• 지구물리와물리탐사
• /
• 제26권2호
• /
• pp.37-51
• /
• 2023

그라운드-롤(ground roll)은 육상 탄성파 탐사 자료에서 가장 흔하게 나타나는 일관성 잡음(coherent noise)이며 탐사를 통해 얻고자 하는 반사 이벤트 신호보다 훨씬 큰 진폭을 가지고 있다. 따라서 탄성파 자료 처리에서 그라운드-롤 제거는 매우 중요하고 필수적인 과정이다. 그라운드-롤 제거를 위해 주파수-파수 필터링, 커브릿(curvelet) 변환 등 여러 제거 기술이 개발되어 왔으나 제거 성능과 효율성을 개선하기 위한 방법에 대한 수요는 여전히 존재한다. 최근에는 영상처리 분야에서 개발된 딥러닝 기법들을 활용하여 탄성파 자료의 그라운드-롤을 제거하고자 하는 연구도 다양하게 수행되고 있다. 이 논문에서는 그라운드-롤 제거를 위해 CNN (convolutional neural network) 또는 cGAN (conditional generative adversarial network)을 기반으로 하는 세가지 모델(DnCNN (De-noiseCNN), pix2pix, CycleGAN)을 적용한 연구들을 소개하고 수치 예제를 통해 상세히 설명하였다. 알고리듬 비교를 위해 동일한 현장에서 취득한 송신원 모음을 훈련 자료와 테스트 자료로 나누어 모델을 학습하고, 모델 성능을 평가하였다. 이러한 딥러닝 모델은 현장자료를 사용하여 훈련할 때, 그라운드-롤이 제거된 자료가 필요하므로 주파수-파수 필터링으로 그라운드-롤을 제거하여 정답자료로 사용하였다. 딥러닝 모델의 성능 평가 및 훈련 결과 비교는 정답 자료와의 유사성을 기본으로 상관계수와 SSIM (structural similarity index measure)과 같은 정량적 지표를 활용하였다. 결과적으로 DnCNN 모델이 가장 좋은 성능을 보였으며, 다른 모델들도 그라운드-롤 제거에 활용될 수 있음을 확인하였다.

• 지구물리와물리탐사
• /
• 제16권4호
• /
• pp.211-216
• /
• 2013

일반적으로 평활화 필터는 주변값들과의 차이를 감소시켜 함수를 정규화하는 역할을 한다. 따라서 완전파형역산에 평활화 필터를 적용하면 역산 해를 정규화 할 수 있으며 실제 지하 구조에 가까운 영상을 얻을 수 있다. 다만 단일 평활화 계수를 사용했을 때는 지층 형태나 속도변화에 관계없이 동일하게 평활화가 이루어지므로 지층간 경계면이나 단층 등의 구조가 불명확해지는 단점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 단일 평활화 계수가 아닌 역산 반복 과정에 따라 선택적으로 평활화 계수를 조정하는 정규화 기법을 개발하였다. 먼저 파형역산에 적합한 탐사자료의 주파수 대역과 그에 대응하는 파수 범위를 분석하였다. 분석한 파수 범위에 적합한 평활화 계수를 선정하기 위해 평활화 필터의 파수 스펙트럼에서 99백분위수에 해당하는 파수를 유효최대파수로 결정하였다. 선정된 평활화 계수를 반복역산에 따라 다르게 적용하여 여러 주파수를 동시에 이용하는 멀티-스케일 완전파형역산을 구현하였다. 암염 모델과 같은 속도대비가 큰 지질구조에 대해 성공적인 역산결과를 얻음으로써 본 연구에서 개발한 평활화 계수 선택기법이 효과적인 정규화 과정을 구현한다는 것을 알 수 있었다. 또한 무작위 잡음이 더해진 인공합성 음원모음 자료에 대한 수치예제를 통해 현장 자료에 대한 적용 가능성도 확인할 수 있었다.

• 전자공학회논문지CI
• /
• 제39권3호
• /
• pp.18-31
• /
• 2002

본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.

• 정보처리학회논문지D
• /
• 제13D권4호
• /
• pp.549-556
• /
• 2006

본 논문에서는 목표 문서의 DTD에 정의된 구조에 따라 원시문서를 목표 문서로 변환하는 XML 문서변환기와 골격 원시 프로그램을 생성하는 방법을 제안한다. 사용자는 생성된 프로그램을 이용하여 코드를 추가하거나 프로그램을 변경하고, 외부 클래스나 라이브러리 파일들을 연결하여 자신이 원하는 방법으로 쉽게 문서를 변환할 수 있다. 생성된 프로그램은 목표 DTD 경로(path)를 기준으로 코드를 생성하기 때문에 가독성이 높다. 현재까지의 대부분의 XML 문서변환은 XSLT를 이용하거나 XQuery를 이용하여 Java 프로그램을 생성하고 있으나, 각 요소별로 코드를 조작할 수 없는 단점이 있다. 본 논문에서 제안된 방법은 사용자가 원시/목표 문서에서 제공되는 DTD 혹은 문서에서 자동으로 추출된 DTD를 이용하여 원소 사이의 관계를 지정하면 자동적으로 문서가 변환되고 Java 원시 프로그램을 생성하기 때문에 코드 생성과정이 매우 단순하다. 메타데이터 인터페이스는 Java GUI를 이용하여 트리 형태로 표현된 DTD의 원소를 클릭하여 쉽게 생성할 수 있다. 문서변환을 위한 매핑은 원소의 특성에 따라 1:1, 1:N, N:1로 구분되며 데이터의 분해 혹은 합성을 위한 사용자 지정 함수가 메타데이터 인터페이스에 저장된다. 본 시스템은 실제 사용되고 있는 논문 XML 문서를 서지문서로 변환한 결과 및 프로그램 코드를 예제로 구현하여 결과를 제시하였다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.61-70
• /
• 2021

본 연구의 목적은 개별연구들이 정확한 통계량을 제시하지 않고 그래프로만 나타내었을 경우 그래프로부터 통계량을 추출해내는 구체적인 방법을 기술한 것으로서 데이터통합과 정량적합성을 위한 메타분석을 가능하게 한다. 특히 메타분석(meta-analysis)은 체계적·객관적으로 대상문헌을 선택한 후 개별 연구들의 결과를 계량화하여 이를 통합된 효과크기(effect size)로 제시함으로써 근거중심의학(evidence based medicine)를 위한 올바른 의사결정을 할 수 있게 하는 중요한 분석도구이다. 데이터통합과 메타분석을 위해서 그래프로부터 정확한 통계수치를 추출하는 전산도구인 Adobe Acrobat Reader 와 Python기반의 JupyterLab 소프트웨어의 소개와 적용에 대한 주요사항을 알아보았다. 사용된 예제자료는 선행연구를 통해서 통계결과가 검증되어졌고 ClinicalTrials.gov에서 원자료 확보가 가능한 것을 사용하였다. 원자료와 각 전산도구들의 측정값을 각각 메타분석한 결과 통계적으로 유의한 차이는 없었다. 또한 연구자들간의 측정 신뢰도를 확인하였으며 높은 일치도를 나타내었다. 만약 그래프로부터 통게수치를 추출해야만 할 경우 연구의 완결성 유지를 위해서 전통적 사용 방법들보다는 전산 도구를 이용한 측정이 권고된다.