https://scholar.dgist.ac.kr/handle/20.500.11750/10160 Sat, 04 Apr 2026 10:43:18 GMT 2026-04-04T10:43:18Z https://scholar.dgist.ac.kr/handle/20.500.11750/60095 Title: 근전도 분류를 위한 Diffusion 기반 데이터 생성 기법 Author(s): 박현우; 이상철 Abstract: 본 논문은 Bio-signal, 특히 EMG 데이터에 대해 diffusion Model 기반의 새로운 데이터 생성 방식을 제안한다. NinaPro DB2를 대상으로 1D U-Net 기반 DDIM 모델을 학습하여 생성된 EMG 신호의 효과를 SNR(Signal- to-Noise Ratio) 기준으로 판단했다. 또한, 증강된 데이터셋을 기준으로 분류 모델을 통해, 생성 데이터 기반 학습이 기존 실측 데이터에 필적하거나 일부 경우는 더 높은 분류 성능을 보인 것을 확인했다. 본 연구는 bio-signal 영역에서 Diffusion Model의 데이터 확장 가능성과 실질적인 활용가능성을 제안한다. Thu, 03 Jul 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60095 2025-07-03T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/60094 Title: 정보은닉 환경에서 정확도 향상을 위한 더미 데이터 기반 개인화 추천 기법 Author(s): 정유진; 이상철 Abstract: 사용자 프로파일 정보가 삭제된 환경에서는 개인화 추천 시스템의 정확도와 일관성이 크게 저하된다. 본 논문에서는 반복적인 정보 삭제 상황에서도 추천 성능을 유지할 수 있는 더미 데이터 삽입 기반 협업 필터링 추천 기법을 제안한다. 제안 기법은 삭제 단계마다 사용자 선호 정보를 보완하기 위해 더미 아이템을 삽입하며, 이때 무작위 혹은 영향력 기반 삽입과 단순 삭제 전략을 비교 평가한다. 추천 모델은 Randomized SVD 기반 잠재 요인 모델로 학습되며, MovieLens-1M 데이터셋을 기반으로 성능을 측정한다. 실험 결과, 영향력 기반 삽입 전략은 단순 삭제 전략 대비 최대 67.2%의 Precision@10 향상과 56.3%의 Recall@10 향상을 기록하며 강한 복원력을 입증하였고, 삭제가 누적되는 상황에서도 강한 복원력을 유지하였다. 본 논문은 데이터 삭제로 인한 추천 품질 저하를 완화할 수 있는 실용적인 접근법을 제시한다. Thu, 03 Jul 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60094 2025-07-03T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/60069 Title: 에너지 효율적 인지 연산을 위한 인공신경망 기반 뉴로모픽 디바이스 개발 Author(s): Lee, Chan-Kang; Kim, Yerim; Noh, Hee Yeon; Lee, Hyeon-Jun; Lee, Hyunki Abstract: 최근 인공지능(AI)의 급속한 발전은 인간의 인지 기능을 모방하는 지능형 시스템의 가능성을 확대하였으나, 기존 디지털 컴퓨팅 구조는 폰 노이만 병목 현상으로 인한 에너지 비효율성과 처리 지연 문제를 안고 있다. 이에 본 연구는 메모리와 연산을 통합한 뉴로모픽 컴퓨팅(neuromorphic computing) 개념을 기반으로, 저항 기반 하드웨어(resistance-based hardware)를 이용해 인지 기능을 수행하는 뉴로모픽 소자를 설계•개발하였다. 제안된 구조는 연산과 저장을 동일한 물리적 위치에서 수행함으로써, 기존 CPU•GPU 기반 연산 대비 높은 병렬성과 에너지 효율을 구현할 수 있다. 특히, 복잡한 행렬 연산 및 인공지능 알고리즘을 단일 저항 어레이(crossbar array) 내 전류 합산 형태로 직접 실행함으로써, 기존 소프트웨어 연산을 단순화된 하드웨어 구조로 대체할 수 있음을 보였다. 현재 단계에서는 실제 칩 기반의 전기적 측정 결과는 확보되지 않았으나, 하드웨어 구현을 위한 인공지능 알고리즘 학습 및 가중치 변환 실험을 완료하였으며, 이를 통해 저항값으로 매핑 가능한 신경망 모델을 구축하였다. 또한, 학습된 가중치를 물리적으로 구현하기 위한 positive–negative 저항 페어 구조 기반 크로스바 어레이 회로와 반도체 칩을 체결하기 위한 전용 PCB 하드웨어 보드 제작을 완료하였다. 해당 보드는 칩을 직접 장착하고 외부 계측 장비와 연결하여 전류 응답 및 신호 전달 특성을 분석할 수 있도록 설계되었다. 이를 통해 본 연구는 AI 학습 결과와 실제 칩 하드웨어 구현 간의 연결 구조를 완성한 초기 단계의 실증 기반 뉴로모픽 시스템 개발 가능성을 제시한다. Thu, 27 Nov 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60069 2025-11-27T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/60066 Title: Fabrication of Recycled Magnet Using Nd-Fe-B Particles Produced Through Reduction-Diffusion from HRE-Containing Magnet Sludge Author(s): Galkin, Vitalii; 노종욱; 김동환; 김정민; 김동수 Wed, 04 Jun 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60066 2025-06-04T15:00:00Z