• Korean Chemical Engineering Research
• /
• 제59권1호
• /
• pp.6-10
• /
• 2021

PEMFC(Proton Exchange Membrane Fuel Cell) 고분자 막의 shorting 저항(Shorting Resistance, SR)은 고분자 막의 내구성에 관한 중요한 지표다. SR이 감소하면 shorting 전류(Shorting Current, SC)가 증가하여 내구성과 성능이 감소하고, SR이 약 0.1 kΩ·㎠ 이하가 되면 shorting이 발생하여 온도가 급상승하고 MEA(Membrane Electrode Assembly)를 연소시켜 스택 구동이 종료된다. Shorting 현상을 방지하기 위해서는 SR을 제어해야 하므로 SR에 영향을 주는 조건들에 대해서 연구하였다. SR 측정방법들에서도 차이가 있어서 DOE(Department of Energy)와 NEDO(New Energy and Industrial Technology Development Organization) 방법을 개선한 SR 측정법을 제시하였다. 상대습도와 온도, 셀 체결 압이 상승하면 SR이 감소함을 확인하였다. 고분자 막의 가속내구 평가과정에서 마지막 단계에서 SR이 0.1 kΩ·㎠ 이하로 급감해 수소투과전류밀도가 15 mA/㎠ 이상이 되었고, 이 MEA를 해체 후 SEM(Scanning Electron Microscope) 분석한 결과 고분자 막 내부에 백금이 많이 분포함을 보였다.

• 한국농공학회논문집
• /
• 제64권1호
• /
• pp.79-89
• /
• 2022

Soil moisture is significantly related to crop growth and plays an important role in irrigation management. To predict soil moisture, various process-based model has been developed and used in the world. Various models (Land surface model) may have different performance depending on the model parameters and structures that causes the different model output for the same modeling condition. In this study, the three land surface models (Noah Land Surface Model, Soil Water Atmosphere Plant, Community Land Model) were used to compare the model performance (soil moisture prediction) and develop the multi-model simulation. At first, the genetic algorithm was used to estimate the optimal soil parameters for each model, and the parameters were used to predict soil moisture in the study area. Then, we used the multi-model approach based on Bayesian model averaging (BMA). The results derived from this approach showed a better match to the measurements than the results from the original single land surface model. In addition, identifying the strengths and weaknesses of the single model and utilizing multi-model methods can help to increase the accuracy of soil moisture prediction.

• 한국전자통신학회논문지
• /
• 제16권6호
• /
• pp.1363-1372
• /
• 2021

유해조류의 대번식으로 정의되는 적조는 광역적으로 발생·확산되는 특성을 가진다. 이는 기존의 조사 방법만으로는 탐지의 한계가 있다. 따라서 본 연구에서는 적조를 원격탐사 기법을 활용하여 탐지하였다. 또한 단순히 chlorophyll의 농도가 아닌 광특성을 이용하여 탐지의 정확도를 높이고자 하였다. 적조는 해수신호가 복잡한 남해안에서 주로 발생하며 남해안의 주 적조 종은 Cochlodinium polykirkoides이다. 따라서 기계학습 기법을 활용하여 시각적인 판단에 국한되지 않고 연구자의 관찰과 경험에 의존해 발견하지 못했던 특징을 반영하여 객관성을 확보하고자 하였다. 본 연구에서는 기계학습 모델 중에서 서포트백터머신과 랜덤포레스트를 사용하였고 두 모델의 성능 평가 지표로 정확도 등을 산출한 결과 각각 85.7% 80.2%의 정확도를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.69-76
• /
• 2022

본 논문에서는 MIMIC-IV(Medical Information Mart for Intensive Care) v2.0 데이터를 이용한 시계열 데이터의 정제 및 가공 방법을 제안한다. 더불어 해당 가공법을 기반으로 정제한 데이터셋을 활용하여 구축한 기계학습 기반의 욕창 조기 경보 시스템을 통해 해당 가공 방법의 유의성을 검증하였다. 구현된 욕창 조기 경보 시스템은 병변이 발생하기 전 12, 24시간에 미리 의료진에게 경보를 주는 시스템이다. 전자의무기록(Electronic Medical Record; EMR) 시스템과 연동하여 실시간으로 환자의 욕창 발생 위험도를 의료진에게 알려 중환자 의사결정을 지원하고, 나아가 효율적인 의료 자원 배분을 가능하게 한다. 여러 기계학습 모델 중 GRU 모델을 사용하였을 때, AUROC 평가지표를 기준으로 발생 전 12시간이 0.831, 24시간이 0.822로 가장 좋은 성능을 보였다.

• 한국재난정보학회 논문집
• /
• 제19권3호
• /
• pp.689-697
• /
• 2023

연구목적: 본 연구는 미니트렌칭 공법 적용 과정에서 범용 스마트폰을 이용하여 지중매설물의 정보를 자동 추출하는데 목적이 있다. 연구방법:이미지 학습을 위한 데이터 셋은 주야간, 높이, 각도 등의 다양한 조건에서 수집하였으며, 객체 검지알고리즘은 R-CNN 알고리즘을 이용하였다. 연구결과: 성능평가지표는 정확한 예측과 재현율의 평균을 동시에 고려할 수 있는 F1-Score를 적용하였으며, 학습결과 F1-Score는 0.76으로 나타났다. 결론: 본 연구의 결과는 스마트폰 기반의 지중매설물 정보 추출이 가능한 것으로 나타났으나, 학습데이터의 추가적인 확보와 현장 실증 등을 통해 알고리즘의 정밀성 및 정확성을 향상시킬 필요가 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.201-201
• /
• 2023

일반적으로 하천의 수질은 산업화, 인구증가 등으로 인해 여러 종류의 오염물질이 유입되어 악화된다. 수질 악화의 대표적인 현상은 부영양화이며 이를 일으키는 주요 원인 물질은 통상 영양염류라고 말하는 질소와 인으로 알려져 있다. T-N이 다량 수계로 유입되면 식물성 플랑크톤 등이 대량 번식하여 녹조 현상등 수질 악화를 발생시켜 관리가 필요하다. 현재 많은 수자원 관리 부서에서 모니터링 포인트를 설정하여 수질 변화를 관찰하고 있다. 기존의 T-N 분석방법은 (1) 자외선 흡광광도법 (2) 카드뮴 환원법 (3) 환원증류-킬달법등이 있다. 그러나 이러한 방법들은 실험실 기반의 정량적 분석으로 시간과 비용이 크게 소요되어 발생하는 문제에 대해 초기대응을 하기 힘들다. 따라서 T-N을 효과적으로 측정할 수 있는 방법이 필요하다. 국내에서는 수질자료를 통한 연관된 수질 인자를 찾아내어 머신러닝 알고리즘을 활용해 Chl-a 농도를 추정한 연구사례가 있다. 국외에서는 TN과 센서 측정 지표 간의 물리적, 화학적 관계를 기반으로 센서 감지의 적시성과 지능형 알고리즘의 정확도를 결합하여 실시간 총질소(TN) 측정 방법 연구 사례가 있다. 따라서 본 연구에서는 머신러닝을 활용하여 국내에 적합한 T-N 예측 모델을 만들고자한다. 본 연구에서는 센서기반으로 측정가능한 수질항목들과 T-N의 상관성 분석을 통해 주요 수질인자를 도출하였다. 도출된 인자와 Python 기반의 머신러닝을 활용하여 T-N을 추정하였다. 그 후, T-N 추정값과 실측값을 비교하여 머신러닝 성능을 평가하고 실제 적용 가능성에 대해서 검증하였다. 본 연구는 기존 T-N 측정에 소모되는 시간과 비용의 감소에 기여하고 이를 통해 앞으로 더 정확한 수질 예측이 가능해질 것으로 기대된다.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.234-240
• /
• 2022

본 논문은 직종별 근무 환경에 따른 상대적 운동량을 고려한 맞춤형 AI 운동 추천 서비스 방법을 제안한다. 가속도 및 자이로 센서를 활용하여 수집된 데이터를 18가지 일상생활의 신체활동으로 분류한 WISDM 데이터베이스를 기반으로 전신, 하체, 상체의 3가지 활동으로 분류한 후 인식된 활동 지표를 통해 적절한 운동을 추천한다. 본 논문에서 신체활동 분류를 위해서 사용하는 1차원 합성곱 신경망(1D CNN; 1 Dimensional Convolutional Neural Network) 모델은 커널 크기가 다른 다수의 1D 컨볼루션(Convolution) 계층을 병렬적으로 연결한 컨볼루션 블록을 사용한다. 컨볼루션 블록은 하나의 입력 데이터에 다층 1D 컨볼루션을 적용함으로써 심층 신경망 모델로 추출할 수 있는 입력 패턴의 세부 지역 특징을 보다 얇은 계층으로도 효과적으로 추출 할 수 있다. 제안한 신경망 모델의 성능 평가를 위해서 기존 순환 신경망(RNN; Recurrent Neural Network) 모델과 비교 실험한 결과 98.4%의 현저한 정확도를 보였다.

• 스마트미디어저널
• /
• 제12권5호
• /
• pp.28-35
• /
• 2023

본 연구에서는 음성감정인식의 적용 가능성과 실용성 향상을 위해 적은 수의 파라미터를 가지는 새로운 경량화 모델 RoutingConvNet(Routing Convolutional Neural Network)을 제안한다. 제안모델은 학습 가능한 매개변수를 줄이기 위해 양방향 MFCC(Mel-Frequency Cepstral Coefficient)를 채널 단위로 연결해 장기간의 감정 의존성을 학습하고 상황 특징을 추출한다. 저수준 특징 추출을 위해 경량심층 CNN을 구성하고, 음성신호에서의 채널 및 공간 신호에 대한 정보 확보를 위해 셀프어텐션(Self-attention)을 사용한다. 또한, 정확도 향상을 위해 동적 라우팅을 적용해 특징의 변형에 강인한 모델을 구성하였다. 제안모델은 음성감정 데이터셋(EMO-DB, RAVDESS, IEMOCAP)의 전반적인 실험에서 매개변수 감소와 정확도 향상을 보여주며 약 156,000개의 매개변수로 각각 87.86%, 83.44%, 66.06%의 정확도를 달성하였다. 본 연구에서는 경량화 대비 성능 평가를 위한 매개변수의 수, 정확도간 trade-off를 계산하는 지표를 제안하였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.67-77
• /
• 2023

본 연구는 스마트팜 환경에서 진행된 혁신적인 연구로, 딥러닝을 기반으로 한 질병 및 해충 탐지 모델을 개발하고, 이를 지능형 사물인터넷(IoT) 플랫폼에 적용하여 디지털 농업 환경 구현의 새로운 가능성을 탐색하였다. 연구의 핵심은 Pseudo-Labeling, RegNet, EfficientNet 등 최신 ImageNet 모델과 전처리 방식을 통합하여, 복잡한 농업 환경에서 다양한 질병과 해충을 높은 정확도로 탐지하는 것이었다. 이를 위해 앙상블 학습 기법을 적용하여 모델의 정확도와 안정성을 극대화했으며, 평균 정밀도(mAP), 정밀도, 재현율, 정확도, 박스 손실 등의 다양한 성능 지표를 통해 모델을 평가하였다. 또한, SHAP 프레임워크를 활용하여 모델의 예측 기준에 대한 깊은 이해를 도모하였고, 이를 통해 모델의 결정 과정을 보다 투명하게 만들었다. 이러한 분석은 모델이 어떻게 다양한 변수들을 고려하여 질병 및 해충을 탐지하는지에 대한 중요한 통찰력을 제공하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.271-278
• /
• 2021

현재 사이버 공격이 더욱 지능화됨에 따라 기존의 침입 탐지 시스템(Intrusion Detection System)은 저장된 패턴에서 벗어난 지능형 공격을 탐지하기 어렵다. 이를 해결하려는 방법으로, 데이터 학습을 통해 지능형 공격의 패턴을 분석하는 딥러닝(Deep Learning) 기반의 침입 탐지 시스템 모델이 등장했다. 침입 탐지 시스템은 설치 위치에 따라 호스트 기반과 네트워크 기반으로 구분된다. 호스트 기반 침입 탐지 시스템은 네트워크 기반 침입 탐지 시스템과 달리 시스템 내부와 외부를 전체적으로 관찰해야 하는 단점이 있다. 하지만 네트워크 기반 침입 탐지 시스템에서 탐지할 수 없는 침입을 탐지할 수 있는 장점이 있다. 따라서, 본 연구에서는 호스트 기반의 침입 탐지 시스템에 관한 연구를 수행했다. 호스트 기반의 침입 탐지 시스템 모델의 성능을 평가하고 개선하기 위해서 2018년에 공개된 호스트 기반 LID-DS(Leipzig Intrusion Detection-Data Set)를 사용했다. 해당 데이터 세트를 통한 모델의 성능 평가에 있어서 각 데이터에 대한 유사성을 확인하여 정상 데이터인지 비정상 데이터인지 식별하기 위해 1차원 벡터 데이터를 3차원 이미지 데이터로 변환하여 재구성했다. 또한, 딥러닝 모델은 새로운 사이버 공격 방법이 발견될 때마다 학습을 다시 해야 한다는 단점이 있다. 즉, 데이터의 양이 많을수록 학습하는 시간이 오래 걸리기 때문에 효율적이지 못하다. 이를 해결하기 위해 본 논문에서는 적은 양의 데이터를 학습하여 우수한 성능을 보이는 Few-Shot Learning 기법을 사용하기 위해 Siamese-CNN(Siamese Convolutional Neural Network)을 제안한다. Siamese-CNN은 이미지로 변환한 각 사이버 공격의 샘플에 대한 유사성 점수에 의해 같은 유형의 공격인지 아닌지 판단한다. 정확성은 Few-Shot Learning 기법을 사용하여 정확성을 계산했으며, Siamese-CNN의 성능을 확인하기 위해 Vanilla-CNN(Vanilla Convolutional Neural Network)과 Siamese-CNN의 성능을 비교했다. Accuracy, Precision, Recall 및 F1-Score 지표를 측정한 결과, Vanilla-CNN 모델보다 본 연구에서 제안한 Siamese-CNN 모델의 Recall이 약 6% 증가한 것을 확인했다.