• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.128-132
• /
• 2012

물은 생물의 생존을 위해 필수적인 요소로 인류가 시작된 이래로 물을 효율적으로 이용하고 안전하게 관리하기 위한 노력은 계속되어 왔다. 최근 지구 온난화가 주요 원인으로 알려진 국지성 집중호우의 피해는 매우 심각하며, 이로 인해 치수에 대한 중요성은 날로 커지고 있다. 지금까지 사용해 왔던 홍수 예 경보 과정은 특정 지점의 유출량을 예측하기 위해서 강우-유출 모형을 운영하였다. 그러나 물리적 모형의 경우 운영에 필요한 매개변수의 결정과정이 복잡하고, 매개변수 결정을 위해 많은 자료를 필요로 한다. 또한 그 매개변수의 결정과정은 많은 불확실성을 포함하고 있어서 모형의 운영을 위한 전처리과정과 계산과정을 거치는 동안 발생한 오차가 누적되어 결과물 속에는 많은 오차가 포함되어 있다. 본 연구에서는 기존의 홍수 예 경보 시스템의 문제점과 불확실성을 최대한 감소시키고 더 우수한 유출량 예측을 위해 neuro-fuzzy 추론 기법을 이용한 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하여 하천수위를 예측하였다. ANFIS는 신경회로망과 퍼지이론을 결합한 기법으로 신경회로망의 구조와 학습 능력을 이용하여 제어환경에서 획득한 입 출력 정보로부터 언어변수의 membership 함수와 제어규칙을 제어 대상에 적합하도록 자동으로 조종하는 기법이다. 본 연구에서는 ANFIS를 사용하여 탄천 하류에 위치한 대곡교의 수위를 예측하였다. 분석을 위해 2007년부터 2011년까지의 탄천 유역의 관측 강우자료와 수위 자료 중 강우강도와 지속시간, 강우 형태에 따라 7개의 강우사상을 선정하였다. 학습자료 및 보정자료의 변화에 따른 예측 오차를 비교하여 모형의 적용성과 적정성을 평가하였다. 적용결과 입력자료 구성의 경우 해당 시간의 강우량 및 수위자료와 10분 전 강우자료를 이용한 모델이 가장 우수한 예측을 보였고, 학습자료의 경우 자료의 길이가 길고, 최대홍수량이 큰 경우 가장 우수한 예측 결과를 보였다. 본 연구의 적용결과 가장 우수한 모형의 경우 30분 예측 첨두수위 오차는 0.32%, RMSE는 0.05m 이고 예측시간이 길어짐에 따라 오차가 비선형적으로 증가하는 경향을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.114-114
• /
• 2021

본 연구에서는 Sentinel-1 SAR 센서 기반 이미지자료와 딥러닝기법을 이용하여 고해상도 토양수분을 산정하였다. 입력자료는 지표특성(모래함량, 점토함량, 경사도), 인공위성 기반의 강우와 LANDSAT 기반의 이미지자료(NDVI, LST, 공간분포 토양수분)를 사용하였다. 강우자료의 경우 GPM(Global Precipitation Measurement) 일강우 자료를 사용하였으며, 관측일 기준으로 5일전까지의 강우자료와 5일평균강우를 구분하여 사용하였다. LANDSAT 기반의 토양수분 이미지자료와 지점관측 토양수분을 이용하여 검·보정 이후 딥러닝 모형의 입력자료로 사용하였다. 입력자료는 30m × 30m 해상도로 Resample 하여 딥러닝 모형의 학습을 진행하였으며, 학습에 사용된 모형을 이용하여 Sentinel-1 기반의 고해상도(10m × 10m) 토양수분이미지를 산정하였다. 검증지점은 거창군 거창읍, 계룡시 두마면, 장수군 장수읍 및 무주군 무주읍 토양수분 관측지점을 선정하였다. 거창군 거창읍의 산정결과, LANDSAT 기반의 토양수분 이미지와 DNN 기반의 토양수분 이미지가 매우 유사하게 나타났으며, 모의값(DNN 기반 토양수분)이 실측값(LANDSAT 기반의 토양수분)을 잘 반영한 것(R: 0.875 ; RMSE: 0.013)으로 나타났다. 또한 학습모형을 토지피복이 유사한 지역에 적용하여 토양수분을 산정한 결과 검증지점 계룡시(R: 0.897 ; RMSE: 0.014), 장수군(R: 0.770 ; RMSE: 0.024) 및 무주군(R: 0.909 ; RMSE: 0.012)의 모의값이 실측값과 매우 유사한 것으로 나타났다. 이를 바탕으로 Seninel-1 SAR센서 이미지자료와 딥러닝기법을 연계한 고해상도 토양수분자료가 농업, 수문, 환경 등 다양한 분야에서 활용될 수 있을 것으로 판단된다.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_3
• /
• pp.1707-1720
• /
• 2023

With the increase in satellite time series data, the utility of remote sensing data is growing. In the analysis of time series data, the relative positional accuracy between images has a significant impact on the results, making image registration essential for correction. In recent years, research on image registration has been increasing by applying deep learning, which outperforms existing image registration algorithms. To train deep learning-based registration models, a large number of image pairs are required. Additionally, creating a correlation map between the data of existing deep learning models and applying additional computations to extract registration points is inefficient. To overcome these drawbacks, this study developed a data augmentation technique for training image registration models and applied it to OffsetNet, a registration model that predicts the offset amount itself, to perform image registration for KOMSAT-2, -3, and -3A. The results of the model training showed that OffsetNet accurately predicted the offset amount for the test data, enabling effective registration of the master and slave images.

• KIPS Transactions on Software and Data Engineering
• /
• v.3 no.8
• /
• pp.315-320
• /
• 2014

Composition is a creative activity of a composer in order to express his or her emotion into melody based on their experience. However, it is very hard to implement an automatic composition program whose composition process is the same as the composer. On the basis that the creative activity is possible from the imitation we propose a method to implement an automatic composition system using the learning capability of ANN(Artificial Neural Networks). First, we devise a method to convert a melody into time series that ANN can train and then another method to learn the repeated melody with melody bar for correct training of ANN. After training of the time series to ANN, we feed a new time series into the ANN, then the ANN produces a full new time series which is converted a new melody. But post processing is necessary because the produced melody does not fit to the tempo and harmony of music theory. In this paper, we applied a tempo post processing using tempo post processing program, but the harmony post processing is done by human because it is difficult to implement. We will realize the harmony post processing program as a further work.

• Journal of the Korean School Mathematics Society
• /
• v.16 no.4
• /
• pp.655-674
• /
• 2013

The MEST determined to introduce a vocational ability test for the students in vocational high schools to enhance their job competence skills from 2013 accepting the field voices that current competence test is not proper for vocational high schools whose purpose is job preparation education. The test results can be used as an official certificate in the job settlement process. The purpose of this study is to enhance the students's basic skills for mathematics in vocational high schools and in addition to that, to develop mathematics teaching materials aiming to support students in applying mathematics in real vocational world after their learning mathematics in high schools. It seems that the students in vocational high schools experiencing difficulties in mathematics because of the lack of the basic skills for mathematics demanding for the restructuring the mathematics curriculum aiming for empowering to the maximum of the potential abilities of students in vocational high schools. For this purpose, we extracted essential elements from mathematics curricula ranging from elementary schools to middle schools and vocational high schools what is necessary for students in specialized high schools to enhance the students' abilities in using mathematics in vocational area. Based on above study, we analyzed, organized, and systemized the contents and levels of mathematics. Finally, we proposed in this paper the ways to build programs to enhance the students' essential mathematics skills aiming to level up the students' vocational ability required in real vocational companies.

• Geophysics and Geophysical Exploration
• /
• v.24 no.3
• /
• pp.89-97
• /
• 2021

Fault detection in seismic data is well suited to the application of machine learning algorithms. Accordingly, various machine learning techniques are being developed. In recent studies, machine learning models, which utilize synthetic data, are the particular focus when training with deep learning. The use of synthetic training data has many advantages; Securing massive data for training becomes easy and generating exact fault labels is possible with the help of synthetic training data. To interpret real data with the model trained by synthetic data, the synthetic data used for training should be geologically realistic. In this study, we introduce a method to generate realistic synthetic seismic data. Initially, reflectivity models are generated to include realistic fault structures, and then, a one-way wave equation is applied to efficiently generate seismic stack sections. Next, a migration algorithm is used to remove diffraction artifacts and random noise is added to mimic actual field data. A convolutional neural network model based on the U-Net structure is used to verify the generated synthetic data set. From the results of the experiment, we confirm that realistic synthetic data effectively creates a deep learning model that can be applied to field data.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.210-212
• /
• 2019

본 논문에서는 CNN을 이용하여 전방위 영상에 대해 워터마크를 추출하는 방법을 제안한다. 네트워크의 입력은 전방위 영상에서 SIFT 특징점을 기준으로 잘라낸 영역들이며, 네트워크를 통해 전방위 영상 생성 과정에서의 왜곡을 보정하고 워터마크를 분류한다. 또한 네트워크의 훈련 집합에는 원본 영상 외에 JPEG 압축, 가우시안 노이즈, 가우시안 블러링, 샤프닝 공격을 가한 영상들도 포함시켜서 학습을 통해 공격에 대한 강인성을 가지도록 한다. 이에 대해 훈련된 네트워크로 추출한 워터마크와 알고리즘으로 추출한 워터마크를 비교하여 제안하는 방법의 유효성을 확인한다.

• Journal of the Korean Society for Precision Engineering
• /
• v.16 no.2 s.95
• /
• pp.153-163
• /
• 1999

본 연구에서는 격자패널을 통한 소음전달을 감소시키기 위하여 외부 구조적 가진으로부터 유발된 경량 패널의 진동을 능동 제어하는 기법을 기술한다. 최적 되먹임제어기와 적응 앞먹임제어기가 결합된 혼합형 제어기가 진동제어기로 사용된다. 되먹임제어기는 주파수 영역의 모델규명법에 의해 추출된 다중 입/출력 패널진동계 모델에 대하여 LQG 최적기법을 이용하여 감쇠능을 향상시키도록 설계된다. 앞먹임제어기는 되먹임 궤환의 결합효과를 자동적으로 보정할 수 있는 제안된 학습법칙에 기초하여 패널의 잔류진동이 최소가 되도록 적응된다. 45.7${\times}$45.7${\times}$2.54 ${cm^3}$ 벌집형상의 고강도 패널, 4개의 관성형 구동기 및 이산신호처리장치에 의해 구현된 패널 진동계에 대한 능동제어 실험을 수행해 본 결과 600Hz 주파수대역에 대한 12dB 진동저감이 이루어 질 수 있었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 1993.10a
• /
• pp.830-835
• /
• 1993

The errors in machining process by CNC machining center are due to many elements, such as the delay of the servo drivers, friction and the gain mismatch between x-axis and y-axis motors and so on. We made a counter circuit to measure the output of motor encoders for the motion error analysis of a CNC machining center, and have measured the errors experimentally when the CNC performs a circular interpolation. We have also used an iterative learning method to reduce the radius errors and stick motion errors generated by the CNC machining center performing a circular interpolation. The proposed learning scheme worked well and the circle obtained has smaller error.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.41 no.6
• /
• pp.55-60
• /
• 2004

Most vehicles having automatic transmission system use fixed standard shift map to provide automatic transmission for driver. In this case, driver who operates vehicle may be complaint with the fixed transmission pattern being different from the driver's intention. In this paper, therefore, to infer the driver's intention module for learning the driver's intention with related input variables using soft computing method is proposed. After inference, the standard shift map will be shifted according to a certain parameter decided from the proposed module for providing proper shift pattern. The efficiency of the proposed module is evaluated by the data acquired from real time driving.