Korean | English

pISSN : 1598-849X / eISSN : 2383-9945

2020 KCI Impact Factor : 0.4
목적과 범위
moremore
한국컴퓨터정보학회는 컴퓨터 및 컴퓨터정보 관련 기술의 연구 및 응용을 촉진하고 국내외 관계기관과 회원 상호간의 학술교류 및 정보교환을 통하여 정보화 사회 발전에 이바지함을 목적으로 한다. 
편집위원장
moremore
김수균 (제주대학교)
인용지수
more
  • KCI IF(2년) : 0.4
  • KCI IF(5년) : 0.31
  • 중심성지수(3년) : 0.437
  • 즉시성지수 : 0.2374

최근발행 : 2021, Vol.26, No.8

moremore
  • 하드웨어 이벤트를 활용한 HPC 시스템의 에너지 소비 감소 기법

    이용호 | 권오상 | 변광은 외 2명 | 2021, 26(8) | pp.1~11 | 피인용수 : 0
    초록 PDF
    본 논문에서는 HPC 시스템의 에너지 효율을 향상시키기 위해 Event-driven Uncore Frequency Scaler (eUFS)라는 새로운 전력관리 메커니즘을 제안한다. eUFS는 LAPI (LLC accesses Per Instructions) 및 CPI (Clock Cycles Per Instruction)와 같은 하드웨어 이벤트를 활용하여 언코어 주파수를 동적으로 조정한다. 기준 시간을 주기로 해당 하드웨어 이벤트를 취합하고, 취합한 이벤트와이전 언코어 주파수를 이용해 목표 언코어 주파수를 결정한다. NPB 벤치마크를 사용한 실험을 통해 본 논문에서 제안하는 UFS 메커니즘은 C/D class NPB 벤치마크에 대해 평균 6%의 에너지 소비를 감소시키는 것으로 확인되었고 실행시간 증가는 평균 2% 수준인 것으로 확인되었다.
  • 교사를 위한 인공지능 소양교육 프로그램 개발 및 인공지능 융합교육 관심도 효과성 검증

    김귀훈 | 전인성 | 송기상 | 2021, 26(8) | pp.13~21 | 피인용수 : 0
    초록 PDF
    본 논문에서는 현직 초·중등 교사의 인공지능 융합교육 역량 강화 및 소양 함양을 위한 인공지능 소양교육 프로그램을 개발하고 이를 적용하여 인공지능 융합교육 관심도에 미치는 영향을 검증하였다. 검사도구는 Hall et al.(1979)의 관심중심수용모형을 기반으로 George, Hall & Stiegelbauer(2006)이 개발한 관심단계 설문 척도를 사용하였다. 인공지능 소양교육 프로그램 적용전, 후 인공지능 융합교육에 대한 관심도를 분석한 결과, 프로그램 적용 전, 후 모두 비사용자의유형이 나타났으나 전반적인 관심도는 적용 전에 비해 상승하였다. 인공지능 소양 교육 프로그램의 만족도 결과를 분석한 결과 대부분의 영역에서 만족한다는 응답이 도출되었으나, 인공지능과산업의 융합 및 적용 사례에 대해서는 다소 만족도가 떨어지는 경향이 나타났다.
  • 오토인코더를 사용한 이상탐지 모델의 비교분석 및 이상치 판별 기준 제안

    강건하 | 손정모 | 심건우 | 2021, 26(8) | pp.23~30 | 피인용수 : 0
    초록 PDF
    본 연구에선 제조 공정에서의 양/불량 판정을 위한 오토인코더(AE) 기반의 이상 탐지 방법들의 비교분석과 우수한 성능을 보인 이상치 판별 기준을 제시한다. 제조 현장의 특성상 불량 데이터의 수는적고, 불량의 형태가 다양하다. 이러한 특성은 정상과 비정상 데이터를 모두 활용하는 인공지능 기반양/불량 판정 모델의 성능을 저하시키고, 성능 향상을 위한 비정상 데이터의 추가 확보에 시간과 비용을발생시킨다. 이러한 문제를 해결하기 위해서 정상 데이터만을 이용해 이상 탐지를 수행하는 AE, VAE 등 AE 기반의 모델에 관한 연구들이 진행되고 있다. 본 연구에서는 Convolutional AE, VAE, Dilated VAE 모델을 기반으로 잔차 이미지에 대한 통계치와 MSE, 정보 엔트로피를 이상치 판별 기준으로선정하여 각 모델의 성능을 비교 분석했다. 특히 Convolutional AE 모델에 대해서 범위 값을 적용했을때, AUC PRC 0.9570, F1 Score 0.8812, AUC ROC 0.9548, 정확도 87.60%의 가장 우수한 성능을 보였다. 이는 기존의 이상치 판별 기준으로 자주 사용되었던 MSE에 비해 정확도 기준 약 20%P(Percentage Point) 의 성능 향상을 보이며, 이상치 판별 기준에 따른 모델 성능 향상이 가능함을 확인하였다.