생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
국문요약
목차
I. 서론 10
1.1. 연구의 배경 및 목적 10
1.2. 연구의 내용 및 범위 10
II. 이론적 배경 12
2.1. 자율주행 자동차의 개요 12
2.2. 사회적 딜레마 13
2.2.1. 윤리적 딜레마(Ethical Dilemma) 13
2.2.2. 법적 딜레마(Legal Dilemma) 14
2.3. 딥러닝(Deep Learning) 15
2.3.1. 기계학습(Machine Learning) 15
2.3.2. 인공 신경망(ANN, Artificial Neural Network) 16
2.3.3. 심층 신경망(DNN, Deep Neural Network) 17
III. 딥러닝 시스템 구현 19
3.1. 딥러닝 라이브러리 19
3.2. 심층 신경망 설정 20
3.3. 훈련 데이터(Training Data) 22
3.4. 활용 방안 23
IV. 실험 결과 및 분석 26
4.1. 실험 환경 설정 26
4.1.1. 구성 26
4.1.2. 설정 27
4.1.3. 학습 30
4.2. 실험 방법 32
4.2.1. 상황 설정 32
4.2.2. 입력 데이터 34
4.3. 실험 결과 및 분석 37
V. 결론 43
참고문헌 44
Abstract 45
〈표 1〉 자율주행 기술 구성 요소 12
〈표 2〉 4개 분과별 주요 논의 분야 14
〈표 3〉 인공 신경망의 속성 17
〈표 4〉 심층 신경망 설정 내용 22
〈표 5〉 훈련 데이터 예 23
〈표 6〉 상황 판단 항목 25
〈표 7〉 하드웨어(Hardware) 구성 26
〈표 8〉 소프트웨어(Software) 구성 26
〈표 9〉 은닉층 설정 값 29
〈표 10〉 훈련 데이터 수량 29
〈표 11〉 실험 상황 1 32
〈표 12〉 실험 상황 2 32
〈표 13〉 실험 상황 1의 운전자 성향 데이터 35
〈표 14〉 실험 상황 2의 운전자 성향 데이터 36
〈표 15〉 실험 상황 1의 결과 41
〈표 16〉 실험 상황 2의 결과 42
〈그림 1〉 윤리적 딜레마 상황(예: 트롤리 딜레마) 13
〈그림 2〉 인공 신경망 가중치 16
〈그림 3〉 심층 신경망 모델 18
〈그림 4〉 라이브러리 호출 예시 19
〈그림 5〉 과적합 그래프 설명 20
〈그림 6〉 은닉층 설정 예시 21
〈그림 7〉 심층 신경망 설정 구조 21
〈그림 8〉 상황 대처 로직 24
〈그림 9〉 실험 소스 설정 27
〈그림 10〉 실험 소스 흐름도 28
〈그림 11〉 학습 실행 30
〈그림 12〉 deep_test.dat 학습 데이터 구조 31
〈그림 13〉 실험 상황 1 33
〈그림 14〉 실험 상황 2 34
〈그림 15〉 실험 상황 1에서 순번 1 결과 37
〈그림 16〉 실험 상황 1에서 순번 2 결과 38
〈그림 17〉 실험 상황 2에서 순번 1 결과 39
〈그림 18〉 실험 상황 2에서 순번 3 결과 40
초록보기 더보기
자율주행 자동차에 필요한 기반 기술의 발전으로 인하여, 자율주행 자동차는 더 이상 공상과학 소설에 나오는 이야기가 아닌 현실에 가까워지고 있다. 자율주행 자동차에서의 대표적인 기술에는 상황을 인지하기 위한 이미지 처리, 각종 센서, 대용량 데이터 처리 기법 등이 있다.
이중에서도 핵심 기술은 순간 마다 빠르게 변화하는 상황에 대응하기 위한 데이터 처리 기법이라고 할 수 있겠다. 과거에도 기계 학습 등에 필요한 알고리즘으로 인공 신경망 기술이 발표되었으나, 방대한 학습 데이터 처리에 소요시간이 길어지는 문제로 실용화 되지 못하였다.
하지만 컴퓨터 연산 속도의 발달로 인하여 빅데이터 처리 기술이 발전하고 인공 신경망을 발전시킨 심층 신경망, 즉 딥러닝이 등장하면서 이에 관한 많은 문제점들이 해결되고 실용화가 대두되게 되었다.
빠른 기계적 발전과 달리 전통적인 사회적 규범 및 합의는 아직 기술의 속도를 따라 가지 못하고 있다. 자율 주행 중 돌발 상황 발생 시 인명과 재산의 보호의 기준을 어떻게 두어야 하는지에 대한 사회적 딜레마는 자율 주행의 상용화 이전에 꼭 해결되어야 할 문제 일 것 이다.
이에 본 논문에서는 자율 주행 돌발 상황에 대한 판단을 기계적 판단에 전적으로 의지 하지 않고 사회적 윤리, 합의 그리고 개인에 대한 데이터를 딥러닝의 학습데이터로 활용하여 보다 보편타당에 가까운 선택을 할 수 있도록 하는 것을 목표로 한다.
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
