• Radiation Oncology Journal
• /
• 제20권1호
• /
• pp.81-90
• /
• 2002

목적 : 세기조절 방사선치료(IMRT) 환자에 적합한 Quality Assurance (QA) 항목을 찾아내고 평가 항목의 유용성 및 타당성을 검토하였다. 대상 및 방법 : 3단계, 16항목으로 구성된 IMRT 환자 QA program을 만들어 9환자 12예의 다양한 IMRT 환자에 대해 적용하고 그 방법의 타당성을 검토하였다. 3단계 OA 항목은 전산화치료계획시스템(RTP) QA, 치료 정보의 전달 QA, 치료 전달 과정 OA 등으로 구성되었다. RTP QA는 다시 organ constraint의 검토, 그리고 점선량 및 선량 분포의 타당성 평가 등으로 세분화하였다. 치료 정보의 전달 QA에서는 leaf sequence pattern 작성, 치료 전달용 MLC file 생성 프로그램에서 작성된 IMRT field 용 MLC file의 정확성의 평가와 이 file로 만든 치료 조사면의 dry run 결과를 MLC simulation image와 비교하였다. 치료 전달 과정 QA는 환자의 set-up QA와 IMRT field delivery의 확인, Record and Verify 시스템의 확인 등으로 나누어 실시하였다. 결과 : 점선량 평가 결과, 총 12예 중 10예에서 측정값과 RTP 계산값이 $3\%$ 이내의 일치를 보였고, $3\%$ 이상 및 $5\%$ 이상이 각각 1예씩 발견되었다. RTP에서 설계한 MLC leaf 위치와 Dry run에서 나타난 실제 MLC leaf 위치를 비교하였을 때 2 mm 이상의 차이를 보이는 예는 없었다. 필름에 의한 선량 분포는 치료 계획 선량 분포와 정성적으로 일치함을 알 수 있었으나, 필름의 특성상 정량적인 비교를 할 수는 없었다. Leaf sequence에서 MLC file을 생성하는 프로그램은 오차 없이 구동하였다. 결론 : 본원에서 실시한 IMRT 환자 QA program이 유용하고 필요한 항목임을 보일 수 있었다. 특히 처음 IMRT를 시작할 때는 제시된 모든 항목에 대한 QA를 실시하여야 하나 계속 이 program을 유지하기에는 절차가 복잡하고 긴 시간이 소요되는 과정이라는 문제가 있다. 지속적으로 IMRT를 실시하는 기관을 위해 실용적이며 필수적인 QA 항목을 제시할 수 있었다.

• 생물환경조절학회지
• /
• 제29권1호
• /
• pp.43-51
• /
• 2020

군락 광합성 모델의 도출을 위하여 생육 챔버가 필요하며, 이를 위한 광합성의 효율적인 측정 방법이 필요하다. 본 연구의 목적은 내부 환경 제어가 가능한 생육 챔버를 이용하여 광도 및 이산화탄소 농도 변수를 갖는 로메인상추(Lactuca sativa L.)의 군락 광합성 곡선을 도출하는 방법을 확립하는 것이다. 실험에 사용한 상추는 식물공장 모듈에서 재배되었으며, 군락 광합성을 측정하기 위하여 아크릴로 제작된 생육 챔버(1.0x0.8x0.5m)를 이용하였다. 첫 번째로, 다음의 두 방법을 적용하여 측정된 군락 광합성 속도를 통해 각 방법의 시정수를 계산하여 비교하였다. 즉, 1) CO₂ 농도를 고정(1,000μmol·mol^-1) 하고 광도를 변화(340, 270, 200, and 130μmol·m^-2·s^-1) 시키거나, 2) 광도를 고정(200μmol·m^-2·s^-1)하고 CO₂ 농도를 변화(600, 1,000, 1,400, and 1,800μmol·mol^-1) 시켰다. 두 번째로, 1)과 2)의 방식을 적용하여 군락 광합성을 측정했을 때, 특정 광도(200μmol·m^-2·s^-1)와 특정 CO₂ 농도(1,000μmol·mol^-1)에서 측정된 군락 광합성 속도 값을 비교하였다. 실험 결과 CO₂ 농도를 변화시키는 방식의 시정수는 광도를 변화시키는 방식에 비해 3.2배 큰 값을 나타내었다. 광도를 변화시키며 측정할 때 군락 광합성 속도는 1분 이내에 안정되었고, CO₂ 농도를 변화시킬 경우에는 6분 이상의 시간이 소요되었다. 따라서 광도를 변화시키는 측정 방식이 생육 챔버를 이용하여 작물의 군락 광합성 속도를 측정할 때 적합한 방식임을 확인하였다.

• 대한방사선치료학회지
• /
• 제25권1호
• /
• pp.57-67
• /
• 2013

목 적: 방사선 치료 중 정확한 환자의 셋업 확인과 선량 측정용으로 사용되었던 film을 대신 하여 현재는 전자포탈영상장치(EPID)가 장착된 장비가 증가하고 있다. 이에 본 논문은 전자포탈영상장치 사용 시 자세확인의 정확성과 선량측정의 유용성을 평가해 보고자 한다. 대상 및 방법: 대한방사선치료학회, 대한방사선종양학회, Pubmed에서 "EPID", "Portal dosimetry", "Portal image", "Dose verification", "Quality control", "Cine mode", "Quality - assurance", "In vivo dosimetry"와 같은 용어로 검색하여 획득한 50개의 자료(1997~2012)를 대상으로 EPID의 역사와 선량측정(dosimetry), 자세확인(set-up verification), EPID 특성으로 구분하여 EPID의 유용성을 분석 하였다. 결 과: EPID는 1세대 Liquid-filled ionization chamber, 2세대 Camera based fluroscopic, 3세대 Amorphous-silicon 순으로 발전하였으며, EPID 촬영 모드에는 크게 EPID mode, Cine mode, Integrated mode로 나뉜다. 필름과 EPID의 절대선량정확성 평가를 한 결과 EPID는 1%, EDR2 필름은 3% 이내로 나타나 오차 측정 정확도가 필름에 비해 EPID가 우수하다는 것을 알 수 있었고, 치료계획 시스템으로부터 계산된 기준 조사면과 EDR2 필름, EPID로 측정한 기준 조사면의 선량 분포를 중첩하여 감마 분석한 결과 필름과 EPID 모두 허용기준 3%/3 mm와 2%/2 mm에서 감마값이 1을 초과하는 화소(r%>1)가 전체 화소의 2% 이내였다. 또한 업무 부하 비교에 있어 세기조절방사선 치료에서 전 과정 QA를 수행하는데 소요되는 시간은 EDR2 필름이 약 110분, EPID가 약 55분으로 측정되었다. 결 론: 전자포탈영상장치의 이용은 선량측정과 자세확인에 있어 기존의 복잡하고 번거로웠던 film과 전리조(Ionization chamber)를 대체하기에 충분하였으며, 특히 세기조절방사선치료의 정도관리에 있어 매우 유용하고 효율적이며 정확한 선량 측정 장치임을 알 수 있었다. 또한, 전자포탈영상장치를 이용한 Cine mode 촬영은 횡격막의 움직임에 따라 유동성이 큰 폐와 간의 경우나 자세의 안정성이 불안한 직장암 환자의 경우 추가 선량 없이 실시간으로 종양의 위치를 확인 할 수 있다는 장점이 있어 최적의 방사선 치료 구현이 가능하리라 사료된다.

• 한국의학물리학회지:의학물리
• /
• 제26권4호
• /
• pp.286-293
• /
• 2015

본 연구의 목적은 폐암의 정위체부방사선 치료 환자에 대하여 정위체부고정기구 사용 유무에 따른 셋업 정확성을 비교 평가하고자 한다. 본원에서 정위체부방사선치료를 받은 총 40명의 환자를 대상으로, 정위체부고정기구를 기반으로 한셋업 방식의 환자군 20명과 고정기구 없이 Wing board를 사용한 환자군 20명으로 구분하여 각 셋업오차를 비교, 분석 하였다. 폐암의 정위체부방사선치료는 총 4~5회에 걸쳐 48~60 Gy 조사되었다. 매 치료 전, 먼저 레이저를 이용하여 환자를 치료중심점에 위치시킨 후 On-board kV 영상장치를 이용하여 2차원 직각영상을 얻어 척추를 기준으로 환자의 위치를 조정한 다음, 3차원 체적 영상을 획득 하여 종양의 위치를 치료중심점에 일치시키고, 마지막으로 호흡에 의한 종양의 위치 확인 및 조정을 위해 2차원 직각 투시영상을 이용하였다. 각 과정에서 얻은 테이블 이동 및 회전 값을 조사하여, 셋업 군별로 계통오차 및 랜덤오차를 구하였다. 고정기구 사용유무에 따른 통계적 유의성을 검증하기 위하여 계통오차에 대한 t-test 시행을 하였고, 셋업의 재현성의 차이를 보기위해 랜덤오차에 대한 F-test를 시행하였다. 나아가 이러한 셋업 방식의 차이가 셋업 여유분의 크기 결정에 영향이 있는지 여부를 평가하기위해 치료계획체적의 여유분을 계산하여 두 방식의 차이를 비교하였다. 정위체부 고정기구를 사용했을 때의 셋업 오차는 수직방향, 길이방향, 수평방향으로 각각 $0.05{\pm}0.25cm$, $0.20{\pm}0.38cm$, $0.02{\pm}0.30cm$이었다. 반면에, Frameless immobilizer을 사용한 단순 고정방법을 사용했을 때의 셋업 오차는 수직방향에서만 통계적으로 유의하게 $-0.24{\pm}0.25cm$으로 증가함을 보였으나, 길이방향, 수평방향에 대해서는 각각 $0.06{\pm}0.34cm$, $-0.02{\pm}0.25cm$의 작거나 비슷한 결과값을 보였다. 정위체부 고정기구를 사용했을 경우, 수직방향, 수직방향 및 길이방향으로의 여유분은 각각, 0.67 cm, 0.99 cm, 0.83 cm였고, Frameless immobilizer시 수직방향으로 0.75 cm, 길이방향으로 0.96 cm, 수평방향으로 0.72 cm로써 수평방향에서 최대 0.11 cm 차이가 남을 알 수 있었다. 결론적으로 정위체부고정기구를 사용하는 것이 환자 자세 재현성을 향상시켜 셋업 오차를 환자의 전후, 위아래 방향으로의 약 0.1~0.2 cm씩 줄일 수 있을 것으로 평가하였다. 다만 정위체부 고정기구 사용에 따른 시간 소요 및 치료절차의 복잡성에 비해 그 효과는 그리 크지 않았다.

• 한국산림과학회지
• /
• 제83권4호
• /
• pp.545-555
• /
• 1994

이 연구(硏究)는 벌채작업후(伐採作業後) 방치된 운재로의 조기식생회복(早期植生回復)을 위한 과학적(科學的)인 기초자료(基礎資料)를 제공할 목적(目的)으로 1989년(年)부터 1994년(年)까지 서울대학교(大學校) 농업생명과학대학(農業生命科學大學) 부속(附屬) 남부연습림(南部演習林) 백운산지구(白雲山地區) 제(第) 26 임반(林班), 제(第) 27 임반(林班)에 연차적(年次的)으로 개설(開設)된 운재로(運材路)를 대상(對象)으로 이 연구(硏究)를 수행하였다. 운재로(運材路) 노면(路面)의 토양교란(土壤攪亂)으로 인한 토양가밀도(土壤假密度)와 자연식생회복(自然植生回復)을 조사(調査) 분석(分析)한 결과(結果)는 다음과 같다. 운재로(運材路) 노면(路面)의 토양가밀도(土壤假密度)는 운재로 개설후 시간의 경과에 따라 자연임지(自然林地) 상태(狀態)로 회복(回復)되어 가는데 약 10년이 소요되며, 계산식(計算式)은 다음과 같다. $$Y_1=1.4195-0.0744{\cdot}X(R^2=0.91)$$, $$Y_2=1.4673-0.0688{\cdot}X(R^2=0.73)$$ (단, X : 경과년수, $Y_1$ : 토양 0~7.5cm의 가밀도, $Y_2$ : 토양 7.5~15cm의 가밀도) 수림대(樹林帶)를 조성(造成)하고 운재로(運材路)를 개설(開設)한 지역(地域)의 토양깊이별 가밀도(假密度)는 각각 $0.892g/cm^3$, $0.903g/cm^3$로 수림대를 조성하지 않은 운재로보다 약 20% 낮았다. 운재로(運材路) 절(切) 성토사면(盛土斜面), 노면(路面)에 침입하는 목본의 중요도(重要度)는 산딸기, 산벚나무, 참싸리 등의 순이었으며, 초본은 고사리, 새, 큰까치수영 등의 순이었다. 또한 운재로 폐쇄후 약 6년이 경과되었을 때 식생피복도(植生被覆度)는 절(切) 성토사면(盛土斜面)은 약 70%, 노면은 약 20%로 운재로의 폐쇄후 조기에 인공적(人工的)으로 식생회복(植生回復)을 도모하는 방안이 검토되어야 할 것으로 사료된다. 따라서 성숙임목수확(成熟林木收穫) 벌채지역(伐採地域)에서 운재로(運材路) 개설시(開設時)에는 수림대(樹林帶)를 조성하여야 하며, 운재로 사용이 완료된 후에는 녹화수목식재공사(綠化樹木植栽工事) 및 파종공사(播種工事)와 노면굴기작업(路面掘起作業) 등을 통하여 운재로(運材路) 노면(路面) 토양(土壤)의 조속(早速)한 회복(回復)과 식생피복녹화(植生被覆綠化)를 유도하여야 할 것이다.

• 대한토목학회논문집
• /
• 제35권3호
• /
• pp.679-690
• /
• 2015

교통사고 피해를 최소화하기 위해서는 차량과 도로 체계에 대한 공학적인 개선을 통하여 교통사고 원인을 제거해야 한다. 일반적으로 안정성과 효율성이 부족한 도로는 교통사고가 지속적으로 발생할 가능성이 크고 이를 개선하는데 막대한 사회적 비용과 시간이 소요되며, 부적절한 환경 요인으로 발생한 교통사고는 국가적으로 큰 피해를 발생시키게 된다. 따라서 본 연구는 최근 인공지능 분야 중 활발히 연구 중인 역전파 알고리즘(Back-Propagation Algorithm : BPA)을 이용하여 신호교차로를 대상으로 최적의 교통안전 평가기법을 제시하고자 하였다. 본 연구는 광주광역시내 교통혼잡과 교통사고가 빈번하게 발생하고 있는 신호교차로 지점을 대상으로, BPA를 이용하여 보다 신뢰성 높은 교통안전 평가 모형을 개발하고자 다음과 같은 일련의 방법으로 연구를 수행하였다. 첫째, 신호교차로 교통사고와 교통상충간의 순위상관분석을 실시하여 교통사고 순위와 교통상충 순위가 통계적으로 유의함을 확인하였다. 이는 교통상충이 신호교차로 교통안전 평가 변수로 사용될 수 있음에 따라 설명변수로 입력되고 교통사고가 종속변수인 선형회귀모형을 개발하는데 이용하였다. 둘째, 신호교차로의 교통량과 진입 진출 차로수 차이 등을 교통사고의 설명변수로 간주하여 다중회귀분석을 통해 교통사고 예측모형을 개발하였다. 셋째, 교통량과 도로 기하구조 요소를 모형의 설명변수로 설정하고 교통상충을 종속변수로 하여 BPA를 이용한 최적의 교통안전 평가 모형을 개발하였다. 마지막으로, 교통사고 실측값, 다중회귀모형, BPA에 의한 교통사고 예측값을 평균제곱근오차 방법으로 모형의 적합도 비교 분석을 하였다. 본 연구의 결과, BPA에 의해 도출된 교통사고 예측값과 교통사고 실측값 사이의 평균제곱오차는 3.89로 계산되어 BPA가 다중회귀 모형보다 상대적으로 교통안전 평가능력이 우수한 것으로 나타나 실제 신호교차로 교통안전도를 평가하는데 효과적으로 활용될 수 있을 것으로 판단되고 추후, 교통안전정책 수립시 실질적인 도움이 될 것으로 기대된다.

• 대한조선학회지
• /
• 제27권3호
• /
• pp.131-136
• /
• 1990

여러해 전부터 선박의 생산실적이나 생산성 관련 자료를 기록하고 보완하는 작업을 꾸준히 개선토록 노력해온 결과중 중요한 것 하나는, 선박의 여러 가지 설계 검토과정에서 충분히 활용할 수 있는 함축성 있고 믿을만한 형태의 생산정보를 제공해줄 수 있게 되었다는 것이라고 말 할 수 있겠다. 이러한 자료들은 생산계획상 각 단계(stage)에서의 작업량, 예상재료비와 인건비의 산출등이 포함될 수 있으며, 선박이나 해상구조물의 전반적인 설계방법론(design methodology)을 개선코자 한다면 ''생산지향적 설계(Design for Production)''의 근간이 되는 선박건조전략(build strategy), 구매정책(purchasing policy)과 생산기술(production technology)에 대한 폭넓은 지식이 한데 어우러져야 한다. 최근에는 CIMS의 일부분에서 보는 바와 같은 경영관리, 설계 및 생산지원 시스템의 도입으로 이와 같은 설계 프로세스의 추진을 가능케하고 있다. 이와 병행하여 설계를 지원하기 위한 전산기술, 특히 대화형 화상처리기술(interactive graphics)의 발달은 설계자가 선박의 형상이나 구조 배치를 여러 가지로 변화시켜 가면서 눈으로 즉시 확인할 수 있도록 설계자의 능력을 배가시키는데 크게 기여하고 있다. 여러 가지의 설계안(alternative design arrangement)을 신속히 만들어내고 이를 즉시 검토 평가할 수 있는 능력을 초기설계 단계에서 가질 수 있다면 이는 분명히 큰 장점일 것이며, 더구나 설계초기 단계에 생산관련인자를 설계에서 고려할 수 있다면 이는 더욱 두드러진 발전일 것이다. 생산공법과 관련생산 비용을 정확히 반영한 각 가지의 설계안을 짧은 시간내에 검토하고 생산소요 비용을 산출하여 비교함으로써, 수주계약단계에서 실제적인 생산공법과 신뢰성있는 생산실적자료를 기준으로 하여 총 건조비(total production cost)를 최소로 하는 최적의 설계를 선택할 수 있도록 해 줄 것이다. 이제 이와 같은 새로운 설계도구(design tool)를 제공해 주므로써 초기설계에 각종 생산관련 정보나 지식 및 실적자료가 반영가능토록 발전되었다. 본 논문은 영국의 뉴카슬대학교(Univ. of Newcastle upon Type)에서 위에 언급한 특징들을 반영하여 새로운 선박구조 설계 방법을 개발한 연구결과를 보여주고 있다. 본 선계연구는 5단계로 구분되는데; (1) 컴퓨터 그라픽스를 이용하고 생산정보 데이타베이스와 연결시켜 구조형상(geometry)을 정의하고 구조부재 칫수(scantling) 계산/결정 (2) 블럭 분할(block division) 및 강재 배치(panel arrangement)의 확정을 위해 생산기술 및 건조방식에 대한 정보 제공 (3) 상기 (1) 및 (2)를 활용하여 아래 각 생산 단계에서의 생산작업 분석(work content assessment) a) 생산 준비 단계(Preparation) b) 가공 조립 단계(Fabrication/Assembly) c) 탑재 단계(Erection) (4) 각각의 설계(안)에 대하여 재료비(material cost), 인건비(labour cost) 및 오버헤드 비용(overhead cost)을 산출키 위한 조선소의 생산시설 및 각종 품셈 정보 (5) 총 건조 비용(total production cost)을 산출하여 각각의 설계안을 비교 검토. 본 설계 방식을 산적화물선(Bulk Carrier) 설계에 적용하여 구조배치(structural geometry), 표준화의 정도(levels of standardisation), 구조생산공법(structural topology) 등의 변화에 따른 설계 결과의 민감도를 분석(sensitivity studies)하였다. 전산장비는 설계자의 대화형 접근을 용이하도록 하기 위해 VAX의 화상 처리장치를 이용하여 각 설계안에 대한 구조형상과 작업분석, 건조비 현황 등을 제시할 수 있도록 하였다. 결론적으로 본 연구는 설계초기 단계에서 상세한 건조비 모델(detailed production cost model)을 대화형 화상 처리방법에 접합시켜 이를 이용하여 여러가지 설계안의 도출과 비교검토를 신속히 처리할 수 있도록 함은 물론, 각종 생산 실적정보를 초기설계에 반영하는 최초의 시도라고 믿으며, 생산지향적(Design for Production) 최적설계분야의 발전에 많은 도움이 되기를 기대해 마지 않는다. 참고로 본 시스템의 설계 적용결과를 부록에 요약 소개하며, 상세한 내용은 참고문헌 [4] 또는 [7]을 참조 요망한다.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1339-1348
• /
• 2021

하천법에 의거하여 국내 하천들에는 상당한 국가예산으로 하천정비기본계획이 5-10년 주기로 수립되고 있으며, 홍수위 계산을 위한 HEC-RAS 모의에 필요한 하천단면 등 다양한 하천측량이 실시되고 있다. 그러나, 하천측량자료들은 하천관리지리정보시스템(RIMGIS)에 pdf 보고서 형태로만 제공되고, 원자료는 CAD 형식으로 하천정비계획을 수행한 설계사 등이 분산 소유하고 있어 관리 부재로 망실의 우려도 있어, 다른 용도로의 활용성이 상당히 저하되어 있는 실정이다. 그리고, 측량된 CAD 형식의 단면자료 등을 HEC-RAS에 활용할 때, 'Dream'과 같은 툴을 활용하나 거의 수작업에 가까운 시간과 비용이 소요되는 현실에 있다. 본 연구에서는 이러한 문제들을 해결할 수 있는 툴인 RAUT(River information Auto Upload Tool)를 개발하였다. RAUT 툴은 첫째, 실무에서 하천기본계획 수립 시 활용되는 HEC-RAS 1차원 모형의 입력자료를 CAD 측량자료를 직접 수기로 입력 및 모의를 실시하는 복잡한 단계를 자동화시키고자 하였다. 둘째, 하천공간정보인 CAD측량 자료를 직접 읽어 표준 데이터 모델 (ArcRiver)기반 하천공간정보 DB에 자동 업로드하여 전국단위의 하천정비계획의 하천측량자료 관리가 가능하게 할 수 있다. 즉, 만약 RIMGIS가 RAUT와 같은 툴을 사용하면 하천단면과 같은 전국단위 하천측량 자료를 체계적으로 관리할 수 있게 된다는 의미이다. 개발한 RAUT는 제주도 한천유역을 대상으로 하천정비기본계획의 하천공간정보 CAD자료를 읽어들여 mySQL기반 공간 DB로 구축하고, 구축된 DB로부터 HEC-RAS 1차원 모의 실시하기 위한 지형자료를 자동으로 생성시키는 과정을 시범적으로 구현하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.