• 한국항공우주학회지
• /
• 제41권6호
• /
• pp.465-472
• /
• 2013

본 논문에서는 요구 위치에 정밀 착륙을 위한 낙하산 전개지점 선정 기법을 제안한다. 무인기-낙하산 시스템을 위해 9-DOF 운동 모델을 구성하였고, 신경회로망을 학습시키기 위한 입출력 데이터 셋을 구성하였다. 입력 데이터 셋은 현재 항공기 위치, 속도정보 및 바람 정보로 구성되어 있고, 출력 데이터 셋은 9-DOF 운동 모델을 시뮬레이션 하여 획득한 착륙 위치 정보이다. 이를 이용하여 nonlinear function approximator를 구성함으로써 현재 위치로부터 상대적인 착륙 지점을 예측할 수 있고, 예측된 착륙 지점과 요구 착륙 지점과의 상대적인 거리 오차를 계산하여 이를 보상해줌으로써 낙하산 전개 지점을 결정할 수 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권1호
• /
• pp.49-56
• /
• 2017

빅 데이터를 분석하기 위한 기법 중에서 연관성 규칙은 여러 가지 연관성 평가 기준을 이용하여 항목들 간에 연관성 유무를 탐색하는 기법이다. 이러한 연관성 규칙 기법은 규칙의 생성 방향에 따라 정과 부, 그리고 역의 연관성 규칙 등이 있다. 본 논문에서는 여러 가지 상대적 인과 강도를 흥미도 측도의 관점에서 어떤 유형의 연관성 규칙에 적용 가능한 지를 탐색하는 동시에 기존의 기본적인 평가측도 증에서 여러 가지 유형의 신뢰도들과의 관계를 규명하고자 하였다. 그 결과, 후항변수가 발생할 비율이 0.5 이상이면 Good이 제안한 측도 ($RCS_{IJ1}$)가 Lewis가 제안한 측도 ($RCS_{LR1}$) 보다 값의 변화폭이 더 크므로 $RCS_{IJ1}$이 더 바람직한 측도가 되며, 그 비율이 0.5 미만이면 $RCS_{LR1}$이 더 바람직하다고 할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.84-84
• /
• 2011

저수지에서 수체의 거동정보는 저수지관리를 위해 매우 중요하며, 이를 수리 및 수질모형에 적용하여 다양한 예측에 활용할 수 있는 기본적인 정보이다. 그러나 저수지 수체의 흐름은 매우 느리고 조사시기에 따라 혹은 수심에 따라 영향을 받으며, 바람 등 외부요인에도 영향을 받게 됨으로 정확한 측정에 많은 어려운 문제가 있다. 따라서 보다 정확한 측정을 위해서는 최신의 기술이 적용되어야 한다. 현장조사에 적용한 저수지 수체거동조사장비(drifter)는 수체의 유동을 관측하는 장치로 GPS 및 Drogue를 장착한 장치가 저수지 수체의 흐름에 따라 이동하면서 위치정보를 무선통신으로 실시간 전송할 수 있도록 만들어진 장치이다. 수체흐름 측정장치는 크게 수체거동정보 생산부이 시스템과 수집서버 및 데이터베이스 서버로 구성되어 있다. 현장 조사시에는 부이에 장착되어 있는 GPS를 통해 현재의 위치가 매번 정해진 시간 간격마다 본체 내부의 메모리에 저장되며, 측정자가 설정한 시간간격으로 위치정보를 수신국으로 전송하도록 구성되어 있다. 수체이동부이의 데이터 수신은 CDMA를 통해 송신된 메일 데이터를 자체적으로 수집하여 데이터형태로 변환한 뒤 실시간으로 표출하고 저장되며, 최대 10개의 부이를 동시에 추적 및 모니터링할 수 있게 구성되어 있다. 본 연구는 용담댐저수지에서 평갈수기 및 풍수기로 구분하여 수체거동을 조사하였다. 평갈수기 조사는 2010년 4월부터 6월까지 총 3차례에 걸쳐 실시하였으며, 풍수기 조사는 8월에 3차례에 걸쳐 실시하였다. 수집된 자료에 의하면 평갈수기 drifter의 평균 속도는 2.25 cm/sec, 최고 속도는 3.46 cm/sec, 최저 속도는 1.15 cm/sec로 나타났으며, 풍수기 조사에서는 평균 속도 2.0 cm/sec, 최고 속도는 2.5 cm/sec, 최저 속도는 1.29 cm/sec로 조사되어 평갈수기와 풍수기간 저수지 수체의 이동속도는 유사한 것으로 평가되었다. 그러나 수기별 조사는 보다 더 많은 정보가 필요하며, 수심에 따른 차이도 있을 것으로 판단되어 좀더 다양한 조사가 수행되어야 보다 정확한 결과를 도출할수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.77-77
• /
• 2015

기상이변으로 인한 사회 경제적 피해의 증가로 기상정보에 대한 중요성이 커지면서 해외에서는 민간 기업이 기상 관측망을 구축하는 사례가 나타났다. 미국의 Earth Network은 전 세계에 1만개의 기상 관측센서를 설치하였고, 일본의 통신회사인 NTT DoCoMo는 일본에 4000여 개의 기상 및 환경관측 센서를 구축하였다. 국내에서는 SK플래닛이 자사의 플랫폼 기술과 SK텔레콤의 기지국 인프라를 활용하여 수도권 지역에 국지기상 관측망을 구축하였다. SK플래닛은 2013년 서울지역에 1km 간격으로 264개의 기상센서를 설치하고, 2014년 인천 경기지역에 3km 간격으로 825개의 기상센서를 추가 설치하여, 현재 1089개의 국지기상 관측망을 운용하고 있다. 관측에 사용한 센서는 우량계와 복합 기상센서로 강수량, 기온, 습도, 바람, 기압을 측정한다. 관측된 자료는 데이터로거에서 기상청의 자료처리 표준규격에 따라 처리한 후 M2M 모뎀을 통해 1분마다 서버로 전송한다. 전송된 자료는 기상정보 플랫폼의 수집 서버에서 프로토콜 변환 후 원본자료 DB에 저장하고, 실시간 품질관리를 마친 후 품질관리 자료 DB에 저장한다. 관측 지점의 기본정보 및 작업이력은 메타데이터 DB에 저장되고 관리자 페이지를 통해 조회 및 수정 된다. 관측 자료의 품질 보증은 제조사의 센서 Calibration부터 서비스 모니터링 까지 각 단계별로 체계적인 품질관리를 통해 이루어진다. 품질관리를 마친 국지기상 관측 데이터는 응용프로그램 개발자가 편리하게 사용할 수 있는 API(Application Programming Interface)형태로 제공된다. 2013년 여름부터 수집된 1~3km 해상도의 SK플래닛 국지기상 관측 자료를 통해 그 동안 정량적으로 확인하지 못한 국지성 호우 시의 강수량 편차에 대해 알 수 있었다. 2014년 7월 31일 양평지역에 내린 국지성 호우는 시간당 최대 90mm 이상의 비가 내린 사례로, 귀여리 관측소(SK 플래닛)에 시간당 93.1mm가 내리는 동안 퇴촌 관측소(기상청)에는 17.5mm의 비가 내려, 두 관측지점 간 거리가 3.4km 임에도 불구하고 시간당 75mm 이상의 강수량 차이를 보였다. 앞으로 SK플래닛의 국지기상 관측 자료가 국지성 호우의 조기 경보 및 예측 정확도 향상에 활용되어 재난으로부터 국민의 생명과 재산을 지키는데 많은 도움이 되기를 기대한다.

• 한국정보통신학회논문지
• /
• 제23권9호
• /
• pp.1049-1059
• /
• 2019

기존의 영역 병합을 통한 이미지 분할 방법에서는 이웃한 두 영역 사이의 정보만을 이용하여 병합 모델을 학습한다. 학습 과정에서는 두 영역 사이의 지역적인 정보뿐만 아니라 물체 정보와 같은 전역적인 정보 또한 활용 가능하므로 주어진 모든 정보를 활용하여 병합 모델의 성능을 높이는 것이 바람직하다. 본 논문에서는 학습 기반의 이미지 분할 알고리즘에서 학습 시에만 사용 가능한 특권정보를 활용하는 SVM+ 방법을 제안한다. 특권정보는 학습 시에만 사용 가능한 정보이므로 전통적인 지도학습 방법으로는 학습이 불가하다. SVM+와 같은 특권정보를 학습할 수 있는 구조를 통해 지역 정보뿐만 아니라 물체 정보를 포함하여 영역 간의 병합 여부를 결정하는 모델을 학습하였다. BSDS 500 데이터 세트와 VOC 2012 데이터 세트에서 벤치마크를 수행하였으며 대부분의 평가 지표에서 개선된 성능을 보여 주었다. 특히 학습 데이터 세트가 작은 경우에 기존의 알고리즘에 비해서 월등히 뛰어난 성능을 보인다.

• 한국정보통신학회논문지
• /
• 제23권12호
• /
• pp.1506-1513
• /
• 2019

최근 드론과 같은 멀티로터 UAV(Unmanned Aerial Vehicle, 무인항공기)의 산업 범위가 크게 확대됨에 따라, UAV를 활용한 데이터의 수집 및 처리, 분석에 대한 요구도 함께 증가하고 있다. 그러나 UAV를 이용해서 수집된 음향 데이터는 UAV의 모터 소음과 바람 소리 등으로 크게 손상되어, 음향 데이터의 처리 및 분석이 어렵다는 단점이 있다. 따라서 본 논문에서는 UAV에 연결된 마이크를 통해 수신된 음향 신호로부터 목표 음향 신호의 품질을 향상시킬 수 있는 방법에 대해 연구하였다. 본 논문에서는 기존의 단일 채널 음향 향상 기술 중 하나인 densely connected dilated convolutional network를 음향 신호의 채널 간 특성을 반영할 수 있도록 확장하였으며, 그 결과 SDR, PESQ, STOI과 같은 평가 지표에서 기존 연구 대비 좋은 성능을 보였다.

• 한국산학기술학회논문지
• /
• 제21권8호
• /
• pp.521-529
• /
• 2020

산불은 경제, 자연환경, 건강과 같은 삶의 여러 측면에서 몇 가지 악영향을 주는 가장 핵심적인 환경위험 중의 하나이다. 산불의 조기발견, 빠른 예측, 신속한 대응은 산불 위험으로부터 재산과 생명을 구하는데 본질적인 역할을 할 수 있다. 산불의 빠른 발견을 위해 기상청에서 각 지역에 설치한 로컬 센서를 통해 획득한 기상 데이터를 이용하는 방법이 있다. 기상 조건(예: 온도, 바람)은 산불 발생에 영향을 미친다고 알려져 있다. 본 논문에서는 산불의 피해 면적을 예측하기 위해 데이터 마이닝(DM) 기법을 적용한다. 다섯 종류의 DM 모델, 예를 들어 Stochastic Gradient Descent(SGD), Support Vector Machines(SVM), Decision Tree(DT), Random Forests(RF), Deep Neural Network(DNN)과 네 가지 입력 특성 그룹(공간, 시간, 기상 데이터 이용)을 최근 5년간의 경기도 지역에서 수집한 실제 산불 발생 데이터에 적용하였다. 실험결과는 기상 데이터만을 이용한 DNN 모델이 가장 우수한 성능을 보였다. 제안한 모델은 빈도수가 높은 작은 규모의 산불 예측에 더 효과적이었다. 제안한 예측 모델을 통해 도출된 이러한 지식은 소방 자원 관리를 개선하는데 특히 유용하다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.137-147
• /
• 2018

기계 학습을 통한 인간 동작 인지 (human activity recognition) 시스템에서 중요한 요소는 충분한 양의 라벨 데이터 (labeled data)를 확보하는 것이다. 그러나 라벨 데이터를 확보하는 일은 많은 비용과 시간을 필요로 한다. 매우 적은 수의 라벨 데이터를 가지고 있는 새로운 환경 (타겟 도메인)에서 동작 인지 시스템을 구축하는 경우, 기존의 환경 (소스 도메인)의 데이터나 이 환경에서 학습된 분류기(classifier)를 사용하는 것은 도메인이 서로 다르기 때문에 바람직하지 않다. 기존의 기계 학습 방법들이 이러한 문제를 해결할 수 없으므로 전이 학습 (transfer learning) 방법이 제시되었으며, 이 방법에서는 소스 도메인에서 확보한 지식을 활용하여 타겟 도메인에서의 분류기 성능을 높이도록 하고 있다. 본 논문에서는 다중 태스크 신경망 (multitask neural network)을 사용하여 매우 제한된 수의 데이터만으로 정확도가 높은 동작 인지 분류기를 생성하는 전이 학습방법을 제안한다. 이 방법에서는 소스 및 타겟 도메인 분류기의 손실 함수 최소화가 별개의 태스크로 간주된다. 즉, 하나의 신경망을 사용하여 두 태스크의 손실 함수를 동시에 최소화하는 방식으로 지식 전이(knowledge transfer)가 일어나게 된다. 또한, 제안한 방법에서는 모델 학습을 위하여 비지도 방식(unsupervised manner)으로 라벨이 부여되지 않은 데이터를 활용한다. 실험 결과, 제안한 방법은 기존의 방법에 비하여 일관적으로 우수한 성능을 보여주고 있다.

• 한국해안·해양공학회논문집
• /
• 제34권4호
• /
• pp.109-118
• /
• 2022

정점 표층 수온 관측 데이터 중 결측 구간의 데이터를 양방향 순환신경망(Bidirectional Recurrent Neural Network, BiRNN) 기법을 이용하여 보간하였다. 인공지능 기법 중 시계열 데이터에 일반적으로 활용되는 Recurrent Neural Networks(RNNs)은 결측 추정 위치까지의 시간 흐름 방향 또는 역방향으로만 추정하기 때문에 장기 결측 구간에는 추정 성능이 떨어진다. 반면, 본 연구에서는 결측 구간 전후의 양방향으로 추정을 하여 장기 결측 데이터에 대해서도 추정 성능을 높일 수 있다. 또한 관측점 주위의 가용한 모든 데이터(수온, 기온, 바람장, 기압, 습도)를 사용함으로써, 이들 상관관계로부터 보간 데이터를 함께 추정하도록 하여 보간 성능을 더욱 높이고자 하였다. 성능 검증을 위하여 통계 기반 모델인 Multivariate Imputation by Chained Equations(MICE)와 기계학습 기반의 Random Forest 모델, 그리고 Long Short-Term Memory(LSTM)을 이용한 RNN 모델과 비교하였다. 7일간의 장기 결측에 대한 보간에 대해서 BiRNN/통계 모델들의 평균 정확도가 각각 70.8%/61.2%이며 평균 오차가 각각 0.28도/0.44도로 BiRNN 모델이 다른 모델보다 좋은 성능을 보인다. 결측 패턴을 나타내는 temporal decay factor를 적용함으로써 BiRNN 기법이 결측 구간이 길어질수록 보간 성능이 기존 방법보다 우수한 것으로 판단된다.

• 대한토목학회논문집
• /
• 제42권5호
• /
• pp.639-650
• /
• 2022

대규모 표사이동으로 인해 침·퇴적이 발생되는 해안에서는 시간이력에 따라 그 현상이 가속화되는 경향이 있기 때문에 적절하고도 시급한 대책을 강구하는 것이 중요하다. 해안침식의 대책방안 중 환경친화적 대책으로 알려진 양빈공법의 경우 입경의 크기에 따라 침식양상이 변화되므로 적정 입경의 크기, 범위 등에 대해 결정하기 위해서는 면밀한 검토가 필요하다. 본 연구에서는 양빈사의 입경변화와 부분양빈의 적용, 파랑과 바람이 공존하는 조건 등을 변수로 설정하였을 때 발생되는 지형변화의 특성을 검토하고자 하였다. 이러한 요인들은 수치모형실험에서 해석하기 어려운 부분이 존재하기 때문에 수리모형실험을 통해 정성적인 해석을 수행하거나 양빈수행 이후에 현장모니터링 등을 통해 그 효과를 검토하게 된다. 하지만 실험과 모니터링 등은 제반사항이 발생되기 때문에 다양한 조건에 대한 예측 연구에는 어려움이 존재한다. 본 논문에서는 빅데이터의 활용을 통한 머신러닝 기법을 이용하여 침·퇴적 경향을 재현함으로써 발생 가능한 현상에 대해 예측함과 동시에 머신러닝 기법의 적용성을 검토하고자 하였다. 학습데이터는 수리모형실험결과를 이용하였으며 연구결과 머신러닝을 이용한 지형변화는 단기예측의 경우 기존연구와 유사한 경향을 보이는 것으로 나타났으나 세굴 및 모래톱의 형성 등에서는 다소 차이가 존재하는 것을 확인할 수 있었다.