http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
시니어 유저의 XAI에 대한 인식 탐색 및 분석: 온라인 쇼핑 AI 추천 시스템을 중심으로
김서형(Seo Hyeong Kim),홍유진(Yujin Hong),서지연(Jiyeon Seo),박유빈(Yoobin Park),김혜선(Esther Kim),이선율(SeonYul Lee),임하진(Hajin Lim),이준환(Joonhwan Lee) 한국HCI학회 2024 한국HCI학회 학술대회 Vol.2024 No.1
본 연구는 20 명의 액티브 시니어를 대상으로 인공지능(AI) 추천 알고리즘, 특히 모바일 쇼핑 환경에 적용되는 ‘설명 가능한 인공지능’ (eXplainable AI, XAI)에 대한 시니어들의 인식 및 효과성을 평가하였다. 특히, XAI 기법 중 글로벌 설명 (global explanations)과 로컬 설명 (local explanations)에 대한 인식을 중점으로 조사하였다. 이와 관련하여, XAI 에 대한 인식이 AI 추천 시스템에 대한 이해, 사용자 인식, 그리고 시스템에 대한 신뢰에 어떠한 영향을 미치는지 살펴보았다. 조사한 결과를 바탕으로, 시니어 사용자를 위한 XAI 디자인의 디자인 가이드라인을 제안하였다. 디자인 가이드라인의 내용으로는 “추천 시스템에 대한 신뢰 강화를 위한 로컬 설명 제공”, “이해도 향상을 위한 직관적 글로벌 설명 제공”, “시니어의 협동 니즈에 부응하는 기여도 조정”, 그리고 “시니어 맞춤형 상품 추천의 필요성”을 포함한다.
10℃ 환경에서 기류가 겨울철 패딩 의류의 한 벌 보온력에 미치는 영향 -인체 착용 및 서멀마네킹 측정 비교-
백윤정 ( Yoon Jeong Baek ),조가영 ( Kayoung Cho ),홍유진 ( Yujin Hong ),이주영 ( Joo-young Lee ) 한국의류학회 2021 한국의류학회지 Vol.45 No.4
This study was to investigate the thermal insulation of clothing ensembles, including padded jackets with two different filling types. Thermal insulation of the ensemble was measured using a thermal manikin in four conditions (10°C, 30% RH and 20°C, 50% RH with an air velocity of less than 0.15 m · s<sup>-1</sup> and 1.5 m · s<sup>-1</sup>). Ten males participated at 10°C and 30% RH with an air velocity of less than 0.15 m · s<sup>-1</sup> and 1.5 m · s<sup>-1</sup>. The results showed that the polyester ensemble was warmer than a goose down ensemble in 0.15 m · s<sup>-1</sup> conditions and the goose down ensemble had greater thermal insulation than the polyester ensemble at an air velocity of 1.5 m · s-1. Thermal insulation was reduced 5-7% when temperature decreased 10°C and reduced 40-50% when air velocity reached 1.5 m · s<sup>-1</sup> for both ensembles. Thermal insulation of the ensemble in human trials decreased more than a thermal manikin at 10°C, 30% RH with an air velocity of 1.5 m · s<sup>-1</sup>. Lower temperatures and human trials were effective in identifying the properties of the thermal insulation by filling types even though there were restrictions on the general application because of two types of a clothing ensemble.
클라우드-네이티브 기반 SmartX AI 클러스터의 멀티 클러스터링 및 멀티 테넌시 기능 개선
윤금성(GeumSeong Yoon),한정수(Jungsu Han),홍유진(Yujin Hong),김종원(JongWon Kim) 한국정보과학회 2021 정보과학회 컴퓨팅의 실제 논문지 Vol.27 No.7
최근 클라우드 서비스에 대한 수요 증가에 따라 경량화된 가상 환경을 기반으로 컴퓨팅 환경을 구성하는 컨테이너 기술의 사용이 크게 증가하였다. 이에 따라 확장성 및 가용성 특징을 갖는 클라우드-네이티브(Cloud-native) 컴퓨팅 기반 기술인 쿠버네티스(Kubernetes, K8S)를 채택하는 사례가 많아졌다. 또한, 이와 연계되어 다양한 분야에서 활용되고 있는 AI 기술 지원 도구들이 점차 늘어나게 되었으며 유연한 배포 및 운용이 가능하게 되었다. 그러나 상기 도구들을 효율적으로 사용하기 위하여 특정 워크로드를 대상으로 특화된 자원 구성에 대한 필요성이 대두되었다. 이에 멀티 클러스터의 개념이 제안되었으나 멀티 클러스터(Multi-cluster)의 구축과 함께 해당 구조를 관리하는 구성 요소 및 개념이 필요하다. 이에 대응하여 본 논문에서는 K8S 기반으로 구축된 SmartX AI Cluster의 확장과 더불어 Tenants Portal을 소개한다. 확장된 SmartX AI Cluster는 싱글 K8S 클러스터로 운영했던 기존의 방식과는 다르게 다른 종류의 자원을 포함하는 단일 K8S 클러스터들을 결합한 멀티 K8S 클러스터 환경을 제공한다. 또한, Tenants Portal은 별도의 K8S 환경을 구축하지 않아도 동시에 여러 사용자가 상기 환경을 이용할 수 있도록 지원하는 개체(Entity)이다. 최종적으로 제안한 환경에서 병렬 및 분산 처리, 추론 서비스 사례를 통해 머신러닝(Machine Learning, ML) 워크로드 검증을 수행함과 동시에 적용된 개념의 개선 및 관련 연구를 논의한다. The recent increase in demand for cloud services has led to a significant increase in the use of container technologies that create a computing environment based on lightweight virtual environment. This has led to the adoption of Kubernetes (K8S), a cloud-native computing-based technology that features scalability and availability. In addition, the number of artificial intelligence (AI) technology support tools that are being utilized in various areas has gradually increased and flexible distribution and operation has become possible. However, in order to efficiently use the above-mentioned tools, there is a need for a resource configuration specialized for a specific workload. In response, the concept of a multi-cluster has been proposed, but it requires a component and a concept that manages the structure along with the construction of a multi-cluster. This paper introduces Tenants Portal along with extension of the SmartX AI Cluster built on K8S. The extended SmartX AI Cluster provides a multi-K8S cluster environment that combines single K8S clusters with different types of resources, unlike the previous method that operated as a single K8S cluster. In addition, Tenants Portal is an entity that supports multiple users to use the environment at the same time without building a separate K8S environment. Finally, in the proposed environment, machine learning (ML) workload verification is performed through parallel and distributed processing and inference service cases, and related studies are discussed.