• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.122-122
• /
• 2021

전 세계적인 기후변화로 인해 태풍과 집중호우의 빈도와 규모가 증가하고 있으며 그로 인해 수재해 대응과 수자원 관리에 많은 어려움이 따른다. 댐 운영은 이러한 수자원 관리의 중요한 요소이며 정확한 댐 유입량의 예측은 효율적인 댐 운영과 관리의 필수적인 부분이다. 최근에는 여러 분야에서 활용되고 있는 딥러닝 모델을 활용하여 댐 유입량 예측에 관한 다수의 연구들이 수행되고 있다. 특히, 수문 시계열의 장기적인 특성과 비선형적인 관계를 고려하기 위해 연속형 모의를 기반으로 하는 딥러닝 모델의 적용 및 평가와 관련 연구의 필요성이 대두되고 있다. 본 연구에서는 연속형 모의를 기반으로 하는 딥러닝 모델을 활용하여 댐 유입량 예측을 수행하고자 하며 이의 적용성을 평가하고자 한다. 적용 대상 지역으로는 안동댐 상류 유역을 선정하였으며 2006년부터 2020년까지의 시 단위 강우 및 댐 유입량 자료를 활용하였다. 선행시간(1~6시간)별 예측 유입량과 관측 유입량의 비교를 통한 정량적 평가를 수행하였다. 또한 입력 자료에 대한 과거 기간, 모델 구성, 손실함수 등에 대한 조건별 평가를 통해 예측 정확도의 변화에 대한 분석을 수행하였다. 본 연구결과를 통해, 딥러닝 기반의 댐 유입량 예측 정확도에 대한 향상과 실시간 예측을 위한 딥러닝 모델의 활용성 증대에 기여할 것으로 기대된다. 향후, 강우 예보 자료를 연계한 딥러닝 기반의 실시간 댐 유입량 예측 기법을 제안하고 이의 활용성을 평가하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.470-474
• /
• 2019

한글 OCR 성능을 높이기 위해 딥러닝 모델을 활용하여 문자인식 부분을 개선하고자 하였다. 본 논문에서는 폰트와 사전데이터를 사용해 딥러닝 모델 학습을 위한 한글 문장 이미지 데이터를 직접 생성해보고 이를 활용해서 한글 문장의 OCR 성능을 높일 다양한 모델 조합들에 대한 실험을 진행했다. 딥러닝 모델은 STR(Scene Text Recognition) 구조를 사용해 변환, 추출, 시퀀스, 예측 모듈 각 24가지 모델 조합을 구성했다. 딥러닝 모델을 활용한 OCR 실험 결과 한글 문장에 적합한 모델조합은 변환 모듈을 사용하고 시퀀스와 예측 모듈에는 BiLSTM과 어텐션을 사용한 모델조합이 다른 모델 조합에 비해 높은 성능을 보였다. 해당 논문에서는 이전 한글 OCR 연구와 비교해 적용 범위를 글자 단위에서 문장 단위로 확장하였고 실제 문서 이미지에서 자주 발견되는 유형의 데이터를 사용해 애플리케이션 적용 가능성을 높이고자 한 부분에 의의가 있다.

• Journal of The Korean Association of Information Education
• /
• v.13 no.1
• /
• pp.77-84
• /
• 2009

Along with developments of information and communication technologies, internet has spread not only all over the society, but also our everyday life deeply. Also requirements for e-learning using internet in the educational aspect have a great influence on the changes of school educations. The benefits of e-learning are many, including cost-effectiveness, enhanced responsiveness to change, consistency, and timely contents. Therefore, the e-learning has been introduced to the universities. However, the e-learning is operated inefficiently because of introduction to the university with no definite idea about effects of education and economy in the university. Therefore, in this paper we analysed the category of e-learning based the curriculum operation forms in the university, surveyed tests about students preference and the studied what is desirable e-learning operation forms.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.221-222
• /
• 2019

본 논문에서는 딥 러닝을 기반으로 홀로그램을 생성하는 방법을 제안한다. 컴퓨터를 이용하여 홀로그램을 생성하기 위해서는 방대한 양의 계산이 필요하다. 따라서 이를 줄여 빠른 속도를 얻고자 Point source 에 대한 간섭무늬를 모델링한 수식과 같은 출력을 내는 딥 러닝 모델을 학습시키고자한다. 딥 러닝 모델 중 생성 모델인 GAN을 학습시켜 이의 유효성을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.582-585
• /
• 2024

이 연구는 컴퓨팅 자원이 제한된 환경에서 딥러닝 모델의 문제를 해결하기 위해 합성곱 신경망(CNN)에서 동적 가지치기 모델의 적용을 탐구한다. 첫째, 동적 가지치기 모델의 원리와 방법에 대해 기존 방법과의 비교를 소개한다. 둘째, 기존적인 방법 동적 가지치기 모델의 구현 과정 및 결과 분석을 포함한 실험 단계를 자세히 설명한다. 실험 결과는 동적 가지치기 모델이 적절한 훈련에서 모델의 분류 성능을 효과적으로 향상시킬 수 있으며 강력한 일반화 능력을 가지고 있음을 보여준다. 마지막으로 딥러닝 방법과 기존 방법의 차이점과 장단점을 분석하고 요약하여 실제 적용에서 딥러닝 모델 배치에 유용한 탐색과 참고 자료를 제공한다. 이 연구는 딥러닝 분야에서 동적 가지치기 모델의 적용을 추가로 탐색하기 위한 중요한 이론 및 실습 기반을 제공한다.

• Journal of Advanced Navigation Technology
• /
• v.25 no.6
• /
• pp.569-575
• /
• 2021

Deep learning shows differences in prediction performance depending on data quality and model. This study uses various input data and multiple deep learning models to build an optimal deep learning model for predicting solar radiation, which has the most influence on power generation prediction. did. As the input data, the weather data of the Korea Meteorological Administration and the clairvoyant meteorological image were used by segmenting the image of the Korea Meteorological Agency. , comparative evaluation, and predicting solar radiation by constructing multiple deep learning models connecting the models with the best error rate in each model. As an experimental result, the RMSE of model A, which is a multiple deep learning model, was 0.0637, the RMSE of model B was 0.07062, and the RMSE of model C was 0.06052, so the error rate of model A and model C was better than that of a single model. In this study, the model that connected two or more models through experiments showed improved prediction rates and stable learning results.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.207-209
• /
• 2024

딥러닝은 선형 연산과 비선형 연산을 조합하여 목표로 하는 시스템을 잘 표현할 수 있는 함수를 찾기 위해 사용하며, 이미지 분류 및 생성, 거대 언어 모델 및 객체 인식의 영역에서 활발하게 사용되고 있다. 그러나 딥러닝 연산을 위해서는 모델과, 연산을 수행하고자 하는 데이터가 하나의 공간에 저장되어야 한다. 모델과 데이터를 데이터 소유자가 관리할 경우, 데이터 소유자가 모델 데이터의 프라이버시를 침해할 수 있으며, 이는 모델을 적대적 예제 생성 공격에 취약하도록 만드는 원인이 된다. 한편 모델과 데이터를 모델 소유자가 관리할 경우, 모델 소유자는 데이터의 프라이버시를 침해하여 데이터 소유자의 정보를 악의적으로 이용할 수 있다. 본 논문에서는 딥러닝 모델과 데이터의 프라이버시를 모두 보호하기 위해 주어진 딥러닝 모델의 암호화와 복호화를 수행하는 EncNet 을 구현하였으며, MNIST 와 Cifat-10 데이터셋에 대하여 실효성을 테스트하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.395-395
• /
• 2022

본 연구는 머신러닝 기반의 상수도 모니터링 시스템의 예측 모델을 개발하고, 예측 모델의 적용이 가능성을 검토하였다. 상수도모니터링 시스템은 상수관망에 설치된 센서에서 수집된 자료를 모니터링 할 수 있어 운영자의 상수도 시설물의 관리 편의성을 높일 수 있다. 특히 수리학적 모델을 적용하여 계산된 값과 측정된 값을 비교해 이상치가 발생하면 운영자에게 이를 알려주므로 시스템내의 문제점을 빠르게 확인할 수 있다. 그러나 수리학적 모델은 입력자료가 증가됨에 따라 계산시간이 많이 소요되는 문제가 있고, 계산된 값의 정확도가 낮아지므로. 이러한 문제를 보완하기 위해 머신러닝 기반의 예측 모델을 개발하여 이를 해결하고자 하였다. 예측 모델은 GS 이니마 브라질(GS Inima Brazil)에서 운영중인 아라사투바(Aracatuba) 지역 주사라(Jussara) DMA(District Metered Area)의 2018년 1월에서 7월까지의 운영자료를 이용하였으며, 상수도 모니터링 시스템에서 상수관로 수압에 영향을 미치는 영향 인자들을 분석하고, 하이퍼파라미터 최적화를 통한 수압 예측 모델을 개선하였다. 금회 연구는 머신러닝 기반의 모델을 통하여 상수관망의 시간변화에 따른 장래 예측 수압을 검토할 수 있었다는데 큰 의의가 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.495-495
• /
• 2023

본 연구는 하수처리장 운영시스템 자료를 활용하여, 머신러닝 기반의 예측 모델을 개발하고, 모델 정확도 향상에 대하여 검토하였다. 하수처리장에 설치된 각종 센서를 통해 실시간으로 자료가 모니터링되고 있으며, 수집된 자료는 운영시스템에 저장된다. 하수처리장 시스템은 설정된 값과 센서의 측정값을 비교해 이상치가 발생하면 운영자가 즉각적으로 조치하여 문제를 해결하고 있으나, 비정상적인 상황 발생시 이를 대처할 시간이 부족하여 적절한 조치가 이루어지지 못하는 경우가 발생 되고 있다. 따라서, 이러한 문제점을 해결하기 위해 A 하수처리장 운영자료를 활용하여 결과 예측이 신속하고 신뢰도 높은 머신러닝 기반의 예측 모델을 개발하고자 하였다. 모델의 예측 정확도 및 신뢰성을 향상하기 위하여 결과에 영향을 미치는 주요 영향 인자를 분석하고, 이를 기반으로 모델의 추가 분석 및 개선을 수행하여 모델의 예측력을 평가하였다. 금회 연구는 데이터 전처리를 과정을 통한 인사이트를 도출하고 이를 활용하여 하수처리장 운영자료 예측 정확도를 높일 수 있었으며, 이 결과를 바탕으로 다른 하수처리장의 모델 개발시에도 유용하게 활용이 가능할 것으로 검토되었다.