• 대한핵의학회지
• /
• 제36권6호
• /
• pp.317-324
• /
• 2002

목적: SPM 기법을 이용하여 뇌 영상을 분석할 때 Talairach 뇌 지도를 찾아 해부학적 정보를 추측함으로 생기는 문제점들을 해결하기 위하여 통계적 확률 뇌지도(SPAM)을 이용하여 뇌 영역에 대한 해부학적 위치와 확률을 추출하는 프로그램을 개발하였다. 대상 및 방법: 몬트리얼 신경과학연구소에서 개발한 MNI152 표준지도에 기반한 SPAM을 이용하였다. SPM 분석 결과로 주어진 x, y, z 좌표 값을 입력하면 SPAM의 해당 좌표에서 0이 아닌 확률 값을 갖는 영역의 이름 및 확률을 추출하여 출력하게 하였으며 가장 높은 확률을 갖는 영역의 SPAM을 표준지도 위에 표시하도록 하였다. IDL 및 자바를 기반으로 프로그램을 개발하였으며 향후 인터넷 기반 프로그램으로 확장이 용이하게 하였다. 이 프로그램의 유용성을 보이고자 기존의 SPM 결과보고 형식과 이 프로그램의 결과 형식을 비교하였다. 또한 이 프로그램에 대한 예비적인 검증을 위하여 활성화되는 영역이 국소화되고 또한 그 영역이 잘 알려져 있는 기억 활성화 PET 실험 분석에 이 프로그램을 이용하여 보았다. 결과: 기존의 SPM 분석한 결과는 MNI 좌표계에서의 좌표 값만을 보여주나 이 프로그램을 이용하여 그 좌표에 대한 확률적 해부학적 정보를 얻을 수 있었다. 기억 실험 결과 유의한 활성화를 보인 영역에 대해서 이 프로그램을 적용한 결과 좌측해마구성체일 확률이 80% 이상임을 알 수 있었으며 이는 이 영역이 기억기능을 담당한다는 기존의 널리 알려진 사실과 잘 부합되었다. 결론: 이 연구에서 개발한 프로그램을 이용하여 MNI 좌표에 대한 해부학적 위치와 확률을 빠르고 정확하게 찾을 수 있어서 뇌영상 분석에 유용할 것이다.

• 지능정보연구
• /
• 제22권2호
• /
• pp.33-56
• /
• 2016

대부분의 부도 예측에 관한 연구는 재무 변수를 중심으로 통계적 방법 또는 인공지능 기법을 적용하여 부도 예측 모형을 구축하였다. 그러나 재무비율과 같은 회계 정보를 이용한 부도 예측 모형은 재무 제표 결산 시점과 신용평가 시점 간 시차를 고려하지 않을 뿐만 아니라 해당 산업의 경제적 상황과 같은 외부 환경적인 요소를 반영하기 어렵다는 한계점이 존재하였다. 기업의 부도 여부를 예측하기 위해 정량 정보인 재무 변수만을 이용하는 것에 한계가 있음에도 불구하고 정성 정보를 부도 예측 모형에 반영한 연구는 아직 미흡한 실정이다. 본 연구에서는 재무 변수를 이용하는 기존 부도 예측 모형의 성과를 개선하기 위해 빅데이터 기반의 정성 정보를 추가적인 입력 변수로 활용하는 부도 예측 모형을 제안하였다. 제안 모형의 성과 향상은 정성 정보를 예측 모형에 통합시키기에 적합한 형태로 정보의 유형을 변환시킬 수 있는가에 따라 달려있다. 이에 본 연구에서는 정성 정보 처리를 위한 방법으로 빅데이터 분석 기법 중 하나인 텍스트 마이닝(Text Mining)을 활용하였다. 해당 산업과 관련된 경제 뉴스 데이터로부터 경제 상황에 대한 감성 정보를 추출하기 위해 도메인 중심의 감성 어휘 사전을 구축하고, 구축된 어휘 사전을 기반으로 감성 분석(Sentiment Analysis)을 수행하였다. 형태소 분석 등을 포함한 텍스트 전처리 과정을 거쳐 감성 어휘를 추출하고, 각 어휘에 대한 극성 및 감성 점수를 부여하였다. 분석 결과, 전통적 부도 예측 모형에 경제 뉴스 데이터에서 도출한 정성 정보를 반영하는 것은 모형의 성과를 개선하는 것으로 나타났다. 특히, 경제 상황에 대한 부정적 감정이 기업의 부도 여부를 예측하는 데 더욱 효과적임을 알 수 있었다.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2014년도 추계 학술발표논문집
• /
• pp.1-24
• /
• 2014

2012년 상반기 미국의 옥수수 생산량은 재배면적의 증가 등으로 20% 이상 증가할 것으로 예측되었다. 하지만 2012년 봄 미국의 폭염과 가뭄이 발생하였고, 그 현상이 지속될 것으로 예측되면서 많은 경제학자들, 국제곡물수급 관련 전문가들은 미국의 옥수수 생산량이 감소할 것으로 예측했다. 실제로, 2013년 미국 농무부 (USDA)의 작물생산 총 보고서에서 2012년 미국 폭염과 가뭄으로 미국의 2012년 옥수수 생산량은 2011년에 비해 20% 감소했다고 발표했다. 많은 연구에서 곡물 생산량을 예측하지만 기상이변과 함께 작물의 생물학적 반응뿐 아니라 경제모형이 결합된 연구는 많지 않다. 본 연구에서는 기상이변과 작물모형, 경제모형을 결기상합하여 미국의 최대 옥수수 생산지역의 옥수수 생산량을 예측하고 생산량의 변화가 개발도상국의 식량안보에 어떤 영향을 줄 것인가를 예측하였다. 기상이변 시나리오를 재현하기 위해 미국 NOAA의 NCDC에서 미국의 폭염 발생 연도의 정보를 획득하고 해당 연도에 대하여 미국 전역의 기상관측소에서 6월부터 8월까지의 월별 일 기상자료 (최고 및 최저기온, 강수량)를 수집하였으며 기준연도 (1950-2000)에 산술평균 방법으로 폭염/가뭄 정보를 적용했다. 미래 시나리오 (2050)는 CGIAR의 CCAFS에서 $CO_2$ emission scenario에 따라 A1B와 B1, 전지구 모형에 따라 CSIRO-MK 3와 MIROC 3.2를 다운로드하였으며, 해상도는 5 arc-minutes (적도에서 10km)이다. 작물모형 (CERES-Maize)으로부터 출력된 옥수수의 생물리학적 결과는 경제모형의 단위 (FPU)로 다시 정리되어 사회경제, 정책과 농업생산을 예측하기 위해 글로벌 경제모형 (IMPACT2)에 입력되었다. 작물모형에서 기준연도에 비해 미국 폭염과 가뭄에 의한 옥수수 생산량은 29% 감소할 것으로 예측되었다. 미래 시나리오 B1의 CSIRO-MK 3과 MIROC 3.2에서는 36% 감소할 것으로 예측되었으며, A1B의 CSIRO-MK 3에서는 38%, MIROC 3.2에서는 58% 감소할 것으로 나타났다. 미국의 기상이변으로 인한 옥수수 생산량의 감소는 전세계 옥수수 시장에 부정적 영향을 끼칠 것으로 예상되면서 세계 옥수수 소비의 감소로 이어질 것으로 예측되었다. 사하라 사막 이남 아프리카 (SSA)의 나라들에서 가장 많은 기아인구가 발생하고 그 외 남아시아와 라틴 아메리카, Caribbean 지역의 나라들에서 기아와 함께 식량 불안이 증가할 것으로 나타났다. 옥수수를 매일 섭취하는 사람들은 옥수수 생산량 감소에서 비롯된 옥수수 소비 감소에 즉각적으로 반응하지 못함으로써 영양불균형에 처하는 등 식량수급의 불안정은 이러한 개발도상국 지역에서 계속 악화될 것으로 나타났다.

• 한국터널지하공간학회 논문집
• /
• 제24권6호
• /
• pp.617-628
• /
• 2022

터널 건설 시 암반 등급에 따라 다양한 지보재를 적절히 병용하여 지보패턴을 결정하고 시공이 이루어진다. 이 과정에서 시공 경험이 풍부한 전문가의 기술적 판단이 필요한데, 터널 설계의 초기 단계인 타당성 조사 및 기본설계 단계에는 상대적으로 짧은 수행기간과 부족한 자료 및 예산으로 인해 설계에 많은 어려움이 존재한다. 터널 건설의 급증과 함께 축적된 설계 데이터와 머신러닝을 활용한다면, 지보패턴 설계를 보다 신속하고 신뢰도 있게 수행할 수 있다. 따라서 본 연구에서는 암반등급 판정 및 해당 암반등급에 적합한 지보패턴 설계를 자동화하고자 국내 48개 도로터널의 설계자료 및 지반조사 자료를 수집하였으며, 8개의 입력항목(암종, 전기비저항, 심도, 터널연장, 터널연장에 따른 방재등급, 위험도지수에 따른 방재등급, 터널 종류, 터널 단면적)과 11개의 출력항목(암반등급, 숏크리트 제원 2개 항목, 록볼트 제원 3개 항목, 강지보 제원 3개 항목, 콘크리트 라이닝 2개 항목)에 대한 데이터를 정리하였다. 이와 같이 정리된 데이터를 활용하여 2가지 머신러닝 알고리즘(SVM, ANN)을 활용하여 3가지 머신러닝 모델(S1, A1, A2)을 개발하였으며, 세 가지 모델의 성능을 비교해본 결과 출력값의 데이터 형식에 따라 서로 다른 손실함수를 적용한 ANN 기반의 A2 모델이 가장 뛰어난 성능을 보였다. 본 연구를 통해 머신러닝을 활용한 지보패턴 설계의 가능성을 확인할 수 있었으며, 향후 지속적으로 실제 설계에 사용함으로써 단점을 보완하고 적용성을 개선해 나간다면 설계에 보다 큰 도움을 줄 수 있는 지보패턴 설계 모델을 개발할 수 있을 것으로 기대된다.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.453-462
• /
• 2021

자동차 번호인식을 위해선 수많은 번호판 데이터가 필요하다. 번호판 데이터는 과거의 번호판부터 최신의 번호판까지 균형 있는 데이터의 확보가 필요하다. 하지만 실제 과거의 번호판부터 최신의 번호판의 데이터를 획득하는데 어려움이 있다. 이러한 문제를 해결하기 위해 인조 번호판을 이용하여 자동차 번호판을 생성하여 딥러닝을 통한 번호판 인식 연구가 진행되고 있다. 하지만 인조 데이터는 실제 데이터와 차이가 존재하며, 이러한 문제를 해결하기 위해 다양한 데이터 증강 기법을 사용한다. 기존 데이터 증강 방식은 단순히 밝기, 회전, 어파인 변환, 블러, 노이즈등의 방법을 사용하였다. 본 논문에서는 데이터 증강 방법으로 인조데이터를 실제 데이터 스타일로 변환하는 스타일 변환 방법을 적용한다. 또한 실제 번호판 데이터는 원거리가 많고 어두운 경우 잡음이 많이 존재한다. 단순히 입력데이터를 가지고 문자를 인식할 경우 오인식의 가능성이 높다. 이러한 경우 문자인식 향상을 위해 본 논문에서는 문자인식을 위하여 화질개선 방법으로 DeblurGANv2 방법을 적용하여 번호판 인식 정확도를 높였다. 번호판 검출 및 번호판 번호인식을 위한 딥러닝의 방식은 YOLO-V5를 사용하였다. 인조 번호판 데이터 성능을 판단하기 위해 자체적으로 확보한 자동차 번호판을 수집하여 테스트 셋을 구성하였다. 스타일 변환을 적용하지 않은 번호판 검출이 0.614mAP를 기록하였다. 스타일 변환을 적용한 결과 번호판 검출 성능이 0.679mAP 기록하여 성능이 향상되었음을 확인하였다. 또한 번호판 문자인식에는 화질 개선을 하지 않은 검출 성공률은 0.872를 기록하였으며, 화질 개선 후 검출 성능이 0.915를 기록하여 성능 향상이 되었음을 확인 하였다.

• 자원환경지질
• /
• 제54권2호
• /
• pp.161-176
• /
• 2021

본 연구는 과거와 미래의 연 단위보다 상세한 일단위 지하수 함양량을 평가하기 위해, 분포형 수문모형중의 하나인 VELAS를 이용하여 물수지에 근거한 수문요소별 변동을 분석하고자 하였다. 가뭄에 매우 취약한 충남 홍성군 서부면 양곡리 일대 소유역을 대상으로, VELAS의 입력자료인 수치표고모델, 식생도, 경사도 등의 공간특성자료를 구축하였고, 기후자료는 기상청의 일별 대기온도, 강수, 평균풍속, 상대습도 등의 자료를 공간적으로 보간하였다. 연구지역의 과거 2001년부터 2018년까지 18년 동안 일단위 물수지 분석결과, 연간 강수량은 799.1~1750.8 mm로 평균 1210.7 mm이고, 지하수 함양량은 28.8~492.9 mm로 평균 196.9 mm로 분석되었다. 연 강수량 대비 지하수 함양률은 최소 3.6%에서 최대 28.2%로 변동폭이 매우 크고, 평균 함양률은 14.9%였다. 미래 기후변화 RCP 8.5시나리오에 의한 2019년부터 2100년까지의 일단위 물수지 분석결과, 연간 강수량은 572.8~1996.5 mm(평균 1078.4 mm)이고, 지하수함양량은 26.7~432.5 mm, 평균 174.6 mm(평균 강수량의 16.2%)로서 과거보다 다소 증가하였다. 미래 연간 지하수 함양률은 최소 2.8%, 최대 45.1%, 평균 18.2%로 분석되었다. 물수지를 구성하는 요소들은 강수량과의 상관성이 잘 나타나며, 일단위보다는 연단위로 갈수록 그러한 상관성이 뚜렷했다. 다만, 증발산량은 강수량보다는 기온 등 다른 기후요소에 더 영향을 받는 것으로 보인다. 본 연구를 통해 산정된 연단위 보다 상세 시간 단위에서의 지하수함양량은 가뭄 또는 홍수 등 시기별로 강수량 변동이 심한 경우 지하수개발과 관리에 활용될 수 있는 기초자료를 제공할 수 있을 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제22권1호
• /
• pp.109-135
• /
• 2021

본 연구는 전통뉴스 보도에 나타난 인공지능(AI)스피커 뉴스 텍스트 분석을 통해 인공지능(AI) 스피커 발달과정을 분류하고 시기별 제품별 특성을 파악하였다. 또한 AI 스피커 사업자 제품별 뉴스 보도와 시기별 뉴스 보도간의 상관관계를 분석하였다. 분석에 사용된 이론적 배경은 뉴스의 프레임과 토픽프레임이다. 분석방법으로는 LDA 방식을 활용한 토픽모델링(Topic Modeling)과 의미연결망분석이 사용되었으며, 추가로 'UCINET'중 QAP분석을 적용하였다. 연구방법은 내용분석 방법으로 2014년부터 2019년까지 AI 스피커 관련 2,710건의 뉴스를 1차로 수집하였고, 2차적으로 Nodexl 알고리즘을 이용하여 토픽프레임을 분석하였다. 분석 결과 첫째, AI 스피커 사업자 유형별 토픽 프레임의 경향은 4개 사업자(통신사업자, 온라인 플랫폼, OS 사업자, IT디바이스 생산업자) 특성에 따라 다르게 나타났다. 구체적으로, 온라인 플랫폼 사업자(구글, 네이버, 아마존, 카카오)와 관련한 프레임은 AI 스피커를 '검색 또는 입력 디바이스'로 사용하는 프레임의 비중이 높았다. 반면 통신 사업자(SKT, KT)는 모회사의 주력 사업인 IPTV, 통신 사업의 '보조 디바이스' 관련한 프레임이 두드러지게 나타났다. 나아가 OS 사업자(MS, 애플)는 '제품의 의인화 및 음성 서비스' 프레임이 두드러지게 보였으며, IT 디바이스 생산업자(삼성)는 '사물인터넷(IoT) 종합지능시스템'과 관련한 프레임이 두드러지게 나타났다. 둘째, AI 스피커 시기별(연도별) 토픽 프레임의 경향은 1기(2014-2016년)에는 AI 기술 중심으로 발달하는 경향을 보였고, 2기(2017-2018년)에는 AI 기술과 이용자 간의 사회적 상호 작용과 관련되어 있었으며, 3기(2019년)에는 AI 기술 중심에서 이용자 중심으로 전환되는 경향을 나타냈다. QAP 분석 결과, AI 스피커 발달에서 사업자별과 시기별 뉴스 프레임이 미디어 담론의 결정요인에 의해 사회적으로 구성되는 것을 알 수 있었다. 본연구의 함의는 AI 스피커 진화는 사업자별, 발달시기별로 모회사 기업의 특성과 이용자 간의 상호작용으로 인한 공진화 과정이 나타냄을 발견할 수 있었다. 따라서 본 연구는 AI 스피커의 향후 전망을 예측하고 그에 따른 방향성을 제시하는 데 중요한 시사점을 제공한다.

• 한국방사선학회논문지
• /
• 제15권6호
• /
• pp.803-811
• /
• 2021

본 연구에서는 공정 시뮬레이션 기술을 적용하여 조사유기응력부식균열 시험 작업자의 피폭량 평가를 하였다. 상용 공정 시뮬레이션 코드인 DELMIA Version 5를 사용하여 조사유기응력부식균열 분석 시험 설비, 핫셀 및 작업자를 작성하고 조사유기응력부식균열 시험 공정을 구현하였으며, 사용자 코딩을 통해 선량이 분포된 공간을 지나는 작업자의 누적 피폭량을 평가할 수 있도록 하였다. 작업자 모사를 위해 시험 공정별로 인체의 근골격계를 모방하여 약 200 개 이상의 자유도를 가지는 휴먼 마니킨 자세를 작성하였다. 작업자 피폭량 계산을 위하여 휴먼 마니킨 작업의 하위정보에 접근하여 자세 별 좌표, 시작 시간 및 유지 시간을 추출하였으며, 공간 선량 값과 자세 유지 시간을 곱하여 누적 피폭량을 계산하였다. 피폭량 평가를 위한 공간 선량은 MCNP6 Version 1.0을 사용하여 핫셀 내·외부 공간 선량을 계산하였으며, 계산된 공간 선량은 공정 시뮬레이션 도메인에 입력하였다. 공정 시뮬레이션을 이용한 피폭량 평가 결과와 전형적인 피폭량 평가 결과를 비교 분석한 결과, 상시 출입구역 내 일상 시험 작업에 대한 연간 피폭량은 각각 0.388 mSv/year 및 1.334 mSv/year로서 공정 시뮬레이션을 이용한 피폭량 평가 결과가 전형적인 방법의 피폭량 평가 결과 대비 70 % 낮게 예측되었다. 공간 선량 높은 구역에서 수행되는 특수작업에 대해서도 공정 시뮬레이션을 이용한 피폭량 평가를 수행하였으며, 피폭량이 높은 작업을 쉽게 선별할 수 있었고, 해당 작업의 휴먼 마니킨 자세와 공간 선량 가시화를 통해 직관적으로 작업 개선안을 도출할 수 있었다.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.562-569
• /
• 2019

최근에 원 거리에서 폭발 물질의 감지를 위해 라만 분광 기기의 관심이 점차 증가하고 있다. 더불어 측정된 화학물질에 대한 라만 스펙트럼을 대용량 데이터베이스의 알려진 라만 스펙트라와 비교하여 식별할 수 있는 고속 검색 방법에 대한 요구도 커지고 있다. 지금까지 가장 간단하고 널리 사용되는 방법은 주어진 스펙트럼과 데이터베이스 스펙트라 사이의 유클리드 거리를 계산하고 비교하는 방법이다. 하지만 고차원 데이터의 속성으로 검색의 문제는 그리 간단하지 않다. 가장 큰 문제점중의 하나는 검색 방법에 있어서 연산량이 많아 계산 시간이 너무 오래 걸린다는 것이다. 이러한 문제점을 극복하기 위해, 우리는 정렬된 분산에 따른 MPS Sort+PDS 방법을 제안하였다. 이 방법은 벡터의 두 개의 주요한 특징으로 평균과 분산을 사용하여 후보가 될 수 없는 많은 코드워드를 계산하지 않으므로 연산량을 줄이고 계산 시간을 줄여준다. 본 논문에서 우리는 기존의 방법보다 더욱 더 향상된 2가지 새로운 방법의 고속 검색 알고리즘을 제안한다. PCA+PDS 방법은 전체 데이터를 사용하는 거리 계산과 똑같은 결과를 가지면서 PCA 변환을 통해 데이터의 차수를 감소시켜 계산량을 줄여준다. Hierarchical Cluster Tree 알고리즘은 PCA 변환된 스펙트라 데이터를 사용하여 이진 계층 클러스터 트리를 만든다. 그런 후 입력 스펙트럼과 가장 가까운 클러스터부터 검색을 시작하여 후보가 될 수 없는 많은 스펙트라를 계산하지 않으므로 연산량을 줄이고 계산 시간을 줄여준다. 실험은 정렬된 분산에 따른 MPS Sort+PDS와 비교하여 PCA+PDS는 60.06%의 성능 향상을 보였다. Hierarchical Cluster Tree는 PCA+PDS와 비교하여 17.74%의 성능향상을 보였다. 실험결과는 제안된 알고리즘이 고속 검색에 적합함을 확인시켜 준다.

• 한국해양학회지:바다
• /
• 제24권3호
• /
• pp.375-388
• /
• 2019

지구의 탄소순환을 이해하고 미래 대기 $CO_2$의 농도와 기후 변화를 예측하기 위해서는 해양과 대기 사이 $CO_2$ 교환율(sea-to-air $CO_2$ flux)의 시공간 변화를 정확하게 추정하는 것이 필요하다. 연구선을 이용한 현장 관측이 갖고 있는 시공간 제약으로 인해 동해에는 매우 제한적인 표층 이산화탄소분압($fCO_2$) 자료만 존재한다. 이 연구에서는 위성 및 수치모형에서 얻은 수온, 염분, 엽록소, 혼합층 자료를 세 종류의 기계학습 모형에 입력하여 동해 남서부해역의 고해상도 표층 $fCO_2$ 시계열 자료를 산출하였다. 세 모형 중 현장 관측 자료를 가장 잘 재현하는 Random Forest (RF) 모형의 평균제곱근오차는 $7.1{\mu}atm$이었다. RF 모형을 이용한 $fCO_2$ 예측에 중요한 역할을 하는 변수는 수온, 염분과 시간 정보였으며, 엽록소와 혼합층 깊이는 $fCO_2$ 예측에 미미한 역할을 하였다. RF 모형에서 예측한 표층 $fCO_2$를 이용하여 계산한 동해 남서부해역의 $CO_2$ 교환율은 $-0.76{\pm}1.15mol\;m^{-2}yr^{-1}$로 이전 현장 관측 연구에서 제시한 교환율( $-0.66{\sim}-2.47mol\;m^{-2}yr^{-1}$) 범위 중 작은 값에 해당한다. RF 모형의 표층 $fCO_2$ 시계열 자료는 1주일 내외의 짧은 시간 사이에도 $CO_2$ 교환율이 상당히 변할 수 있음을 보여주었다. 앞으로 보다 정확한 $CO_2$ 교환율 산출을 위해서는 $fCO_2$가 급격하게 변화하는 봄철에 높은 해상도의 현장 관측을 수행할 필요가 있다.