• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.191-207
• /
• 2021

오늘날 이동통신은 급증하는 데이터 수요에 대응하기 위해서 주로 속도 향상에 초점을 맞추어 발전해 왔다. 그리고 5G 시대가 시작되면서 IoT, V2X, 로봇, 인공지능, 증강 가상현실, 스마트시티 등을 비롯하여 다양한 서비스를 고객들에게 제공하기위한 노력들이 진행되고 있고 이는 우리의 삶의 터전과 산업 전반에 대한 환경을 바꿀 것으로 예상되고 되고 있다. 이러한 서비스를 제공하기위해서 고속 데이터 속도 외에도, 실시간 서비스를 위한 지연 감소 그리고 신뢰도 등이 매우 중요한데 5G에서는 최대 속도 20Gbps, 지연 1ms, 연결 기기 106/㎢를 제공함으로써 서비스 제공할 수 있는 기반을 마련하였다. 하지만 5G는 고주파 대역인 3.5Ghz, 28Ghz의 높은 주파수를 사용함으로써 높은 직진성의 빠른 속도를 제공할 수 있으나, 짧은 파장을 가지고 있어 도달할 수 있는 거리가 짧고, 회절 각도가 작아서 건물 등을 투과하지 못해 실내 이용에서 제약이 따른다. 따라서 기존의 통신망으로 이러한 제약을 벗어나기가 어렵고, 기반 구조인 중앙 집중식 SDN 또한 많은 노드와의 통신으로 인해 처리 능력에 과도한 부하가 발생하기 때문에 지연에 민감한 서비스 제공에 어려움이 있다. 그래서 자율 주행 중 긴급 상황이 발생할 경우 사용 가능한 지연 관련 트리 구조의 제어 기능이 필요하다. 이러한 시나리오에서 차량 내 정보를 처리하는 네트워크 아키텍처는 지연의 주요 변수이다. 일반적인 중앙 집중 구조의 SDN에서는 원하는 지연 수준을 충족하기가 어렵기 때문에 정보 처리를 위한 SDN의 최적 크기에 대한 연구가 이루어져야 한다. 그러므로 SDN이 일정 규모로 분리하여 새로운 형태의 망을 구성 해야하며 이러한 새로운 형태의 망 구조는 동적으로 변하는 트래픽에 효율적으로 대응하고 높은 품질의 유연성 있는 서비스를 제공할 수 있다. 이러한 SDN 구조 망에서 정보의 변경 주기, RTD(Round Trip Delay), SDN의 데이터 처리 시간은 지연과 매우 밀접한 상관관계를 가진다. 이 중 RDT는 속도는 충분하고 지연은 1ms 이하이기에 유의미한 영향을 주는 요인은 아니지만 정보 변경 주기와 SDN의 데이터 처리 시간은 지연에 크게 영향을 주는 요인이다. 특히, 5G의 다양한 응용분야 중에서 지연과 신뢰도가 가장 중요한 분야인 지능형 교통 시스템과 연계된 자율주행 환경의 응급상황에서는 정보 전송은 매우 짧은 시간 안에 전송 및 처리돼야 하는 상황이기때문에 지연이라는 요인이 매우 민감하게 작용하는 조건의 대표적인 사례라고 볼 수 있다. 본 논문에서는 자율 주행 시 응급상황에서 SDN 아키텍처를 연구하고, 정보 흐름(셀 반경, 차량의 속도 및 SDN의 데이터 처리 시간의 변화)에 따라 차량이 관련정보를 요청해야 할 셀 계층과의 상관관계에 대하여 시뮬레이션을 통하여 분석을 진행하였다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.

• 농업과학연구
• /
• 제12권2호
• /
• pp.206-241
• /
• 1985

이 연구(硏究)는 목도열병(病)의 감염시기(感染時期)와 조직내(組織內) 감염속도(感染速度) 및 감염(感染)에 영향(影響)을 미치는 전염원(傳染源)의 소재(所在), 엽초내외의 제조건(諸條件) 등(等)을 구명(究明)하여 합리적(合理的)인 방제체계(防除體系)를 확립(確立)하는 자료(資料)를 얻고자 실시(實施)하였다. 1. 벼 이삭목도열병(病)의 감염(感染) 최성기(最盛期)는 수잉기(穗孕期)였으며 그 다음이 출수기(出穗期)로 이 시기(時期)에 대부분의 이삭목이 감염(感梁)되고 있었다. 그러나 통일계(統一系) 품종(品種)은 출수후(出穗後)에도 환경(環境)에 따라 높은 감염(感染) 가능성(可能性)을 갖고 있었다. 2. 벼 이 삭목도열병(病)의 잠복기간(潛伏期間)은 자연조건하(自然條件下)에서 10~22일(日)로 그 변동복(變動福)이 넓었다. 인공접종시(人工接種時) 이삭이 어릴수록 잠복기간(潛伏期間)은 짧았고 감염속도(感染速度)가 심(甚)했으나 지엽절(止葉節) 밖으로 추출(抽出)한 이삭목은 잠복기간(潛伏期間)도 길고 발병률(發病率)도 낮았으며 조직내(組織內) 감염속도(感染速度)가 늦었다. 3. 이삭목도열병(病)의 약제방제(藥劑防除) 적기(適期)는 도열병균(稻熱病菌)의 감염(感染) 최성기(最盛期)와 잠복기간(潛伏期間)을 고려(考慮)할 때 속효성(速效性) 약제(藥齊)는 출수(出穗)5~10일전(日前), 지효성(遲效性) 약제(藥齊)는 10~15일전(日前)으로 추정(推定)된다. 4. 도열병균(病菌) 포자(胞子)의 엽초내 침투(浸透)는 주(主)로 지엽(止葉)을 포함(包含)한 상위(上位) 3개엽(個葉)에서 이루어졌고 강우(降雨)나 이슬, 일액(溢液) 등(等)과 함께 엽초 봉합부(縫合部)에서 침윤현상(浸潤現象)에 의해 이루어졌으며 침투율(浸透量)은 수도(水稻)의 생육기간중(生育期間中) 수잉기(穗孕期)가 가장 많았다. 포자(胞子)의 엽초내 침투(浸透)는 엽설(葉舌)이 크게 저지(沮止)하고 있었다. 5. 엽초내에 침투(浸透)한 포자(胞子)의 이삭에의 부착량(附着量)은 형태적(形態的)으로 복잡(複雜)한 수수절(穗首節)과 수축절(穗軸節)이 가장 많았고 이에는 모용(毛茸)와 퇴화지경(退化枝梗)이 크게 영향(影響)을 미치고 있어 이들이 목도열병(病) 감염(感染)을 조장(助長)하고 있었다. 6. 벼 이삭목도열병(病) 감염(感染) 가능(可能) 포자농도(服子濃度)는 계통간(系統間) 차이(差異)가 있어 통일계(統一系) 품종(品種)은 일반계(一般系)보다 낮은 100개(個) 이하(以下)의 포자농도(胞子濃度)에서도 쉽게 감염(感染)이 되었으며 발병지수(發病指數)도 매우 높아 그 피해(被害)가 더욱 심(甚)했다. 7. 벼 이삭목도열병(病)과 상관(相關)이 높은 이삭목의 질소함량(窒素含量)과 규소함량(硅數含量)은 벼 생육기간(生育時期)에 따라 큰 차이(差異)가 있어 질소함량(窒素含量)은 수잉기(穗孕期)에서 출수기(出穗期)로 갈수록 증가(增加)를 보였고 그 후 다소(多少) 감소(減少)하고 있었다. 규소함량(硅數含量)은 수잉기(穗孕期)로부터 점차 증가(增加)하고 있어 이들 체내성분(體內成分)의 변화(變化)가 목도열병(病)의 발병(發病)을 조장(助長)하고 있었다. 8. 도열병균(稻熱病菌) 포자(胞子)의 비산(飛散)은 대다수 수직(垂直) 방향(方向)으로 상승(上昇)또는 하강(下降)하여 도체(稻體)에 부간(附看)하였으며 수평(水平)으로 이동(移動)하는 포자(胞子)는 극(極)히 적어 출수후(出穗後)의 이삭목에 부간(附看)하는 포자수(胞子數)가 적으므로 출수후(出穗後) 목도열병(病) 감염율(感染率)은 매우 낮을 것으로 추정(推定)되었다. 도체(稻體) 상하위간(上下位間)의 온도차(溫度差)에 의(依)한 공기(空氣)의 이동(移動)은 포자비산(胞子飛散)에 대(對)한 하나의 원인(原因)이었다. 9. 출온기(出穩期)를 전후(前後)한 포자비산(胞子飛散)이 가장 목도열병발병(病發病)과 상관(相關)이 높았으며 지엽(止葉)을 포함(包含)한 상위(上位) 3개엽(個葉)에 형성(形成)된 병반(病斑)이 출수(出穗)를 전후(前後)한 시기(時期)에 포자형성량(胞子形成量)이 많아 직접(直接) 목도열병(病) 전염원(傳染源)으로서 크게 작용(作用)하고 있었다. 10. 엽초내 환경조건(環境條件)은 목도열병(病) 감염(感染)에 극(極)히 호적(好適)하여 엽초내에서 도열병균(病菌)의 침해(侵害)를 받는 경우 품종(品種)의 내병성(耐病性), 시복수준(施服水準)의 차이(差異)에 관계(關係)없이 이삭목이나 지경(枝梗), 인, 마디, 마디사이 등(等) 도체(稻體)의 어느 부위(部位)라도 감염(感染)이 이루어졌다. 11. 엽초내에 침투(浸透)한 우고균(優古菌) 중에서 벼 갈색엽고병균(病菌)인 Gerlachia oryzae 만이 발병(發病)을 다소(多少) 조장(助長)할 뿐 기타(其他)의 균(菌)들은 영향(影響)이 적었으며 품종(品種)의 출수소요일수(出穗所要日數)의 장단(長短)이 목도열병(病) 감염(感染)과 관련(關連)이 있는 것으로 추정(推定)되었다.

• 한국양식학회지
• /
• 제5권1호
• /
• pp.29-67
• /
• 1992

담수산 새우 Macrobrachium nipponense의 생활사와 종묘 생산에 관한 연구를 수행한 결과 다음과 같은 결론을 얻었기에 보고하는 바이다. 1. 발생 과정 : 부화된 zoea 유생의 크기는 2.06 mm였고 $15{\~}20$일에 걸쳐 9단계의 zoea 유생기를 거쳐 후기 치하로 변태하였으며 이때의 체장은 5.68 mm였다. 각 zoea 유생 단계는 제 1, 2 안테나의 형태, 제 1, 2 보각의 내${\cdot}$외지의 형태 및 미절과 소악의 형태에 따라 분류할 수 있었다. 2. Zoea 유생기의 환경 : Zoea 유생은Artemia의 유생을 먹고 건강하게 성장하였으며, 수온 $26{\~}28^{\circ}$, 염분도 $7.85{\~}8.28{\%_{\circ}}Cl.$에서 변태율이 $65\~72{\%}$를 보였다. 수온 $26{\~}32^{\circ}C$에서 생존율이 높았으며 (최적 수온 $28^{\circ}C$), 염분 범위 $4.12\~14.08\%_{\circ}Cl.$에서 생존율이 높았고(최적 염분 $7.6\~11.6\%_{\circ}\;Cl.$) 염분도가 적정 범위에서 멀어질수록 특히 높아질수록 zoea 유생기가 길어지는 경향을 보였다. 담수에서 zoea 유생은 모두 폐사하였다. zoea 유생 발생단계(Y)와 수온(X)와의 관계는 Y=46.09-0.9673X로 나타났다. 3. 후기 유생 및 치하기의 환경 : 후기 유생기의 적정 성장 수온은 $24\~32^{\circ}C$(최적 $26\~28^{\circ}C$)였으며, 치하기까지의 생존율은 $41{\~}63{\%}$를 나타내었다. 수온 $17^{\circ}C$이하에서는 후기 유생의 성장은 중지되었으며 적정 수온 범위내에서는 공식 현상이 더 많이 나타나는 경향이 보였다. 후기 유생기와 치하기의 정상 성장 염분 범위는 $0{\~}11.24{\%_{\circ}Cl.$이었으며 이때의 생존율은 $32{\~}35{\%}$를 나타내었다. 후기 유생기의 최적 염분 농도는 $0\~2.21\%_{\circ}Cl.$였으며 담수에서는 성장이 양호하였으나 순 해수에서는 폐사하였다. 4. Zoea 유생의 먹이 공급 효과 : Zoea 유생기에 먹이로 알테미아의 노플리우스 유생, 노플리우스 유생의 클로렐라에 혼합하여 공급한 것, 윤충류, 인공 플랑크톤을 수조 내에서 먹인 경우 생존과 후기 유생기로의 변태가 진행되었으나 가장 좋은 것은 Artemia nauplius 유생을 Chlorella sp.와 혼합한 물에서 사육하였을 경우였고 이 때의 변태율은 $68{\~}75{\%}$를 보였다. 소 간의 분말, 계란 분말, Chlorella sp.만을 먹인 것은 폐사하였다. 5. 후기 유생과 치하 및 성체의 먹이 : 후기 유생기의 먹이는 Artemia nauplius 유생이나 물벼룩 등 수중갑각류를 공급할 수 있고, 치하기나 성체에는 이들 외에 조개 살이나 어육, 다모환충류, 곡류, 펠렛 사료 등과 사람이 이용할 수 없는 가축의 내장이나 과일 등을 먹는다. 6. 후기 유생과 치하 및 성체의 성장 : 최적 조건 하에서 후기 유생은 매 $5\~6$일마다 변태하였고 치하기까지 2개월이 소요되었으며, 이때의 체장은 1.78 m, 체중은 0.17 g을 나타내었다. 치하의 성장은 4개월 정도에 체장 3.52 cm, 체중 1.07 g으로 성장하였으며 이때 암수의 구별이 수컷의 2차 성징을 나타내는 rudimental processes에 의해 가능하였다. 수컷은 성적 성숙이 후기 유생기로부터 7개월 후에 이루어지며, 이때의 크기는 체장 5.65 m, 체중 3.41 g이었고, 암컷도 $6{\~}7$개월 후에 성적 성숙이 되며 이때 체장은 4.93 m, 체중은 2.43 g이었다. 부화후 $9{\~}10$개월 후에 수컷은 체장 $6.62\~7.14$ m, 체중 $6.68{\~}8.36$ g으로 성장하였고, 암컷은 체장 $5.58{\~}6.08$ m, 체중 $4.04{\~}5.54$ g으로 성장하였다. 7. 방양 밀도 : 수조에서 30일간 사육한 결과 성장과 생존이 양호한 zoea 유생의 최대 밀도는 수량 1l 당 $60\~100$개체였고, 이때의 후기 유생으로의 변태율은 $73{\~}80{\%}$였다. 체장 0.57 m의 후기 유생을 120일간 사육한 결과 적정 밀도는 $1\;m^2$당 $100{\~}300$개체였고 이때의 생존율은 $78{\~}85{\%}$였으며, 체장 2.72 m의 치하기에 120일간 사육한 결과 적정 밀도는 $1m^2$ 당 $40{\~}60$개체였고 생존율은 $63{\~}90{\%}$였다. 체장 5.2 m의 어린 새우의 120일간사육시의 적정 밀도는 $1\;m^2$당 $20{\~}40$ 개체였으며 생존율은 $62{\~}90{\%}$를 나타내었고, 체장 6.1 m의 경우 60일간 사육한 결과 적정 밀도는 $1\;m^2$당 $10{\~}$30개체로 나타났고 이때 생존율은 $73{\~}100{\%}$였다. 유생기와 어린 새우의 사육에서 숨을 수 있는 은폐물을 넣어 준다면 위의 밀도를 약 2배 가량 증가시킬 수 있을 것으로 사료된다.