• Journal of the Korean Institute of Intelligent Systems
• /
• v.9 no.5
• /
• pp.526-537
• /
• 1999

In the paper. we propose an evaluation model based the adaptive fuzzy systems, which can transform the physical features of a color pattern to the emotional features. The model is motivated by the Soen's psychological experiments, in which he found the physical features such as average hue, saturation, intensity and the dynamic components of the color patterns affects to the emotional features represented by a pair of adjective words having the opposite meanings. Our proposed model consists of two adaptive fuzzy rule-bases and the y-model, a l i r ~ r ys et operator, to fuze the evaluation values produced by them. The model shows con~parablep erformances to the neural network for the approximation of the nonlinear transforms, and it has the advantage to obtain the linbwistic interpretation from the trained results. We believe the evaluated results of a color pattern can be used to the emotion-based color image retrievals.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.409-411
• /
• 2002

컴퓨터상의 물체들을 사용자가 원하는 형태로 변형시켜주는 것은 그래픽스에서 흥미로운 과제이다. 본 논문에서는 사용자의 입력에 따라 자연스러운 변형을 보여주는 방법을 제시한다. 단지 컴퓨터 상에서 물체들의 물리적인 성질만 주어진다면, 물리기반 모델링을 이용해서 어떤 물체들에 대해서도 변형에 대한 동작이 가능하다. 본 논문에서 제시한 개선된 변형 모델은 컴퓨터 게임이나 시뮬레이션등에 널리 사용될 수 있을 것이다.

• Proceedings of the KIPE Conference
• /
• 2014.07a
• /
• pp.369-370
• /
• 2014

태양광 PCS개발과정에서는 온도나 방사량 등을 변화시키며 태양전지 패널의 I-V곡선을 모사할 수 있는 태양광 시뮬레이션 모델이 필요하다. 이러한 용도로 볼 때 특히 다이오드 기반의 등가회로 모델은 물리적인 성질을 바탕으로 태양광 패널의 특성을 비교적 정확히 설명할 수 있으나 특유의 비선형성으로 인하여 복잡한 회로 모델 파라미터 추출 기법을 필요로 한다. 본 논문에서는데이터 시트값에 기반한 새로운 태양광 패널 회로 모델링 알고리즘을 제안한다. 제안한 방법의 성능을 검증하기 위해 단결정 태양광 패널의 실제 데이터를 기반으로 최대전력점 ${\pm}10%$부근의 전류오차 적분값을 기준으로 기존 방법과 정확도를 비교한 결과 20%의 정확도 개선을 얻었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.32-33
• /
• 2022

팬데믹이후 온라인 커뮤니케이션이 가속화되면서 개인화의 현상이 두드러지고 있는 가운데 도시의 정보시스템의 많은 부분들이 디지털 트윈으로 가고 있다. 때문에 오프라인의 사이니지 등은 이미 개인화에 익숙한 사용자에게 만족도나 낮고 이를 반영하여 다양화시키기에는 많은 예산이 소요되며 물리적 한계가 있다. 본 연구는 사용자 중심 프로세스의 기술 융합 연구를 통해 이러한 오프라인 정보 표기와 전달 등의 문제점을 해결하고자 하였다. 본 논문은 이러한 목적을 가지고 개인화 기반 도시 인포메이션 시스템의 물리적 사이니지와의 정보 데이터 간의 상호운용을 실현화하는 연구를 진행하였다. QR 코드 등 비쥬얼 코드-기반 기존의 인터랙션 기술들의 장점을 활용하고 AI 기반의 필터 시스템을 도입하여 도시 복합정보데이터와 개인데이터와의 연동 및 변별 시스템을 설계하여 AR서비스 환경을 디자인 하였다. 개인화 서비스를 위하여 'Personal Data'와 타사용자의 'Feedback Data를 기존의 클라우드 정보와 AI-Analytic-Process에 개입시켜서 개인화 기반의 서비스 시스템 모델로 개발하였다.

• Journal of Information Technology and Architecture
• /
• v.9 no.4
• /
• pp.443-453
• /
• 2012

In order to minimize the damage from system failures, systems over various fields are requested to contain the safety-critical features. In this paper, we deliver the considerable issues, especially, in the cyber physical systems that is recently used as a safety-critical system, as well as we propose the model driven architecture based on time as its the important factor. Based on meta-modeling approach, we introduce the time-based architecture which is associated with deadline, transition state, and threshold, and also we work out a design for this by using model driven architecture. We propose a realizable safety-critical architecture by means of showing failure handling components with safety transaction model from the meta-model. In the detailed models and the example, we design a basic safety processing state, a multiple safety processing state, and a compound safety processing state for completing the safety-critical system architecture.

• Geophysics and Geophysical Exploration
• /
• v.25 no.3
• /
• pp.140-161
• /
• 2022

Seismic data with missing traces are often obtained regularly or irregularly due to environmental and economic constraints in their acquisition. Accordingly, seismic data interpolation is an essential step in seismic data processing. Recently, research activity on machine learning-based seismic data interpolation has been flourishing. In particular, convolutional neural network (CNN) and generative adversarial network (GAN), which are widely used algorithms for super-resolution problem solving in the image processing field, are also used for seismic data interpolation. In this study, CNN-based algorithm, U-Net and GAN-based algorithm, and conditional Wasserstein GAN (cWGAN) were used as seismic data interpolation methods. The results and performances of the methods were evaluated thoroughly to find an optimal interpolation method, which reconstructs with high accuracy missing seismic data. The work process for model training and performance evaluation was divided into two cases (i.e., Cases I and II). In Case I, we trained the model using only the regularly sampled data with 50% missing traces. We evaluated the model performance by applying the trained model to a total of six different test datasets, which consisted of a combination of regular, irregular, and sampling ratios. In Case II, six different models were generated using the training datasets sampled in the same way as the six test datasets. The models were applied to the same test datasets used in Case I to compare the results. We found that cWGAN showed better prediction performance than U-Net with higher PSNR and SSIM. However, cWGAN generated additional noise to the prediction results; thus, an ensemble technique was performed to remove the noise and improve the accuracy. The cWGAN ensemble model removed successfully the noise and showed improved PSNR and SSIM compared with existing individual models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.73-75
• /
• 2003

인터넷과 웹은 전자적 마켓의 빠른 성장과 함께 물리적인 마켓을 보완하여 기존의 전통적인 비즈니스 모델에서 제품과 서비스를 전달하는 새로운 방법을 형성하는 동적인 e-Business로의 혁신적인 변화를 가져왔다. 이들 비즈니스 서비스를 기업내 직원과 다른 파트너들의 조직과도 보다 효과적으로 협력할 수 있고 시간과 장소에 구애받지 않으며 서비스들을 보다 빠르게 배포하고 공급할 수 있는 요구사항이 계속해서 증가하고 있다. 이에 따라서 e-Business의 동적인 활동에 앞의 요구사항들을 만족시킬 수 있는 웹서비스를 도입하여 플랫폼 독립적인 시스템 구축과 새로운 파트너나 서비스가 추가될 때 브로커를 통해 UDDI를 검색하여 Web Service를 바인딩함으로써 비용 절감이 가능하고. 기존의 분산환경을 지원하는 기반 기술이 극복하지 못했던 문제를 극복함으로써 확장성이 용이하게 하였다. 본 논문에서는 e-business에 WSDL, UDDI, SOAP등과 같은 표준들과 함께 웹 서비스를 가미한 웹 서비스 기반의 e-Business 어플리케이션 개발을 위한 재사용 가능한 아키텍쳐 메타모델을 제안하고 e-Business 도메인에서의 웹 서비스를 적용하여 일반적인 특징들을 기술하고 설계하는 UML로 표현된 설계 패턴들을 식별하고 기술한다.

• Proceedings of the KGS Conference
• /
• 2002.11a
• /
• pp.45-48
• /
• 2002

TOPMODEL은 지표유출과 중간류유출을 비교적 적은 수의 매개변수와 물리적 근거를 기반으로 모의하는 수문모형이다. 현재까지 TOPMODEL은 온대습윤지역의 소유역 유출모의에 적용성이 우수하다는 연구결과가 많이 발표되었으며, 우리나라에서도 이 모델을 이용한 유역유출 모의에 탁월하다는 연구 결과들이 나오고 있다. 이런 연구들은 대부분 모델의 중요 매개변수를 유역유출 관측자료로부터 유도하고, 이 매개변수를 이용하여 유역유출을 모의한 연구들로 TOPMODEL에서 제시한 것 같은 유역내의 지하수위변화, 지표유출, 중간류유출 등의 수문학적 반응 발생여부를 조사하지 못하였다.(중략)

• Geophysics and Geophysical Exploration
• /
• v.25 no.2
• /
• pp.71-84
• /
• 2022

When acquiring seismic data, various types of simultaneously recorded seismic noise hinder accurate interpretation. Therefore, it is essential to attenuate this noise during the processing of seismic data and research on seismic noise attenuation. For this purpose, machine learning is extensively used. This study attempts to attenuate noise in prestack seismic data using unsupervised machine learning. Three unsupervised machine learning models, N2NUNET, PATCHUNET, and DDUL, are trained and applied to synthetic and field prestack seismic data to attenuate the noise and leave clean seismic data. The results are qualitatively and quantitatively analyzed and demonstrated that all three unsupervised learning models succeeded in removing seismic noise from both synthetic and field data. Of the three, the N2NUNET model performed the worst, and the PATCHUNET and DDUL models produced almost identical results, although the DDUL model performed slightly better.