• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.446-452
• /
• 2021

우리나라 생활수준의 향상과 더불어 식품소비의 양적인 요구가 충족되면서, 세분화된 식품의 기호 성향을 충족시킬 수 있는 닭고기 소비가 증가하고 있다. 2003년 3월 축산물 품질평가원에서 고시(농림부 고시 제2003-14호)한 닭 도체 품질판정세부기준은 닭 도체 부위별 이물질 부착, 피·멍의 크기 및 중량에 따라 품질 등급을 기준을 제시하였다. 그러나 현실적으로 검사관 개개인의 주관적인 평가 기준으로 적용된 고시로 수천 마리의 닭 도체 등급판정을 유지하기가 어려운 문제점을 가지고 있다. 본 논문에서는 닭 도체 품질 세부기준에 따라 닭 도체 부위 분할하기 위해 비접촉/비파괴방식인 컴퓨터 시각 기술 알고리즘을 제안한다. 제안된 알고리즘은 실시간으로 빠르게 움직이는 닭 도체를 부위 분할하기 위하여 조명 외란에 강인하도록 보정하는 과정과 닭 도체와 배경을 구분하기 위한 EM(Expectation maximization), Erosion 및 Labeling 알고리즘, 그리고 닭 도체의 기하학적 형태를 분석하여 부위별 특징점을 찾고 점들의 위치를 계산하여 부위를 분할 할 수 있는 알고리즘을 사용하였다. 총 78마리의 닭 도체 샘플에 대하여 제안한 영상처리 알고리즘을 적용한 결과 닭 도체 부위 분할 알고리즘이 효과적임을 알 수 있었다.

• 한국게임학회 논문지
• /
• 제4권4호
• /
• pp.11-18
• /
• 2004

과거의 온라인 게임은 일대일 접속으로 두 사람만이 데이터를 주고받으며 게임 할 수 있었으나 현재의 온라인 게임은 MMORPG라고 해서 수만 명의 사람들이 동시에 접속이 가능하다. 특히 우리나라는 세계 어느 나라에서 찾아 볼 수 없는 네트워크 인프라를 확보하고 있다. 거의 모든 가정에 초고속 인터넷 통신망이 설치되어 있으며 높은 인구 밀도는 이런 인프라의 형성을 가속화하는 것을 가능하게 했다. 하지만 이러한 온라인 게임의 급격한 증가는 제한적인 인터넷의 통신용량에 대하여 트래픽의 증가로 이어지고 온라인 게임이 접속이 불안정해지거나 접속이 다운되는 상태로 이어질 가능성이 높다. 이러한 문제를 해결하기 위해 각 게임 서버를 보다 확충함으로서 해결할 수 있으나 그럴 경우 고비용을 필요로 하게 된다. 본 논문에서는 이러한 문제점을 해결하고자 현재의 온라인 게임에서 사용되고 있는 컨텐츠별로 나누어진 게임 서버들을 지 역 클러스터 링 형태로 연결하고, 부하 균등화(Load Balancer)서버로써 특정한 게임 서버의 부하를 감소시키고 게임 서버의 성능 향상과 효율적인 게임 서버 운용을 위하여 부하 균등화 기법을 제안한다. 본 논문에서는 그룹별 각각 다른 서비스를 하고 CPU 사용율의 자원정보를 이용하여 효율적으로 부하를 균등화하는 기법을 제안한다. 각각 서로 다른 게임을 서비스하는 그룹들은 컨텐츠들에 대한 수정, 삭제, 추가 등 자원 정보 변경으로 인하여 깨어질 수도 있는 자원 정보 일관성을 유지하기 위해 네트워크 파일 시스템에 연결되어 운영된다. 성능 실험을 통해 기존의 RR방식과 LC방식보다 제안한 방식이 각각 12%와 10%의 응답시간 향상을 보여주었다.기간효과를 별도로 취급하기는 쉽지 않다.이즈의 영향이 가장 클 것으로 판단된다. 항원성시험에서 casein으로 피하 감작할 경우 푸른색 반점이 나타났으나 효소처리구에서는 이러한 반점이 나타나지 않아 충분히 항원성이 저감화 되었음을 확인하였다. 행동을 평가하는데 있어 적정한 신뢰도와 타당도를 가지고 있었으며 임상 장면에서 아동의 행동 문제에 대한 평가 및 진단에 유용하게 사용될 수 있을 것으로 보인다.식적인 형태소-음소 상응 규칙 적용 능력 모두에서 장애를 보였으며, 거울상 반전 오류 등 시각적 정보 처리 기능의 장애도 나타내었다. 이들 장애는 단어/비단어 읽기 검사와 글자기호감별검사를 통해 신뢰할 수 있고 타당성 있게 구분하고 평가할 수 있었다.치료 시 고려해야 할 것이다.순차처리항목과 계산능력에서 유의하게 높았고(p<.05), KEDI-WISC를 이용한 평가에서는 ADHD- HI형은 대상수가 소수여서 비교할 수 없었으며, ADHD-C형과 ADHD-Ⅰ형 사이에 유의한 차이는 보이지 않았다. CPT, WCST, SST를 이용한 신경심리학적 실행기능의 비교에서 아형간 계량적인 차이는 있었으나 통계적으로 유의한 차이는 보이지 않았다. 결 론：결론적으로 ADHD 세 아형은 임상적으로 뚜렷한 차이를 보였지만, 실행기능상 유의한 차이를 발견할 수 없었다. 향후 보다 잘 고안 된 연구와 발달중인 아동에 적절한 신경심리 평가 도구의 개발을 통해 결과를 보완해야 할 것으로 사료된다.었으나, 주의력에서는 전두엽의 실행능력(executive function)과 관련되는 검사들에서 산소흡입이 특이한 효과를 보여준다는 것이 확인되었고, 기억능력에서는 단기기억능력 평가에서 산소흡입군이

• 인지과학
• /
• 제16권4호
• /
• pp.305-322
• /
• 2005

디지털 영상물에 대한 저작권을 보호하기 위해 저작권자의 고유한 영상을 기존 디지털 영상에 삽입하는 것을 워터 마크(watermark)라고 부른다. 삽입된 워터 마크가 효과적으로 사용되기 위해서는 영상의 다양한 왜곡이나 변형이 가해지는 경우에도 삽입된 워터 마크가 쉽게 추출될 수 있도록 그 강도를 강하게 삽입하여야 하며, 동시에 일반 사용자들은 워터 마크가 삽입된 영상의 왜곡을 식별할 수 없을 정도로 그 강도를 약하게 삽입하여야 한다. 비가시성을 유지한 채 가능한 한 강한 워터마크를 삽입하는 것은 워터마크를 적용하는 데 매우 중요한 문제이다. 대부분의 워터 마크 알고리듬에서는 모든 영상에 동일한 강도로 워터 마크를 삽입하며, 그 값은 원영상과 워터 마크가 삽입된 영상간의 물리적인 차이에 근거하여 계산된다 인간의 경우 자극을 탐지할 수 있는 확률은 주변 자극과의 절대적인 물리적 자기차이 이외에 주변 영상의 평균 밝기나 대비 등 여러 요소에 의해 변화된다. 이에 따르면 디지털 영상에 삽입된 워터 마크의 탐지도 영상의 특징에 따라서 변화될 수 있다. 본 연구에서는 영상의 평균 밝기나 대비와 같은 영상의 특징에 의해서 탐지될 수 있는 워터 마크의 강도가 달라질 수 있는 지를 살펴보기 위해서 원영상으로부터 세 수준의 밝기와 세 수준의 대비를 갖는 기본 영상들을 만든 후, 기본 영상에서 탐지될 수 있는 워터 마크의 강도가 변화되는 지를 살펴보았다. 연구 결과 영상의 밝기가 자아질수록, 대비가 커질수록 지각될 수 있는 워터 마크의 강도는 더 커지는 것으로 나타났다. 또한 회귀분석을 통해 영상의 밝기와 대비에 근거하여 삽입될 워터 마크의 강도를 결정할 수 있는 회귀식을 만들어 내었다. 이 회귀식이 실제 알고리듬에 적용되기 위해서는 여러 요인들을 고려할 필요가 있지만, 궁극적으로 이식은 주어진 영상의 통계 치에 근거하여 워터 마크 강도를 적응적으로 변화시킬 수 있는 알고리듬을 개발하는 데 유용하게 사용될 수 있을 것이다. 환자는 교정 치료 시작 전에 측두하악관절의 이상 유무를 MRI로 확인(screening)할 것이 권장된다. 측두하악관절 장애가 있는 경우 교정 치료 후에도 재발의 경향이 크고 측두하악관절에 대한 계속적인 관찰이 필요하므로 감별진단이 필수적이다.이지 않았는데 이는 다른 연구 결과와 유사한 결과이다.고 사료된다. 6. 치료전에는 차이가 없던 남,여군 사이에 치료후에 차이가 나타나는 것은 치료 효과에 관계없이 남여에 따른 성장양상의 차이가 그대로 표현된 것으로 사료된다. 연구는 거대 편도를 가진 기능성 III급 부정 교합자의 구개 편도 절제술 전후의 인두강, 설골, 두부 위치의 변화 양상에 대해 알아보기 위해 단국 대학교 부속 치과 병원 교정과에 내원한 남녀 환자 42명을 대상으로 연구하여 다음과 같은 결론을 얻었다. $55.19\%$로 첨가량이 증가하면서 두 항목 모두 크게 감소하는 결과를 보였다. 색도를 분석한 결과 L값, a값, b값 모두 표고버섯 분말 함량이 증가하면서 감소하였고, 모든 처리구에서 기존 무첨가구와 극히 현저한 차이를 보이는 것으로 나타났다. 시료별 관능검사 결과에서 색 (color), 먹을때의 느낌 (chewiness)과 단맛(sweetness)의 경우 무첨가구와 모든 처리구가 유의적인 차이를 보였으며, 향미 (flavor)와 전반적인 기호도(overall acceptability)에서 당화액과 추출액의 혼합비가 7:3인 시료구만이 무첨가구와 유의적인 차이를 보이지 않았다. 이러한 결과로 보아 표고버섯 추출액을 당화액에 첨가하여 조청을 제조할 경우 적정 첨가 수준으로 당화액과 추출액의 비가 3:7의 범위를 넘지 않아야 버섯의 장점을 살리면서 기존 조청의 특성을 변화시키지 않는 제품을 제조할 수 있을 것으로 보인다.mic acid의 생성량(生成量)은 0.78 mole이다.한 경우도 비교적 많이 먹고 있었다(24.3%). 남 여 대학생간에도 통계적 유의성(p<0.05)이 인정되었다.

• 농업과학연구
• /
• 제7권2호
• /
• pp.190-201
• /
• 1980

대두(大豆) 추출물(抽出物)로부터 대두(大豆)치즈를 제조(製造)하기 위한 최적(最適) 조건(條件)을 검토(檢討)하기 위하여 대두(大豆) 단백질(蛋白質)의 추출(抽出), 응고(凝固) 및 starter의 비교(比較) 시험(試驗) 등(等)을 수행(修行)하였고, 제품(製品)의 기호성(嗜好性) 향상(向上)을 위하여 skim milk와 미생물원(微生物原) 및 송아지원(原)의 rennin을 첨가(添加)한 경우, 숙성(熟成)에 미치는 영향(影響)에 관(關)하여 실험(實驗)하였다. 1. 대두추출(大豆抽出)의 최적조건(最適條件)은 고형물(固形物) 및 단백질(蛋白質) 추출율(抽出率), curd의 수율(收率) 등을 고려(考慮)하여 가수량(加水量) 9배(倍), 추출온도(抽出溫度) $100^{\circ}C$, 추출기간(抽出時間) 10분(分)이었다. 2. 두유(豆乳)의 응고(凝固)를 위하여는 응고제(凝固劑)로서 sodium gluconate가 좋았고 젖산 발효(醱酵)에 의한(依)한 방법(方法)으로 S. thermophilus의 starter 5%의 접종(接種)이 가장 좋았다. 3. 대두(大豆)치즈의 제조(製造) 및 숙성과정(熟成過程)에 미치는 skim milk 및 rennin 첨가(添加)의 영향(影響)은 (1) curd의 형성시간(形成時間)은 rennin을 첨가(添加)하였을때 단축(短縮)되었으며, skim milk와 rennin을 병용(竝用)하였을 때 현저히 단축(短縮)되었고, 공시(供試)한 두 개(個)의 rennin 중(中)에서는 미생물원(微生物原)의 rennet가 송아지원(原)의 것보다 형성(形成)이 늦었다. (2) 수분함량(水分含量)의 변화(變化)에는 큰 영향(影響)을 주지 못하였으며, 제품(製品)의 수분함량(水分含量)은 미생물(微生物) rennet를 첨가(添加)하여 제조(製造)한 치즈에서 높았다. (3) pH의 변화(變化)는 숙성초기(熟成初期)까지 급격(急激)히 저하(低下)되었고 그 이후(以後)에는 저하경향(低下傾向)이 완만(緩慢)하였으며, 미생물(微生物) rennet 첨가(添加)치즈에서 전기간(全期間)을 통(通)하여 낮은 수준(水準)의 pH를 유지(維持)하였다. (4) 세균수(細菌數)는 제조과정중(製造過程中) $10^8cells/g$의 수준(水準)으로 증가(增加)한 다음 숙성기간(熟成期間)에 계속(繼續) 감소(減少)하였고 skim milk를 첨가(添加)하여 제조(製造)한 치즈에서 월등(越等)히 높은 수준(水準)의 세균수(細菌數)가 측정(測定)되었다. (5) 숙성기간중(熟成期間中) 총질소(總窒素)의 함량(含量)은 변화(變化)되지 않았으나 가용성(可溶性) 질소(窒素)는 계속(繼續) 증가(增加)되었으며 이에 따라서 숙성률(熟成率)을 계산(計算)하면 skim milk를 첨가(添加)하여 제조(製造)한 치즈에서 또 rennin 첨가(添加)의 것에서 숙성률(熟成率)이 높았고 미생물원(微生物原)의 rennet 첨가(添加)에서 송아지원(原)의 것보다 높은 숙성률(熟成率)을 보임으로서 skim milk와 미생물(微生物) rennet 첨가(添加) 치즈에서 가장 높은 55%의 숙성률(熟成率)을 나타내었다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.