• Ocean and Polar Research
• /
• v.23 no.2
• /
• pp.109-119
• /
• 2001

Meiobenthic community structure of tidal flats near the Yeonggwang Nuclear Power Plant have studied during summer (June) and fall (October) 1997. Examination of sediment samples collected along the transects showed that there were 18 different types of meiobenthos in the study area. The most abundant meiobenthic animals belonged to Phylum Nematoda in both seasons and all transects. However, sediment samples collected near discharge areas, transects A and B, showed relatively lower abundance than other general coastal areas. Another abundant meiobenthic organism is benthic Harpacticoids which is very sensitive to any environmental changes. Polycheats and Ostracods were next abundant meiobenthos which also showed the difference between the study area and other general coastal areas. Only transect C maintained similar meiobenthic abundance and diversity to other coastal areas. Horizontal distribution for transects A and B showed higher densities in upper and mid tidal flat zones. On the other hand, transect C which is located furtherest from the discharges showed an increasing trend in abundance from upper to lower areas. For size distribution analyses showed that animals which fit into the meshsize of 0.125 mm were abundant, Vertical distribution of meiobenthic animals within the sediments for both sampling seasons showed the highest individual numbers in the surface sediment layers of 0-1 cm depth and showed a decreasing trend as sediment gets deeper. Each class of meiobenthos had different vertical profiles. When comparing survey transects A and B with other similar tidal flat areas, this sites seems to a very unstable environment of tidal flats near the Yeonggwang Nuclear Power Plant.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.137-139
• /
• 2019

본 논문은 다양한 음성 특징과 텍스트를 이용한 멀티 모드 순환신경망 네트워크를 사용하여 음성을 통한 범주형(categorical) 분류 방법과 Arousal-Valence(AV) 도메인에서의 분류방법을 통해 감정인식 결과를 제시한다. 본 연구에서는 음성 특징으로는 MFCC, Energy, Velocity, Acceleration, Prosody 및 Mel Spectrogram 등의 다양한 특징들의 조합을 이용하였고 이에 해당하는 텍스트 정보를 순환신경망 기반 네트워크를 통해 융합하여 범주형 분류 방법과 과 AV 도메인에서의 분류 방법을 이용해 감정을 이산적으로 분류하였다. 실험 결과, 음성 특징의 조합으로 MFCC Energy, Velocity, Acceleration 각 13 차원과 35 차원의 Prosody 의 조합을 사용하였을 때 범주형 분류 방법에서는 75%로 다른 특징 조합들 보다 높은 결과를 보였고 AV 도메인 에서도 같은 음성 특징의 조합이 Arousal 55.3%, Valence 53.1%로 각각 가장 높은 결과를 보였다.

• Proceedings of the Korean Society for Rock Mechanics Conference
• /
• 2001.03a
• /
• pp.85-94
• /
• 2001

터널 발파시 발파효율은 암반의 특성에 큰 영향을 받기 때문에 암반 특성을 분석하고 이를 기초로 발파설계를 수행하는 것이 중요하다. 그럼에도 불구하고 현재까지 국내에서의 발파설계는 무결암의 단축압축강도만으로 발파암을 분류한 후 각 발파암의 발파계수를 구하는 방법을 이용하거나 공학적 암반분류법의 하나인 RMR 분류를 이용하여 발파암을 분류하되 객관적 근거가 미약한 경험적인 발파계수를 산정 하는 방식을 통하여 이루어졌다. 본 연구에서는 절리특성을 고려한 발파설계를 위하여 Ashby의 접근법을 활용하였다. 또한 절리조사 결과를 통한 발파암 분류방법과 발파패턴설계를 추가하여 발파설계 전 과정을 수행할 수 있도록 Ashby의 접근법을 응용하였다. 따라서 절리 분포 특성을 고려한 발파암 분류가 가능하고, 절리암반 특성을 고려한 발파설계를 수행할 수 있을 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.466-468
• /
• 2011

본 논문은 영상 획득 환경이 자유로운 상황에서 차량 번호판 영역을 검출하기 위한 새로운 방법을 제안한다. 입력 영상에서 SIFT 지역특징을 추출하고 미리 학습한 분류기를 통해 각 지역특징이 번호판 내부에 속하는지 번호판 외부에 속하는지를 분류한다. 번호판 내부로 분류된 지역특징이 밀집한 영역이 번호판 영역으로 검출된다. 실험을 통해 제안하는 지역특징 분류 방법이 높은 성능으로 번호판 내/외부를 분류함을 보인다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.352-357
• /
• 2018

본 논문에서는 한국어 프레임넷 분석기를 구축하기 위하여 한국어 프레임넷 데이터를 가공하여 공개하고, 한국어 프레임 분류 및 논항의 의미역 분류 문제를 해결하기 위한 방법을 제안한다. 프레임넷은 단어 단위가 아닌 단어들의 범위로 구성된 범위에 대해 어노테이션된 코퍼스라는 점에 착안하여, 어휘 및 논항의 내부 의미 정보와 외부 의미 정보, 그리고 프레임과 각 의미역들의 임베딩을 학습한 중첩 분할된 양방향 LSTM 모델을 사용하였다. 이를 통해 한국어 프레임 분류에서 72.48%, 논항의 의미역 분류에서 84.08%의 성능을 보였다. 또한 본 연구를 통해 한국어 프레임넷 데이터의 개선 방안을 논의한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.11-14
• /
• 2015

많은 블로그 제공 사이트는 블로그 포스트 작성자에게 미리 정의된 범주 (category)에 따라 포스트의 주제에 대하여 범주를 선택할 수 있는 환경을 제공한다. 그러나 블로거들은 작성한 포스트의 범주를 매번 수동으로 선택해야 하는 불편함이 있다. 이러한 불편함의 해결을 위해 블로그 포스트를 자동으로 분류해주는 기능을 제공한다면 블로그의 활용성이 증가할 것이다. 기존의 블로그 문서 분류의 연구는 각 범주의 고유 정보를 반영하는 것에 한계가 있었다. 이러한 문제를 해결하기 위해, 본 논문에서는 범주별 고유 정보를 반영한 어휘 가중치를 제안한다. 어휘 가중치의 분석을 위하여 범주별로 블로그 문서를 수집하고, 수집한 문서에서 어휘의 빈도와 문서의 빈도, 범주별 어휘빈도 등을 고려하여 새로운 지표인 CTF, CDF, IECDF를 개발하였다. 이러한 지표를 기반으로 기존의 Naive Bayes 알고리즘으로 학습하여, 블로그 포스트를 자동으로 분류하였다. 실험에서는 본 논문에서 제안한 가중치 방법인 TF-CTF-CDF-IECDF를 사용한 분류가 가장 높은 성능을 보였다.

• Journal of Korean Library and Information Science Society
• /
• v.34 no.1
• /
• pp.217-237
• /
• 2003

This study investigates the general problems in classifying materials by and related to Shakespeare in the university libraries and suggests a new analytico-synthetic system based on the analysis on the related classes on the major classification systems including DDC, LCC, CC, etc. and other studies and hompages In the area or Shakespeare study. New system consists of four facets, and Its facet formula is “generalities + form ＋ works + language,” each of which includes Its own foci.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.288-291
• /
• 2011

기존 음악 장르 분류의 경우 음악의 특징 추출 또는 기계학습을 중점적으로 연구되어왔다. 하지만 자동 분류에 필요한 장르 데이터는 음악을 제공하는 웹 사이트마다 다르고, 각 웹 사이트의 장르 분류는 해당 음악이 아닌 앨범의 장르를 표시한다. 보다 나은 자동 분류를 위해서는 일관된 장르 데이터의 제공이 필요한데, 본 논문에서는 이러한 연구의 일환으로 여러 웹사이트에서 수집한 장르 데이터에 따른 판별 성능을 분석하였다. 분석 결과 장르 분류 방법에 따라 신경망 학습 및 판별성능이 큰 차이가 발생하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.835-838
• /
• 2017

최근 다양한 네트워크 서비스와 응용들이 생겨나면서, 네트워크상에 다양한 네트워크 트래픽이 발생하고 있다. 이로 인하여, 네트워크에 불필요한 네트워크 트래픽도 많이 발생하면서 네트워크 성능에 저하를 발생 시키고 있다. 따라서, 네트워크 트래픽 분류를 통하여 빠르게 제공되어야 하는 네트워크 서비스를 빠르게 전송 할 수 있도록 각 네트워크 트래픽마다의 분류가 필요하다. 본 논문에서는 Deep Learning 기법 중 Recurrent Neural Network를 이용한 플로우 기반의 네트워크 트래픽 분류를 제안한다. Deep Learning은 네트워크 관리자의 개입 없이 네트워크 트래픽 분류를 할 수 있으며, 이를 위하여 네트워크 트래픽을 Recurrent Neural Network에 적합한 데이터 형태로 변환한다. 변환된 데이터 세트를 이용하여 훈련시킴으로써 네트워크 트래픽을 분류한다. 본 논문에서는 훈련시킨 결과를 토대로 비교 분석 및 평가를 진행한다.

• 한국지형공간정보학회:학술대회논문집
• /
• 2002.11a
• /
• pp.51-57
• /
• 2002

국내에서 활발하게 연구되고 있는 위성영상을 이용한 원격탐사는 매핑, 환경관리, 시설물 관리 등에 이용되어 왔다. 본 연구에서는 날씨나 태양의 제약을 받지 않는 RADARSAT SAR 영상의 수계지역을 신경망 기법을 이용하여 분류하고자 하였다. RADARSAT은 경사관측을 통하여 영상을 취득하며 지형의 기복에 의한 음영효과(Shadow effect)로 인하여 수계지역 분류시 정확도를 감소시킨다. 이러한 문제를 해결하기 위해서 본 연구에서는 RADARSAT SAR 영상의 역산란계수를 계산하고 음영효과에 의한 분류오류를 감소시키기 위하여 수치고도모형을 사용하였다. 지형의 기복이 작은 평지와 지형의 기복이 심한 산악지로 나누어 연구를 수행하여 각 지역별로 분류 정확도를 평가하였다. 연구결과로 역산란계수를 신경망기법의 단일 입력 자료로 사용한 경우보다 수치고도모형을 같이 사용한 것이 분류 정확도가 높았다. 또한, 수치고도모형을 역산란계수와 함께 입력 자료로 이용할 경우 평지보다 산악지에서 효율적이었다. 산악지역이 많은 국내에서는 SAR영상의 수계지역 추출을 신경망 기법으로 할 경우에는 수치고도모형을 함께 이용함으로써 분류정확도 향상을 시킬 수 있다고 사료된다.