• 한국가정과학회:학술대회논문집
• /
• 한국가정과학회 1999년도 학술대회 새 천년의 가정생활 문화
• /
• pp.85-101
• /
• 1999

새천년에 대한 미래를 생각해보면 우리에게 회망과 동시에 웬지 모를 불안올 주기도 한다. 발전지향적으로 살아 온 우리 인간의 지혜로 말미암아 현대에 살고 있는 우리는 과 거 우리 조상 어느 시대 못지 않게 첨단 과학 기술의 혜택으로 물질적 풍요와 함께 사 상적으로도 신분계급이나 남녀문제나 이데올로기의 극심한 차별이 사라져가는 그야말 로 자유스러운 생활올 맛보고 있다. 그러나 한편으로는 이러한 혜택과 이익을 얻는 대 신 지나친 물질의 생산과 사용의 과다는 우리 환경을 파괴하고 나아가 정신적으로도 물질의 지배를 받게 되는 즉, 물질의 소유와 사용에 따른 삶과 사람의 평가가 횡행하 는 기이한 구조에 우리 자신도 모르는 사이에 말려 들어가 피폐된 정신환경의 진행을 우려하지 않올 수 없다. 누구든지 공감하는 이러한 부분이 아마도 다가올 21세기에 대 한 불안이 아닐까 생각한다. 우리의 주거생활도 반세기도 채 안되는 이 시점에 그동안 놀라운 변모를 거듭하여 비교적 선진국과 가까운 수준에 육박하고 있다. 그렇다면 지금 이 시점에서 다가올 주 생활에 대한 이야기는 잘못되어지는 불안을 막고 더 멋지고 쾌적한 주거환경올 창출하 여 주거의 질을 높히기 위한 선도적 쟁점이 되어야 할 것이다. 이러한 의미에서 본고 에서는 새천년의 주거생활문화에 대한 주제를 거시적이고 개념적인 정책적 내용보다는 생활과학의 한 맥락에서 미시적이고 구체적이며 실천지향적인 뜩변에서 나아가야 할 쟁점이 무엇인지를 함께 생각해 보고자 하며 학술 이론적 내용보다는 평이한 사례를 중심으로 함께 생각해 보고자 한다. 밝혀졌다. 그러나, 생산계획시스템에서 1주 간격으로 계획오더를 이송할 때는 Order Release 방법을 적용하여 작업현장에서의 평균 리드타임과 리드타임의 변동, 공정중재고가 줄어드는 결과를 보였고, 가동률 수준이 높을수록 ORR 방법간의 차이가 크게 나타났다. 그리고 부하평준화 기능은 Order Release 정책의 유효성에 별 영향을 주지 않는 것으로 나타났다. 결론적으로, Order Release 방법은 우선순위규칙간의 성능차이를 줄이거나, 대체할 수 통제 기법이라기보다는 우선순위규칙을 보완하여 공정중재고와 작업현장에서의 리드타임, 리드타임의 편차를 줄여주는 역할을 한다고 볼 수 있다. 그리고, 계획시스템이 존재하여 계획오더가 일정기간간격으로 이송되는 환경에서 특히 유용하다는 결론을 얻었다. 알 수 있었다. 것인데, 제조업에서의 심각한 고비용, 저효율 문제 를 해결하기 위해 필수적으로 도입해야만 하는 실정이다. 또한 소비자의 다양한 요구로 인 하여 제품의 종류와 사양면에서 심한 변동을 보이는 시장 수요에, 신속한 정보처리로 대응 하는데도 크게 기여하고 있다. 이에 본 연구에서는, 자동차 Job Shop의 동기화 생산방식을 지원하는 동기화 생산시스템의 구축 모델을 제시하고자 한다.과로 여겨지며, 또한 혈청중의 ALT, ALP 및 LDH활성을 유의성있게 감소시키므로서 감잎 phenolic compounds가 에탄올에 의한 간세포 손상에 대한 해독 및 보호작용이 있는 것으로 사료된다.반적으로 홍삼 제조시 내공의 발생은 제조공정에서 나타나는 경우가 많으며, 내백의 경

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권7호
• /
• pp.191-198
• /
• 2021

분산 딥러닝은 각 노드에서 지역적으로 업데이트한 지역 파라미터를 동기화는 과정이 요구된다. 본 연구에서는 분산 딥러닝의 효과적인 파라미터 동기화 과정을 위해, 레이어 별 특성을 고려한 allreduce 통신과 연산 오버래핑(overlapping) 기법을 제안한다. 상위 레이어의 파라미터 동기화는 하위 레이어의 다음 전파과정 이전까지 통신/계산(학습) 시간을 오버랩하여 진행할 수 있다. 또한 이미지 분류를 위한 일반적인 딥러닝 모델의 상위 레이어는 convolution 레이어, 하위 레이어는 fully-connected 레이어로 구성되어 있다. Convolution 레이어는 fully-connected 레이어 대비적은 수의 파라미터를 가지고 있고 상위에 레이어가 위치하므로 네트워크 오버랩 허용시간이 짧고, 이를 고려하여 네트워크 지연시간을 단축할 수 있는 butterfly all-reduce를 사용하는 것이 효과적이다. 반면 오버랩 허용시간이 보다 긴 경우, 네트워크 대역폭을 고려한 ring all-reduce를 사용한다. 본 논문의 제안 방법의 효과를 검증하기 위해 제안 방법을 PyTorch 플랫폼에 적용하여 이를 기반으로 실험 환경을 구성하여 배치크기에 대한 성능 평가를 진행하였다. 실험을 통해 제안 기법의 학습시간은 기존 PyTorch 방식 대비 최고 33% 단축된 모습을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권1호
• /
• pp.17-28
• /
• 2019

금융투자 관리 전략 중에서 여러 금융 상품을 선택하고 조합하여 분산 투자하는 것을 포트폴리오 관리 이론이라 부른다. 최근, 블록체인 기반 금융 자산, 즉 암호화폐들이 몇몇 유명 거래소에 상장되어 거래가 되고 있으며, 암호화폐 투자자들이 암호화폐에 대한 투자 수익을 안정적으로 올리기 위하여 효율적인 포트폴리오 관리 방안이 요구되고 있다. 한편 딥러닝이 여러 분야에서 괄목할만한 성과를 보이면서 심층 강화학습 알고리즘을 포트폴리오 관리에 적용하는 연구가 시작되었다. 본 논문은 기존에 발표된 심층강화학습 기반 금융 포트폴리오 투자 전략을 바탕으로 대표적인 비동기 심층 강화학습 알고리즘인 Asynchronous Advantage Actor-Critic (A3C)를 적용한 효율적인 금융 포트폴리오 투자 관리 기법을 제안한다. 또한, A3C를 포트폴리오 투자 관리에 접목시키는 과정에서 기존의 Cross-Entropy 함수를 그대로 적용할 수 없기 때문에 포트폴리오 투자 방식에 적합하게 기존의 Cross-Entropy를 변형하여 그 해법을 제시한다. 마지막으로 기존에 발표된 강화학습 기반 암호화폐 포트폴리오 투자 알고리즘과의 비교평가를 수행하여, 본 논문에서 제시하는 Deterministic Policy Gradient based A3C 모델의 성능이 우수하다는 것을 입증하였다.

• 한국전산구조공학회논문집
• /
• 제31권6호
• /
• pp.347-352
• /
• 2018

본 논문에서는 이중질량을 갖는 랙시스템의 마찰거동을 고려한 지진응답해석 기법에 관하여 연구하였다. 마찰 거동을 모사할 수 있는 비선형 동적 시간이력해석 알고리즘을 개발하였다. 이중질량체 간의 미끄러짐과 일체화거동은 비선형 마찰모델로서 고려하였으며, 이를 적절히 모사하기 위한 수치해석기법을 개발하였다. 개발된 알고리즘을 이용하여 랙시스템의 지진 응답에 대한 매개변수연구를 수행하였다. 랙시스템의 피해에 큰 영향을 미칠 것으로 예상되는 주요 인자로 랙구조체 질량에 대한 적재질량체의 질량비와 두 질량체 사이의 마찰 계수를 선정하고, 질량비와 마찰계수를 변화시켜 가면서 최대 변위응답의 경향성을 분석하였다. 수치 모사 결과로 부터, 이중질량으로 모델링된 랙시스템의 변위응답은 구조물의 고유진동수가 커질수록 감소하는 경향을 확인할 수 있었다. 이 연구를 통하여 제시하는 방법은 랙시스템의 마찰거동을 미끄러지는 거동을 적절히 모사할 수 있으며, 이로부터 내진 성능평가를 위한 효율적 수치해석 기법으로 활용될 수 있을 것으로 판단된다.

• 대기
• /
• 제29권3호
• /
• pp.257-267
• /
• 2019

This study is to assess the applicability of the Extreme Forecast Index (EFI) algorithm of the ECMWF seasonal forecast system to the Global Seasonal Forecasting System version 5 (GloSea5), operational seasonal forecast system of the Korea Meteorological Administration (KMA). The EFI is based on the difference between Cumulative Distribution Function (CDF) curves of the model's climate data and the current ensemble forecast distribution, which is essential to diagnose the predictability in the extreme cases. To investigate its applicability, the experiment was conducted during the heat-wave cases (the year of 1994 and 2003) and compared GloSea5 hindcast data based EFI with anomaly data of ERA-Interim. The data also used to determine quantitative estimates of Probability Of Detection (POD), False Alarm Ratio (FAR), and spatial pattern correlation. The results showed that the area of ERA-Interim indicating above 4-degree temperature corresponded to the area of EFI 0.8 and above. POD showed high ratio (0.7 and 0.9, respectively), when ERA-Interim anomaly data were the highest (on Jul. 11, 1994 (> $5^{\circ}C$) and Aug. 8, 2003 (> $7^{\circ}C$), respectively). The spatial pattern showed a high correlation in the range of 0.5~0.9. However, the correlation decreased as the lead time increased. Furthermore, the case of Korea heat wave in 2018 was conducted using GloSea5 forecast data to validate EFI showed successful prediction for two to three weeks lead time. As a result, the EFI forecasts can be used to predict the probability that an extreme weather event of interest might occur. Overall, we expected these results to be available for extreme weather forecasting.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.112-119
• /
• 2019

본 논문에서는 불꽃 감지를 위한 임베디드 시스템에 적합한 딥러닝 구조를 제안한다. 제안하는 딥러닝 구조의 불꽃 감지 과정은 불꽃 색깔 모델을 사용한 불꽃 영역 검출, 불꽃 색깔 특화 딥러닝 구조를 사용한 불꽃 영상 분류, 검출된 불꽃 영역의 $N{\times}N$ 셀 분리, 불꽃 모양 특화 딥러닝 구조를 사용한 불꽃 영상 분류 등의 4가지 과정으로 구성된다. 첫 번째로 입력 영상에서 불꽃의 색만을 추출한 다음 레이블링하여 불꽃 영역을 검출한다. 두 번째로 검출된 불꽃 영역을 불꽃 색깔에 특화 학습된 딥러닝 구조의 입력으로 넣고, 출력단의 불꽃 클래스 확률이 75% 이상에서만 불꽃 영상으로 분류한다. 세 번째로 앞 단에서 75% 미만 불꽃 영상으로 분류된 영상들의 검출된 불꽃 영역을 $N{\times}N$ 단위로 분할한다. 네 번째로 $N{\times}N$ 단위로 분할된 작은 셀들을 불꽃의 모양에 특화 학습된 딥러닝 구조의 입력으로 넣고, 각 셀의 불꽃 여부를 판단하여 50% 이상의 셀들이 불꽃 영상으로 분류될 경우에 불꽃 영상으로 분류한다. 제안된 딥러닝 구조의 성능을 평가하기 위하여 ImageNet의 불꽃 데이터베이스를 사용하여 실험하였다. 실험 결과, 제안하는 딥러닝 구조는 기존의 딥러닝 구조보다 평균 29.86% 낮은 리소스 점유율과 8초 빠른 불꽃 감지 시간을 나타내었다. 불꽃 검출률은 기존의 딥러닝 구조와 비교하여 평균 0.95% 낮은 결과를 나타내었으나, 이는 임베디드 시스템에 적용하기 위해 딥러닝 구조를 가볍게 구성한데서 나온 결과이다. 따라서 본 논문에서 제안하는 불꽃 감지를 위한 딥러닝 구조는 임베디드 시스템 적용에 적합함이 입증되었다.

• 한국터널지하공간학회 논문집
• /
• 제23권1호
• /
• pp.13-24
• /
• 2021

암반 및 연약지반을 포함한 다양한 지반 조건에서 TBM (Tunnel Boring Machine) 터널링이 활용되고 있다. 굴착 성능을 높이기 위해서 지반 조건에 따라 최적으로 장비를 운영해야 하며, 이를 통해 공기단축을 통한 비용 절감 효과를 기대할 수 있다. 하지만 시추 조사를 통해 획득한 지반 정보는 시추공 사이 불확실성이 존재하므로, 실시간 최적 운전에 부족함이 있다. 본 연구에서는 지반의 불확실성 문제를 해결하고자 5초마다 기록된 TBM 데이터를 활용하여 굴착 지반 예측시스템을 구축하고자 한다. 싱가포르 현장에서 획득한 화강암의 풍화도를 고려하여 암반, 토사, 복합지반 세 가지로 지질로 재분류하였고, 실시간으로 도출되는 기계 데이터로 이를 예측하고자 한다. 현장에서 획득한 TBM 데이터에 대해 이상치 제거, 정규화, 특성 추출 등의 전처리 방법을 적용하였고, 지질을 분류하기 위해 6개의 은닉층을 가진 심층 신경망(Deep Neural Network, DNN)을 활용하였다. 10겹 교차검증을 통해 분류 시스템을 평가한 결과, 평균 75.4%의 정확도를 확인하였다(총 데이터 388,639개). 본 연구를 통해 지질 불확실성을 감소시키고, 지반 조건에 따른 실시간 최적 운전에 도움이 될 것으로 판단된다.

• 말소리와 음성과학
• /
• 제12권4호
• /
• pp.81-90
• /
• 2020

본 논문은 응급의료 환경에서 음성인식 성능을 향상시키기 위하여 실제 환경에서 데이터 수집 방법을 정의하고 정의된 환경에서 수집된 데이터를 전사하는 방법을 제안한다. 그리고 제안된 방법으로 수집되고 전사된 데이터를 이용하여 기본 음성인식 실험을 진행함으로써 제안한 수집 및 전사 방법을 평가하고 향후 연구 방향을 제시하고자 한다. 모든 음성은 기본적으로 16비트 해상도와 16 kHz 샘플링으로 저장되었다. 수집된 데이터는 총 166건의 대화로서 8시간 35분의 분량이다. 수집된 데이터는 Praat를 이용하여 철자 전사, 음소 전사, 방언 전사, 잡음 전사, 그리고 의료 코드 전사를 수행하여 다양한 정보를 포함한 텍스트 데이터를 구축하였다. 이와 같이 수집된 데이터를 이용하여 기본 베이스라인 실험을 통하여 응급의료 영역에서의 음성인식 문제를 실제로 확인할 수 있었다. 본 논문에서 제시한 데이터는 응급의료 영역의 1단계 데이터로서 향후 의료 영역에서의 음성인식 모델의 학습 데이터로 활용되고, 나아가 이 분야의 음성기반 시스템 개발에 기여할 수 있을 것으로 기대된다.

• 한국항공우주학회지
• /
• 제50권1호
• /
• pp.13-20
• /
• 2022

항공기 중량은 성능 및 연료효율성에 영향을 미치는 중요한 요소이다. 항공기의 개념 설계 단계에서는 요소 중량을 추정함에 중량 당 연료소모 비용과 같은 경험식을 이용하여 비용과 중량 간의 균형을 맞추는 과정을 수행한다. 또한, 항공사에서 항공기를 운용할 때 중량관리 활동을 통해 연료 효율성 향상 및 연료절감과 탄소저감을 추진한다. 항공기 중량 변화와 연료 소모 변화 사이의 연관성을 중량비용(Cost of Weight)이라고 하며, 중량비용은 항공기에 중량 추가 혹은 감소가 연료소모에 미치는 영향을 평가함에 사용하고 있다. 본 연구에서는 기존 중량비용 산정 방법의 문제점을 확인하고, 이를 해결하기 위한 새로운 방법의 중량비용 산정 방법을 소개한다. Breguet의 Range Formula와 A350-900 항공기의 실제 비행 데이터를 이용하여 이륙중량과 착륙중량 기반의 두 가지 중량비용을 산정한다. 결론에서는 이륙중량과 착륙중량 기반의 중량비용을 다른 용도로 사용함이 합리적임을 제시하였다. 특히, 착륙중량 기반의 중량비용은 유사 항공기 개념설계 단계에서 요소중량 추정 및 비용과 중량 최적화에 하나의 경험식으로 활용할 수 있다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권10호
• /
• pp.373-380
• /
• 2022

본 논문에서는 네트워크 환경에서 원격사용자들의 몰입형 상호작용을 위한 딥러닝 기반의 그룹 동기화 기법을 제안한다. 그룹 동기화의 목적은 사용자의 몰입감을 높이기 위해서 모든 참여자가 동시에 상호작용이 가능하게 하는 것이다. 기존 방법은 시간 정확도를 향상을 위해 대부분 NTP(Network Time Protocol) 기반의 시간 동기화 방식에 초점이 맞추어져 있다. 동기화 서버에서는 미디어 재생 시간을 제어하기 위해 이동 평균 필터를 사용한다. 그 한 예로서, 지수 가중평균 방법은 입력 데이터의 변화가 크지 않으면 정확하게 재생 시간을 추종하고 예측하나 네트워크, 코덱, 시스템 상태의 급격한 변화가 있을 때는 안정화를 위해 더 많이 시간이 필요하다. 이런 문제점을 개선하기 위해서 데이터의 특성을 반영할 수 있는 딥러닝 기반의 그룹 동기화 기법인 DeepGroupSync를 제안한다. 제안한 딥러닝 모델은 시계열의 재생 지연 시간을 이용하여 최적의 재생 시간을 예측하는 두 개의 GRU(gated recurrent unit) 계층과 하나의 완전 연결 계층으로 구성된다. 실험에서는 기존의 지수 가중평균 기반 방법과 제안한 DeepGroupSync 방법에 대한 성능을 평가한다. 실험 결과로부터 예상하지 못한 급격한 네트워크 조건 변화에 대해서 제안한 방법이 기존 방법보다 더 강건함을 볼 수 있다.