• Economic and Environmental Geology
• /
• v.55 no.1
• /
• pp.1-17
• /
• 2022

The mechanical and thermal properties of the rock masses can affect the performance associated with both the isolating and retarding capacities of radioactive materials within the deep geological disposal system for High-Level Radioactive Waste (HLW). In this study, the essential parameters for the site descriptive model (SDM) related to the rock mechanics and thermal properties of the HLW disposal facilities site were reviewed, and the technical background was explored through the cases of the preceding site descriptive models developed by SKB (Swedish Nuclear and Fuel Management Company), Sweden and Posiva, Finland. SKB and Posiva studied parameters essential for the investigation and evaluation of mechanical and thermal properties, and derived a rock mechanics site descriptive model for safety evaluation and construction of the HLW disposal facilities. The rock mechanics SDM includes the results obtained from investigation and evaluation of the strength and deformability of intact rocks, fractures, and fractured rock masses, as well as the geometry of large-scaled deformation zones, the small-scaled fracture network system, thermal properties of rocks, and the in situ stress distribution of the disposal site. In addition, the site descriptive model should provide the sensitivity analysis results for the input parameters, and present the results obtained from evaluation of uncertainty.

• Convergence Security Journal
• /
• v.22 no.3
• /
• pp.101-110
• /
• 2022

As the cases of using artificial intelligence in various fields increase, attempts to solve various issues through artificial intelligence in the intrusion detection field are also increasing. However, the black box basis, which cannot explain or trace the reasons for the predicted results through machine learning, presents difficulties for security professionals who must use it. To solve this problem, research on explainable AI(XAI), which helps interpret and understand decisions in machine learning, is increasing in various fields. Therefore, in this paper, we propose an explanatory AI to enhance the reliability of machine learning-based intrusion detection prediction results. First, the intrusion detection model is implemented through XGBoost, and the description of the model is implemented using SHAP. And it provides reliability for security experts to make decisions by comparing and analyzing the existing feature importance and the results using SHAP. For this experiment, PKDD2007 dataset was used, and the association between existing feature importance and SHAP Value was analyzed, and it was verified that SHAP-based explainable AI was valid to give security experts the reliability of the prediction results of intrusion detection models.

• Journal of the KSME
• /
• v.25 no.3
• /
• pp.209-215
• /
• 1985

충격파에 의해 폭말물에 일어나는 화학반응 진행현상을 Forest Fire 모델과 함께 고온 부위에 의한 점화와 표면연소자는 현상학적인 근거위에 개발한 모델 두가지(IAG, Sandia)를 설명하였고 이 위에 고온부위 개념에 물리적인 설명을 부여한 새로운 모델을 소개하였다. 나중 세가지 모 델들을 PBX-9404에 대한 여러 가지 실험결과와 비교하였는 바 화학반응 초기의 압력증가현상은 주로 점화항(고온 부위에 의한)에 기인하는 것으로써 모두 만족할만한 결과를 보여주고 있으며 후기의 현상은 실험치와 약간 달라지는것(크거나 혹은 작거나)이 보인다. 이 오차가 과연 어느 만큼 실험 오차이며, 또 어느만큼이 모델 오차인지에 대하여는 아직 자료의 불충분으로 확정지어 말할 수 없다. 예를 들어 그림 4에서는 실험결과가 이론결과 보다 압력을 더 큰 것으로 나타 내고 있으며 그림 5에서는 그 반대 현상을 보인다 앞으로 이 방면에 더 연구가 진행되어야 하 리라고 고려되며 연후에 이 모델들을 다른 폭발물에 적용시켜 일반화시키는 일이 남아 있다.

• Proceedings of the Korea Society of Information Technology Applications Conference
• /
• 2002.11a
• /
• pp.490-501
• /
• 2002

기업의 생산성향상과 이익률에 영향을 줄 수 있는 지식이 경제 전반에 확산되어 나가는 과정은 한 나라의 경제발전속도에 영향을 미치는 중요한 요인이다. 기업 측면에서는 도입하려는 기술이 도입 후에 그 기업의 이익을 높여 줄 수 있다면 도입하지 않을 이유가 없다. 하지만 미래 수요의 불확실성이나 기술발전 방향의 불확실성 등으로 해서 기업으로서는 도입 후의 이익을 정확히 사전적으로 측정하기는 어렵다. 본 논문에서는 학계에서 일반적으로 사용되고 있는 두 가지 지식확산 모델을 설명하고자 한다. 그 하나는 하나의 새로운 기술이나 상품이 시간이 흐름에 따라 어떻게 전체 사용 가능자(population)에게 확산되는 지를 보여주는 1) Epidemic Diffusion Model (흔히 5자형 - Sigmoid - 모델이라고도 한다. )과 어떤 도입자가 어느 시점에서 대상이 된 새로운 기술을 도입할 것인지 아닌지를 결정하는 모델로서 2) Probit Diffusion Model (프로빗 모델)을 중심으로 한다 그리고 이러한 지식확산과정과 속도에 영향을 줄 수 있는 기업 내부적 요인으로서 도입하고자 하는 기업의 누적된 경험이 중요하다는 것과 기업 외부적 요인으로서 네트웍 효과와 같은 요인들을 설명하였다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2002.11a
• /
• pp.490-501
• /
• 2002

기업의 생산성향상과 이익률에 영향을 줄 수 있는 지식이 경제 전반에 확산되어 나가는 과정은 한 나라의 경제발전속도에 영향을 미치는 중요한 요인이다. 기업 측면에서는 도입하려는 기술이 도입 후에 그 기업의 이익을 높여 줄 수 있다면 도입하지 않을 이유가 없다. 하지만 미래 수요의 불확실성이나 기술발전 방향의 불확실성 등으로 해서 기업으로서는 도입 후의 이익을 정확히 사전적으로 측정하기는 어렵다. 본 논문에서는 학계에서 일반적으로 사용되고 있는 두 가지 지식확산 모델을 설명하고자 한다. 그 하나는 하나의 새로운 기술이나 상품이 시간이 흐름에 따라 어떻게 전체 사용 가능자(population)에게 확산되는 지를 보여주는 1) Epidemic Diffusion Model (흔히 S자형 - Sigmoid - 모델이라고도 한다.)과 어떤 도입자가 어느 시점에서 대상이 된 새로운 기술을 도입할 것인지 아닌지를 결정하는 모델로서 2) Probit Diffusion Model (프로빗 모델)을 중심으로 한다. 그리고 이러한 지식확산과정과 속도에 영향을 줄 수 있는 기업 내부적 요인으로서 도입하고자 하는 기업의 누적된 경험이 중요하다는 것과 기업 외부적 요인으로서 네트웍 효과와 같은 요인들을 설명하였다.

• Proceedings of the Korean Journal of Food and Nutrition Conference
• /
• 2000.12a
• /
• pp.52.1-52
• /
• 2000

고분자 물질 용액에 감자 절편을 침지시의 탈수현상을 설명하기 위해 (1) 비정상 상태(unsteady state)에서의 확산 식을 초기시간에 대해 단순화시킨 모델, (2) 침지시간별로 수분확산계수와 평균확산계수를 비교하여 탈수현상을 설명하고자 한 모델, (3) 물질이동에 대한 Fick의 제2법칙을 무한평판의 조건에서 전체시간에 대해 전개한 모델 등 3가지 모델을 가정하여 검토한 결과 PEG용액에 감자절편을 침지했을 때 물질이동의 동력학적인 해석은 Fick의 제2법칙에 근거한 모델이 잘 적용되었으며 수분의 확산계수를 추정한 결과 8$\times$$10^{-7}$~4$\times$$10^{-6}$$cm^2$/s 범위였다.위였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.768-771
• /
• 2024

인간의 산업 활동으로 인하여 동물들의 생존이 위협받으면서, 동물의 서식 분포를 효과적으로 파악할 수 있는 자동 야생동물 모니터링 기술의 필요성이 점점 더 커지고 있다. 그중에서도 동물 소리 분류 기술은 시각적으로 식별이 어려운 동물에게도 효과적으로 적용할 수 있는 장점으로 인하여 널리 사용되고 있다. 최근 심층학습 기반의 분류 모델들이 좋은 판별 성능을 보여주고 있어 동물 소리 분류에 많이 사용되고 있지만, 희귀종과 같이 개체 수가 적어 데이터가 부족한 경우에는 학습이 제대로 이루어지지 않을 수 있다. 또한, 이러한 모델들은 모델 내부에서 일어나는 추론 과정을 알 수 없어 결과를 완전히 신뢰하고 사용하는 데 제약이 따른다. 이에 본 논문에서는 전이 학습을 통해 데이터 부족 문제를 고려하고, SHAP을 이용하여 분류 모델의 추론 과정을 해석하는 설명가능한 동물 소리 분류 기법을 제안한다. 실험 결과, 제안하는 기법은 지도 학습을 한 경우보다 분류 성능이 향상됨을 확인하였으며, SHAP 분석을 통해 모델의 분류 근거를 이해할 수 있었다.

• The Bulletin of The Korean Astronomical Society
• /
• v.38 no.1
• /
• pp.54.1-54.1
• /
• 2013

이 연구는 질량이 낮은 별탄생 지역에서 '에피소딕 질량수축 이론'을 관측과 수치모델로 테스트하였다. 스피쳐 우주망원경을 비롯한 여러 망원경으로 별 탄생 지역을 관측한 결과, 어린 별의 광도는 0.01 태양광도에 불과한 매우 낮은 값에서부터 높은 값까지 넓은 영역에 걸쳐 분포한다는 것이 알려졌다. 이 관측 결과는 70년대부터 있어 온 소위 표준 별탄생 모델의 예측과는 다른 결과이다. 관측과 표준 별탄생 모델의 차이를 풀기 위해서 에피소딕 질량수축 모델이 제안되었다. 테스트를 통하여 광도가 낮은 어린 별의 관측적 특성이 에피소딕 질량수축 모델로 한꺼번에 설명될 수 있음을 보였다. 우선, 카르마 전파 간섭계를 사용하여 전체 어린 별의 광도 분포에 해당하는 별 샘플을 선택하여 관측하였다. 표준 별탄생 모형은 중력수축이 진행됨에 따라 디스크 질량이 점진적으로 증가하지만 에피소딕 중력수축 모델은 디스크 질량과 별의 진화상태 사이에 특별한 연관관계가 없음을 예측한다. 여섯 개의 측정된 디스크 질량은 별의 진화상태와 상관없음을 보여주었다. 다음으로, 열아홉 개 어린 별의 이산화탄소 얼음을 적외선으로 분광 관측하고 분석하였다. 관측대상별 중 절반은 다른 분자와 섞이지 않은 순수한 이산화탄소 얼음이 존재한다는 증거를 보였고, 그 중 여섯 개는 순수 이산화탄소 얼음 존재의 강력한 증거인 두개의 픽이 나온 흡수선 형태를 보였다. 순수 이산화탄소 얼음 성분이 현재 광도가 낮은 별에서 존재한다는 것은 과거에 광도가 밝았던 시기, 즉 중력수축속도가 높았던 시기가 있었다는 것을 뒷받침한다. 화학진화모델에 에피소딕 중력수축 모델과, 일산화탄소 얼음이 이산화탄소 얼음으로 전환될 수 있다는 새로운 화학 네트워크를 포함한 모델로 광도가 낮은 어린 별에서의 순수 이산화탄소의 존재, 총 이산화탄소의 양, 그리고 관측된 일산화탄소 가스의 양을 모두 설명할 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.19-21
• /
• 2021

In this paper, we introduce the model so-called Explainable Fact-Checking model based on attention mechanism which shows both the result of fact check of the news and the evidence of verdict. Recently, several news surge on media, so fact check attracts much attentions. However, in present fact check relies on the search made by journalists and members of fact check orgainzation, so there is some researchs about automated fact checking. Therefore in this paper we propose explainable automated fact checking model.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.483-486
• /
• 2023

최근 금융 분야는 예측 모델의 복잡성으로 인한 블랙박스 문제와 금융 규제에 대한 관심이 높아지고 있다. 이에 따라 금융 업계는 신뢰성과 투명성을 강조하며, 특히 신용평가 분야에서 설명 가능한 모델 연구가 활발히 진행되고 있다. 또한, 해당 분야에서 소수 클래스에 대해 충분히 학습하지 못하고 다수 클래스에 과적합 될 수 있는 데이터 불균형 문제 역시 강조되고 있다. 이는 제 2종 오류(Type 2 Error)를 최소화해야 하는 상황에서 더욱 부각되며, 대출 상환 능력이 낮은 고객을 최대한 식별해야 하는 개인 신용평가 문제에서 매우 중요한 화두로 떠오르고 있다. 본 논문에서는 어텐션 메커니즘을 활용하여 모델의 설명 가능성을 개선하고, 분석 결과를 해석하는 데 도움이 되고자 한다. 더 나아가, SMOTE, GAN, ADASYN 등 총 다섯 가지 데이터 증강 기법을 실험하여, 이를 앙상블 하였을 때 소수 클래스 레이블에 대한 분류 정확도를 크게 개선할 수 있음을 확인하였다.