• 한국토양비료학회지
• /
• 제44권6호
• /
• pp.1258-1263
• /
• 2011

Soil Taxonomy 분류체계 변화에 대응하여 구릉지에 널리 분포하는 토양으로 Inceptisols인 Typic Dystrudepts로 분류되고 있는 아산통을 재분류하고, 그 생성을 구명하기 위하여 아산통 대표단면의 형태적 특성을 조사하고, Soil Taxonomy의 표준 분석방법인 Soil survey laboratory methods manual에 따라서 토양을 분석하여 Laboratory data sheets를 작성하였다. A층 (0~18 cm)은 암황갈색 (10YR 4/4)의 자갈이 있는 양토이고, BA층 (18~30 cm)은 진갈색 (7.5YR 5/6)의 자갈이 있는 양토, Bt1층 (30~52 cm)은 적색 (2.5YR 4/6)의 자갈이 있는 식양토, Bt2층 (52~98 cm)은 적색 (2.5YR 4/8)의 자갈이 있는 식양토, C층 (98~160 cm)은 적색 (2.5YR 4/8)의 자갈이 있는 양토이다. 구릉지 잔적층을 모재로 하는 토양으로 주로 임지로 이용되고 있다. udic 토양수분상과 mesic 토양온도상을 보유하며, 배수 양호하다. 아산통은 0~18 cm 깊이에 ochric 감식표층을 보유하고, 30~98 cm 깊이에서 점토집적층인 argillic층을 보유하고 있다. 또한 argillic층 상부경계에서 125 cm 아래 깊이인 155 cm 깊이에서의 염기포화도 (양이온 합)가 7.8%로 35% 미만이다. 따라서 아산통은 Inceptisols이 아니라 Ultisols로 분류되어야 한다. 아산통은 udic 토양수분상을 보유하고 있으므로 Udults로 분류할 수 있으며, Hapludults의 분류기준을 충족시키고 있다. Typic Hapludults의 분류기준을 충족시키고 있으며, 토성속 제어부위에서의 토성속이 식양질이고, 토양온도상이 mesic 온도상이기 때문에 아산통은 Fine Loamy, mesic family of Typic Dystrudepts가 아니라 Fine loamy, mesic family of Typic Hapludults로 재분류되어야 한다. 아산통은 경사가 비교적 완만하여 지형이 안정되어 있는 구릉지에 분포하고 있으므로 침식이 일어나는 것에 비하여 토양수의 하향이동에 따른 점토집적작용과 염기용탈작용이 우선되고 있다. 그 결과 점토집적층인 argillic층을 보유하는 토양으로 생성 발달되었다. 또한 Alfisols과 Ultisols을 구분하는 가장 기본적인 분류기준인 기준깊이에서의 염기포화도 (양이온 합)가 35% 미만으로서 Alfisols이 아니라 강산성 토양인 Ultisols로 발달하였다.

• 대한지리학회지
• /
• 제35권2호
• /
• pp.159-176
• /
• 2000

본 연구는 남한강 상류의 소지류인 쌍천 유역에 발달한 하성단구의 퇴적물을 모재로 발달한 토양 특성을 조사.분석하였다. 중위 단구의 A1층은 갈색(10YR 4/3)의 미사질토양이고 발달도가 낮은 입상구조이며 B1층은 황갈색(10YR 5/8)의 사질식양토로 아각괴상구조이다. 고위단구의 A1층은 옅은 적갈색(5YR 4/3)의 미사질양토 내지 황갈색(10YR 5/8)의 미사질식토로 발달도가 낮은 아각괴상구조이다. B1층은 적색(2.5YR 3/6)의 사질식토 내지 밝은 적갈색(2.5YR 4/6)의 식양토로 발달도가 양호한 아각괴상구조이다. 고위단구 퇴적층을 모재로 발달한 토양의 구조는 중정도의아각괴상구조이고 조직이 치밀하다. 토양은 A1층, B1층,B2층으로 되어 있으며 또한 B층은 점토가 집적되어 있고 점토 피막이 나타난다. 쌍천의 중위단구상에 발달한 토양은 황갈색토이고 고위 단구상의 토양은 적색토이다. 고위단구 퇴적물을 모재로 발달한 본 적색토는 생성시가가 민델-리스 간빙기의 이전에 생성된 것으로 현재보다 온난한 생물-기후 조건하에서 탈규산화를 동반하는 적색토화작용에 의해 형성된 것으로 추정된다. 고위단구에 발달한 적색토는 토양단면의 형태적 및 물리 화학적인 특성등으로 보아 고적색토로 분류된다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 춘계학술대회
• /
• pp.169-185
• /
• 2005

신경계의 뉴런 구조는 흥분 뉴런과 억제 뉴런으로 구성되며 각각의 흥분 뉴런과 억제 뉴런은 주동근 뉴런(agonistic neuron)에 의해 활성화되며 길항근 뉴런(antagonist neuron)에 의해 비활성화 된다. 본 논문에서는 인간 신경계의 생리학적 뉴런 구조를 분석하여 퍼지 논리를 이용한 생리학적 퍼지 신경망을 제안한다. 제안된 구조는 주동근 뉴런에 의해 흥분 뉴런이 될 수 있는 뉴런들을 선택하여 흥분시켜 출력층으로 전달하고 나머지 뉴런들을 억제시켜 출력층에 전달시키지 않는다. 신경계를 기반으로 한 제안된 생리학적 퍼지 신경망의 학습구조는 입력층, 학습 데이터의 특징을 분류하는 중간층, 그리고 출력층으로 구성된다. 제안된 퍼지 신경망의 학습 및 인식 성능을 평가하기 위해 정확성이 요구되는 의학의 한 분야인 기관지 편평암 영상인식과 영상 인식의 주요 응용 분야인 차량 번호판 인식에 적용하여 기존의 신경망과 성능을 비교 분석하였다. 실험 결과에서는 제안된 생리학적 퍼지 신경망이 기존의 신경망보다 학습 시간과 수렴성이 개선되었을 뿐만 아니라, 인식에 있어서도 우수한 성능이 있음을 확인하였다.

• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2015년 정기학술대회
• /
• pp.345-346
• /
• 2015

본 논문에서는 재난상황발생 시 신속하고 효율적인 재난대응에 실패하면 다수의 인명피해를 야기할 수 있는 초고층 건축물의 재난시나리오 기반 피난계획수립에 대한 연구과정을 제시하고 발전방향을 제안하였다. 초고층 건축물의 피난계획수립을 위해서 초고층 건축물에서 발생 가능한 재난시나리오를 자연재난, 인적재난, 전쟁 또는 테러재난, 건물시설관계재난인 4가지 유형으로 분류하고 이를 프로토콜화하여 건축물의 피난관리시설과 자원을 고려한 피난계획을 작성하고 이를 피난시뮬레이션을 통해서 검토하고 보완하는 연구를 진행하여 최종적으로 효율적인 피난계획서를 수립하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1031-1032
• /
• 2023

급속한 디지털 기술 발전에 따른 비대면 서비스의 증가로 고령층의 정보 접근성 문제가 대두되었다. 본 연구는 고령층의 편리한 키오스크 사용을 위해 AI 기술과 사용자 인터페이스를 결합한 '시니어 키오스크'를 제안한다. '시니어 키오스크'는 딥러닝 기술을 이용한 연령대 인식을 바탕으로 고령층을 분류하고 고령층 소비자에게 직관적이고 가독성 높은 시니어 UI를 제공한다. 또한, 자연어처리 기술을 활용한 음성 주문을 통해 편리한 주문을 돕는다. 본 연구에서 제안된 '시니어 키오스크'를 통해 고령층의 편리성 증진과 정보격차 해소를 달성할 수 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.203-206
• /
• 2000

신경망을 이용해 고객집단을 분류하고 고객의 특성에 따라 세분화된 고객들에 대해 다단계 연관규칙을 적용해서 고객의 상품 구매패턴을 찾아 줌으로써 마케팅 전략 결정을 지원하는 구매패턴분류 시스템을 설계한다. 고객분류를 위한 신경망 시스템은 다층 퍼셉트론에 역전파 알고리즘을 이용한다. 주소, 구매금액, 구매횟수, 고객 구분, 상긴 등과 같은 고객정보를 입력층에 입력변수로 지정하고, 이에 따른 우량/일반고객을 출력변수로 지정한 후 신경망을 학습시키면, 실제의 우량/일반의 간과 예측되는 우량/일반의 값의 차이론 최소화시키면서 모형을 형성시켜 나가게 된다. 구매패턴 분류 시스템은 다단계 연관규칙을 이용한다. 고객분류 서브시스템을 통해 고객집단이 세분화되면 각각의 고객집단에 대해 TID와 품목 트랜잭션을 입력으로 cumulate 알고리즘과 개념계층을 이용해 일반화 과정을 수행하면서 빈발 항목을 찾게 되고 이론 근거로 항목간의 연관규칙을 찾아내게 된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.735-736
• /
• 2021

인터넷에서 댓글 시스템은 자신의 의사표현을 위한 시스템으로 널리 사용되고 있다. 하지만 이를 악용하여 상대방에 대한 혐오를 드러내기도 한다. 악성댓글에 대한 적절한 대처를 위해 빠르고 정확한 탐지는 필수적이다. 본 연구에서는 악성 댓글 분류 문제를 해결하기 위해서 순서가 있는 분류 레이블의 성질을 활용한 순서형 회귀 (Ordinal regression) 기반의 분류 모델을 제안한다. 일반적인 분류 모형과는 달리 혐오 발언 정도에 따라 다중 레이블을 부여하여 학습을 진행하였다. 실험을 통해 Korean Hate Speech Dataset에 대해 LSTM기반의 모형의 출력층을 다르게 구성하여 순서형 회귀 기반의 모형들의 성능을 비교하였다. 결과적으로 예측 결과에 대한 조율이 가능한 순서형 회귀 모형이 일반적인 순서형 회귀 모형에 비해서 편향된 예측에 대해 추가적인 성능 향상을 보였다.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2011년도 정기 학술발표대회
• /
• pp.28-28
• /
• 2011

국내의 건축물에 관한 통계정보는 국토해양부에 의해서 공표된 통계연보로서 2002년부터 매년마다 제공되고 있다.(국토해양통계누리, https : //stat.mltm.go.kr/potal/stat/yearReport.do) 건축물의 통계연보는 과거부터 2002년까지 매 3년마다 공표된 것으로 알려지고 있다. 이 통계연보에는 건축물 현황과 건축허가착공 통계가 수록되어 있다. 건축물 현황에는 2009년 말을 기준으로 기존 건축물이 전체 6,618,131동으로서 용도별, 층수와 연면적별 그리고 소유구분별 등의 구분에 따라 건축물의 동수에 관한 통계자료가 포함돼 있다. 건축허가 및 착공통계에는 용도별과 구조재료별의 분류에 따라 건축물의 동수에 관한 자료가 신축, 증축 개축 이전 대수선, 용도변경 등으로 분류되어 수록돼 있다. 한편 국내에서 건축물에 대한 내진설계기준이 1988년에 제정됨에 따라 법제화되었다. 이때 내진설계의 의무 대상건축물은 6층 이상 또는 연면적 1만$m^2$이상인 건축물로 규정되었다. 그 이후 내진설계 대상 건축물이 1996년부터 아파트는 5층 이상으로, 판매시설은 연면적 5천$m^2$이상으로 확대되었고, 2000년부터 숙박시설 오피스텔 및 기숙사는 5층 이상으로 확대되었으며, 2005년부터 내진설계 의무화 대상이 3층 이상 또는 1천$m^2$이상으로 확대되었고, 2009년부터 3층 이상 건축물의 구조안전의 확인을 위한 세부절차를 규정하여 내진설계의 실효성을 확보하고 있다. 이와 같이 내진설계의 대상 건축물이 내진설계기준을 제정한 이후 현재까지 시대의 흐름에 따라 6층 이상에서 5층 이상으로 다시 3층 이상으로 계속 확대되어왔다. 이런 환경에서 현재 시점에서 사용 중인 기존 건축물 중에 내진설계가 적용되지 아니한 건축물은 1988년 3월 1일 이전에 건축허가 된 건축물과 그 이후에 건축허가 된 3층 내지 5층 이하인 저층 건축물의 두 가지로 구분할 수 있다. 이들의 내진설계가 미적용 된 건축물에 대해서는 원칙적으로 내진보강 대책 수립 및 추진이 필요한 실정이다. 국내에서는 현재 지진재해대책법에 따라 지진재해로부터 국민의 생명과 재산을 보호하기 위하여 기존 시설물에 대한 내진대책을 추진하는 정책이 시행되고 있다. 앞으로는 이 정책의 일환으로 기존 건축물의 내진성능 확보를 위한 내진보강 대책이 구체적으로 추진될 전망이다. 이와 같이 기존 건축물에 대한 내진보강 대책을 수립하는 데는 무엇보다 그 대상 건축물의 수와 구조형식에 관한 정보가 필요하다. 이는 내진보강의 방법과 소요비용이 건축물의 층수 및 구조형식별 동수에 따라 크게 달라지기 때문이다. 이런 관점에서 살펴볼 때 내진대책의 수립에 필수인 기존 저층 건축물의 층수 및 구조형식별 동수에 관한 통계자료를 현재 건축물의 현황통계에서 손쉽게 찾아 볼 수 있으면 좋겠는데 현실은 그렇지 못한 실정이다. 현재 건축물의 현황통계에는 저층 건축물에 해당하는 층수에 관한 구분이 연대에 따라 다르고 구체적인 층수를 구분하기 어렵게 불분명한 항목으로 구성된 것과 구조형식별 분류항목이 없는 형편이다. 반면에 건축허가 및 착공통계자료에는 구조재료별 건축물 동수와 연면적에 관한 자료가 수록되어있고, 건축물 층수에 따라 분류된 통계자료는 없다. 이 연구에서는, 기존 건축물에 대한 내진보강 대책을 수립하는데 필요한 저층 건축물의 층수 및 구조재료별 동수 등에 관한 구체적인 정보를 파악하기 위하여, 건축물 통계연보에 수록된 건축물 현황통계자료에서 불명확하거나 결여된 정보를 건축허가 및 착공 통계자료로부터 얻은 정보로 보완과 보충하여 제시하고 있다. 따라서 이 연구는 기존 건축물의 내진보강 대책 수립에 필요한 5층 이하의 저층 건축물에 관한 층수별 및 구조형식별 동수에 관한 연도별 통계자료를 추정하여 제안하는데 그 목적이 있다.

• 한국자원식물학회지
• /
• 제16권1호
• /
• pp.89-98
• /
• 2003

본 연구에서는 Atractylodes속과 혼용되는 Atractylis속 6분류군의 화분을 광학현미경과 주사전자현미경으로 관찰하였다 본 속의 화분은 단립(monad)으로, 극축의 길이는 46.5-66.7$\mu\textrm{m}$, 적도면의 나비는 43.6-60.47$\mu\textrm{m}$이 었다. 발아구는 3공구형 (tri-colporate)으로서 , 구구(colpus)의 길이는 19.6-29.1 $\mu\textrm{m}$, 나비는 7.3-11.0$\mu\textrm{m}$이 었고, 공구의 직경 은 6.4-10.6$\mu\textrm{m}$ 이었다. 화분벽은 외표벽 (ektexine)은 기저층(foot layer)과 원주층(columellae), 피복층(tectum)으로 구성되고, 두에는 5.2-8.3$\mu\textrm{m}$이었다. 화분의 표면 돌기는 자상(echinate)으로서 길이가 1.4-5.8$\mu\textrm{m}$이었으며, 단위면적당(No./20$\mu\textrm{m}$$^2$) 분포는 6-33개 이었다 본 연구에서 취급된 분류군들의 화분, 특히 Atractylis arabica, A. aristata, A. carduus, A. microcephala의 화분형 태는 Atractylodes속의 화분과 매우 유사하였으며, 따라서 화분에 관련된 형질은 두 속을 구분하는 식별형질로 적용할 수 없었다. 그러나 화분에 관련된 형질이 Atractylodes속에서는 화분의 크기만이 속내 분류군간의 식별형질로서 기여도가 적은 반면, Atractylis속에서는 화분의 크기뿐만 아니라 형태 및 표면무늬와 자상돌기의 크기 등에 있어서 분류군간 의 식별형질로서 적용되어 분류학적 기여도가 다소 큰 것으로 판단된다. 또한 본 연구에서 취급된 분류군 중 A. cancellata와 A. prolifera는 나머지 분류군들과 달리 자상돌기가 작고 적도면상이 긴 특징은 본속의 화분의 진화경 향성을 파악하는데 매우 유용하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 합동 추계학술대회 논문집 정보 및 제어부문
• /
• pp.431-434
• /
• 2001

단층 퍼셉트론이 처음 개발되었을 때, 간단한 패턴을 인식하는 학습 기능을 가지고 있기 장점 때문에 학자들의 관심을 끌었다. 단층 퍼셉트론은 한 개의 소자를 이용해서 이진 논리를 가중치(weight)의 변경만으로 모두 표현할 수 있는 장점 때문에 영상처리, 패턴인식, 장면인식 등에 이용되어 왔다. 최근에, 역전파학습(Back-Propagation Learning)알고리즘이 이진 공간내의 매핑 문제에 적용되고 있다. 그러나, 역전파 학습알고리즘은 연속공간 내에서 긴 학습시간과 비효율적인 수행의 문제를 가지고 있다. 일반적으로 역전파 학습 알고리즘은 간단한 이진 공간에서 매핑하기 위해서 많은 반복과정을 요구한다. 역전파 학습 알고리즘에서는 은닉층의 뉴런의 수는 주어진 문제를 해결하기 위해서 우선순위(prior)를 알지 못하기 때문에 입력층과 출력층내의 뉴런의 수에 의존한다. 따라서, 3층 신경회로망의 적용에 있어 가장 중요한 문제중의 하나는 은닉층내의 필요한 뉴런수를 결정하는 것이고, 회로망 합성과 가중치 결정에 대한 적절한 방법을 찾지 못해 실제로 그 사용 영역이 한정되어 있었다. 본 논문에서는 패턴 분류를 위한 새로운 학습방법을 제시한다. 훈련입력의 기하학적인 분석에 기반을 둔 이진 신경회로망내의 은닉층내의 뉴런의 수를 자동적으로 결정할 수 있는 NETLA(Newly Expand and Truncate Learning Algorithm)라 불리우는 기하학적 학습알고리즘을 제시하고, 시뮬레이션을 통하여, 제안한 알고리즘의 우수성을 증명한다.