Intelligent long-term traffic forecasting system using deep neural network

류승요 Graduate School, Korea University 2020 국내박사

An intelligent transportation system is a next-generation traffic system that embraces the latest information and communication technology. As the traffic system becomes large and complex, artificial intelligence technology is essential for providing safe and fast traffic services. From various artificial intelligence technology, deep learning shows the best performance for learning complex models. Therefore, research on deep learning-based intelligent transportation system applications is carried out by researchers. This study reports a deep learning based novel intelligent traffic forecasting system. The forecasting system can predict the traffic conditions of highways several months ahead, reflecting weather, time, and road structure information for a more precise forecast. The internal architecture of the system adopts the modules of a neural network and enables data separation during computation. Thus, the system presents the dependable traffic forecast, even under conditions, e.g., rush hours, weather changes. For the practical traffic forecast service, faster training and prediction are necessary. I embrace parallel computing to speeding up the traffic forecasting system. For parallelizing the training and prediction of the predictors, training and forecasting tasks are distributed to the computing nodes. The forecasting accuracy of the framework is evaluated for different cases, such as ordinary days, vacations, and bad weather days. Comparing with other traffic prediction models including other machine learning based model and the time series model, the proposed scheme achieves improved prediction. In experiments with multiple computing nodes, execution times of both training and forecasting processes are reduced.

가라테 지도자의 멘토링이 청소년 선수의 성취동기와 목표지향성에 미치는 영향

추정재 용인대학교 일반대학원 2025 국내박사

본 연구는 가라테 지도자의 멘토링이 청소년 선수들의 성취동기 및 목표 지향성에 미치는 영향을 실증적으로 규명하고자 하였다. 멘토링의 세 가지 하위 기능인 경력개발 기능, 심리사회적 기능, 역할모형 기능을 중심으로, 청소년 선수의 성취동기와 목표 지향성에 대한 영향 효과를 분석하였다. 이를 위해 서울·인천·경기·강원 지역에서 가라테를 수련 중인 중·고등학생 선수 269명을 대상으로 설문조사를 실시하였으며, SPSS 25.0 프로그램을 활용하여 빈도분석, 탐색적 요인분석, 신뢰도 분석, 상관분석, 다중회귀분석 등을 실시하였다. 연구 결과, 첫째, 인구통계학적 특성에 따른 멘토링 효과를 분석한 결과 성별과 학력에서 부분적으로 유의미한 차이가 나타났다. 여학생은 심리사회적 기능에서 멘토링 효과가 높게 나타났고, 중학생은 역할모형 기능에서 보다 높은 효과를 경험하는 것으로 확인되었다. 반면 운동 경력에 따른 멘토링 효과는 유의미한 차이가 나타나지 않았다. 둘째, 가라테 지도자의 멘토링은 청소년 선수들의 성취동기 향상에 유의미한 긍정적 효과를 미치는 것으로 확인되었다. 하위 기능 중에서는 역할모형 기능이 가장 강력한 영향을 미쳤으며, 경력개발 기능도 일정 수준의 긍정적 영향을 보였다. 그러나 심리사회적 기능은 성취동기에 유의미한 효과를 보이지 않았다. 셋째, 멘토링은 목표 지향성에도 긍정적 효과를 나타냈다. 성취 목표 지향성의 경우 경력개발 기능과 역할모형 기능이 유의미한 영향을 미쳤으며, 수행 목표 지향성에서는 역할모형 기능이 유의미한 영향을 보였다. 이상의 결과는 가라테 지도자의 멘토링이 청소년 선수들의 심리적 성장, 성취동기 증진, 목표 설정 행동에 효과적인 교육적 중재 전략임을 실증적으로 확인한 것이다. 특히 역할모형 기능(피드백 제공)의 중요성이 두드러졌으며, 경력개발 기능(목표 설정 지원)은 장기적 성장 촉진에 보완적 역할을 수행하는 것으로 나타났다. 본 연구 결과는 무도 지도자 양성, 청소년 선수 훈련 프로그램 개발, 스포츠 멘토링 정책 수립 등 다양한 실천 분야에서 유용한 기초자료로 활용될 수 있을 것이다.

골프 퍼팅 어드레스와 퍼팅패턴 분석을 통한 퍼팅 안정성 연구

황세영 용인대학교 일반대학원 2024 국내박사

본 연구는 골프 퍼팅 어드레스와 퍼팅패턴요인을 분석하고, 퍼터 길이와 라이각에 따라 어드레스 시 나타나는 특성과 퍼팅패턴요인의 차이 검증을 통하여 골프 퍼팅 안정성과 성공률을 높일 수 있는 실증적인 자료를 제공함으로써 골퍼들의 퍼팅 능력 향상과 골프지도방법으로 활용할 수 있는 기초자료를 제공하는 데 목적이 있다. 본 연구의 목적을 달성하기 위하여 남·녀 프로골퍼 14명을 대상으로 PC Version Window Program SPSS Statistics 25.0을 활용하여 골프 퍼팅 시 중요도 분석, 샘펏(Sam Putt) 프로그램을 이용한 실험을 통해 골프 퍼팅 시 연구대상자의 어드레스와 퍼팅패턴요인 분석을 위해 일원분산분석(One-Way ANOVA)을 실시하여 다음과 같은 결론을 얻었다. 첫째, 골프 퍼팅 시 연구 대상자가 인지하는 어드레스와 퍼팅패턴요인, 퍼터 선택 기준의 중요도 분석을 실시한 결과 어드레스 시는 에이밍, 퍼팅패턴요인에서는 템포와 헤드에이밍, 퍼터 선택 시는 헤드에이밍과 터치감, 헤드무게와 같은 감각적인 것들이 중요하게 인식된 것으로 나타났다. 둘째, 어드레스 시 퍼터 길이와 라이각에 따른 에이밍의 차이를 분석한 결과 퍼터 라이각에 따른 로프트어드레스에서 유의한 차이가 나타났다. 셋째, 퍼터 길이와 라이각에 따른 퍼팅패턴요인의 차이를 분석한 결과 라이각에 따라 페이스앵글, 퍼팅패스, 임팩트 요인에서 통계적으로 유의한 차이가 나타났고, 퍼팅패턴 분석에서 어택앵글의 하위요인중 ‘로우포인트’에서만 유의한 차이가 나타났다. 넷째, 퍼터 길이와 라이각에 따른 퍼팅 타이밍요인을 분석한 결과 퍼터 길이에 따른 ‘임팩트스피드’에서만 통계적으로 유의한 차이가 나타났다. 연구결과를 종합하면, 퍼팅 시 퍼터헤드 에이밍이 전반에 걸쳐 가장 중요한 요인으로 볼수 있으며, 퍼팅패턴에서 템포가, 퍼터선택에 있어서 터치감과 헤드무게가 중요한 요인으로 작용한다고 볼 수 있다. 또 퍼터 라이각에 따라 로프트어드레스, 페이스앵글, 퍼팅패스, 임팩트, 로우포인트 어택앵글에서 차이가 나타나 라이각 조절이 퍼팅 안정성을 높이는데 매우 중요한 요인으로 작용할 수 있으며, 퍼터길이는 임팩트스피드에 영향을 줄 수 있으므로 거리조절을 위해서 퍼터길이의 선택이 중요하게 작용할 수 있다고 본다. 결론적으로 퍼터 라이각과 퍼터의 길이는 골퍼들의 퍼팅 일관성과 안정성을 높이는데 중요한 요인으로 작용할 수 있으므로 골프 지도자와 선수가 이러한 부분을 고려하면 더욱더 효율적이고 효과적으로 퍼터 성공률을 높일 수 있다고 판단된다.

모바일 환경에서의 시스템 구축을 위한 CNN 알고리즘 실험 및 평가

이종하 고려대학교 공학대학원 2025 국내석사

모바일 기기에서 인공지능(AI) 기술이 적용되는 빈도는 급격하게 증가하고 있으며, 이러한 발전은 특히 이미지 처리 및 컴퓨터 비전 분야에서 두드러지게 나타나고 있다. 스마트폰, 태블릿, 웨어러블 기기등에서 AI는 사용자 경험을 개선하고, 자율 주행, 증강 현실(AR), 보안 시스템, 의료 영상 분석과 같은 다양한 실용적 응용 프로그램에 필수적인 기술로 자리 잡고 있다. 이러한 애플리케이션들은 실시간 처리 능력을 요구하며, 그 핵심은 합성곱 신경망 기술이다. CNN 모델은 이미지 내의 패턴과 구조를 자동으로 학습하여, 이미지 분류, 객체 인식, 시맨틱 분할과 같은 복잡한 작업을 수행하는 데 뛰어난 성능을 보여준다. AlexNet, VGG, GoogleNet과 같은 초기 CNN 모델들은 인공지능 기술의 급격한 성능 향상을 이끌어냈으며, 최근에는 MobileNet 시리즈(MobileNetV1, V2, V3, V4), ResNet, U-Net과 같은 경량화 모델들이 등장하면서, 모바일 기기에서도 실시간 AI 처리가 가능해졌다. 그러나 모바일 환경에서 AI 모델을 적용하는 데는 여러 가지 도전 과제가 존재한다. 모바일 기기는 CPU, GPU, 메모리, 배터리 수명 등 자원이 제한적이기 때문에, 일반적인 고성능 서버 환경에서 사용되는 딥러닝 모델을 그대로 적용하기에는 한계가 있다. 특히, 추론 시간과 전력 소모량은 모바일 기기에서 AI 응용 프로그램을 사용할 때 매우 중요한 지표로 작용한다. 따라서, 모바일 환경에 적합한 경량화 딥러닝 모델을 선택하고 최적화하는 것이 필수적이다. 본 논문은 이러한 배경을 바탕으로, CNN 모델들이 iOS 환경에서 어떻게 성능을 발휘하는지에 대한 종합적인 평가를 목표로 한다. AlexNet, GoogleNet, MobileNet 시리즈(V1, V2, V3, V4), ResNet, U-Net, VGG 등 총 9개의 CNN 모델을 평가 대상으로 선정하여, 각 모델의 정확도, 추론 시간, 메모리 사용량, 전력 소모량, 모델 크기 등을 비교 분석한다. 이를 통해 모바일 기기에서 실시간으로 AI 처리를 할 수 있는 최적의 모델을 제안하고, 나아가 iOS 환경에서 실시간 AI 응용 프로그램을 개발하는 데 필요한 최적화 전략을 도출하는 것을 목표로 한다. 특히, 본 연구는 모바일 기기에서 요구되는 여러 제약 조건을 고려하여 각 모델이 얼마나 효율적으로 자원을 사용하고 있는지를 분석한다. iOS 기기에서의 실시간 AI 모델은 정확도와 성능만 중요한 것이 아니라, 배터리 사용량, 메모리 사용량 등과 같은 자원 최적화도 매우 중요한 요소이다. 이에 따라, 본 논문은 각 모델의 구조적 특성에 따른 성능 차이와 자원 효율성을 비교함으로써, 실시간 AI 응용에 가장 적합한 경량화 모델의 기준을 제시하고자 한다.

YOLO v5기반 지하주차장 구조 데이터화 시스템

박지용 고려대학교 공학대학원 2025 국내석사

이 논문은 YOLO v5 기반의 객체 검출 기술과 PaddleOCR 엔진을 활용해서 지하 주차장 구조를 데이터화하는 시스템을 정의하고 설계한 연구이다. 현재 국내 완성차 제조업체(현대자동차, 기아)가 서비스 중인 주차장 도면 안내 서비스의 데이터 구축과 유지보수의 한계를 극복하기 위해, 차량의 IVI (In-Vehicle Infotainment) 및 AVM (Around View Monitoring) 시스템의 Front Camera를 활용하여 주차장 데이터를 수집하고 이를 데이터 센터에서 분석 및 병합하는 방식을 제안했다. 데이터셋은 서울, 경기 지역에 위치한 주요 상업 시설, 지식 산업 센터, 숙박 시설, 교통 시설에서 이미지 200장을 촬영해 구축했으며 Labelimg 프로그램을 활용해 라벨링을 수행했다. 해당 데이터셋을 기반으로 YOLO v5를 활용해서 주차장 내의 주요 객체(주차 단위 구획, 주차 전용 구획, 주차 기둥)를 검출하고, PaddleOCR 엔진을 활용하여 주차 구획 표지를 텍스트화 했다. 수집된 데이터는 시스템에 의해 구조화된 배열로 변환되어 주차장 도면을 생성하는데 활용됐다. 본 연구의 결과, 제안한 시스템은 85% 이상의 mAP50-95 성능을 보였으며, 실측 도면과 일치하는 주차장 도면을 성공적으로 생성할 수 있음을 확인했다.

유소년 스포츠클럽 지도자의 조직시민행동이 학부모의 만족도, 충성도에 미치는 영향

종가락 용인대학교 일반대학원 2024 국내박사

이 연구의 목적은 유소년 스포츠클럽 지도자의 조직시민행동이 학부모의 만족도와 충성도에 영향을 미치는 주요 요인을 분석하여 스포츠클럽 서비스 품질 개선과 지도자의 서비스 능력 향상 및 학부모 불만 해소 방안을 모색하는 것이었다. 연구 대상은 유소년 스포츠클럽에 6개월 이상으로 등록한 유소년의 학부모 348명(아버지=139명, 어머니=209명)이었다. 수집된 자료 분석은 기술통계, 상관관계 및 구조방정식 모형을 사용하여 분석하였고, 매개 효과는 Bias-corrected Bootstrapping을 실시하여 유의성을 검증하였으며, 연구 결과는 다음과 같다. 첫째, 유소년 스포츠클럽 지도자의 조직시민행동 중 근무 적극성(β=.30, p<.001), 자기학습(β=.22, p<.05), 대인관계 조화(β=.19, p<.001)는 학부모 만족도에 유의미한 영향을 미쳤으나 동료 돕기(β=.18, p>.05)는 학부모 만족도에 영향을 미치지 않았다. 둘째, 유소년 스포츠클럽 지도자의 조직시민행동 중 근무 적극성(β=.16, p<.05), 자기학습 행동(β=.31, p<.01)은 학부모 충성도에 유의미한 영향을 미쳤으나 동료 돕기(β=-.03, p>.05)와 대인관계 조화(β=.09, p>.05)는 학부모 충성도에 영향을 미치지 않았다. 셋째, 유소년 스포츠클럽의 학부모 만족도(β=.22, p<.05)가 학부모 충성도에 영향을 미쳤다. 넷째, 유소년 스포츠클럽 지도자의 조직시민행동 중 근무 적극성(β=.07, p<.05, 95% CI=[.009, .161]), 자기 학습(β=.05, p<.05, 95% CI=[.002, .152]), 그리고 대인관계 조화(β=.042, p<.05, 95% CI=[.001, .131])는 학부모 만족도를 매개하여 충성도에 유의미한 영향을 미쳤으나 동료 돕기 행동(β=.040, p>.05, 95% CI=[-.004, .157])은 학부모 만족도를 매개하여 충성도에 영향을 미치지 않았다. 유소년 스포츠클럽 지도자의 조직시민행동은 학부모 만족도 및 충성도에 부분적으로 유의미한 영향을 미치는 것으로 나타났다. 따라서 지도자의 적극적인 근무 태도와 행동, 지속적인 자기학습을 통한 전문 기술 향상은 스포츠클럽 유소년 학부모의 만족도와 충성도 모두에 직접적인 유의미한 영향을 주고, 대인관계 조화는 학부모의 만족도에는 직접적인, 충성도에는 간접적인 유의미한 영향을 줄 수 있으므로 유소년 스포츠클럽 경영에 중요한 요인으로 작용한다는 결론을 내릴 수 있다. This study aimed to explore how the organizational citizenship behavior of youth sports club coaches influences parental satisfaction and loyalty. By understanding these key factors, the goal was to identify strategies for enhancing the quality of sports club services, improving the skills of club coaches, and addressing issues of parental dissatisfaction. The research involved 348 parents (139 fathers, 209 mothers) of registered youth participants. We employed various analytical techniques, including Descriptive Statistics, Correlation Analysis, and Structural Equation Modeling (SEM), to assess the data. Additionally, mediation effects were confirmed using Bias-corrected Bootstrapping. The study revealed that in youth sports club settings, certain organizational citizenship behaviors of coaches significantly affect parental satisfaction and loyalty. Specifically, coaches' proactive work (β=.30, p<.001), self-learning (β=.22, p<.05), and interpersonal harmony (β=.19, p<.001) positively impacted parental satisfaction. However, the coaches’‘assisting colleagues factor (β=.18, p>.05) was not a significant contributor to this satisfaction. When it comes to parental loyalty, the proactive work (β=.16, p<.05) and self-learning (β=.31, p<.01) behaviors of coaches were found to be influential. In contrast, neither the coaches’ assisting colleagues (β=-.03, p>.05) nor interpersonal harmony (β=.09, p>.05) had a notable effect on loyalty. The study also identified parental satisfaction (β=.22, p<.05) with youth sports clubs as a crucial factor in enhancing parental loyalty. It was observed that proactive work (β=.07, p<.05, 95% CI=[.009, .161]), self-learning (β=.05, p<.05, 95% CI=[.002, .152]), and interpersonal harmony (β=.04, p<.05, 95% CI=[.001, .131]) indirectly influenced parental loyalty by initially increasing parental satisfaction. Conversely, assisting colleagues (β=.04, p>.05, 95% CI=[-.004, .157]) did not play a mediating role between parental satisfaction and loyalty. In conclusion, the study underscores the vital role of organizational citizenship behavior in youth sports club coaches, significantly affecting parental satisfaction and loyalty. As a result, it is imperative for coaches to exhibit a proactive approach to their work, continuously enhance their professional skills, and foster harmonious interpersonal relationships. When delivering services, it is particularly important for coaches to focus on their role as coaches within their professional domain, rather than prioritizing their role as colleagues. This targeted approach can more effectively cultivate parental satisfaction and, in turn, loyalty to the sports club.

Adaptive Deep Neural Network Optimization : Algorithmic and Architectural Frameworks

Hankyul Baek 고려대학교 대학원 2024 국내박사

Spurred by recent advancements in machine learning, neural networks (NNs) are widely utilized in academia and industries. Especially, these NNs show great performance in analyzing complex datasets and reducing the losses in given tasks with various optimization techniques. This rapid advancement is boosted by increasing storage and computation capabilities. These capabilities enable the NNs to use increasingly larger and heavier structures to achieve high performance. Consequently, recent studies and industrial applications aim to increase the size of NNs to achieve higher performance. However, such performance-centric developments in artificial intelligence have significant challenges. First of all, the NNs from performance-centric developments are unavailable for individuals and small businesses and make them dependent on a few major companies, called Big Techs. Individuals and small businesses, despite having novel technologies for applications, fail to use NNs efficiently if they do not have access to the large resources of Big Techs. Second, the performance improvement of NNs based on large-scale computational and storage resources is impractical in non-ideal real-world environments. This is because these performance-centric developments are studied under the assumption that NNs are trained in an ideal environment equipped with substantial computational resources. In real-world environments, there are several communication conditions and distributed computing resources are generally utilized. In addition, non-independent and identically distributed (non-IID) datasets are utilized in real-world environments. Lastly, the complexity of data is increasing even more quickly and current performance-centric development cannot fundamentally reduce the computational complexity and demands substantial costs. To cope with these challenges of performance-centric NN developments, this paper proposes a novel direction for the development of the next-generation NNs. First of all, this paper proposes federated learning with slimmable neural network (SNN), named SlimFL, for non-IID datasets. Our SlimFL replace NNs with SNNs to maximize the performance of federated learning in various communication environments. Second, this paper proposes scalable 3D quantum convloutional neural network (sQCNN-3D) to efficiently analyze the complex 3D point cloud data. With intrinsic natures of quantum computing that obtains multiple information using a single computing unit (i.e., superposition) and convolutes several information in parallel (i.e., entanglement), our sQCNN-3D shows great performance in point classification tasks. In addition, this paper proposes an efficient training algorithm for sQCNN-3D that varies the fidelity between convolutional filters for achieving various features. Third, this paper proposes multi resolution quantum convolution neural network (MR-QCNN) that adopts quantum convolutional neural network in federated learning framework. To reduce the domain gap between MR-QCNNs in heterogeneous resolutions, this paper utilizes knowledge distillation. With these characteristics, our MR-QCNN outperforms other NNs in various datasets and shows the smallest domain gap. Lastly, this paper proposes quantum convolution based object detection (QCOD) using a faster quantum convolution that re-uploads and re-constructs the channel information to cope with speed constraints of the object detection. By using our faster quantum convolution, our QCOD shows great improvement in speed and shows feasible performance. Furthermore, this paper proposes heterogeneous knowledge distillation that transfers the knowledge of pre-trained classical object detection to our QCOD to improve the performance. Through each chapter, this paper corroborates the feasibility and performance of SNNs and QCNNs as the next-generation NNs via various experiments and analyses.

프로스포츠 관객유치 마케팅믹스전략 벤치마킹을 통한 용무도 대회 활성화

김진오 용인대학교 교육대학원 2014 국내석사

인스타그램 중독이 운동지속수행 및 운동중단의도에 미치는 영향 : Kim,Si-Hun

김시훈 용인대학교 일반대학원 2023 국내석사

본 연구는 인스타그램(Instagram) 중독이 운동지속수행과 운동중단의도에 미치는 영향을 규명하는 것에 목적이 있다. 본 연구의 목적 달성하기 위해 인스타그램에 운동 관련 사진을 업로드하는 이용자들에게 인터넷 설문지를 총 525부를 배포하였고 회수된 설문지 139부가 본 연구에서 사용되었다. 자료처리는 SPSS(Statistical Package for the Social Science) ver. 29.0을 사용하여 빈도 분석, 척도의 타당도·신뢰도 분석, 기술통계, 요인분석, 일원변량분석, 상관관계분석, 다중회귀분석을 실시하여 통계처리하였으며, 다음과 같은 결론을 도출하였다. 첫째, 인스타그램 업로드 빈도와 팔로워 수가 많을수록 인스타그램 중독 수준이 높게 나타났다. 둘째, 인스타그램 업로드 빈도가 높을수록 운동지속수행에 정적인 영향을 미치는 것으로 나타났다. 셋째, 운동 경력이 오래된 대상일수록 운동중단의도의 하위 요소인 경제·환경영향에 정적인 영향을 미치는 것으로 나타났다. 넷째, 인스타그램 중독이 운동지속수행의 인스타그램 업로드, 인스타그램 행복 요인에 정적인 영향을 미치는 것으로 나타났으나, 강화성, 경향성 요인에는 부적인 영향을 미치는 것으로 나타났다. 또한, 운동중단의도의 주변 의도, 본인 의도 요인에 정적인 영향을 미치는 것으로 나타났으나, 경제·환경영향 요인에는 부적인 영향을 미치는 것으로 나타났다. 따라서, 인스타그램 이용자의 운동 관련 사진 업로드는 운동 수행에 대한 동기부여는 되지만 업로드 빈도와 많은 팔로워 수는 이를 유지하기 위한 부담으로 인하여 인스타그램 중독으로 이어질 수 있으며, 운동경력이 오래된 대상일수록 경제적환경으로 인한 운동중단의도가 높다는 결론을 얻을 수 있다. 또 인스타그램 중독이 지속적인 사진 업로드 동기를 유발하고 이용자에게 행복감을 주어 운동지속 수행에는 도움이 될 수 있으나, 운동수행에 대한 자기의식과 자신감은 저하시킬 수 있으며, 본인 스스로와 주변인들로부터 부정적인 면을 인지하게 되며, 인스타그램 중독이 심할수록 경제적환경에 영향을 받지 않는다는 결론을 내릴 수 있다. The purpose of this study is to investigate the effect of Instagram addiction on the intention to continue exercising and stop exercising. To achieve the purpose of this study, a total of 525 Internet questionnaires were distributed to users who upload exercise-related photos on Instagram, and 139 collected questionnaires were used in this study. Data processing was statistically processed using SPSS (Statistical Package for the Social Science) ver. 29.0 by performing frequency analysis, scale validity and reliability analysis, descriptive statistics, factor analysis, univariate analysis, correlation analysis, and multiple regression analysis, and the following conclusions were drawn. First, the higher the frequency of Instagram uploads and the number of followers, the higher the level of Instagram addiction. Second, it was found that the higher the frequency of Instagram uploads, the more positive the performance of exercise. Third, it was found that the longer the exercise experience, the more positive the economic and environmental impact, which is a sub-factor of the intention to stop exercising. Fourth, Instagram addiction was found to have a positive effect on Instagram upload and Instagram happiness factors of continuous exercise, but it was found to have a negative effect on strengthening and tendency factors. In addition, it was found to have a positive effect on the surrounding intention and self-intention factors of the intention to stop exercising, but it was found to have a negative effect on the economic and environmental factors. Therefore, it can be concluded that Instagram users' exercise-related photos upload motivates exercise performance, but the frequency of upload and the number of followers can lead to Instagram addiction due to the burden of maintaining them, and the older the exercise experience, the higher the intention to stop due to the economic environment. In addition, Instagram addiction can motivate users to upload photos and keep them happy, but it can reduce self-consciousness and confidence in exercising, recognize negative aspects from themselves and people around them, and conclude that the more severe Instagram addiction, the less affected the economic environment.

Privacy-Preserving Multi-Site Split Learning for Medical and Autonomous Aerial Surveillance Systems

Yoo Jeong Ha 고려대학교 대학원 2023 국내석사

딥 러닝은 금융, 의료, 엔터테인먼트에 이르기까지 인간의 일상적인 상호 작용의 거의 모든 부분에 침투했다. 의료 산업은 인공 지능(AI) 배포로 상당한 개선을 보였다. AI의 참여는 의료 전문가가 환자를 신속하게 진단하거나 특정 질병에 가장 적합한 치료 계획을 결정하는 데 도움이 되었다. 그러나 병력은 사람에 대해 누구나 얻을 수 있는 가장 민감한 정보 중 하나이다. 이것이 대통령이 건강 문제를 대중에게 최대한 숨긴 이유이다. 현대의학은 의료 데이터의 공유가 필요하지만 치료를 개선하면서 환자의 개인 정보를 보호하는 것이 과제이다. 자율주행차 시장은 기계 학습을 프로그램에 적용하면서 번성했다. 차세대 기술의 급속한 발전과 사생활 보호에 대한 관심이 높아지면서 자율 감시 무인 항공기(UAV)를 사용하여 거리에서 위엄한 활동을 모니터링하는 것이 일반적인 관행이 되었다. UAV는 제3자와 공유해서는 안 되는 민감한 정보를 캡처합니다. 획득한 의료 및 감시 데이터의 개인 정보를 보호하는 한 가지 옵션은 분할 학습이라는 딥 러닝 기술을 사용하는 것입니다. 분할 학습은 원본 데이터를 공유하지 않고 여러 데이터 소스로 신경망을 훈련할 수 있는 분산 학습 시스템입니다. 따라서 본 논문은 split learning을 확장하여 multi-site split learning 환경에서 데이터 소스의 수와 이러한 클라이언트가 보유한 데이터의 데이터 비율 증가의 영향을 탐색합니다. 다중 사이트 분할 학습에서 딥 러닝 모델은 두 섹션으로 나뉩니다. 신경망의 작은 부분을 클라이언트라고 하고 신경망의 나머지 큰 부분은 클라우드에서 수행됩니다. 또한 분할 학습을 사용할 때 프라이버시가 보존되는 정도를 강조하기 위해 정보 이론의 또 다른 기술을 추가합니다. 따라서 이 논문은 두 부분으로 나뉜다. 첫 번째 섹션은 의료 데이터를 사용하여 다양한 클라이언트 수와 분할 학습의 분할 비율을 실험합니다. 여러 클라이언트의 데이터 분할 비율 변경이 대상 작업 성능에 미치는 영향에 초점을 맞추기 위해 실험이 수행됩니다. 두 번째 섹션에서는 여러 UAV로 학습을 분할하고, 데이터 불균형 문제를 해결하고, 감시 UAV에서 수집한 개인 데이터를 보호하는 방법을 살펴봅니다. 또한 UAV의 모바일 장치 측면과 이러한 모바일 UAV가 계산 리소스를 제한하는 문제를 조사합니다. 원시 데이터의 프라이버시가 보호되는 정도를 강조하기 위해 정보 이론이 추가로 도입됩니다. 분할 학습 참여자가 증가하고 클라이언트가 보유한 데이터의 비율이 분류 성능에 미치는 영향을 살펴봅니다. 이 논문은 여러 UAV와 관련된 학습을 분할하여 데이터 불균형 문제를 해결하고 감시 UAV에서 캡처한 민감한 정보를 보호하는 방법을 조사합니다. 분할 학습의 성능이 확립되었으므로 본 논문에서는 감시 UAV 환경에서 클라이언트 수와 분할 비율을 변경하여 실험합니다. 따라서 본 연구에서는 UAV의 수를 늘리는 것이 분할 학습의 분류 정확도에 미치는 영향과 데이터 분할 비율을 변화시키는 영향을 탐색합니다. 본 연구는 따라서 본 연구에서는 데이터 분할 비율과 UAV의 수 변화가 분할 학습의 분류 정확도에 미치는 영향을 조사한다. 따라서 이 백서는 두 가지 주요 아이디어를 결합합니다. 이기종 데이터에 대한 다양한 분할 비율의 효과와 화재 분류 성능에 대한 UAV의 수 변화의 영향입니다. Deep learning has infiltrated almost every part of human's everyday interactions, from finance to entertainment. The health industry has seen a significant improvement with artificial intelligence (AI) deployment. The involvement of AI has aided medical experts in quickly diagnosing a patient or deciding which treatment plan is best suitable for a certain disease. However, a medical history is one of the most sensitive pieces of information anyone can obtain about a person. This is why presidents hid as much as they could about their health problems from the public. Modern medicine requires sharing medical data, but the challenge is protecting patients’ personal information while improving treatment. The autonomous vehicle market has also thrived with the adaptation of machine learning to its programs. With the swift development of next-level technology and the increasing concern for protecting privacy, it has been common practice to use autonomous surveillance unmanned aerial vehicles (UAVs) to monitor the streets for suspicious activity. UAVs capture sensitive information, which should not be shared with third parties. One option to protect the privacy of the acquired data-medical and surveillance-is by employing a deep learning technique called split learning. Split learning is a distributed learning system that allows neural networks to be trained with multiple data sources without sharing original data. Therefore, this paper extends split learning and explores the impact of increasing the number of data sources and the data ratio of the data held by these clients in a \textit{multi-site split learning} environment. In multi-site split learning, the deep learning model is split into two sections. A smaller portion of the neural network is called the client, and the remaining larger portion of the neural network is conducted in the cloud. It also adds another technique from information theory to highlight the extent to which privacy is preserved when using split learning. Thus, this paper is divided into two parts. The first section uses medical data to experiment with varying the number of clients and the split ratio of split learning. Experiments are conducted to focus on the impact of changing split ratios of data from multiple clients on the target task performance. The second section explores how to split learning with many UAVs, addresses the problem of data imbalance, and safeguards any private data collected by surveillance UAVs. It will also investigate the mobile device aspect of UAVs and the problem of how these mobile UAVs have limited computational resources. Information theory is further introduced to highlight the extent to which the privacy of the raw data is protected. It will look at the effect on classification performance when the participants of split learning are increased and the ratio of data the clients possess. This thesis examines how to split learning involving multiple UAVs resolves the issue of data-imbalance and protects any sensitive information captured by surveillance UAVs. Since the performance of split learning is established, this paper experiments with altering the number of clients and the split ratio in a surveillance UAV environment. Hence, in this study, we explore the effect of increasing the number of UAVs on the classification accuracy of split learning and the impact of varying the data split ratio. This research, Therefore, in this work, we investigate the influence of changing the data split ratio and the number of UAVs on the classification accuracy of split learning. Thus, this paper combines two main ideas: the effect of various split ratios for heterogeneous data and the impact of varying the number of UAVs on fire classification performance.