• 대한전자공학회논문지SP
• /
• 제48권3호
• /
• pp.112-118
• /
• 2011

선박은 위급상황에 노출될 경우 육상의 교통수단에 비해 해양 환경이라는 제약성 때문에 그 위험성이 더 크다. 따라서 위험 요소를 사전에 발견하고 먼저 조치를 취하는 것이 매우 중요하다. 이 논문에서는 선박에 가해지는 위험 요소를 지속적으로 감시하고 상태를 파악할 수 있는 상태감시시스템을 제안하였으며 이를 위해 선박 내에 화재 센서 모듈, 기울기 센서와 비틀림 센서를 설치하여 선박의 안전 상황을 판가름하는 기초가 되는 센서 데이터를 수집하였다. 획득한 센서 데이터는 역전파 신경망을 설계하여 분석하였으며 분석된 데이터를 토대로 판단한 선박 상태 정보는 승무원의 개인 단말기로 송신되어 이동 상황에서도 선박의 상태를 실시간으로 점검할 수 있다. 상황인식 실험 결과 연출된 화재 상황에서 약 95%의 정확도를 보였고 선체의 충격 위험 요소에 대해서 약 89%의 정확도를 보였다.

• 대한전자공학회논문지SP
• /
• 제39권4호
• /
• pp.399-407
• /
• 2002

본 논문에서는 블록 기반으로 부호화된 영상에 대하여 블록 분류 (block classification)와 다층 퍼셉트론 (multi-layer perceptron, MLP) 모델을 이용한 적응적 블록화 현상 제거 알고리듬을 제안하였다. 제안한 방법에서는 각 블록을 DCT 계수의 분포 특성에 따라 네 개의 클래스로 분류한 다음, 인접한 두 블록의 클래스 정보에 따라 수평 및 수직 블록 경계 영역에 대하여 적응적으로 신경망 필터를 적용한다. 즉, 평탄한 영역, 수평 방향 에지 영역, 수직 방향 에지 영역, 및 복잡한 영역에 대하여 각각 서로 다른 신경망 필터를 수평 및 수직 방향으로 적용하여 블록화 현상을 제거한다. 모의 실험 결과를 통하여 제안한 방법이 객관적 화질 및 주관적 화질 측면에서 기존의 방법보다 그 성능이 우수함을 확인하였다.

• Investigative Magnetic Resonance Imaging
• /
• 제11권1호
• /
• pp.1-9
• /
• 2007

심장의 영상화에 장애가 되는 요인은 심장 운동, 호흡, 심장 내 혈류 등에 의한 인공물(artifact) 과 심장 조직의 용적이 작음으로 인한 낮은 신호 대 잡음비 등이 있다. 심장 운동에 의한 화질 저하를 막기 위해 신속영상기법(fast imaging technique) 을 이용하여 심장 운동의 특정 위상(phase) 에서만 영상을 얻는 심장동기(cardiac gating) 방법을 이용하고 있다. MRI를 이용한 심장의 검사는 심장의 형태, 심실 기능, 심근 관류, 심근 대사, 관상동맥 영상 등을 대상으로 한다. 심장의 형태적 진단에 있어서 심근내 수분의 정도와 지방조직을 보기 위해 이중(double) 혹은 삼중역전회복기법(triple inversion recovery technique) 을 사용한다. 심근관류검사를 위해서는 조영증강신속경사에코법(contrast-enhanced fast gradient echo technique)을 사용하여 일차통과조영증강(first-pass enhancement) 을 검사한다. 또한 10-15분 지연영상을 얻어 심근내 조영제의 재분포를 검사하여 만성심근경색 등의 심근파괴부위를 확인한다. 심실기능 평가를 위해서는 신속경사에 코법을 이용한 영화영상(cine image) 이 사용되며 심실의 국소적 운동이상 및 심실기능의 정량적 검사가 가능하다. MRI는 관상동맥영상을 제외한 포괄적 심장검사에 실용성이 있다. 특히 지연영상은 다른 검사장비에선 얻을수 없는 유용한 정보이다.

• 한국인터넷방송통신학회논문지
• /
• 제10권3호
• /
• pp.91-95
• /
• 2010

검색엔진을 사용하는 이용자의 정보 즉 선호도에 따른 지속적인 피드백으로 검색 결과의 랭킹을 향상시켜 유연한 검색이 가능하게 하는 방법에는 학습된 인공 신경망을 이용한다. 인공 신경망 학습은 신경망이 여러 다른 검색어로 학습된 후 다른 사용자들이 과거에 실제 검색했던 결과를 좀 더 반영하기 위한 것이다. 가중치의 지속적인 변경을 위해서는 네트워크에서 역방향으로 움직이면서 가중치를 변경하는 역전파 알고리즘을 이용하여 학습한다. 그러나 이러한 학습은 초기에는 훈련데이터에 적합한 성능을 보이나 학습의 횟수가 증가할수록 점점 과대적합되는 것을 알 수 있다. 따라서 본 논문에서는 최적화해야 할 개체가 많을 때 강한 장점을 가지고 있는 유전자 알고리즘을 적용하여 검색어에 관련성이 높은 페이지들 유연하게 랭킹하기 위해 URL리스트를 개체로 랜덤으로 선택하여 학습하는 기법을 제안한다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권1호
• /
• pp.13-22
• /
• 2013

무선으로 응용 프로그램을 다운받아 실행하고 수많은 응용 프로그램들을 통신 접속이 없어도 실행이 가능하다는 점으로 인해 스마트폰 중독이 인터넷 중독보다 심각한 상태이지만 아직까지 스마트폰 중독과 관련된 연구가 부족한 상태이다. 한국정보화진흥원에서 개발한 스마트폰 중독 검사 척도인 S-척도는 문항수가 많아 응답자들이 진단 자체를 회피할 수도 있으며 인구통계학적 변인도 고려하지 않은 상태에서 체크한 문항들에 대한 총점만으로 중독여부를 진단하므로 정확하게 진단하는데 어려움이 있다. 따라서 본 논문에서는 인구통계학적 변인을 포함한 여러 문항들을 추가한 자료들을 대상으로 먼저 스마트폰 중독에 영향을 미치는 중요한 요인들을 추출해 보았다. 추출한 축소문항을 대상으로 데이터마이닝기법 중 하나인 신경망을 이용하여 분류를 하였다. 신경망 학습알고리즘 중에서 BP학습 알고리즘과 다중 SVM을 이용하여 학습을 시켜 비교, 분석 해 본 결과 다중 SVM의 학습율이 조금 더 높게 나타났다. 본 논문에서 제안한 다중 SVM을 이용하여 학습을 한 자가진단 시스템을 이용하면 자료들의 급격한 변화에 대해 뛰어난 적응성을 가지므로 빠른 시간 내에 자신의 중독여부를 정확하게 자가진단 할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1159-1163
• /
• 2010

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였다. 신경망은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 연결강도를 최적화함으로서 모형의 구조를 스스로 조직화하기 때문에 모형의 구조에 적합한 최적 매개변수를 추정할 수 있다. 따라서 정확한 예측이 어려운 하천수위를 과거의 자료로 부터 학습된 신경망의 수학적 알고리즘을 통해 유출량의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 따라서 본 연구에서는 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨후 오류역전파알고리즘에 의해 신경망의 학습을 진행하는 모형으로 감천유역의 선산수위표지점의 수위를 1시간~6시간까지 예측하였다.

• 한국지반공학회논문집
• /
• 제19권2호
• /
• pp.267-278
• /
• 2003

인공신경망은 복잡한 문제를 해결하는데 있어 여러 분야에서 널리 활용되고 있는 매우 효과적인 기법으로 알려져 있다. 본 연구에서는 터널거동을 효과적으로 예측하기 위해 이러한 인공신경망 기법을 이용한 터널거동 예측시스템 (TBPS)을 개발하였다. 본 시스템 개발을 위해 시공이 완료된 31개 현장 193 개소 지점으로부터 얻은 터널 계측자료 (즉, 천단침하, 내공변위, 록볼트 축력, 숏크리트 압축 및 전단응력, 내진시 라이닝의 응력 등)를 D/B화하여 이용하였다. 또한 개발된 TBPS의 학습을 위해 가장 효과적이라 알려진 역전파 알고리즘을 사용하여 이들 자료의 학습을 실시하였다. 이러한 과정을 통해 개발된 TBPS를 이용하여 예측한 터널 거동 값과 현장계측 값, 수치해석에 의한 결과 값의 상호 비교 분석을 실시하였다. 비교분석 결과, TBPS에 의한 거동예측결과 값의 변화는 실무에 적용 가능한 범주에 있는 것으로 나타났다. 따라서 본 연구에서 개발된 TBPS는 터널의 타당성검토나 기본 및 실시설계 등에 적용하여 효율적으로 필요한 정보를 신속하게 얻을 수 있는데 사용될 수 있을 것으로 판단된다.

• 한국전자통신학회논문지
• /
• 제15권4호
• /
• pp.659-664
• /
• 2020

본 논문에서는 실리콘 기반의 광 집적회로에서 외부 전압 조절을 통해 |l|=1 궤도 각운동량 모드의 궤도 각양자수를 변조할 수 있는 전기 광학 변조기를 설계하였다. 설계된 전기 광학 변조기는 위치별로 서로 다른 도핑농도를 가지는 실리콘 코어와 실리콘 산화막으로 구성되어 있으며, 도핑농도의 분포를 통해 궤도 각운동량 모드를 구성하는 두 고유 모드의 전파 손실과 유효굴절률 변화량을 조절할 수 있도록 설계되었다. 변조기는 역전압을 기준으로 -0.33V에서는 궤도 각운동량 모드의 부호가 유지되는 광도파로로, 10V에서는 궤도 각양자수 부호 변환기로서 동작한다. 고유 모드 확장법으로 계산한 신호변조 후의 전기장 분포를 통해 얻은 궤도 각양자수는 두 동작모드에서 모두 |l|>0.92 으로 매우 높은 궤도 각운동량 모드 순도를 보였다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.15-23
• /
• 2016

본 논문은 한국의 차량 번호판 인식에 효과적인 방법을 제안한다. 획득한 자동차 이미지로부터 Haar-Like Feature를 이용해 대략적인 번호판 후보 영역을 찾아낸 후, 랭크 필터를 사용하여 전처리를 하고 캐니 에지 추출 (Canny Edge Detecting) 알고리즘을 이용하여 연결된 사각형을 찾아 번호판을 추출한다. 추출된 번호판의 색상 정보를 이용하여 흰색/녹색 번호판을 구분하고, 각 번호판을 OTSU 이진화와 주변 전경 픽셀 전파 알고리즘인 CLNF (CCLUF with NFPP)을 통해 문자를 제외한 잡음을 제거하고 레이블링하여 숫자 및 문자 영역을 분리한다. 분리된 문자 영역은 메쉬 방법 및 세선화 후 X-Y 투영 방법으로 특징 벡터를 추출한다. 추출된 특징 벡터는 역전파 알고리즘을 사용하여 학습된 신경망을 이용하여 문자 인식을 수행한다. 제안된 차량 번호판 인식 알고리즘의 효과적 동작은 실험을 통해 확인하였다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.24-29
• /
• 2016

높은 수준의 지능형 영상 감시 시스템을 만족하기 위해서는 단순히 객체를 검출해서 분류하는 것뿐만 아니라 대상에 대한 정확한 신원 정보까지 확인할 수 있어야 한다. 사람을 구별하는 대표적인 얼굴 인식은 얼굴 자체의 가변성뿐만 아니라 조명, 배경, 카메라의 각도와 같은 외적요인에 따라 인식률의 변화가 발생한다. 본 논문에서는 다양한 실험을 통해 거리 변화에 의한 얼굴 영상의 크기 변화에 강인한 얼굴 인식 방법을 분석한다. 얼굴 인식 실험은 1m~5m에서 추출한 실제 거리별 얼굴 영상으로 이루어졌다. 실험결과, 1인당 학습 영상의 수가 많을 경우는 얼굴 특징 추출 방법으로 LDA를 사용한 방법이 전체 평균 75.4%로 가장 우수한 성능을 나타냈다. 하지만 1인당 학습 영상의 수가 5장 이하가 될 때는 CNN을 사용한 방법이 69.8%로 가장 우수한 성능을 나타냈다. 또한, 저해상도 얼굴 인식의 경우 얼굴 영상의 크기가 $15{\times}15$보다 작아지면 인식률이 급격히 감소함을 확인했다.