• 정보관리학회지
• /
• 제39권1호
• /
• pp.91-117
• /
• 2022

국내를 비롯하여 전 세계적으로 우울증 환자 수가 매년 증가하는 추세이다. 그러나 대다수의 정신질환 환자들은 자신이 질병을 앓고 있다는 사실을 인식하지 못해서 적절한 치료가 이루어지지 않고 있다. 우울 증상이 방치되면 자살과 불안, 기타 심리적인 문제로 발전될 수 있기에 우울증의 조기 발견과 치료는 정신건강 증진에 있어 매우 중요하다. 이러한 문제점을 개선하기 위해 본 연구에서는 한국어 소셜 미디어 텍스트를 활용한 딥러닝 기반의 우울 경향 모델을 제시하였다. 네이버 지식인, 네이버 블로그, 하이닥, 트위터에서 데이터수집을 한 뒤 DSM-5 주요 우울 장애 진단 기준을 활용하여 우울 증상 개수에 따라 클래스를 구분하여 주석을 달았다. 이후 구축한 말뭉치의 클래스 별 특성을 살펴보고자 TF-IDF 분석과 동시 출현 단어 분석을 실시하였다. 또한, 다양한 텍스트 특징을 활용하여 우울 경향 분류 모델을 생성하기 위해 단어 임베딩과 사전 기반 감성 분석, LDA 토픽 모델링을 수행하였다. 이를 통해 문헌 별로 임베딩된 텍스트와 감성 점수, 토픽 번호를 산출하여 텍스트 특징으로 사용하였다. 그 결과 임베딩된 텍스트에 문서의 감성 점수와 토픽을 모두 결합하여 KorBERT 알고리즘을 기반으로 우울 경향을 분류하였을 때 가장 높은 정확률인 83.28%를 달성하는 것을 확인하였다. 본 연구는 다양한 텍스트 특징을 활용하여 보다 성능이 개선된 한국어 우울 경향 분류 모델을 구축함에 따라, 한국 온라인 커뮤니티 이용자 중 잠재적인 우울증 환자를 조기에 발견해 빠른 치료 및 예방이 가능하도록 하여 한국 사회의 정신건강 증진에 도움을 줄 수 있는 기반을 마련했다는 점에서 의의를 지닌다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.189-200
• /
• 2022

도심지 도로에서의 지하공동 붕괴로 인한 지반침하 문제는 인명 및 재산 피해로 이어질 수 있기 때문에 이를 예방하기 위해서는 사전에 지하공동을 탐지하고 복구하는 과정이 필요하다. 지하공동 탐지는 주로 지표투과레이더(ground penetrating radar, GPR) 탐사를 통해 이루어지는데, 방대한 탐사 자료로 인해 해석에 많은 시간이 소모되고 전문가의 숙련도와 주관에 따라 해석 결과가 달라질 수 있다. 이러한 문제를 해결하기 위해 GPR 자료 해석 자동화 및 정량화 기법들이 연구되어 왔으며, 최근에는 딥러닝 기반의 해석 기법들이 많이 활용되고 있다. 이 연구에서는 딥러닝 기반의 GPR 자료해석 기법 중 쌍곡선(hyperbola) 신호를 탐지하는 과정에 대해 기존 연구에서 개발된 기법을 단계별로 실증 예제를 통해 설명하였다. 먼저, 쌍곡선 신호를 자동으로 탐지하기 위해서 딥러닝 기반 YOLOv3 객체탐지 기법을 적용했다. 다음으로는 column-connection clustering (C3) 알고리즘을 통해 쌍곡선 신호만을 추출하였고, 최종적으로 회귀분석을 통해 지하공동의 수평위치를 결정했다. YOLOv3 객체탐지 기법을 이용한 쌍곡선 신호 탐지 성능은 AP50 기준으로 정밀도 84%, 재현율 92%를 달성했다. 지하공동 수평위치 정확도는 4개 샘플에 대해 실제 위치와 약 0.12 ~ 0.36 m 정도의 차이를 보였다. 이를 통해 지하공동에 의해 나타나는 쌍곡선 신호에 대한 딥러닝 기반 탐지 기법의 적용성을 확인할 수 있었다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제6권3호
• /
• pp.383-391
• /
• 2016

선박평형수란, 선박의 균형을 유지하기 위해서 배에 채우는 바닷물을 말한다. 선박평형수를 통한 외래종 유입은 생태계 교란의 주된 원인이다. 이를 방지하기 위해 IMO(International Maritime Organization)에서는 2004년 선박평형수와 침전물 관리협약을 채택하였다. 협약이 발효될 경우 각국 항만 당국에서는 선박평형수가 협약의 성능 기준에 맞게 배출되는지 확인이 필요하다. 본 논문에서는 이미지처리를 통한 선박평형수 내 유해수중생물 개체수 측정 방법을 제안한다. 부산 신항에서 채취한 선박평형수로부터 3개의 샘플을 추출하였으며, 각 샘플당 서로 다른3개의 grey-scale 이미지를 만들어 실험자료로 사용하였다. 이미지처리를 이용한 자동 세포계수 프로그램인 CellProfiler를 이용하여 본 논문에서 제안하는 방법과 비교하였다. CellProfiler에서 사용한 설정은 사람이 직접 세포계수를 한 결과에 맞춰 경험적으로 결정하였다. 각 이미지에서 CellProfiler와 가장 유사한 결과를 보이는 최적의 임계값을 찾은 뒤 그 평균을 최종 임계값으로 사용하였다. 실험결과에서 제안한 방법은 CellProfiler와 비슷한 세포 계수 결과를 보이면서도 약 10배 정도 빠른 처리 속도를 보였다.

• 분석과학
• /
• 제21권6호
• /
• pp.443-458
• /
• 2008

우리 생활주변에서 사용하고 있는 화학물질의 연소과정을 차단하거나 지연시키기 위해 사용되고 있는 다양한 종류의 난연제 중 브롬화난연제는 가격이 저렴하고 가격에 비하여 성능이 우수하여 많이 사용되고 있으나, 제품에 첨가하거나 반응시키는 과정에서 제품 중에 부산물로 브롬화다이옥신의 생성원인물질로 많은 관심을 보이고 있다. 현재 브롬화난연제의 위해성에 대한 많은 연구가 추진되고 규제가 강화되고 있으나, 브롬화다이옥신류는 전처리 과정 중에 빛에 의해 광분해되고, 분자량이 커서 GC (Gas Chromatograph)로 분리하는데 어려움이 많아 연구가 많이 이루어지지 않은 실정이다. 따라서 현재 관심이 대두되고 있는 브롬화난연제와 비의도적 부산물로 생성되는 브롬화다이옥신류의 일반적인 현황, 관리동향, 생성 경로, 잔류농도, 분석방법 등 최근의 연구동향에 대하여 조사하였다.

• 대한토목학회논문집
• /
• 제28권2A호
• /
• pp.259-267
• /
• 2008

철근콘크리트 깊은 보는 콘크리트와 전단철근에 의한 전단저항 메커니즘의 성능에 의해 극한강도가 지배된다. 깊은 보의 거동은 전단지간대 유효깊이의 비, 휨철근비, 하중점과 지지점의 조건, 그리고 사용재료의 성질 등의 여러 변수간의 복합적인 역학관계로 인해 매우 복잡하다. 본 논문에서는 이러한 깊은 보의 강도 및 거동 특성을 모두 반영하여 단순지지 철근콘크리트 깊은 보의 설계를 수행할 수 있는 부정정 스트럿-타이 모델을 제안하였다. 또한 현 스트럿-타이 모델 설계기준을 부정정 스트럿-타이 모델을 이용한 단순지지 철근콘크리트 깊은 보의 설계에 합리적으로 적용하기 위해 수직 트러스 메커니즘에 의해 전달되는 하중의 크기 즉 부정정 스트럿-타이 모델의 하중분배율을 제안하였다. 하중분배율의 결정 시 단순지지 철근콘크리트 깊은 보의 전단에 대한 연성파괴거동을 확보하기 위하여 깊은 보의 전단저항 메커니즘을 구성하는 콘크리트 스트럿과 수직철근 타이가 동시에 파괴된다는 전단평형철근비 개념을 도입하였으며, 다양한 수치해석결과를 바탕으로 단순지지 깊은 보의 강도 및 거동에 영향을 미치는 전단지간대 유효깊이의 비, 휨철근비, 그리고 콘크리트의 압축강도 등의 설계변수를 고려하였다. 본 논문의 후속편에서는 기존의 여러 설계방법들과 본 연구에서 제안한 방법을 이용하여 파괴실험이 수행된 다양한 종류의 단순지지 깊은 보의 강도를 평가하고, 본 연구에서 제안한 방법의 적합성을 검증하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.42-42
• /
• 2022

지금까지도 유역에서의 녹조 모니터링은 현장채수를 통한 점 단위 모니터링에 크게 의존하고 있어 기후, 유속, 수온조건 등에 따라 수체에 광범위하게 발생하는 녹조를 효율적으로 모니터링하고 대응하기에는 어려운 점들이 있어왔다. 또한, 그동안 제한된 관측 데이터로 인해 현장 측정된 실측 데이터 보다는 녹조와 관련이 높은 NDVI, FGAI, SEI 등의 파생적인 지수를 산정하여 원격탐사자료와 매핑하는 방식의 분석연구 등이 선행되었다. 본 연구는 녹조의 모니터링시 정확도와 효율성을 향상을 목표로 하여, 우선은 녹조 측정장비를 활용, 7000개 이상의 녹조 관측 데이터를 확보하였으며, 이를 바탕으로 동기간의 고해상도 위성 자료와 실측자료를 매핑하기 위해 다양한Machine Learning기법을 적용함으로써 그 효과성을 검토하고자 하였다. 연구대상지는 낙동강 내성천 상류에 위치한 영주댐 유역으로서 데이터 수집단계에서는 면단위 현장(in-situ) 관측을 위해 2020년 2~9월까지 4회에 걸쳐 7291개의 녹조를 측정하고, 동일 시간 및 공간의 Sentinel-2자료 중 Band 1~12까지 총 13개(Band 8은 8과 8A로 2개)의 분광특성자료를 추출하였다. 다음으로 Machine Learning 분석기법의 적용을 위해 algae_monitoring Python library를 구축하였다. 개발된 library는 1) Training Set과 Test Set의 구분을 위한 Data 준비단계, 2) Random Forest, Gradient Boosting Regression, XGBoosting 알고리즘 중 선택하여 적용할 수 있는 모델적용단계, 3) 모델적용결과를 확인하는 Performance test단계(R², MSE, MAE, RMSE, NSE, KGE 등), 4) 모델결과의 Visualization단계, 5) 선정된 모델을 활용 위성자료를 녹조값으로 변환하는 적용단계로 구분하여 영주댐뿐만 아니라 다양한 유역에 범용적으로 적용할 수 있도록 구성하였다. 본 연구의 사례에서는 Sentinel-2위성의 12개 밴드, 기상자료(대기온도, 구름비율) 총 14개자료를 활용하여 Machine Learning기법 중 Random Forest를 적용하였을 경우에, 전반적으로 가장 높은 적합도를 나타내었으며, 적용결과 Test Set을 기준으로 NSE(Nash Sutcliffe Efficiency)가 0.96(Training Set의 경우에는 0.99) 수준의 성능을 나타내어, 광역적인 위성자료와 충분히 확보된 현장실측 자료간의 데이터 학습을 통해서 조류 모니터링 분석의 효율성이 획기적으로 증대될 수 있음을 확인하였다.

• 말소리와 음성과학
• /
• 제15권4호
• /
• pp.109-118
• /
• 2023

심정지는 초기 대응에 따라 생존율과 예후에 영향을 미치는 중요한 응급 상황이다. 특히 병원밖심정지(out-of-hospital cardiac arrest, OHCA)의 경우, 119 구조대의 초기 조치가 심정지 환자의 생존율을 높이는 데 결정적인 역할을 한다. 그러나 국내에서는 수보요원의 수가 제한적이지만 다량의 신고 전화에 응대해야 하는 현실이다. 이런 상황에서 머신러닝 기반의 OHCA 탐지 프로그램은 수보요원의 보조 역할로 심정지 환자의 생존률을 높일 수 있다. 본 연구에서는 이러한 문제를 해결하기 위해 머신러닝 기반의 심정지(OHCA) 탐지 프로그램을 개발하였다. 이 프로그램은 수보요원과 신고자의 통화 녹취록을 분석하여 심정지 여부를 판단한다. 제안한 모델은 수보요원 및 신고자와의 통화를 자동으로 전사하는 모델, 텍스트 기반의 심정지 탐지 모델, 그리고 프로그램 개발을 위한 서버와 클라이언트로 구성되어 있다. 실험 결과, 본 연구에서 제안한 모델은 F1 점수 기준으로 79.49%의 성능을 보였으며, 수보요원과 비교하여 심정지 감지 시간을 15초 단축하였다. 이 연구는 소규모 데이터셋을 사용하였음에도 불구하고, 심정지 기반의 탐지 프로그램이 수보요원의 보조 역할로 심정지 생존률에 기여할 수 있음을 입증하였다.

• 한국음향학회지
• /
• 제26권2호
• /
• pp.61-68
• /
• 2007

마이크로폰의 주파수 응답 특성은 마이크로폰이 레벨 허용 범위로 재생할 수 있는 주파수 범위를 나타내는 것으로, 마이크로폰이 가지고 있는 특성을 평가하는 기준으로 사용되는 가장 중요한 음향 특성 파라메타 중의 하나이다. 이와 같은 마이크로폰의 주파수 응답 특성을 측정하기 위한 기존의 방법들은 그 측정 조건이 매우 까다로울 뿐만 아니라, 고가의 장비를 사용하여 측정하여야 한다는 문제점을 갖고 있다. 이러한 단점을 보완하기 위하여 본 논문에서는 마이크로폰의 주파수 응답 특성을 간단하게 측정할 수 있는 알고리즘을 제안한다. 제안한 알고리즘은 컴퓨터로 생성한 Optimized Aoshima's Time Stretched Pulse(OATSP) 신호를 표준 스피커를 통하여 발생시킨 다음, 측정하고자 하는 마이크로폰으로 수음된 신호와 역 OATSP 신호를 컨볼루션시켜 마이크로폰의 임펄스 응답을 측정하고, 이 신호를 이용하여 측정할 마이크로폰의 주파수 응답 특성을 구하는 방범이다. 제안한 알고리즘의 성능 평가는 제안한 알고리즘을 이용하여 구한 마이크로폰의 주파수 응답 특성 측정값과 그들이 갖고 있던 주파수 응답 특성 데이터를 비교 분석하였다. 비교 결과, 측정한 각각의 마이크로폰 주파수 응답 특성들 사이에 오차가 발생하였으나, 오차가 그 측정값들이 허용 오차(${\pm}3{\sim}{\pm}5dB$) 범위에 내에 있었으므로 제안한 알고리즘이 마이크로폰의 주파수 응답 특성을 측정하기에 적합한 방법임을 입증하였다.

• 한국건설안전학회 논문집
• /
• 제6권1호
• /
• pp.12-18
• /
• 2024

건축물의 초고층화, 대형화, 다양화가 가능하고 콘크리트 단면의 축소로 구조물 자중이 경감되어 보와 슬래브 두께를 얇게 함으로 층고를 증감하거나 같은 높이에서 많은 층수를 축조할 수 있고 넓은 유효공간이 확보되며, 기초 저면 지정에 사용된 자재 및 철근과 콘크리트 양을 절감하는 효과를 기할 수 있다. 현장시공 및 품질측면에서는 낮은 물결합재비 배합으로 건조수축 발생 저감 효과와 콘크리트 표면의 블리딩 최소화 효과를 얻을 수 있으며, 고성능감수제 사용에 의한 유동성 증진으로 자체 충전성이 확보되어 현장시공이 용이해지며, 콘크리트의 조기 강도 발현으로 거푸집 탈형 기간을 단축시킬 수 있는 장점이 있다. 특히 근래에 들어 콘크리트와 관련한 건축기술의 비약적인 발전에 따라 초고층 건축물에서는 설계기준강도 100MPa급 이상의 초고강도콘크리트의 적용이 확대되고 있다. 그러나 최근 국내에서도 120층 이상의 초고층 건축물들이 발주 또는 발주 예정되어 있으나, 현장 적용성이 고려된 130MPa급 이상의 초고강도 콘크리트를 개발하여 현장에서 실제 적용 가능성 여부를 실험, 평가한 연구실적은 미흡하다. 본 연구에서는 초고강도콘크리트의 현장적용 가능성을 확인하기 위하여 여러 가지 방법의 실내기초 실험으로 연구되어진 최적의 배합비를 찾아서 축소모의부재 예비실험을 실시하였다. 그 후 실물크기와 유사한 모의부재에 130MPa급 초고강도콘크리트를 레미콘 공장에서 생산하여 현장 펌프압송 타설을 통해 콘크리트의 유동특성, 강도특성, 수화열에 관하여 실험 연구하였다.

• 한국식품저장유통학회지
• /
• 제30권3호
• /
• pp.459-471
• /
• 2023

뱀장어 생산단계 안전성조사 부적합여부에 영향을 미치는 특성변수를 베이지안 네트워크(BN) 모델을 적용하여 분석하였다. 2012년부터 2021년까지의 통합식품안전정보망(IFSIN)의 뱀장어 생산단계 안전성조사 데이터에 양식장의 HACCP 정보, 지리적 정보 및 용수환경 데이터를 연계하여 BN 모델을 수립하였다. 뱀장어의 부적합여부에 영향을 주는 특성변수로 양식장의 HACCP 인증여부, 양식장의 이전 5년간 검사대상 유해물질의 검출여부, 해당 양식장의 이전 5년간 부적합적발이력, 사용되는 용수환경의 적정성이 제안되었으며, 이때 용수환경의 적정성은 총대장균군과 총유기탄소량으로부터 산출되었다. 뱀장어 부적합이 발생할 확률이 가장 높은 경우는 지난 5년간 검사대상 유해물질의 검출이력이 있으면서 동시에 부적합 적발 이력이 있는 HACCP 인증을 받지 않은 양식장으로서, 용수환경도 총대장균군 또는 총유기탄소가 높아 오염이 의심되는 용수를 사용하는 경우로 이때 부적합이 발생할 확률은 24.5%로 뱀장어 생산단계 안전성 조사 시 부적합률인 0.26%의 94배 높았다. 2022년 1월부터 8월까지 뱀장어 양식장 안전성조사 결과를 시험용 데이터세트(6,785건 중 부적합 15건)로 하여 BN 모델의 적정성을 검토하였다. 영향강도가 높았던 설명변수인 HACCP, 검출이력, 부적합이력으로 구성한 BN 모델을 시험용 데이터세트에 적용한 결과 부적합일 확률이 15.8%로 시험용데이터의 부적합률인 0.22%의 약 71.4배 개선할 수 있었다. 그러나 이 모델의 재현율은 0.2에 머물렀는데, 이는 특히 부적합항목인 유해물질의 기준·규격이 신설되어 해당 양식장에서 검사기록이 없는 경우와, 매우 드물게 발생하여 10년 동안 검출이력이 없어 학습데이터세트에는 없는 경우이었다. 베이지안 네트워크를 적용하여 부적합확률이 높은 생산단계 안전성 조사대상을 선정하게 되면 설명변수별로 시나리오에 따라 부적합확률을 설명가능하게 되어 다른 머신러닝 알고리즘을 적용하는 경우 지적되어온 설명불가능이라는 문제점을 해소할 수 있으며, 향후 안전성조사 데이터 축적 시 용이하게 모델 업데이트가 가능하며 이를 통해 모델의 예측성능개선도 기대할 수 있다는 장점이 있다.