82편의 한국어 분석 — 최신순으로 정렬했어요
단안 높이 추정은 원격탐사 분야 3D 인식을 위한 핵심 기술로, 다중 시점 또는 LiDAR 기반 방식에 비해 비용 효율적인 대안을 제공합니다. 딥러닝 기술의 발전에도 불구하고, 기존 단안 높이 추정 모델들은 대규모의 레이블링된 데이터 확보의 어려움으로 인해 성능 및 일반화에 제약이 있었습니다. 고품질 주석 데이터의 부족은 모델의 잠재력을 충분히 발휘하지 못하게 하는 주요 원인입니다. 이러한 한계를 극복하고자, 본 연구에서는 대량의 레이블링되지 않은 데이터를 활용하는 준지도 학습 프레임워크인 TSE-Net(Teacher-Studen…
폐암은 전 세계적으로 주요 암 사망 원인이며, 흉부 CT 분류는 조기 진단 및 환자 관리에 중요합니다. 그러나 기존 딥러닝 기법은 대규모 주석 데이터셋과 높은 연산 자원을 요구하며, 해석 가능성이 부족하다는 한계가 있습니다. 본 연구는 DenseNet169와 MobileNetV2 두 가지 전이 학습 기반 딥 CNN 모델을 활용한 다중 클래스 폐암 분류를 위한 설명 가능한 하이브리드 앙상블 프레임워크를 제안합니다. 여러 앙상블 기법을 통해 각 모델의 클래스 확률 출력을 결합하고, 예측에 기여하는 이미지 영역을 시각적으로 설명하기 위…
딥러닝 시대에 트랜스포머 아키텍처는 사전 학습된 대규모 모델과 다양한 다운스트림 작업에서 강력한 성능을 입증했습니다. 그러나 트랜스포머의 막대한 연산 요구량은 많은 연구자에게 큰 부담으로 작용하고 있습니다. 이에 따라 어텐션 모델의 복잡성을 줄이기 위한 효율적인 방법론 설계 노력이 활발히 이루어지고 있습니다. 이러한 노력 중 자기 회귀 기반 트랜스포머 모델의 잠재적 대안으로 상태 공간 모델(SSM)이 최근 주목받고 있습니다. 본 논문은 SSM 관련 연구들을 최초로 종합적으로 검토하고, SSM의 특징과 장점을 명확히 보여주기 위한 …
고차원 혼돈 동역학 시스템에서 발생하는 극단 현상은 희귀하고 간헐적이며, 제한된 관측으로는 식별하기 어려운 과도 동역학 메커니즘에 의해 발생하므로 예측이 매우 어렵습니다. 본 연구는 사건 발생에 선행하는 과도 불안정성을 추적하는 해석 가능하고 메커니즘 인식형 선행 지표를 기반으로, 극단 현상의 실시간 예측을 위한 완전 데이터 기반 프레임워크를 제안합니다. 구체적으로, 본 연구에서는 유한 시간 리아푸노프 지수(FTLE)를 선행 지표로 활용하며, 이는 차수 축소 및 방정식 독립적인 정식을 통해 상태 스냅샷으로부터 직접 계산됩니다. 불…
심층 학습은 강력한 성능을 위해 방대한 데이터를 요구하지만, 환자 프라이버시 문제로 인해 의료 분야에서는 데이터 확보가 어려운 경우가 많습니다. 의료 영상 생성 모델을 통한 합성 데이터는 이러한 문제에 대한 해결책을 제시할 수 있으나, 기존 모델들은 특정 작업에 국한되거나 비공개 데이터셋으로 훈련되어 확장성과 재현성에 한계가 있었습니다. 본 연구는 이러한 한계를 극복하고자 공개 데이터만을 활용하여 훈련된 개방형 범용 텍스트 안내 잠재 확산 모델인 MediSyn을 제안합니다. MediSyn은 6개 의료 전문 분야와 10개 영상 모달…
리간드 결합 단백질 복합체 구조 예측 및 결합 친화도에 따른 순위 매김은 신약 개발의 핵심 과제입니다. 딥러닝 기반 공동 폴딩(co-folding) 방법론이 이 문제 해결에 기여할 수 있지만, 학습 데이터 독립성 평가의 어려움과 불충분한 테스트 세트로 인해 그 성능 검증이 제한적이었습니다. 이 연구에서는 SARS-CoV-2 NSP3 마크로도메인(Mac1)에 결합하는 551개 리간드(이 중 489개는 평가에 충분한 품질)의 구조 예측 능력을 공동 폴딩 방법론으로 평가했습니다. 이 리간드들은 모델 학습 데이터 마감일 이후에 결정된 것…
생성형 분자 설계의 성공은 생성된 분자의 합성 가능성에 달려있지만, 현재 화학 반응 예측 모델은 참조 데이터 부족과 반응 위치 선택성 예측의 어려움으로 한계가 있습니다. 본 연구는 이러한 문제를 해결하기 위해 효율적인 반응 데이터 획득과 고정밀 딥러닝을 통합한 폐쇄 루프 워크플로우를 제안합니다. 가장 유익한 실험을 안내하기 위해 트리 기반 앙상블이 주도하는 능동 학습 전략을 개발했습니다. 이 실험 캠페인을 통해 C-H 보릴화 반응에 대한 다양하고 새로운 벤치마크 데이터셋을 구축했습니다. 이 맞춤형 데이터셋으로 기하 그래프 신경망을…
소프트웨어 리팩토링은 품질과 유지보수성을 향상시키는 핵심 활동이나, 기존의 수동적·휴리스틱 기반 접근법은 한계가 있습니다. 최근 딥러닝(DL) 기술이 이러한 한계를 극복하기 위해 리팩토링에 적용되고 있으나, 관련 연구를 종합적으로 정리하고 체계화한 자료는 부족한 실정입니다. 본 연구는 딥러닝 기반 소프트웨어 리팩토링을 코드 스멜 탐지, 리팩토링 추천, 리팩토링 구현, 리팩토링 마이닝, 리팩토링 영향 분석의 다섯 가지 핵심 과업으로 분류하여 포괄적인 조사를 수행했습니다. 이를 통해 딥러닝 기반 리팩토링 연구의 현황과 분포를 체계적으…
다중 노출 저명도 범위(LDR) 이미지로부터 고명도 범위(HDR) 이미지를 재구성하는 것은 움직임 및 노출 불일치 상황에서 밝고 어두운 영역의 세부 사항을 보존하며 넓은 휘도 범위를 복원하는 것을 목표로 합니다. 그러나 높은 재구성 충실도는 종종 계산 복잡도 증가를 수반하며, 이는 실제 적용에 있어 주요 제약이 됩니다. 본 논문은 효율적인 이중 주의 융합 네트워크(EDAFNet)를 제안합니다. 이 네트워크는 CBAM 기반 초기화, 교차 노출 정렬 및 융합을 위한 계층적 지역 및 전역 주의 메커니즘, 그리고 깊이별 분리 컨볼루션을 …
사물 인터넷(IoT) 기기는 제한된 연산 능력과 배터리 수명으로 인해 모바일 엣지 컴퓨팅(MEC) 환경에서 연산 오프로딩(MCO)을 통해 인접한 고성능 서버의 자원을 활용합니다. 이러한 태스크를 사용자 기기 또는 엣지 서버에서 실행할지 결정하는 과정은 딥러닝(DRL)과 같은 인공지능 기법으로 최적화될 수 있습니다. 본 연구는 리아푸노프 최적화(LO), 다중 출력 학습(MOL), 그리고 DRL을 기반으로 하는 실시간 통합 적응형 안정 오프로딩(RIASO) 알고리즘을 제안합니다. RIASO는 훈련 시작 시간을 조절하는 새로운 훈련 정…
본 연구는 편미분 방정식(PDE)으로 기술되는 비선형 문제의 해 연산자를 학습하는 방법론을 개발하고 평가합니다. 이 접근 방식은 유한요소 이산화를 기반으로 하며, 문제 데이터 변수를 입력으로 받아 유한요소 해를 예측하는 다층 퍼셉트론(MLP)을 통해 해 연산자를 표현합니다. 입력 변수는 경계 조건, 계수, 우변 등 입력 데이터의 매개변수화에 해당하며, 출력은 해당 유한요소 해의 근사치입니다. 손실 함수로는 PDE의 에너지 범함수를 활용하여 각 요소에서 에너지를 국부적으로 조립하는 효율적인 병렬 학습 알고리즘을 구현합니다. 대규모 …
신경세포의 형태는 정보 처리 방식에 결정적인 영향을 미치지만, 객관적이고 일관된 형태 분류는 여전히 난제로 남아있습니다. 기존 접근 방식은 전문가의 주관적 판단이나 사전 정의된 특징에 의존하여 재현성과 해석 가능성이 부족했습니다. 본 연구는 이러한 한계를 극복하고자 위상 데이터 분석, 그래프 신경망, 전통적 형태 측정법을 통합한 해석 가능한 딥러닝 프레임워크를 제안합니다. 제안된 프레임워크는 신경세포의 기하학적, 위상학적, 그래프 구조적 정보를 포착하기 위해 상호 보완적인 수학적 표현들을 비교합니다. 이를 통해 전문가가 라벨링한 …
다중 작업 학습(MTL)은 관련 작업 간의 공유 지식을 활용하여 상호 개선을 목표로 하는 통합 모델 학습 방식입니다. 추천 시스템 분야에서는 성능과 효율성을 동시에 고려한 다중 작업 예측의 필요성이 증대됨에 따라 MTL이 중요한 주제로 부상하고 있습니다. 그러나 추천 커뮤니티 내에서는 MTL에 대한 체계적인 종합 연구가 부족한 실정입니다. 이러한 간극을 메우기 위해 본 연구는 기존의 다중 작업 딥 추천 시스템(MTDRS)에 대한 포괄적인 조사를 제공합니다. 먼저 MTDRS의 문제 정의를 명확히 하고, 관련 분야들과의 차이점을 비교…
심층 신경망(DNN) 훈련 시 자동 미분(autodifferentiation)이 합리적인 업데이트를 제공하는지에 대한 의문이 제기됩니다. 특히 신경망이 신경망 ODE(Neural ODE) 구조를 따르도록 설계되었을 때, 자동 미분이 제공하는 기울기(gradient)의 신뢰성은 중요한 문제입니다. 본 연구는 수학적 분석과 수치적 증거를 통해, 신경망이 선형 다단계 방법(linear multistep methods)이나 명시적 Runge-Kutta(ERK) 방법과 같은 고차 방법을 사용하여 ODE 흐름을 근사할 때, 단순한 자동 미분…
교통 예측, 산업 유지보수 이상 감지, 건강 모니터링을 위한 궤적 분류 등 다양한 지능형 애플리케이션에서 정확하고 효율적인 다변량 시계열(MTS) 분석의 중요성이 커지고 있습니다. 기존에는 쌍별 의존성 포착 능력이 뛰어난 트랜스포머가 주로 사용되었으나, 이차적인 계산 복잡도와 높은 메모리 오버헤드로 인해 장기적이고 대규모 MTS 모델링에 한계가 있었습니다. 최근 선형 시간 복잡도를 가지면서도 표현력이 뛰어난 맘바(Mamba)가 유망한 대안으로 부상했습니다. 하지만 바닐라 맘바를 MTS에 직접 적용할 경우, 명시적인 변수 간 모델링…
저작자 분석은 법의학 언어학, 학술 연구, 사이버 보안, 디지털 콘텐츠 인증 등 다양한 분야에서 중요한 역할을 수행합니다. 본 논문은 저작자 귀속(Authorship Attribution)과 저작자 검증(Authorship Verification)이라는 두 가지 핵심 하위 작업을 중심으로 2015년부터 2024년까지의 연구를 체계적으로 검토합니다. 이 연구는 전통적인 머신러닝(ML) 방식부터 딥러닝(DL) 모델, 그리고 대규모 언어 모델(LLM)에 이르는 최신 방법론들을 탐구하며, 이들의 발전 과정, 강점, 그리고 한계를 조명합니…
변압기 코어 풀림을 비침습적으로 진단하는 진동 기반 방식은 미세한 진동 차이와 잡음으로 인한 Gramian angular field(GAF) 텍스처 손상으로 인해 낮은 신호 대 잡음비(SNR) 환경에서 진단 정확도가 저하되는 문제가 있습니다. 본 연구는 이러한 한계를 극복하기 위해 다중 SNR 훈련을 적용한 VMD(Variational Mode Decomposition) 기반 이중 표현 교차 상호작용 네트워크(DGCM-Net)를 제안합니다. 제안된 방법은 PSO(Particle Swarm Optimization)로 VMD 파라미터…
정밀 농업, 자산 관리 및 자율 운송 관리를 위해 농업 기계의 자동 시각 식별 시스템은 필수적입니다. 그러나 실제 농업 환경 이미지는 높은 클래스 내 다양성, 클래스 간 유사성, 그리고 가림, 눈부심, 모션 블러와 같은 통제 불가능한 환경 요인으로 인해 심각한 문제를 야기합니다. 본 연구는 이러한 문제를 해결하기 위해 새로운 딥러닝 아키텍처인 MoEffNet을 제안합니다. MoEffNet은 EfficientNet 백본에 Mixture of Experts 레이어를 통합하고, 새로운 메타휴리스틱 알고리즘인 Refined Addax O…
토마토는 전 세계적으로 재배되는 주요 원예 작물 중 하나이지만, 잎 질병으로 인해 생산량과 품질에 큰 손실을 겪고 있습니다. 농업의 지속 가능성을 위해서는 질병의 조기 진단이 필수적입니다. 본 연구는 딥러닝과 기존 머신러닝 방법을 결합한 정밀한 질병 예측 모델을 제안합니다. 제안하는 시스템은 ResNet-101의 강력한 특징 추출 능력과 맞춤형 컨볼루션 신경망(CNN) 레이어를 결합하여 미세한 질병 특이적 패턴을 효과적으로 추출합니다. 추출된 특징들은 랜덤 포레스트 알고리즘을 통해 분류되어 최종 예측의 신뢰도를 높입니다. 이 모…
급격한 도시화가 진행 중인 사하라 이남 아프리카에서는 분산된 비공식 폐기물 투기 및 고해상도 데이터 부족으로 인해 생활 폐기물 관리에 어려움이 있습니다. 본 연구는 크라우드소싱 UAV(무인항공기) 영상에서 노천 투기된 분산형 생활 폐기물(ODD-MSW)을 자동으로 감지하는 오픈 액세스 딥러닝 모델을 제안합니다. 이 모델은 사하라 이남 아프리카 10개국 29개 지역의 다양한 환경 맥락에서 수동으로 주석 처리된 이미지 타일을 통해 훈련 및 평가되었습니다. 그 결과, 모든 연구 지역에서 ODD-MSW 감지 정확도 92.87%(F1 점수…
본 연구는 딥러닝에서 활용되는 신경 확률 미분 방정식(neural SDE)의 샘플 크기가 무한대로 증가할 때, 관련 최적 제어 문제의 극한 거동을 분석합니다. N개 샘플을 갖는 신경 SDE는 중앙 집중식 제어를 포함하는 N-입자 시스템과 연관될 수 있습니다. 저자들은 N-입자 시스템에 해당하는 해밀턴-야코비-벨만(Hamilton–Jacobi–Bellman) 방정식을 분석하고, N에 대해 균일한 규칙성 결과를 확립했습니다. 이러한 균일한 규칙성 추정치는 확률적 최대 원리(stochastic maximum principle)와 역방향…
본 연구는 월별 요금 데이터와 현장 검사로 확인된 라벨만으로 전력 도난을 탐지할 때, 어떤 지도 학습 모델이 불규칙한 소비 패턴을 효과적으로 식별하는지 탐구합니다. 이는 AMI(지능형 원격 검침 인프라)의 고해상도 시계열 데이터 없이도 적용 가능한 방법론을 모색합니다. 4,000명의 고객과 864건의 도난 사례를 포함하는 2021년 1월부터 2025년 5월까지의 53개월치 kWh 데이터를 활용했습니다. 도난 사례를 모두 유지하면서 다수 클래스 언더샘플링을 통해 1:1 균형 학습 세트를 구축한 후, K-최근접 이웃, 결정 트리, 서…
안전 문제는 항상 중요한 관심사였으며, 기술 활용은 이러한 사회적 우려를 해결하는 데 필수적입니다. 본 연구는 실시간 모니터링, 위치 추적 및 비상 경보 기능을 제공하는 스마트 안전 보호 시스템(SSPS)의 설계 및 구현을 다룹니다. 이 시스템은 사물 인터넷(IoT) 기술을 활용하여 이러한 문제들을 해결합니다. 제안된 시스템은 착용 가능한 장치로, 센서와 GPS를 사용하여 스마트폰 애플리케이션과 클라우드 데이터베이스에 지속적으로 데이터를 전송합니다. 이 시스템은 장치 무단 제거, 낙상, 비정상적인 체온 또는 심박수 감지 기능을 포…
폐암은 치사율이 높은 암으로, 조기 진단이 효과적인 치료의 핵심입니다. 딥러닝(DL) 기술은 의료진의 진단 부담을 줄일 수 있지만, 기존 모델들은 정확도와 확장성 문제로 질병 탐지 성능이 저하되는 한계가 있었습니다. 이러한 문제 해결을 위해 병원 간의 협력을 통해 더 나은 질병 탐지 성능을 제공하는 연합 학습(FL) 기반의 전역 데이터 학습 질병 탐지(GDTDD) 모델이 제안되었습니다. 본 연구에서는 먼저 각 병원의 폐 CT 이미지 데이터를 중앙값 필터링으로 전처리한 후, MCAU-Net(multi-Convolutional lay…
사물 인터넷(IoT) 네트워크의 급증은 이질적인 트래픽 특성, 대규모 연결성, 그리고 심하게 불균형한 공격 분포로 인해 사이버 보안 위험을 크게 증가시켰습니다. 기존 침입 탐지 방식은 주로 계산 비용이 높은 딥러닝 아키텍처나 합성 과표집 기법을 통해 전반적인 탐지 성능을 향상시키는 데 초점을 맞추지만, 트래픽 특징 간의 의미론적 관계를 간과하고 계산 복잡성을 증가시키며 소수 공격 패턴 학습 능력이 제한적이라는 한계가 있습니다. 본 논문은 경량의 불균형 학습 기반 IoT 침입 탐지를 위한 트래픽 인식 불균형 학습 네트워크(TAIL-…
리튬 이온 배터리의 저장 용량과 충방전 속도를 개선하기 위해 벌크 흑연을 다층 그래핀으로 대체하는 연구가 활발합니다. 이중층 그래핀(BLG)은 가장 간단한 층상 그래핀 시스템으로, 이러한 성능 향상의 구조적 원인을 규명하는 데 이상적인 모델입니다. 그러나 안정적인 Li 삽입 구조를 예측하려면 밀도범함수이론(DFT)을 사용하여 방대한 구성 공간을 탐색해야 하므로, 대규모 초격자에서는 계산 비용이 엄청나게 증가하는 문제가 있습니다. 본 연구에서는 Li 삽입 이중층 그래핀의 안정 구조 예측을 가속화하기 위한 데이터 효율적인 딥러닝 프레…
결정립 성장은 재료의 기계적 거동에 큰 영향을 미치므로, 미세구조 공학에서 결정립 성장을 예측하는 것은 핵심 목표입니다. 본 연구에서는 결정립 성장 중 결정립 크기 분포를 예측하기 위해 순환 신경망(RNN), 장단기 기억(LSTM), 시간 컨볼루션 네트워크(TCN), 트랜스포머를 포함한 여러 딥러닝 접근법을 평가했습니다. 계산 비용이 높은 전장 시뮬레이션 대신, 검증된 고정밀 시뮬레이션에서 추출한 정규화된 평균장 통계 기술자를 활용했습니다. 112개의 결정립 성장 시퀀스 데이터셋을 다변량 시계열로 처리하여, 짧은 시간 이력으로부터…
레일 내부 결함은 철도 운행 안전에 심각한 위협을 가하며, 초음파 B-스캔 이미징은 레일 지하 상태를 시각화하는 효과적인 비파괴 검사 방법입니다. 그러나 B-스캔 이미지의 수동 해석은 시간이 많이 소요되고 작업자의 경험에 크게 의존한다는 문제가 있습니다. 본 연구는 이러한 한계를 극복하기 위해 레일 초음파 B-스캔 이미지의 자동 분류를 위한 다중 스케일 밀집 어텐션 네트워크(MSDA-Net)를 제안합니다. 제안된 MSDA-Net은 확장 컨볼루션, 다중 스케일 밀집 특징 추출, 그리고 어텐션 기반 특징 재조정 기법을 통합하여 다양한…
흑색종은 가장 흔한 피부암 중 하나로, 전이 속도가 빨라 진단이 매우 복잡하며 전문 지식을 요구합니다. 전 세계적으로 피부암 발병률이 증가함에 따라 의료진의 신속하고 정확한 진단을 돕는 자동화된 시스템의 필요성이 커지고 있습니다. 본 연구는 다단계 프레임워크를 제안합니다. MuGIF(Mutually Guided Image Filtering)를 통해 노이즈를 줄여 이미지 품질을 향상하고, 제안하는 MDU-CNN(Multi-Dimensional U-Convolutional Neural Network)으로 병변 영역을 분할합니다. 이후…
복잡한 과수원 환경에서 RGB 이미지 기반 동백나무 열매 검출의 정확도 한계를 극복하고자, 본 연구는 듀얼 스트림 RGB-D 융합 검출 네트워크인 CIAFNet을 제안합니다. 이 네트워크는 RGB 이미지와 깊이 맵을 병렬 입력으로 활용하며, C3k2_PartialNetBlock을 통해 효율적인 양상 내 특징 추출을 수행하고, 교차 양상 상호작용 및 차이 인식 적응형 융합(CIDAF) 모듈로 교차 양상 특징을 적응적으로 융합합니다. 또한, SC-EUCB가 강화된 BiFPN을 사용하여 다중 스케일 특징 집계 및 업샘플링 시 세부 정보 …
이중 스테인리스강에서 유해한 2차상 석출과 관련된 밝은 입자의 정량적 분석은 후방산란 전자현미경 이미지의 임계값 기반 분할을 통해 주로 이루어집니다. 약 850°C의 열 노출은 합금을 취화시키고 인성 및 연성을 감소시키는 Cr/Mo-풍부 2차상(특히 시그마 상)의 석출을 촉진하며, 이는 합금의 미세구조 특성화에 필수적입니다. 그러나 이미지 대비, 입자 형태, 연결성이 열 노출에 따라 크게 변하기 때문에 임계값 선택은 노화 조건 전반에 걸쳐 적용하기 어렵습니다. 본 연구에서는 2205 이중 스테인리스강을 850°C에서 6분, 30분…
자기 지도 학습에서 데이터 증강은 학습된 표현의 품질과 다양성에 큰 영향을 미치므로 핵심적인 역할을 한다. 그러나 기존 자기 지도 학습 방식 대부분은 고정된 확률적 증강 파이프라인에 의존하며, 적응형 대안들은 정책 탐색, 적대적 학습 또는 추가 최적화 절차에 따른 높은 비용을 요구한다. 본 논문에서는 자기 지도 시각적 표현 학습을 위한 ELM(Extreme Learning Machines) 기반의 경량 학습형 증강 프레임워크를 제안한다. 제안된 모듈은 이미지 의존적 변환 매개변수를 예측하고 이를 미분 가능한 증강 연산자를 통해 적…
유전체 서열로부터 RNA 스플라이싱을 예측하는 것은 유전자 조절 이해 및 유전 변이 해석에 필수적입니다. 최근 딥러닝 모델은 스플라이싱 예측에서 최첨단 성능을 달성했지만, 그 예측 메커니즘은 해석의 어려움으로 인해 여전히 불분명합니다. 본 연구는 모델 예측 논리를 설명하기 위한 해석 가능한 증류(interpretable distillation) 프레임워크를 개발했습니다. 이 프레임워크를 적용한 결과, RNA 스플라이싱 예측 모델들이 광범위한 교란 요인(confounders)과 사각지대(blind spots)로 인해 비참조 서열(n…
빛은 강도, 편광, 스펙트럼 등 다차원 정보를 내재하고 있으며, 이를 단일 노출로 동시에, 즉각적으로, 그리고 정확하게 포착하는 소형 장치 개발은 다양한 분야에서 중요하나 여전히 난제로 남아있습니다. 본 연구는 이러한 문제 해결을 목표로 합니다. 본 연구에서는 잔차 주의 네트워크(residual attention network)로 강화된 메타표면 통합 근적외선 카메라를 통해 1150-1650 nm의 넓은 파장 범위에서 167개 스펙트럼 채널을 갖는 고정밀 초분광 전-스토크스 편광 실시간 이미징 기술을 시연합니다. 편광 다중화와 스…
수소 에너지 운반체 활용이 증가함에 따라 운송 인프라에 대한 고급 모니터링 솔루션이 요구됩니다. 특히 지능형 센싱 및 데이터 기반 분석은 안전과 운영 효율성 향상에 중요한 역할을 할 수 있습니다. 그러나 운영 데이터 부족과 시스템의 복잡한 과도 거동으로 인해 수소 운송망의 이상 탐지는 여전히 어려운 과제입니다. 본 연구는 고충실도 시뮬레이션과 데이터 기반 분석을 활용한 수소 운송망의 약지도(weakly-supervised) 이상 탐지 프레임워크를 제안합니다. 이 방법론은 시계열 딥러닝 아키텍처와 비지도 표현 학습 모델을 결합하며,…
최근 딥러닝 워크로드의 급증은 데이터센터의 에너지 소비와 탄소 배출량 증가로 이어지고 있습니다. 기존의 탄소 추적 및 정적 스케줄링 시스템은 실제 머신러닝 운영 과정에서 탄소 인식을 구현하기에 역량이 부족하다는 한계가 있습니다. 본 논문에서는 실시간 및 예측 탄소 집약도를 AI 학습 프로세스에 통합하는 탄소 인지 스케줄링 프레임워크인 EcoSchedAI를 제안합니다. 이 시스템은 '탄소 기회 창(carbon opportunity windows)' 개념을 도입하여 저탄소 기간 동안 학습 작업을 선제적으로 스케줄링합니다. 또한, 작업…
이 연구는 딥러닝을 활용하여 전체 파형으로부터 가스 농도를 역추론하는 고정밀 광음향 가스 센서 기술을 제안한다. 기존 방식의 한계를 극복하고, 복잡한 비선형 매핑을 통해 가스 농도 정보를 자율적으로 추출하는 새로운 접근법을 제시한다. 제안된 딥러닝 모델은 광음향 신호의 전체 파형을 분석하여 농도를 예측한다. 특히, 훈련 데이터에 노이즈를 증강하여 모델의 견고성과 일반화 성능을 크게 향상시켰다. 이를 통해 실제 환경에서의 다양한 노이즈 요인에도 안정적으로 작동하도록 설계되었다. 평가 결과, 모델은 0.9999의 결정 계수(R²)를…
전력 시스템 계획의 복잡성이 증대됨에 따라, 본 연구는 딥러닝 기반의 단기 전력 부하 예측 모델을 제안한다. KAN(Kolmogorov Arnold Networks)과 CNN(Convolutional Neural Networks)을 결합하고 베이지안 최적화 및 멀티 헤드 어텐션 메커니즘을 적용한 하이브리드 예측 모델 AM-CNN-KAN을 개발했다. AM-CNN-KAN 모델은 기존 모델 대비 MAE, MSE, RMSE, MAPE 성능 지표를 각각 0.072%, 7.52%, 2.44%, 1.23%, 7.10% 개선했다. 또한, 이 모…
작물 수확량 예측은 농업 생산성 향상에 중요한 역할을 한다. 특정 지역의 작물 수확량을 예측하면 농부가 적합한 작물을 선택하는 데 도움이 되며, 이는 전체적인 생산성 증대로 이어진다. 토양 pH, 강우량, 온도, 습도 등 다양한 요인을 고려하여 특정 토지에 맞는 작물을 추천하는 것은 농부들이 가장 적합한 작물을 선택하는 데 필수적이다. 또한, 작물 성장과 생산성 극대화를 위해서는 적절한 시기에 적합한 비료를 사용하는 것이 중요하다. 본 연구는 이러한 문제들을 해결하기 위해 Random Forest with Extreme Gradi…
풍력 에너지는 전 세계 전력 수요 충족 및 탈탄소화 목표 달성에 중요하지만, 간헐적이고 비정상적이며 공간적으로 결합된 특성으로 인해 전력 시스템 통합이 어렵습니다. 특히, 초단기(10분) 및 단기(1시간) 풍력 발전량 예측은 실시간 전력 배분, 예비력 할당, 계통 안정성에 필수적이지만, 풍력 터빈 간의 후류 상호작용, 풍향·풍속 변화, 센서 노이즈 등으로 인해 여전히 도전 과제로 남아있습니다. 본 연구에서는 이러한 문제를 해결하기 위해 물리 정보 기반의 방향성 인식 대규모 언어 모델(LLM) 유도 동적 시공간 그래프 딥 네트워크(…
산림 생태계는 지구 탄소 순환에 필수적이지만, 장기적인 지상부 탄소(AGC) 역학은 불확실성이 큽니다. 본 연구는 1988년부터 2021년까지 0.25° 해상도로 위성 관측 자료와 확률적 딥러닝 모델을 통합하여, 불확실성을 고려한 전 지구 산림 AGC 기록을 재구성했습니다. 분석 결과, 전 지구 산림은 총 6.2 PgC를 흡수했음에도 불구하고, 습한 열대 및 한대 산림은 2000년대 초반부터 점진적으로 탄소 배출원으로 전환되고 있음을 확인했습니다. 특히 열대 AGC 변동성은 대기 중 CO2 증가율과 음의 상관관계(2011-2021…
수문학적 과정 이해, 모델 개발 및 선제적 물 관리를 위해서는 데이터가 필수적입니다. 이 연구는 유럽 전역의 10,000개 이상 유역에 대한 일별 유출량 재구성 데이터셋인 EARLS(European Aggregated Reconstructions for Large-sample Studies)를 소개합니다. 이 데이터셋은 1953년부터 2023년까지의 기간을 포함하며 불확실성 추정치도 함께 제공합니다. 유출량 재구성은 5,000개 이상의 유역에서 훈련된 단일 LSTM(Long Short-Term Memory) 기반 강우-유출 모델을…
정확한 의료 영상 분할은 조기 진단에 필수적이다. 기존 U-형 구조 기반 방법들은 디코더에서 서로 다른 레벨의 특징을 융합할 때 요소별 덧셈이나 연결을 사용하지만, 이는 불필요한 정보를 생성하여 특징 간의 상호보완성을 약화시키고 병변의 부정확한 위치 파악 및 경계 흐림을 초래한다. 이러한 문제를 해결하기 위해, 본 연구는 의료 영상 분할을 위한 다중 스케일 차분 네트워크(M2SNet)를 제안한다. 인코더에서 인접 레벨 간의 차이 특징을 생성하는 기본 차분 유닛(SU)을 설계하고, 이를 확장하여 픽셀 및 구조 수준의 차이 정보를 제…
본 논문은 인공지능(AI) 생성 예술 분야에서 활용되는 다양한 딥러닝 신경망 아키텍처와 모델을 탐구한다. 고전적인 컨볼루션 네트워크부터 최신 확산 모델에 이르기까지, 이 분야의 주요 기술들을 심층적으로 분석한다. 각 신경망의 일반적인 구조와 작동 원리를 설명하고, DeepDream의 몽환적인 이미지부터 Stable Diffusion 및 DALL-E 3와 같은 최신 모델이 생성하는 매혹적인 이미지에 이르기까지 AI 생성 예술의 주요 발전 사례들을 제시한다. 또한, 이 모델들의 강점과 한계를 비교 분석하여 딥러닝 신경망이 단기간에 …
인산화는 세포 신호 전달 및 질병 메커니즘에 필수적인 번역 후 변형(PTM)이다. 질량 분석 기반 인산화단백질체학은 인산화 이벤트를 전사적으로 특성화하는 데 널리 사용되지만, 인산화 부위의 정확한 위치 파악, 복잡한 검색 공간, 그리고 참조 데이터베이스 외 서열 검출에 어려움이 있다. 기존 방법의 한계를 극복하기 위해, 새로운 펩타이드 서열 분석(de novo peptide sequencing) 기술의 발전이 요구된다. 본 연구에서는 이러한 한계를 해결하고자 트랜스포머 기반 InstaNovo 모델의 인산화 특이적 버전인 Insta…
의료 영상에서 혈관을 정확하게 분할하는 것은 연구 및 임상 적용에 필수적이지만, 기존 수동 방식은 시간과 비용이 많이 들고, 자동화된 계산 방식은 정확도에 한계가 있었습니다. 특히 새로운 3D 의료 영상 데이터셋의 대규모 혈관 분할을 위한 효율적인 알고리즘 개발이 시급한 과제였습니다. 이러한 문제를 해결하고자, 본 연구진은 HiP-CT(Hierarchical Phase-Contrast Tomography) 데이터셋에서 3D 혈관 분할을 위한 딥러닝 방법론 개발을 촉진하고자 글로벌 기계 학습 경쟁을 개최했습니다. 1,401명의 참가…
지능형 모니터링 모델은 파이프라인 건전성 모니터링에 효과적이지만, 학습되지 않은 샘플에 대한 과신 예측은 구조적 안전을 위협하며 분포 이탈(OOD) 감지의 필요성을 야기합니다. 기존 불확실성 정량화 방법은 재학습이나 운영 시스템 개입이 필요해 실용성이 제한됩니다. 본 논문은 딥러닝 기반 누출 감지 모델에 부착 가능한 Pipeline Posterior Scoring Module (PPSM)을 제안합니다. PPSM은 모델 파라미터 수정 없이 OOD 위험 식별 기능을 제공합니다. 이 모듈은 셀프 어텐션을 통해 신호 텍스처부터 결함 의미…
고효율 및 저공해 특성으로 인해 양성자 교환막 연료전지(PEMFC)는 유망하지만, 공학적 운용에서 전기화학 임피던스 분광법(EIS) 데이터는 이산적으로 취득되며 부족하여, 시간 영역 운용 데이터에서 주파수 영역 EIS로의 신뢰할 수 있는 매핑이 부재합니다. 이는 노화에 따른 연속적인 스펙트럼 변화의 특성 분석 및 추적을 어렵게 합니다. 이러한 한계를 극복하기 위해, 본 연구는 등가 회로 모델(ECM)을 통합하여 운용 시계열 표현에서 임피던스 스펙트럼으로의 교차 도메인 매핑을 학습하는 시간-주파수 공동 학습 프레임워크인 PEINN(…
시계열 데이터는 이산 시간 순서로 배열된 데이터 포인트의 연속으로, 실제 시나리오에서 광범위하게 나타납니다. 비선형 패턴과 시변 추세의 복잡한 얽힘을 포함하는 시계열의 역동적인 특성은 학습 및 모델링에 고유한 도전 과제를 제시합니다. 최근 몇 년간 시계열 분석 기술은 전통적인 통계 방법에서 현대적인 딥러닝 모델로 전환되며 놀라운 발전을 이루었습니다. 본 연구는 다양한 분석 작업을 위한 심층 시계열 모델의 설계를 탐구하고, 기본 모듈과 모델 아키텍처라는 두 가지 관점에서 기존 문헌을 검토합니다. 나아가, 다양한 분석 작업을 위한 심…
전 세계적으로 교통사고는 사망 및 경제적 손실의 주요 원인으로, 신속하고 정확한 사고 감지 시스템의 필요성이 증대되고 있습니다. 기존 센서 기반 또는 수동 모니터링 방식은 비용, 확장성, 반응 시간 측면에서 한계가 있습니다. 본 연구는 이러한 문제를 해결하기 위해 비디오 감시 정보를 활용한 인공지능 기반 실시간 교통사고 감지 프레임워크를 제안합니다. 제안된 프레임워크는 딥 컨볼루션 신경망(CNN)을 활용하며, 이미지 정규화, 데이터 증강, 계층적 데이터셋 분할을 포함하는 단일 전처리 파이프라인을 사용합니다. VGG16, Incep…
딥러닝 기반 컴퓨터 비전 분야에서 YOLO는 혁신적인 모델이지만, 모든 YOLO 모델이 학술 논문이나 아키텍처 다이어그램을 제공하지 않아 모델 이해에 어려움이 있습니다. 기존 연구 또한 각 모델을 포괄적으로 다루지 못했습니다. 본 연구는 YOLOv8부터 YOLO11까지의 아키텍처를 심층적으로 비교 분석하여, 독자들이 각 모델의 작동 방식과 차이점을 신속하게 파악할 수 있도록 돕습니다. 각 YOLO 버전의 아키텍처는 관련 학술 논문, 공식 문서 검토 및 소스 코드 분석을 통해 분석되었습니다. 특히, YOLOv8부터 YOLO11까지의…
위성 이미지는 고래 개체군을 대규모로 비침습적으로 모니터링할 수 있는 강력한 도구이나, 주석이 달린 훈련 데이터 부족, 고해상도 이미지의 높은 비용, 상업적 소스에 따른 데이터 공유 제한으로 활용에 제약이 있었습니다. 본 연구는 이러한 문제를 해결하고자 점수 기반 확산 모델(score-based diffusion model)을 활용하여 사실적인 고해상도 합성 위성 이미지를 생성하고, 이를 오픈소스 데이터셋으로 구축했습니다. 이 데이터셋은 남아프리카 해안의 남방참고래(어미-새끼 포함)와 캐나다 북극의 흰돌고래 두 종을 대상으로 합니…
신경망은 다양한 문제 영역에서 뛰어난 성능을 보였지만, 예측의 과신, 해석력 부족, 적대적 공격 취약성 등 내재적 한계로 인해 광범위한 적용에 제약이 있었습니다. 이러한 문제 해결을 위해 불확실성 추정 기능을 통합한 베이즈 신경망(BNN)이 기존 신경망의 강력한 확장으로 부상하고 있습니다. 본 입문서는 신경망과 베이즈 추론의 기본 개념을 체계적으로 소개하고, BNN 개발을 위한 두 분야의 시너지적 통합을 명확히 설명합니다. 베이즈 방법에 익숙하지만 딥러닝 전문성이 부족한 통계학자, 또는 딥러닝에 능숙하지만 베이즈 통계 지식이 제한…
재생에너지 시스템의 지능형 예측 프레임워크 개발 시 딥러닝 모델은 입력 특성 공간의 차원 문제와 하이퍼파라미터 설정 민감성이라는 두 가지 주요 난관에 직면합니다. 이는 계산 비용을 증가시키고 모델의 일반화 및 견고성을 저해합니다. 본 연구는 이러한 문제를 해결하기 위해 인지 기반 메타휴리스틱을 활용한 하이브리드 딥러닝-최적화 프레임워크를 제안합니다. 제안된 프레임워크는 특징 선택을 위해 이진 iHow 최적화 알고리즘(biHOW)을, 하이퍼파라미터 튜닝을 위해 연속형 iHow 알고리즘을 사용합니다. 두 알고리즘은 데이터 흡수, 정보…
임상 환경에서 불완전한 MRI 시퀀스는 AI 기반 분석을 저해하며, 기존 GAN과 최신 확산 및 트랜스포머 모델 간의 임상적 유용성에 대한 비교 연구는 부족했습니다. 본 연구는 BraTS 2019 뇌종양 데이터셋을 활용하여 T1-T2 교차 양식 MRI 합성을 평가하고, 쌍 및 비쌍 CycleGAN 모델을 조건부 DDPM 및 트랜스포머 강화 GAN과 비교했습니다. 동일한 데이터 분할 및 전처리 파이프라인을 사용하여 모델들을 평가했습니다. 양식 간 상관관계를 분석하여 달성 가능한 유사성 수준을 추정했으며, 합성 과정을 누락된 정보를 …
지난 10년간 딥러닝 모델은 시각 인지 과제에서 인간 수준을 넘어서는 성능을 보이며 자율주행, 모바일 기기, 로봇 공학 등 실제 응용 분야에 대한 관심을 높였습니다. 그러나 최첨단 모델들은 막대한 연산 자원을 요구하여 전력 소비, 지연 시간, 탄소 배출량 측면에서 실용적이지 않다는 문제가 있습니다. 이러한 효과성과 효율성 간의 상충 관계는 추론 시 연산 비용을 최소화하면서 만족스러운 성능을 달성하는 '연산 효율적인 딥러닝'이라는 새로운 연구 분야를 촉발했습니다. 본 연구는 빠르게 발전하는 이 분야를 네 가지 핵심 영역으로 분석합니…
적대적 생성 신경망(GAN)은 암묵적 생성 모델 학습과 고품질 합성 데이터 생성의 핵심 프레임워크로 자리매김했지만, 학습 과정의 불안정성과 설계 공간의 급격한 확장은 여전히 과제로 남아있습니다. 본 조사는 GAN 분야의 주요 발전을 아키텍처, 목적 함수, 정규화, 최적화, 안정화 기법, 평가 방식별로 체계화하여 방법론 중심의 종합적인 분석을 제공합니다. 초기 모델부터 최근의 대규모 트랜스포머 기반 변형에 이르기까지 대표적인 모델들을 요약하고, 설계 선택이 안정성, 충실도, 다양성, 계산 비용에 미치는 영향을 조명합니다. 또한, 방…
딥페이크 기술은 디지털 미디어의 진위성에 전례 없는 위협을 가하며, 신뢰할 수 있는 탐지 시스템의 필요성이 증대되고 있습니다. 본 체계적 문헌 연구는 2018년부터 2025년까지 발표된 딥러닝, 머신러닝, 고전적 이미지 처리 기반 딥페이크 탐지 방법론들을 분석하며, 특히 정확도, 연산 효율성, 교차 데이터셋 일반화 능력 간의 트레이드오프에 중점을 두었습니다. 세 가지 벤치마크 데이터셋(FaceForensics++, DFDC, Celeb-DF)을 활용한 엄격한 동료 심사 연구들을 분석하여, 기존 학계의 통념에 의문을 제기하는 중요한…
재생에너지의 급증은 현대 전력 시스템 운영에 다층적 불확실성을 야기하며, 기존의 결정론적 및 확률론적 최적화 방식에 한계를 드러내고 있습니다. 본 연구는 이러한 복잡성을 해결하고 불확실성 하에서 경제적 효율성과 운영 신뢰성을 동시에 향상시키기 위해 딥러닝 기반의 분포론적 강건 최적화(Deep-DRO) 프레임워크를 제안합니다. 제안된 모델은 계층적 조정 아키텍처를 통합합니다. 딥러닝 모듈은 태양 복사량, 풍력 가용성, 부하 변동 등 불확실 변수의 확률적 구조를 추론하며, DRO 계층은 적응적으로 재구성된 모호성 집합을 통해 시스템 …
운영 중인 구조 건전성 모니터링(SHM)은 실제 손상 데이터 부족, 환경 변화의 영향, 고정밀 물리 시뮬레이션의 높은 계산 비용이라는 난제에 직면해 있습니다. 본 연구는 이러한 문제를 해결하기 위해 유한요소해석(FEA)과 자기지도 대조 학습을 결합한 물리-데이터 이중 구동 프레임워크를 제안합니다. 제안된 아키텍처는 두 가지 매트릭스 전략을 활용합니다. 첫째, 모달 해석에서 파생된 기계적 제약 조건을 인코딩하는 정적 물리 기반 매트릭스입니다. 둘째, 노드, 서브그래프, 전역 수준에서 계층적 InfoNCE 목표를 통해 학습되는 동적 …
그래프 신경망(GNN)은 비유클리드 도메인으로 딥러닝을 확장하여 의료 영상 내 공간적, 구조적, 기능적 관계 모델링에 강력한 프레임워크를 제공합니다. 본 논문은 순환, 합성곱, 어텐션 기반, 오토인코딩, 시공간 설계 등 GNN 아키텍처의 최신 발전을 검토합니다. 이러한 GNN 모델들이 분할, 분류, 정합, 재구성, 다중 모드 융합과 같은 핵심 의료 영상 작업에 어떻게 적용되었는지 분석합니다. 또한, 의료 영상에 GNN을 적용할 때의 현재 도전 과제와 한계를 식별합니다. 그래프-트랜스포머 통합, 자기 지도 그래프 학습, 연합 GN…
물리 정보 신경망(PINNs)은 물리 법칙을 손실 함수에 통합하여 데이터 기반 딥러닝과 물리 모델을 결합한 신경망입니다. 이는 편미분 방정식으로 제어되는 순방향 및 역방향 문제에 유망하고 유연한 해결책 또는 대체 모델로 활용되며, 최근 몇 년간 물리학 및 공학 분야의 다양한 문제에 적용되어 왔습니다. 본 연구는 PINNs의 재료 과학 응용에 초점을 맞춰 포괄적인 분석을 제시합니다. PINNs의 기본 형태와 구성 요소를 검토하고, 성능 향상 전략을 확장하며, 실제 구현의 다양한 측면을 탐구합니다. 재료 모델링의 경우, 문헌에서 발…
식물 질병으로 인한 연간 약 2,200억 달러의 농업 손실은 자동화된 탐지 시스템의 필요성을 증대시킨다. 본 체계적 문헌 검토는 RGB 및 초분광 이미징을 활용한 딥러닝 기반 식물 질병 탐지 접근법을 고전적 이미지 처리부터 최신 신경망 아키텍처까지 분석한다. 연구는 11개 벤치마크 데이터셋에서 최첨단 모델들을 평가했으며, 실험실 조건(정확도 95-99%)과 실제 현장 배포(정확도 70-85%) 간의 상당한 성능 격차를 확인했다. 특히 트랜스포머 기반 아키텍처가 뛰어난 견고성을 보였는데, SWIN은 실제 데이터셋에서 88%의 정확도…
최근 딥러닝 기반 생성 모델, 특히 GAN, VAE, 확산 모델(DM)은 이미지 및 비디오 합성 등 다양한 분야에서 고품질 콘텐츠 생성에 핵심적인 역할을 하고 있습니다. 이러한 모델의 급속한 발전과 연구량 증가, 응용 분야 확장, 그리고 미해결 기술 과제로 인해 최신 동향을 파악하기가 점점 어려워지고 있습니다. 본 조사는 이러한 필요성을 해결하고자 합니다. 이 연구는 GAN, VAE, DM의 발전 과정을 이해하기 위한 포괄적인 분류 체계를 제시합니다. 다양한 변형 모델과 결합 접근 방식을 포함하여, 생성 결과물의 품질, 다양성, …
산사태 발생 시 신속한 탐지는 비상 대응에 필수적이나, 단기간에 충분한 데이터를 확보하기 어렵다는 문제가 있습니다. 본 연구는 이러한 데이터 부족 상황을 극복하고 산사태 탐지 정확도를 높이기 위해 전이 학습과 그래프 신경망(GNN)을 활용한 딥러닝 모델을 제안합니다. 제안된 모델은 어텐션 메커니즘, 다중 스케일 연결, 그리고 GNN을 통합하여 문맥 정보를 포착하고 산사태 탐지에 중요한 특징을 추출합니다. 특히 GNN은 픽셀을 노드로, 연결성을 엣지로 하는 그래프 구조를 통해 전역 및 지역적 관계를 명시적으로 모델링하여 분할 일관성…
그래프 합성곱 신경망(GCN)은 그래프 학습 태스크에서 뛰어난 성능을 보이며 강력한 모델로 부상했습니다. 그러나 경험적 성공에도 불구하고, 이론적 관점에서 GCN의 본질적인 능력을 이해할 필요성이 커지고 있습니다. 기존 이론 연구는 주로 단일 레이어 GCN 분석에 집중되어, 심층 GCN의 안정성 및 일반화에 대한 포괄적인 이론적 탐구는 제한적이었습니다. 본 논문은 심층 GCN의 안정성 및 일반화 특성을 깊이 있게 탐구하여 이러한 간극을 해소합니다. 관련 상한을 엄격하게 특성화함으로써 귀중한 통찰력을 제공하는 것을 목표로 합니다. …
원격탐사(RS)와 인공지능(AI)의 통합은 지구 관측 분야에 혁신을 가져왔으며, 방대하고 복잡한 데이터의 자동화되고 효율적이며 정밀한 분석을 가능하게 합니다. 위성 영상, 항공 사진, 지상 센서를 활용하는 RS 기술은 환경 모니터링, 재난 대응, 농업, 도시 계획 등에서 중요한 통찰력을 제공합니다. AI, 특히 머신러닝(ML)과 딥러닝(DL)의 급속한 발전은 RS 데이터의 처리 및 해석 능력을 크게 향상시켰습니다. 합성곱 신경망(CNN), 순환 신경망(RNN), 강화 학습(RL) 알고리즘을 포함한 AI 기반 모델들은 특징 추출, …
식량 안보와 작물 수확량 증진을 위해 식물 질병의 조기 진단은 필수적입니다. 기존 수동 방식은 노동 집약적이며 환경 변화에 취약하여 오류 발생 가능성이 높습니다. 인공지능, 특히 머신러닝(ML)과 딥러닝(DL)은 이미지 분류를 통해 자동화된 질병 식별에 큰 발전을 가져왔으나, 일반화 능력 부족, 데이터 불균형, 실제 환경에서의 낮은 성능 등 여러 난관에 직면해 있습니다. 본 연구는 기존 리뷰와 달리 실험실 및 실시간 현장 조건에서 모델 성능을 비판적으로 평가하며, 견고성, 일반화, 엣지 장치 배포 적합성에 중점을 둡니다. Gree…
순차 데이터 모델링에 혁신을 가져온 LSTM(Long Short-Term Memory) 네트워크는 기존 순환 신경망(RNN)의 한계를 극복하며 장거리 의존성을 효과적으로 포착합니다. 본 조사는 LSTM 아키텍처를 포괄적으로 다루며, 정보 유지 및 변조를 가능하게 하는 셀 상태와 게이팅 메커니즘 같은 고유 구성 요소를 상세히 설명합니다. LSTM은 자연어 처리(언어 모델링, 기계 번역, 감성 분석), 시계열 분석(예측), 음성 인식 등 다양한 분야에서 활용되며 복잡한 데이터 유형 처리의 다재다능함과 견고함을 입증했습니다. Bidir…
기존의 지배적인 시퀀스 변환 모델들은 인코더-디코더 구조의 복잡한 순환 또는 컨볼루션 신경망을 기반으로 하며, 최신 모델들은 어텐션 메커니즘을 통해 인코더와 디코더를 연결했습니다. 본 연구는 순환 및 컨볼루션을 완전히 배제하고 오직 어텐션 메커니즘에만 기반한 새로운 신경망 아키텍처인 트랜스포머(Transformer)를 제안합니다. 두 가지 기계 번역 태스크에 대한 실험 결과, 트랜스포머 모델은 기존 모델들보다 우수한 번역 품질을 보였으며, 병렬화가 용이하여 훈련 시간이 현저히 단축되었습니다. 특히 WMT 2014 영어-독일어 번역…
본 연구는 방사선과 파운데이션 모델(RadFM) 개발의 가능성을 탐색한다. 이를 위해 데이터셋 구축, 모델 설계, 그리고 종합적인 평가의 세 가지 관점에서 접근했다. 연구팀은 1,300만 개의 2D 이미지와 61만 5천 개의 3D 스캔을 포함하는 4개의 멀티모달 데이터셋을 구축했으며, 기존 데이터셋과 통합하여 대규모 학습 데이터셋인 MedMD를 완성했다. 또한, 텍스트 입력과 2D 또는 3D 의료 스캔을 통합하여 진단, 시각 질의응답, 보고서 생성, 근거 기반 진단 등 다양한 방사선과 작업을 수행할 수 있는 새로운 모델 아키텍처를…
현대 사회에서 폐기물 관리는 막대한 자원과 노력을 필요로 하며, 다양한 사회적 측면에 중대한 영향을 미치는 핵심 과제로 인식되고 있습니다. 탄소 배출량 저감을 목표로 하는 지속 가능한 도시에서는 효과적인 폐기물 관리 전략 구현이 최우선 과제입니다. 폐기물 넘침 방지, 수거함 위치 추적, 효율적인 수거 경로 설계 등 상호 연결된 세 가지 난제를 동시에 해결하는 기존 방식은 불완전한 경우가 많습니다. 이러한 어려움을 극복하기 위해 사물 인터넷(IoT), 장거리(LoRa) 기술, 딥러닝 기법을 통합한 스마트 폐기물 관리 프레임워크가 제…
소형 객체 탐지(SOD)는 컴퓨터 비전 분야에서 감시, 자율 시스템, 의료 영상, 원격 탐사 등 다양한 응용 분야에 필수적이지만, 해결하기 어려운 과제입니다. 소형 객체는 해상도가 낮고 공간 및 문맥 정보가 제한적이며, 가려짐, 배경 간섭, 클래스 불균형 등의 문제로 인해 정확한 탐지가 어렵습니다. 이 조사는 2024-2025년 Q1 저널에 발표된 딥러닝 기반 SOD 관련 최신 연구들을 종합적으로 검토합니다. 주요 도전 과제, 최신 기술, 데이터셋, 평가 지표 및 실제 적용 사례를 분석했습니다. 특히 다중 스케일 특징 추출, 초해…
2016년 디지털 혁명 이후 인공지능(AI)은 다양한 분야에서 급성장했지만, AI의 '블랙박스' 특성은 특히 의료와 같은 중요 분야에서 심각한 우려를 낳고 있습니다. AI 시스템이 결정을 내리면서도 그 이유를 설명하지 못하는 점은 생명을 위협할 수 있는 의료 분야에서 치명적인 문제를 야기하며, 이는 생물의학 정보학 및 컴퓨팅 분야에서 활발히 논의되는 주제입니다. 이러한 문제를 해결하기 위해 설명 가능한 인공지능(XAI) 분야가 등장했습니다. XAI는 딥러닝(DL)과 같은 기존 AI 방식과 달리, 인간이 이해할 수 있는 방식으로 의…
급증하는 세계 인구와 지속 가능한 농업의 난제 속에서, 고성능 식물 표현형 분석(HTPP)은 작물 육종 및 정밀 농업 발전에 필수적인 도구가 되었습니다. 본 리뷰는 이미지 기반 HTPP의 최신 기술 동향을 종합적으로 다루며, 첨단 센서, 자동화된 표현형 플랫폼 및 딥러닝 기술의 통합에 중점을 둡니다. 연구는 2D, 2.5D, 3D 센서를 포함한 이미징 방식의 진화와 표현형 획득에서의 각 적용을 요약합니다. 또한, 스트레스 및 질병 감지, 성장 모니터링, 기관 계수, 뿌리 시스템 분석, 수확 후 품질 평가와 같은 핵심 표현형 작업에…
하수처리장(WWTP) 공정은 복잡하고 비선형적인 특성으로 인해 분석, 모델링 및 제어가 어렵습니다. 본 연구는 머신러닝(ML), 특히 딥러닝(DL) 기술을 활용하여 하수처리 공정을 최적화하는 방안을 탐구합니다. 복잡한 물리화학적 공정 모델링, 핵심 수질 지표 실시간 모니터링 및 예측, 화학 반응물 소비량 및 에너지 소비량 절감, 방류수 품질 예측, 의사결정 지원을 위한 데이터 기반 모델 개발 등 산업 플랜트의 하수처리 공정 최적화에 ML 및 DL을 체계적으로 적용하는 사례를 중점적으로 다룹니다. 상세 분석을 위해 2010년 이후 …
인공지능 과학 분야의 지속적인 발전과 함께, 물리 정보 신경망(PINN)은 과학 컴퓨팅 및 딥러닝 영역에서 변혁적인 접근 방식으로 부상했습니다. 이는 편미분 방정식(PDE) 및 기타 복잡한 물리 시스템을 해결하기 위한 강력하고 유연한 프레임워크를 제공합니다. PINN은 물리 법칙을 신경망 아키텍처에 직접 통합함으로써, 모델이 알려진 물리 법칙을 따르면서도 가용한 데이터에 적합하도록 도메인별 지식을 통합할 수 있게 합니다. 본 논문에서는 다양한 PDE 문제에 걸쳐 PINN의 최신 발전 및 응용에 대한 포괄적인 개요를 제공합니다. …
식물은 전 세계 식량 공급에 필수적인 역할을 하지만, 다양한 환경 요인으로 인해 발생하는 잎 질병은 작물 수확량을 크게 감소시킵니다. 기존의 수동적인 질병 탐지 방식은 시간 소모적이고 오류 발생 가능성이 높아, 정밀 농업 분야에서 딥러닝 기술의 도입이 중요해지고 있습니다. 본 연구는 식물 잎 질병 탐지 및 분류에 사용되는 컨볼루션 신경망(CNN) 모델의 최신 동향을 심층적으로 검토합니다. 또한, 기존의 식물 잎 질병 데이터셋을 분석하여 연구 현황을 파악했습니다. 분석 결과, VGG, EfficientNet, GoogleNet, …
의료 영상의 의미론적 분할은 질병 진단 및 치료 계획 수립에 필수적입니다. 딥러닝은 이 작업을 효과적으로 자동화하지만, 주석이 달린 분할 마스크의 희소성으로 인해 초저데이터 환경에서는 어려움을 겪습니다. 본 연구는 이러한 문제를 해결하기 위해 고품질 영상-마스크 쌍을 보조 훈련 데이터로 생성하는 생성 딥러닝 프레임워크를 제안합니다. 기존 생성 모델이 데이터 생성과 모델 훈련을 분리하는 것과 달리, 본 프레임워크는 다단계 최적화를 통해 종단간 데이터 생성을 수행합니다. 이는 분할 성능이 생성 과정을 유도하여, 분할 결과 개선에 최적…
AI 생성 콘텐츠(AIGC)는 AI 알고리즘을 활용하여 텍스트, 이미지, 비디오, 3D 에셋 등 다양한 미디어를 생성하는 기술입니다. 최근 머신러닝(ML) 및 딥러닝(DL) 분야의 발전과 광범위한 응용 가능성으로 인해 AIGC는 상당한 주목을 받고 있으며, 본 연구는 ML/DL 기반 AIGC의 발전을 종합적으로 검토합니다. AIGC 방법론은 이미지, 비디오, 텍스트, 3D 형상, 3D 장면, 3D 휴먼 아바타, 3D 모션, 오디오 등 다양한 데이터 양식에 맞춰 개발되었으며, 각 양식은 고유한 특성과 도전 과제를 제시합니다. 또한,…
인공지능, 특히 딥러닝 모델은 방대한 데이터 처리 및 복잡한 패턴 학습 능력으로 다양한 산업 분야에서 광범위하게 활용되고 있습니다. 그러나 이러한 모델의 설명 불가능성은 의사결정 투명성이 필수적인 금융 및 헬스케어와 같은 중요 분야에서의 활용에 심각한 우려를 낳고 있습니다. 본 논문은 금융 분야에서 딥러닝 모델의 설명 가능성을 향상시키기 위한 다양한 방법론들을 비교 분석합니다. 설명 가능한 AI(XAI) 방법론들을 특성에 따라 분류하고, 각 방법론의 장단점을 심층적으로 검토합니다. 연구 결과, XAI 도입 시 발생할 수 있는 주…
오토인코더는 딥러닝의 핵심 기술로 자리매김하며 이미지 처리, 이상 탐지, 생성 모델링 등 다양한 분야에서 표현 학습 능력을 크게 향상시켰습니다. 본 논문은 오토인코더의 초기 개념부터 적대적 오토인코더, 컨볼루션 오토인코더, 변이형 오토인코더와 같은 고급 구현에 이르기까지 그 아키텍처를 포괄적으로 검토합니다. 각 오토인코더의 작동 메커니즘, 수학적 토대, 일반적인 응용 분야 및 생성 모델링에서의 역할을 심층적으로 분석합니다. 이를 통해 기존 지식을 통합하고 최신 발전 동향을 제시합니다. 본 연구는 현대 머신러닝 과제를 해결하는 데…
