• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.214-216
• /
• 2003

유비쿼터스 상거래의 도래에 따라 개인화 된 서비스를 위한 상황과 환경 정보 즉, 컨텍스트 정보에 기반한 정보 제공의 중요성이 높아지고 있는데, 기존의 연구는 물리적 환경에 국한하여 컨텍스트를 적용하고 있으며. 개인의 선호를 고려하지 않는 타켓 마케팅 개념적 서비스에 기반을 두기 때문에 유비쿼터스 상거래 환경의 컨텍스트 도메인 관점에 부 적합하고, 개인화된 서비스 지원이 어렵다. 따라서 이 연구에서는 유비쿼터스 환경에서의 컨텍스트 개체에 대해 정의하고, 전자공간과 물리공간의 연계를 바탕으로 실세계의 일반화 된 공간 개념과 전자 공간의 카테고리 형태의 구조를 통합한 개념 계층 구조로 컨텍스트 정보 모델링을 제안하고, XML 데이터베이스를 이용하여 설계한다. 아울러 이렇게 확장된 컨텍스트 개념을 기반으로 적용 가능한 개인 상거래 서비스를 설명한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.425-428
• /
• 2020

본 논문에서는 경계 합성곱 신경망(Convolutional neural network, CNN)기반의 슈퍼 해상도 기법을 이용하여 저해상도 옷감 메쉬를 슈퍼 해상도로 노이즈 없이 안정적으로 표현할 수 있는 기법을 제안한다. 저해상도와 고해상도 메쉬들 간의 쌍은 옷감 시뮬레이션을 통해 얻을 수 있으며, 이렇게 얻어진 데이터를 이용하여 고해상도-저해상도 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 옷감 메쉬를 지오메트리 이미지로 변환하여 사용한다. 우리가 제안하는 경계 합성곱 신경망은 저해상도 이미지를 고해상도 이미지로 업스케일링 시키는 이미지 합성기를 학습시키기 위해 사용된다. 테스트 결과로 얻어진 고해상도 이미지가 고해상도 메쉬로 다시 변환되면, 저해상도 메쉬에 비해 주름이 잘 표현되며, 경계 부근에서 나타나는 노이즈 문제가 완화된다. 합성 결과에 대한 성능으로는 전통적인 물리 기반 시뮬레이션보다 약 10배 정도 빠른 성능을 보여준다.

• Geophysics and Geophysical Exploration
• /
• v.3 no.2
• /
• pp.61-69
• /
• 2000

The free-surface boundary conditions are persistent problem in elastic wave equation modeling by finite-difference method, which can be summarized with the degradation of the accuracy of the solution and limited stability range in Poisson's ratio. In this paper, we propose the mid-point averaging scheme as an alternative way of implementing the free-surface boundary conditions, and present the solution to Lamb's problem to verify our approach.

• Electronics and Telecommunications Trends
• /
• v.22 no.4 s.106
• /
• pp.53-63
• /
• 2007

게임 물리 기술은 컴퓨터 그래픽스의 한 분야로써 오랫동안 연구되어 왔던 물리 기반모델링(physically-based modeling) 분야의 다양한 연구 성과를 게임에 적용한 것이다. 게임 물리는 실제와 유사한 게임 환경을 구현하기 위한 필수적인 게임 요소 기술로써 그동안 연산의 복잡도에 따른 실시간성의 제약에 의해 게임에 부분적인 활용이 이루어져 왔으나 하드웨어의 성능향상과 더불어 그 중요성이 더욱 높아지고 있다. 본 논문에서는 게임 물리 기술들의 발전과 주요 기술들에 대해서 설명하고 현재 시장에서 많이 사용되는 상용 물리 엔진의 특징과 연구 동향을 통하여 앞으로의 발전 방향을 제시하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.613-615
• /
• 1999

현실감이 있는 다관절체 물체의 동작을 만들기 위해 물리기반 모델링이 점차 많이 쓰여지고 있다. 이 방법에서는 충돌을 처리해 주어야 하는데, impulse를 이용하는 방법은 힘을 이용하는 방법보다 빠르기 때문에, 충돌반응에 많이 쓰여진다. 다관절체에 대한 impulse는 각각의 조인트들의 성질에 따라서 다르게 처리되어야 한다. 본 논문에서는 충돌반응을 위한 다양한 조인트들의 처리방법을 제시하고, 신속하게 처리할 수 있는 방법을 제시한다. 이를 이용하면, 복잡하게 연결된 물체들이라도 조인트를 서로 조합하여 충돌반응이 가능하다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.208-210
• /
• 2003

컴퓨터 그래픽스에서 물리기반 모델링을 사용한 다관절체의 움직임을 구하는 것은 중요한 문제이다. 다관절체가 움직이는 동안 충돌이 발생했을 때 충돌반응 시간이 많이 걸린다면 그만큼 시뮬레이션이 자연스럽지 못하다. 본 논문에서는 충돌반응에서 중요한 선형방정식의 해를 구하는 시간을 단축시킴으로써 짧은 시간안에 다관절체의 충돌을 처리할 수 있는 방법을 제시한다. 이러한 결과는 게임이나 그래픽 툴 등에서 적용이 가능하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.195-195
• /
• 2012

인공신경망 모형은 복잡하고 비선형의 입력과 출력 관계를 잘 반영할 수 있어서 유출 모델링에 널리 적용되어 왔다. 그러나 인공신경망 모형은 강우나 유역특성의 공간적 분포를 반영하는 것이 어려우며 물리적 개념이 결여되어 있는 단점이 있다. 본 연구에서는 유역특성과 물리적 개념을 반영할 수 있는 물리기반 모형과 인공신경망 모형의 장점들을 조합하여 물리기반 모형의 일 유출량 해석 능력을 향상하기 위하여 SWAT 모형과 인공신경망(ANN)을 연계하였다. SWAT-ANN 연계모형은 두 단계로 구성되어 진다. 첫 번째 단계에서는 관측 자료를 이용하여 SWAT 모형을 보정한다. 두 번째 단계에서는 첫 번째 단계에서 계산한 소유역별 SWAT 모형의 유출결과를 ANN의 입력자료로 이용하여 SWAT-ANN 연계모형을 구축한다. SCE-UA 최적화 방법을 적용하여 SWAT 모형의 매개변수들을 보정하였고, ANN 학습은 3층의 feed-forward 역전파 알고리즘에 기초한 Bayesian Regularization 방법을 적용하였다. ANN 은닉층의 뉴런 및 전달함수는 시행착오를 통하여 적절한 ANN 구조를 설정하여 SWAT-ANN 연계모형의 일유출량을 모의하였다. 여러 가지 통계적 오차기준을 이용하여 보청천 유역에서 SWAT-ANN 연계모형의 결과와 SWAT 단독 모형의 결과를 비교하였다. SWAT-ANN 연계모형이 SWAT 단독 모형보다 더 우수한 결과를 나타내어 일 유출량 해석을 위한 SWAT-ANN 연계모형의 유용성을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.552-555
• /
• 2019

디지털 트윈이란 현실 세계의 물리적인 사물을 컴퓨터 상에 동일하게 가상화 시키는 기술을 의미하는 것으로, 물리적 사물이나 시스템을 모델링하거나 IoT 기술에 접목되어 활용되고 있는 기술이다. 디지털 트윈 기술은 가상의 모델을 무한정 시뮬레이션을 통해 동작을 튜닝하고 환경변화에 대한 대응을 미리 실험하여 리스크를 최소화할 수 있는 장점을 지닌다. 최근 인공지능이나 기계학습에 관련된 기술들이 주목받기 시작하면서, 이와 같은 물리적인 사물의 모델링 작업을 데이터 기반으로 수행하려는 시도가 증가하고 있다. 특히, 산업현장에서 많이 활용되는 인더스트리 4.0 공장 자동화의 핵심인 협력 로봇의 디지털 트윈을 구축하기 위해서는 로봇의 동작을 인지하는 과정이 필수적으로 요구된다. 그러나 현재 협력 로봇의 동작을 인지하기 위한 시도는 미비하며, 센서 데이터를 기반으로 동작을 역으로 예측하는 기술은 더욱 그렇다. 따라서 본 논문에서는 로봇의 동작을 인지하기 위해 가정용 협력 로봇에서 전류 및 관성 데이터를 수집하기 위한 실험 환경을 구축하고, 수집한 센서 데이터를 기반으로 한 동작 예측 모델을 제안하고자 한다. 제안하는 방식은 로봇의 동작 명령어를 조인트 위치 기반으로 분류하고 전류와 위치 센서 값을 사용하여 학습을 통해 예측하는 방식이다. SVM 을 이용하여 학습한 결과, 모델의 성능은 평균적으로 정확도, 정밀도, 및 재현율이 모두 96%로 평가되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1444-1449
• /
• 2006

Korea is about 70% of all country to mountain, and basin is consisted of various terrain, soil, vegetation, land use etc. because use land as intensive. Also, need basin hydrologic model that can analysis base outflow as well as outflow directly for calculation of discharge to establish irrigation plan. Inconvenient in use method and user interface offer side is causing by way that existing USGS WEASEL runs in PC Arc/Info, and ArcGIS with development of present GIS technology is applied in many fields offering convenience in analysis that use GIS. In this research, wished to develop suitable outflow parameter extraction system, For this, develop pre-processor and post-processor that effectively draw of hydrologic model input data from water resources DB through van example benchimarking, and developed input/output component of GIS base applicable to various hydrologic and water quality model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.