decision trees. It mainly concentrates on the features and classifiers, and their structures and effects. It discusses on future prospects and research themes.

손 전화, 컴퓨터 등 정보기기에 문자를 입력하기위해서는 키보드 자판이 필요하다. 본 연구에서는 속도를 요하지 않으면서 인간이 생각하는 대로 문자를 입력할 수 있는 정도의 속도를 지니면서 2 개의 자판만을 사용하여 문자를 정보기기에 입력하기위한 방법을 제안한다. 본 연구를 통해 기존의 문자입력 자판을 대체하면서 마치 연필로 필기하듯이 문자입력이 가능하도록 그 방법을 제시하고, 이를 실현하기위해 훈민정음 창제문자 28자를 기반으로 부호를 제정하여 한글은 물론 국제 발음 기호를 대체할 수 있는 문자에 이르는데 크게 일조할 것이다. 또한 숫자 부호도 함께 제정하게 되어 별도로 제어부호를 추가하여 사용 할 수 있도록 하였다. 본 연구를 통해 음성인식의 완성도가 기대이상으로 실현을 보지 못하는 현재 본연구를 통해 장애 우는 물론 노약자에게도 동일하게 적용하고, 정보기기에 문자 입력 활동을 통해 어르신에게는 치매예방의 효과가 있으며, 시력이 떨어지는데서 오는 문자입력의 어려움에서 해방이 될 것이며, 청소년에게는 문자 입력 시 발생하는 기계적 동작으 로 손의 무리가 오는 중 후근을 예방하고, 소규모 휴대정보기기의 부피를 줄여, 휴대가 편리하고 산업 폐기물을 줄이는 효과가 있다. 차차 훈민정음의 세계화를 앞당기는데 큰 역할을 할 것이다.