• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.65-65
• /
• 2022

울창한 숲에도 어느 정도 햇빛은 들 듯이, 태양복사에너지는 식생의 잎과 흙에 모두 미치며, 그로 인해 증산과 증발이 각각 발생한다. 이러한 사실을 반영하는 것은 현존하는 증발산 산정 방법을 개선하여 더 나은 증발산 추정치를 구하는 데에 도움이 될 것이다. 이 연구에서는 증발 표면을 수직적으로 흙층(soil layer)과 잎층(canopy layer)으로 나눠진 다층 구조로 바라보고, 각 층에서 증발산을 계산하는 방법을 도입했다. 증발 표면을 수직 상에서 구분했기에 각 층의 환경 조건은 그 층을 대표하는 높이에서 관측된 기상자료를 활용할 수 있다. 또한, 식생 활기에 따른 각 층의 복사에너지 유입량과 기공의 여닫힘에 따른 Bowen 비를 통해 식생이 증발산에 미치는 영향을 반영하는 것이 가능하다. 본 연구에서는 Fluxnet에서 제공하는 공분산 방법(eddy covariance method)으로 측정한 자료를 참고하여 다층 구조가 실제 증발산 산정에 타당한가를 논했다. 시스템 내 변화는 주어진 조건에서 엔트로피가 최대로 생성되는 방향으로 발생한다는 Maximum Entropy Production (MEP) 이론을 기반으로 만들어진 증발산 산정법을 통해 각 층의 증발산을 계산했으며, 관측 증발산을 토대로 잎층과 흙층에 유입된 복사에너지의 크기를 비교했다. 결과적으로 잎층에 계산된 복사에너지 흡수능이 낙엽수림의 변화 주기를 잘 반영하는 것을 확인했으며 다층 구조를 도입하는 것이 증발산 산정 향상과 수문-식생 관계를 고려한 증발산 분석에 적절한 접근법임을 보였다.

• 방송공학회논문지
• /
• 제22권5호
• /
• pp.608-617
• /
• 2017

영역 분리에 의한 명암대비 방법들이 제안되어 왔지만 영상의 히스토그램에 따라 과포화 되는 부작용이나 밝기 값 보존과 명암대비 효과의 상반 관계에 대한 개선이 필요하다. 본 논문은 다양한 히스토그램에서도 명암 대비가 개선 되도록 영역 분리 시 각 서브 영역이 가우시안 분포를 갖도록 분리하고 영역별 평활화하는 명암 대비 방법을 제안 한다. 영역 분리는 $L^*a^*b^*$ 컬러 공간에서 K-평균 방법과 기대-최대 방법에 의해 영역맵과 확률맵을 생성하며 영역별 히스토그램 평활화 방법은 영역간 히스토그램 중복 최소를 위해 평균값 이동과 영역 분리에서 생성된 확률맵을 변환 함수에 활용함으로써 영역별 밝기값을 보존 하였다. 실험은 기존의 명암 대비 방법들과 평균 밝기 차이와 평균 엔트로피 값을 이용하여 밝기 변화가 적고 영상의 세부 정보가 표현됨에 의한 명암대비 개선을 보인다.

• 한국정보과학회논문지:데이타베이스
• /
• 제30권2호
• /
• pp.176-183
• /
• 2003

질의 최적화에 사용하기 위한 선택도 추정 방법은 히스토그램, 샘플링 그리고 패러미터에 의한 요약 방법 등이 제시되고 있다. 히스토그램을 이용한 선택도 추정은 상용 데이타베이스 시스템에서 가장 보편적으로 사용되는 방법이지만, 이동 객체를 위한 시공간 데이타베이스에서는 데이타 분포가 지속적으로 변화함으로써 기존의 히스토그램 방법을 이용하는 것은 제한이 많게 된다. 특히 미래 질의를 위해서는 데이타 갱신을 반영하는 동적 관리가 가능하며, 정화도를 유지할 수 있는 다른 접근 방법이 필요하다. 따라서 시공간 객체를 위한 선택도 추정 방법은 질의 술어가 요구하는 데이타 분포에 대한 히스토그램이 필요하며, 본 논문에서는 미래의 시공간 영역 질의 술어에 대하여 신속히 히스토그램을 생성할 수 있도록 쌍대성과 한계 분포 방법을 이용한 히스토그램을 제안한다. 쌍대 공간에서 이동 객체에 대한 데이타 시놉시스를 이용하여 구성된 시공간 히스토그램은 이동 궤적의 선형성이 유지하는 시간 동안 정확성을 보장하면서 빠른 시간에 생성이 가능하다. 또한 동적 갱신을 점증적으로 지원함으로써 효율적으로 갱신된 정보를 반영할 수 있고 추정 결과의 정확성을 향상시킬 수 있다.

• 정보관리학회지
• /
• 제25권4호
• /
• pp.327-345
• /
• 2008

이 연구는 국내 연구자의 학술지 논문 발표 자료를 활용하여 학문분야간 학술지 공유도를 산출하고, 이로부터 국내 학문분야의 구조를 나타내는 네트워크를 생성하였다. 생성된 패스파인더 네트워크는 '생물학' 분야를 핵심으로 하는 생명과학 분야가 중앙을 차지하고 있었으며, 인문학과 의약학, 공학에 속한 학문끼리는 학문간 연계가 매우 강하게 나타났다. 가중 네트워크로부터 각 학문분야의 중심성과 학제성을 파악하기 위해서 엔트로피 공식과 가중 네트워크 중심성 척도를 적용한 결과 전역 중심 학문, 지역 중심 학문, 전역 연계 학문, 기타 일반 학문의 네 가지 유형을 식별할 수 있었다. 가중 네트워크를 이진 네트워크로 변환한 패스파인더 네트워크에서는 다수의 약한 링크가 모인 데이트 허브가 드러나지 않았으나, 가중 네트워크에서의 중심성 지수인 삼각매개중심성의 측정 범위를 지역에서부터 전역까지 달리하며 측정한 결과로부터 '인지과학'분야와 같은 학제성이 높은 데이트 허브를 식별할 수 있었다.

• 분석과학
• /
• 제11권5호
• /
• pp.366-373
• /
• 1998

여러자리 시프염기인 BSDT(1,9-bis(2-hydroxyphenyl)-2,5,8-triaza-1,8-nonadiene), BSTT(1,12-bis(2-hydroxyphenyl)-2,5,8,11-tetraaza-1,11-dodecadiene)와 BSTP(1,15-bis(2-hydroxyphenyl)2,5,8,11,14-pentaaza-1,14-pentadodecadiene)를 합성하여 전위차적정법으로 산해리 상수값을 구하고, DMSO 용매에서 이들 리간드들과 구리(II), 니켈(II), 및 아연(II)등의 전이금속과의 안정도 상수값을 폴라로그래피를 이용하여 구하였다. 이때 금속과 리간드는 1:1착물을 형성하였고, 안정도 상수값은 금속으로서는 Cu(II)>Ni(II)>Zn(II) 순서로, 리간드로서는 BSTP>BSTT>BSDT 순서로 나타남으로서 주개 원자수의 증가에 의존한다는 사실을 알았다. 엔탈피와 엔트로피는 모두 음의 값을 나타내었는데 흡열반응으로서 금속이온과 리간드가 매우 강하게 결합하고 있음을 알 수 있고 극성을 가지는 금속착물이 생성되어 용매인 DMSO와 아주 강한 상호작용을 함으로써 큰 음의 엔트로피 값을 가진 것으로 생각된다.

• 대한전자공학회논문지SP
• /
• 제43권3호
• /
• pp.9-16
• /
• 2006

많은 영상과 비디오 압축 알고리듬들은 영상을 블록으로 나누어 처리하여 각 블록에서 가변길이 부호비트를 생성한다. 만일 에러 검출기법을 사용하지 않고 가변길이 부호데이터를 에러 발생채널에 전송한다면 수신측 복호화기는 압축된 스트림(Stream)을 적절히 복호할 수 없다. 따라서 표준 영상 및 비디오 압축 알고리듬에서는 채널 에러로부터 데이터 스트림을 보호하기 위해 추가적인 정보들을 삽입한다. 그런 추가 정보 중의 하나가 재동기 마커(resynchronization marker)이다. 이 방법은 전송 에러 발생시 복호화를 다시 시작하기 위한 위치를 복호화기에게 알려줄 수 있지만 주파수 대역폭의 낭비가 심한 단점이 있다. 에러 내성 엔트로피 부호화(EREC)는 어떤 추가 정보 없이 재동기 시작점을 찾을 수 있는 방법으로 잘 알려져 있다. 이 방법은 대부분의 영상 압축 기법에서 사용되는 접두 코드(prefix code)에 적용될 수 있으므로 본 논문에서는 FEREC(Fast Error-Resilient Entropy Coding)의 성능을 개선한 EREREC(Efficient and Robust EREC) 기법을 제안하였다. 첫째로 연속 블록들의 부호화비트 길이를 이용하여 초기 탐색 위치를 계산한다. 둘째, 초기 오프셋은 가변 길이 부호들에서 길고 짧은 블록들의 확률 분포를 이용하여 결정되고, 결정된 초기 오프셋 값은 제안 방법에서 사용되는 모든 오프셋 시퀀스 값들을 보장하기 위해 조정된다. 제안된 EREREC 알고리듬은 슬롯 구성에 있어 EREC보다 빠르며, 전송 에러 발생시 복호화된 영상의 화질이 개선된다. 실험 결과는, 임의 에러 발생 채널에서 기존의 EREC 및 FEREC와 복원영상의 화질을 비교하였을 때 약 $0.3{\sim}3.5dB$의 화질이 개선됨을 보여준다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.

• 한국음향학회지
• /
• 제39권1호
• /
• pp.38-46
• /
• 2020

로파/데몬 그램은 수동소나의 특성을 확인하기 위해 수중 음향 신호에 대한 방위, 시간, 주파수를 시각적으로 표현한 결과이다. 이러한 그램들은 기존의 압축 기법들을 적용하기 힘든 토널 성분과 같은 특징들을 포함하고 있다. 본 논문에서는 이진맵과 예측 기법으로 구성된 새로운 로파 및 데몬 그램 압축 기법을 제안한다. 먼저 각 주파수 빈에 대한 예측을 결정하는 이진맵을 생성하고, 프레임을 몇 개의 매크로 블록으로 구분한다. 각 매크로 블록에 대해 인트라 예측과 인터 예측을 적용하여 나머지를 계산한다. 그리고 이진맵에서 유효한 빈들에 대해 예측을 수행하고 엔트로피 부호화를 위해 나머지를 양자화 한다. 이진맵과 예측모드를 전송함으로써 복호기는 동일한 절차로 그램을 복원한다. 시뮬레이션을 통해 제안하는 알고리즘의 로파와 데몬 그램 압축 결과가 기존의 데이터 압축 기법에 비해 우수함을 확인한다.

• 대한화학회지
• /
• 제43권1호
• /
• pp.85-91
• /
• 1999

Phenyl N,N-diethyl-P-benzylphonamidate 및 그 유도체들의 염기성 가수분해 반응속도 상수를 분광 광도법으로 측정하였다. 속도 상수로부터 열역학적 파라메타(Ea, ${\Delta}H^{\neq}$,${\Delta}S^{\neq}$)를 구하였고, 이탈기의 치환기 효과는 Hammett 식을 이용하여 얻었다. 이들 실험 자료에 의하면 가수분해 반응은 활성화 엔트로피가 양의 값이나 작은 음의 값을 갖고 카르보음이온 생성이 수반되는 해리반응 보다는 이중피라미드 중간체 또는 전이 상태를 경유하는 회합 메카니즘을 강력히 암시하고 있다. 반응속도론적 연구 결과에 의하면 치환 pheny N,N-diethyl-P-benzylphosphonamidates의 가수분해 반응은 회합성 메카니즘으로 진행됨을 알 수 있었다.