• 한국가금학회지
• /
• 제42권3호
• /
• pp.197-204
• /
• 2015

본 연구는 천연항산화 생리활성 소재로서 가시오갈피를 육계에게 0(CON), 0.5(AS1) 및 1.0%(AS2) 수준으로 급여하여 생산성, 면역장기 무게, 혈액 생화학적 성상 및 친염증 사이토카인 mRNA 발현에 미치는 영향을 조사하였다. 전 사육기간에서 가시오갈피 급여에 따른 체중, 증체 및 사료섭취량은 유의적 차이를 보이지 않았으나, AS2구에서 사료요구율이 유의적으로(p<0.05) 저하되었다. 면역장기 무게를 관찰한 결과, 간, 비장, F-낭 및 흉선 무게는 가시오갈피 급여에 따른 영향이 없었다. 혈액 생화학적 성분에서 albumin, total protein, cholesterol, AST, ALT 등과 같은 대부분의 성분은 대조구와 처리구간 차이는 없었다. 그러나 triglycerides는 대조구에 비해 AS2구에서 현저히(p<0.05) 높았고, glucose 수준은 대조구에 비해 가시오갈피 급여구에서 현저히(p<0.05) 증가되었다. 친염증 사이토카인 mRNA 발현을 조사한 결과, 가시오갈피 급여에 따라 백혈구의 IFN-${\gamma}$ mRNA 발현이 현저히(p<0.05) 감소되었으며, IL1-${\beta}$, IL-6, TNF-${\alpha}$, iNOS 등은 유의적 차이는 없었지만, 감소되는 경향이 있었다. 비장에서 친염증 사이토카인 발현은 유의적 차이가 없었다. 간 조직에서는 0.5% 가시오갈피 급여에 따라 iNOS mRNA 발현이 유의적으로(p<0.05) 감소하였지만, 다른 친염증 사이토카인 발현은 유의적 차이는 없었다. 따라서 육계 생산성 및 친염증 사이토카인 발현에 미치는 영향 등을 고려할 경우, 0.5% 수준의 가시오갈피 급여가 가장 바람직한 것으로 판단된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 한국양식학회지
• /
• 제13권4호
• /
• pp.339-351
• /
• 2000

동해안의 주문진 연안에서 1991년 1월부터 1998년 12월까지 한해성 패류인 참가리비, P. yessoensis의 지속적 생산을 위한 중간육성의 서식환경, 성장, 적정 수용밀도, 육성 적수층, 이식시기, 폐사 및 기형패 발생 등에 관한 연구가 수행되었다. 북한한류의 영향을 받는 연구해역에서 참가리비의 주서식층인 10~30m 층의 수온은 4.7~23.8$^{\circ}C$로 고수온을 보인 1994년과 1997년을 제외하고는 참가리비의 생육에 적합한 5~23$^{\circ}C$ 범위였다. 그러나 고수온과 함께 일교차가 크고 불규칙한 변동이 지속되는 시기에 나타나는 성장저하 및 폐사 현상은 수온과 일부 관련이 있는 것으로 보인다. 염분은 31.5~34.5$^{o}\prime_{oo}$로 생육에 비교적 적합하였고, 투명도는 6.0~18.1m로 일반적으로 식물플랑크톤의 출현량에 따라 변화하였다. Chlorophyll-${\alpha}$의 농도는 0.04~3.51${\mu}$g/L로 빈영양 해역의 특성을 보이고 있으며, 해에 따른 변동이 크고, 특히, 여름철에 현저히 감소하는 시기에 참가리비의 폐사가 일부 나타나는 것으로 보아 수온과 함께 참가리비의 성장을 지배하는 하나의 제안인자임을 시사한다. 치패의 중간육성 이식 가능시기는 7월 중순부터 11월 초순사이로 7~8월(1차)에 고밀도로 이식한 후 9월 중순~11월 초순(2차)에 저밀도로 분산하는 것이 성장과 생존율을 향상시킬 수 있는 것으로 여겨진다. 중간육성채롱(square net cage 35${\times}$35cm)에 의한 치패의 적정 수용밀도는 각고 1.5~3cm 내외 크기에서 본 양성용은 30~40개체, 바닥 씨뿌림 양성용은 80~100개체가 적합하였다. 중간육성 기간 중 수층별 성장은 10~15m 층에서 좋았고, 25m 이하 층에서 느렸다. 그러나 수온변동이 크고, 고수온이 지속되는 시기에는 적정밀도로 분산하여 25m 이하 수층에서 관리하는 것이 폐사를 줄일 수 있었다. 중간육성 기간 중 치패의 일간 성장량은 0.019~0.381mm/day로 1~2월에 낮았고, 3~4월에 높았다. 특히, 수용밀도 50개체 이상으로 중간육성 시에는 여름철에 폐사할 위험성이 증가하므로 반드시 6월 이전에 낮은 밀도로 본 양성을 시작하는 것이 좋을 것으로 판단된다.