• 대한원격탐사학회지
• /
• 제14권3호
• /
• pp.277-284
• /
• 1998

해색관측센서 (OSMI)의 월별 자료수집계획을 수립하기 위해 색소농도, 운량 및 태양반사의 세가지 영향요소에 대한 전구분포가 검토되었다. 위성의 임무 제한조건 (예, 임무주기)을 제외한 이들 세 요소들은 OSMI 자료수집에 매우 중요한 것으로 간주된다. Nimbus-7 CZCS 월평균 자료 및 ISCCP 월평균 자료가 색소농도 및 운량 분포 분석에 각각 사용되었다. 그리고 태양반사의 월별 모사분포는 OSMI 궤도예측 및 대기 상층부 태양반사 레이디언스 계산을 수행함으로 얻어졌다. 주어진 경위도 $10^{\circ}$격자에 대한 상기 각 요소의 월별 통계자료 (월평균 혹은 표준편차)를 이용해 월별 우선순위 도를 생성시켰다. 이어서 세 요소의 중복효과를 보기위해 각 달의 세 요소에 대한 우선순위 도를 중첩 시켰다. 초기결과는 하반구의 대부분이 구름과 태양반사의 계절변화로 인해 우선순위가 낮은 지역으로 분류됨을 보였다. 서로 다른 분류세트에 대한 민감도 시험을 하여 구름과 태양반사의 계절변화가 강건함을 보였다.

• 철학연구
• /
• 제118호
• /
• pp.25-51
• /
• 2017

본 논문의 목적은 플로티누스 자유 개념을 규명하는 것이다. 이를위해, 플로티누스가 자유(to eleutheron)를 개념화하기 위해 동원하는 두 용어, '자기결정적인 것'(to autexousion)과 '우리에게 달린 것'(to $eph^{\prime}h{\hat{e}}min$)의 의미와 용법에 주목한다. 플로티누스에게 '자유'는 통념에 어긋나게도 대안들 가운데 아무 것이나 할 수 있는 권한이 아니라, 가장 좋은 것을 할 수 있는 능력으로 드러날 것이다. 우선, 우리는 플로티누스의 '역설적' 자유 개념을 소크라테스적 전통 속에 위치시킬 것이다. 다음으로 결정론 비판의 맥락에서 플로티누스가 자유를 어떻게 주제화하는지를 아프로디시아스의 알렉산드로스의 접근법과 비교할 것이다. 알렉산드로스는 인과적으로 비결정적인 선택 능력을 도입함으로써 인간행동에 대한 도덕적 책임의 심리적 근거를 확보하려고 시도한 데 비해, 플로티누스는 올바른 행동을 가능하게 하는 심리적 조건을 탐색하면서 최선을 원하고 택하는 능력으로서의 의지 개념을 확립하려고 노력했음을 보일 것이다. 이어서 플로티누스의 '자유로운 의지'가 달리 선택할 수 없다는 역설적 주장을 해명하기 위해 그의 신적인 자유 개념에 호소할 것이다. 이를 위해, 플로티누스가 이상적 자유를 최선을 할 수 있는 능력과 최선의 자기일 수 있는 능력에 귀속시킨다는 사실에 주목할 것이다. 마지막으로 플로티누스가 바라 본 인간적 자유의 한계와 가능성을 지적한 후, 그가 '순수한' 자유를 지키기 위해 내면으로 은둔하는 대신, 내면의 자유를 외적으로 확산하는 능동적인 삶의 방식을 옹호했음을 주장할 것이다.

• 한국정보전자통신기술학회논문지
• /
• 제12권5호
• /
• pp.467-474
• /
• 2019

본 이 논문에서는 NVIDIA Jetson TX1에서 YOLO v2 모델의 정확도를 유지하면서 FPS를 개선하는 방법을 제안한다. 일반적으로, 딥러닝 모델에서는 연산량을 줄여 처리 속도를 높이기 위해 파라미터들을 실수형에서 정수형으로 변환하여 정수 연산을 통해 속도를 높이거나 네트워크의 깊이를 감소시키는 방법을 사용한다. 그러나 이 방법들은 인식 정확도가 떨어질 수 있다. 이 논문에서는 YOLO v2 모델을 이용해 표정인식기를 개발하고 정확도 유지 시키기 위해 정수 연산이나 네트워크 깊이 감소를 사용하는 대신, 다음 세 가지 방법을 통해 연산량 및 메모리 소모를 줄인다. 첫 번째, $3{\times}3$ 필터를 $1{\times}1$ 필터로 교체하여 각 Layer 당 매개 변수 수를 9 분의 1로 줄인다. 두 번째, TensorRT의 추론 가속 기능 중 CBR (Convolution-Add Bias-Relu)을 통해 연산량을 줄이고, 마지막으로 TensorRT를 사용하여 반복되는 동일한 연산구조를 가진 레이어를 통합하여 메모리 소비를 줄인다. 시뮬레이션 결과, 기존 YOLO v2 모델에 비해 정확도는 1 % 감소했지만 FPS는 기존 3.9 FPS에서 11 FPS로 282%의 속도 향상을 보였다.

• 대한심미치과학회지
• /
• 제27권2호
• /
• pp.82-96
• /
• 2018

3D 프린팅은 삼차원 이미지 정보를 이용하여 레이어로 분할한 후 선택한 소재를 적층하여 가공하는 방법을 말한다. 소재를 적층하는 방법에 따라 다양한 종류의 3D 프린팅이 존재하는데 최근 치과분야에서는 SLA방식과 DLP방식으로 광원을 이용한 경화를 통해 적층 가공하는 3D 프린팅이 널리 보급되어 사용되고 있다. 전악 범위의 3D프린팅 치과용 모델은 전통적인 인상 채득으로 제작된 스톤모델보다는 다소 정확성이 부족한 것으로 보고되었으나, 같은 STL파일을 이용하여 4분악 범위를 3D 프린팅한 모델은 밀링 방법으로 가공한 모델보다 정확하였다. 디자인 소프트웨어의 활용도에 따라 보철치료의 진단, 임시 보철물의 제작, 의치의 제작이 가능하였다. 교정에서는 투명 교정 모델과 브라켓 간접 부착을 위한 트레이 제작이 가능하였다. 임플란트 수술에 있어서 CT를 기반으로 한 정확한 위치에 임플란트를 식립하는 가이드 제작에 활용하고 있다. 출력 방식의 발전으로 인하여 3D 프린터의 출력시간이 계속적으로 단축되고 있으며, 이로 인해 치과 진료실 내에서 3D 프린터가 기존의 전통적인 가공 방법을 대체할 수 있을 것으로 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.403-410
• /
• 2020

오토인코더의 데이터 복원(Output result) 기능을 이용한 노이즈 제거 및 초해상도와 같은 연구가 진행되는 가운데 오토인코더의 차원 축소 기능을 이용한 클러스터링의 성능 향상에 대한 연구도 활발히 진행되고 있다. 오토인코더를 이용한 클러스터링 기능과 데이터 복원 기능은 모두 동일한 학습을 통해 성능을 향상시킨다는 공통점이 있다. 본 논문은 이런 특징을 토대로, 데이터 복원 성능이 뛰어나도록 설계된 오토인코더 모델이 클러스터링 성능 또한 뛰어난지 알아보기 위한 실험을 진행했다. 데이터 복원 성능이 뛰어난 오토인코더를 설계하기 위해서 스킵연결(Skip connection) 기법을 사용했다. 스킵연결 기법은 기울기 소실(Vanishing gradient)현상을 해소해주고 모델의 학습 효율을 높인다는 장점을 가지고 있을 뿐만 아니라, 데이터 복원 시 손실된 정보를 보완해 줌으로써 데이터 복원 성능을 높이는 효과도 가지고 있다. 스킵연결이 적용된 오토인코더 모델과 적용되지 않은 모델의 데이터 복원 성능과 클러스터링 성능을 그래프와 시각적 추출물을 통해 결과를 비교해 보니, 데이터 복원 성능은 올랐지만 클러스터링 성능은 떨어지는 결과를 확인했다. 이 결과는 오토인코더와 같은 신경망 모델이 출력된 결과 성능이 좋다고 해서 각 레이어들이 데이터의 특징을 모두 잘 학습했다고 확신할 수 없음을 알려준다. 마지막으로 클러스터링의 성능을 좌우하는 잠재변수(latent code)와 스킵연결의 관계를 분석하여 실험 결과의 원인에 대해 파악하였고, 파악한 결과를 통해 잠재변수와 스킵연결의 특징정보를 이용해 클러스터링의 성능저하 현상을 보완할 수 있다는 사실을 보였다. 이 연구는 한자 유니코드 문제를 클러스터링 기법을 이용해 해결하고자 클러스터링 성능 향상을 위한 선행연구이다.

• 한국융합학회논문지
• /
• 제13권3호
• /
• pp.281-289
• /
• 2022

플라즈마오존은 높은 살균성능으로 인해 다양한 살균분야에서 활용되고 있다. DBD(유전체 장벽방전)에 사용되는 유전체는 주로 석영, 세라믹, 폴리머 등이 주로 사용된다. 유전체로 이루어진 레이어는 공급되는 전하의 양을 제한시키고 플라즈마가 유전체 면 위에서 고르게 발생할 수 있도록 하는 역할을 한다. 이러한 DBD를 이용한 플라즈마, 오존살균은 살균대상이나 주변 환경이 복잡한 구조로 된 경우가 많아 공간살균에 대한 개념을 수립하고 이에 대한 연구와 학문적 체계가 필요하다. 본 연구에서는 플라즈마라디칼과 오존 생성을 위해 대기압에서 DBD방식을 이용한다. 플라즈마오존의 발생을 위한 반응기의 구조는 세라믹 튜브 유전체와 스테인리스 도체를 일정한 간격으로 배치하여 유전체 장벽방전을 발생시키는 형태이다. 공간살균장치로서의 플라즈마오존 발생은 성능 면에서 우수한 살균장치로 인식되고 있으므로 장치의 설계와 검증을 통해 공간살균장치의 최적설계를 확립하고자 하며 제안된 방법을 기반으로 다양한 살균 어플리케이션을 개발하는데 기초를 제공한다.

• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.35-44
• /
• 2022

V_S30지도는 부지증폭을 나타내는 주요 변수로 임의의 부지에서 지반운동을 예측하는 ShakeMap의 핵심 변수로 사용된다. 하지만, 한반도의 지질특성과 지형특성을 고려하는 V_S30지도는 아직 제시된 적이 없다. 이번 연구에서는 지질과 지형을 고려하는 V_S30지도를 작성하기 위해 전단파 속도 주상도로부터 계산 또는 추정된 1,101개의 V_S30과 한반도 광범위 지질, 지형정보 레이어를 수집하였다. 이러한 데이터와 일반선형회귀분석 방법을 사용하여 V_S30 추정 모델을 개발하였다. 모델은 지질분류에 따라 매립지, 신생대 제4기 퇴적층, 중생대 그룹, 선캄브리아기와 해양층으로 구분된 후 지형정보의 함수로 제안되었다. 지도의 해상도는 기상청에서 기존에 진도추정을 위한 ShakeMap 구동에 사용하는 미국지질조사국(USGS)의 지도의 2배로 하였다. 그 결과, 프락시 기반 V_S30지도의 대수로그 잔차의 표준편차는 0.233으로 USGS의 V_S30 지도의 표준편차인 0.387보다 낮은 수치를 보인다. 본 연구에서 개발한 V_S30지도를 사용한다면 ShakeMap의 불확실성이 줄어들 것으로 기대된다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.515-523
• /
• 2021

지하공간 통합지도는 지하시설물, 지하구조물, 지반정보로 구성되어 있으며, 주기적으로 갱신이 발생하고 있다. 본 논문에서는 통합지도 갱신 속도를 단축하기 위해 변화된 지반정보만을 탐지 및 추출하는 시스템을 설계하고 이를 구현하였다. 변화 객체를 찾아내기 위해 신규 입력된 지도와 통합지도에 저장된 참조 지도에 포함된 모든 객체들을 비교하였다. 객체를 비교하여 결과를 생성하는 전체 과정을 기능별로 분류하였으므로, 구현된 시스템은 객체 비교기, 변화 객체 탐지기, 과거 데이터 관리기, 변화 객체 추출기, 변화 유형 분류기, 변화 객체 저장기 등의 모듈로 구성되었다. 구현된 시스템의 성능을 평가하는 지표로 변화 객체 탐지율 및 추출률을 사용한다. 개발된 컴포넌트를 평택시 시추공, 관정, 지층, 암상 등에 적용한 결과 각 레이어의 신규, 삭제, 변경(속성) 객체들을 각각 100% 탐지하였다. 또한, 지도를 비교할 때마다 참조 지도를 다운로드 받음으로써 참조 지도의 최신성이 보장되는 장점을 제공하였다. 추후, 현업에 적용하기 위해 다양한 데이터를 사용하여 개발된 결과의 안정성과 효율성을 확인하는 연구가 필요하다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.163-180
• /
• 2022

부동산 데이터는 경제, 법률, 군중심리 등 다양한 분야와 상호작용하고 복잡한 레이어의 데이터로 구성되어 있으며, 그 양 또한 방대하고 빠르게 변화하여 빅데이터로 볼 수 있다. 부동산 빅데이터를 관리하기 위한 기존의 관계형데이터베이스는 스키마가 고정되어 있고 수직적 확장성을 가지며 다양한 관계를 처리하기 어려운 한계가 있다. 이러한 한계를 극복하기 위하여 본 연구에서는 부동산 데이터를 그래프데이터베이스에 구축함으로써 그 유용성을 검증하였다. 연구방법은 가장 널리 사용되는 데이터베이스 중 하나인 관계형데이터베이스 방식인 MySQL과 그래프데이터베이스 방식인 Neo4j에 다양한 부동산 데이터를 모델링하고 실생활에서 사용되는 부동산 질문들을 수집하여 9개의 질문들에 대해 그래프데이터베이스와 관계형데이터베이스의 쿼리시간을 비교하였다. 실험결과로 Neo4j는 다양한 관계를 추론하는 다중 JOIN 문이 있는 쿼리에도 일정한 성능을 보였지만 MySQL은 JOIN문이 많아질수록 쿼리시간이 급격하게 증가하는 경향을 보였다. 이러한 결과를 통해 다양한 관계를 가진 부동산 빅데이터에 Neo4j 같은 그래프데이터베이스가 효율적일 수 있음을 알 수 있으며 부동산가격 요인예측, 부동산에 대한 AI스피커 질의 등의 분야에서 활용을 기대할 수 있다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.293-301
• /
• 2023

표준화되지 않은 의료 데이터 수집 및 관리는 여전히 수동으로 진행되고 있어, 이 문제를 해결하기 위해 딥 러닝을 사용해 CT 데이터를 분류하는 연구들이 진행되고 있다. 하지만 대부분 연구에서는 기본적인 CT slice인 axial 평면만을 기반으로 모델을 개발하고 있다. CT 영상은 일반 이미지와 다르게 인체 구조만 묘사하기 때문에 CT scan을 재구성하는 것만으로도 더 풍부한 신체적 특징을 나타낼 수 있다. 이 연구는 axial 평면뿐만 아니라 CT 데이터를 2D로 변환하는 여러가지 방법들을 통해 보다 높은 성능을 달성할 수 있는 방법을 찾고자 한다. 훈련은 5가지 부위의 CT 스캔 1042개를 사용했고, 모델 평가를 위해 테스트셋 179개, 외부 데이터셋으로 448개를 수집했다. 딥러닝 모델 개발을 위해 ImageNet으로 사전 학습된 InceptionResNetV2를 백본으로 사용하였으며, 모델의 전체 레이어를 재 학습했다. 실험결과 신체 부위 분류에서는 재구성 데이터 모델이 99.33%를 달성하며 axial 모델보다 1.12% 더 높았고, 조영제 분류에서는 brain과 neck에서만 axial모델이 높았다. 결론적으로 axial slice로만 훈련했을 때 보다 해부학적 특징이 잘 나타나는 데이터로 학습했을 때 더 정확한 성능 달성이 가능했다.