• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.179-183
• /
• 2009

본 연구에서는 GCM 기후변화 전망 시나리오를 이용하여 유역단위의 기후변화를 추정하였다. 원시 GCM 시나리오를 지역화 시키기 위해서 인공신경망 모형을 사용하였다. GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수는 인공신경망의 잠재적 예측인자로 사용되었으며, AWS에서 관측된 강수량과 온도는 예측변수로 사용되었다. 원시 GCM 데이터는 CCCma(Canadian Centre for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 인공신경망 학습과정에서 사용된 기준시나리오(reference scenario)자료의 기간은 1997년부터 2000년까지의 데이터를 사용하였다. 인공신경망을 학습을 통하여 결정된 각 층사이의 가중치를 이용하여 이산화탄소 배출농도를 가정하여 생성된 CGCM3.1/T63 SRES B1 기후변화시나리오(project scenario)를 인공신경망의 입력값으로 하여 미래의 기온과 강수변화를 전망하였다. 신경망의 학습효과를 높이기 위하여 기온과 강수에 대한 평균 및 누적기간을 각각 일단위와 월단위로 설정하였다. 본 연구에서 사용된 인공신경망은 3층 퍼셉트론(다층 퍼셉트론)을 사용하였으며, 학습방법으로는 역전파알고리즘(back-propagation algorithm)을 이용하였다. 민감도분석을 통하여 선택된 예측인자는 소양강댐유역(1011, 1012소유역)에서의 인공신경망 예측인자로 활용되었으며, 2001년부터 2100년까지의 일 평균온도와 일 강수량의 변화경향을 추정하였다. 1011유역, 1012유역에서는 여름철의 온도변화경향이 겨울철에 비하여 높게 나타났다. 일 평균온도의 통계분석 결과 평균예측오차가 가장 적게 나타나는 지역은 1001유역으로 -0.08로 평균예측오차가 가장 적게 나타났으며, 인공신경망기법을 이용하여 스케일 상세화된 일 평균온도와 관측된 일 평균온도가 얼마나 잘 일치하는지를 확인할 수 있는 1012유역에서 CORR이 0.74로 가장 높게 나타났다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.48-50
• /
• 1998

반복적 죄수의 딜레마(Iterated Prisoner's Dilemma, IPD)게임은 사회적, 경제적, 그리고 생물학적 시스템에서 협동의 진화를 연구하기 위한 대상으로 사용되어져 왔다. 이제까지 이기적이며 합리적인 개체들 사이에서의 협동의 진화에 대한 완전한 이해를 위하여 게임자의 수와 협동의 관계, 기계학습의 일환으로서의 전략학습, 그리고 이득함수가 협동에 미치는 영향 등에 관한 많은 연구가 이루어져 왔다. 이 논문에서는 실험을 통해 이득함수에 따른 협동연합의 크기와 지역화가 NIPD(N-player IPD)게임에서 협동의 진화에 미치는 영향에 대해 밝히고자 한다. 시뮬레이션 결과 이득함수와 협동연합의 크기에 대한 실험에서는 협동개체에 대한 이득함수의 기울기가 배반개체에 대한 이득함수의 기울기보다 급하거나 최소 연합의 크기가 작을수록 협동연합의 정도가 높게 나타남을 알 수 있었다. 그리고 지역화 실험에서는 상호작용하는 이웃의 크기가 작을수록 협동연합의 크기가 크게 진화됨을 알 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.208-208
• /
• 2016

수문순환과정의 시공간적 거동을 해석하고 이를 정량화 하는 것은 효율적인 수자원 관리 및 계획을 위해 반드시 선행되어야 하는 연구이다. 특히 토양수분은 물 에너지 순환에서 지표면과 대기 사이의 복잡한 관계를 이해하기 위한 중요한 수문인자로, 이를 정확하게 측정하기 위한 방법들이 다각도로 발전되어 왔다. 그 중 위성 데이터를 활용한 토양수분 산정은 미계측 지역의 토양수분을 지속적이고 광역적이게 관측할 수 있는 선진 기술로 각광받고 있다. 그러나 대부분의 위성 자료들이 가지고 있는 공간 해상도는 복잡한 지형 환경을 대상으로 한 지역의 원격 탐사로서는 국지적인 수문학적 현상들을 분석하는데 어려움을 가지고 있다. 특히 우리나라의 경우 국토의 70% 정도가 산지로 이루어져 있으며 경사도가 $5^{\circ}$ 이하의 평탄한 지역은 약 23%에 그치는 등 복잡한 식생 지형 환경을 가지고 있다. 따라서 인공위성의 해상도와 식생 투과도를 고려할 때 저 해상도의 위성 토양수분만으로는 우리나라와 같이 면적에 비해 복잡한 환경에 기반 한 수문학적 현상들을 충분히 분석하는데 한계점이 있다. 따라서 본 연구에서는 support vector machine (SVM) 기계학습을 활용하여 ASCAT과 AMSR2 위성 토양수분의 상세화를 수행하여 고해상도의 토양수분을 산정하였고, 이를 지점관측 자료와 비교해 상세화도 자료의 신뢰성을 평가하였다. 검증된 고해상도 토양수분 데이터는 향후 자연재해 분석에 있어 예측의 정확성을 높이고 수문순환 및 기후 모델링에 있어서 중요한 입력 인자로 활용될 것으로 기대된다.

• The KIPS Transactions:PartB
• /
• v.14B no.5
• /
• pp.377-382
• /
• 2007

This paper proposes a training algorithm for global optimization of the parameters of radial basis function networks. Since conventional training algorithms usually perform only local optimization, the performance of the network is limited and the final network significantly depends on the initial network parameters. The proposed hybrid simulated annealing algorithm performs global optimization of the network parameters by combining global search capability of simulated annealing and local optimization capability of gradient-based algorithms. Via experiments for function approximation problems, we demonstrate that the proposed algorithm can find networks showing better training and test performance and reduce effects of the initial network parameters on the final results.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.9
• /
• pp.349-358
• /
• 2021

Recently, a method of finding the attention area or localization area for an object of an image using CAM (Class Activation Map)[1] has been variously carried out as a study of WSOL (Weakly Supervised Object Localization). The attention area extraction from the object heat map using CAM has a disadvantage in that it cannot find the entire area of the object by focusing mainly on the part where the features are most concentrated in the object. To improve this, using CAM and Selective Search[6] together, we first expand the attention area in the heat map, and a Gaussian smoothing is applied to the extended area to generate retraining data. Finally we train the data to expand the attention area of the objects. The proposed method requires retraining only once, and the search time to find an localization area is greatly reduced since the selective search is not needed in this stage. Through the experiment, the attention area was expanded from the existing CAM heat maps, and in the calculation of IOU (Intersection of Union) with the ground truth for the bounding box of the expanded attention area, about 58% was improved compared to the existing CAM.

• The Korean Journal of Applied Statistics
• /
• v.15 no.2
• /
• pp.251-267
• /
• 2002

Self Organizing Maps(SOM) by Kohonen is very fast algorithm in neural networks. But it doesn't show sure rules of training results. In this paper, we introduce to Bayesian Learning for Self Organizing Maps(BLSOM) which combines self organizing maps with Bayesian learning. So it supports explanatory power of models and improves prediction. BLSOM has global optima anywhere but SOM has not. This is proved by experiment in this paper.

• 한국정보교육학회:학술대회논문집
• /
• 2006.01a
• /
• pp.255-260
• /
• 2006

현장조사학습은 학습자로 하여금 생생한 현실에 직면하게 함으로써 보고 듣고 느끼는 구체적인 학습을 통하여 생활경험과 시야를 넓히고 사회사상 간의 관계를 보다 잘 이해할 수 있게 하며 사회과 교수, 학습과정에서의 문제해결을 위해 교실을 벗어나 고장을 중심한 우리도의 현지학습을 위주로 하는 것을 말한다. 그러나 21세기 정보화시대를 맞아하여 우리는 수많은 정보를 일일이 다 경험하기에는 한계가 있으며 현실적으로도 매우 어려운 실정이다. 또한 초등학교 사회과 편성의 주요방향인 정보화능력을 바탕으로 학습자가 정보화 사회에 나아가 다양한 정보를 취득하고 활용하여 현대사회의 문제를 창의적이며 합리적으로 해결하는 능력을 길러야 한다. 이러한 능력을 기를 수 있는 기틀을 마련해 주기위해 학습자가 원하는 시간과 장소에서 자기 학습력과 속도에 맞춰 자기 주도적인 학습을 할 수 있도록 학습자에게 다양한 미디어를 결합시킴 형태의 WBI를 설계하고 구현하여 학습효과를 극대화 하고자 한다. 본 연구에서는 사회과 4학년 1학기 보조교과서 "우리 경상남도의 생활"을 재구성하여 서부경남의 7개 시 군의 교통, 관광, 인구, 특산물, 문화재, 등에 대하여 정보를 탐색, 분석, 활용할 수 있는 능력을 길러주고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.39-39
• /
• 2020

Low-flow 하천에서의 최저수위를 나타내는 지표이다. 일반적으로 유황곡선의 갈수량(Q355)를 대표적으로 사용한다. Low-flow는 물 공급 관리 및 계획, 관개용수, 생태계등 다양한 분야에 영향을 미친다. 이러한 Low-flow를 산정하기 위해서는 충분한 기간의 유량자료가 필요하다. 하지만 국토의 70%가 산지지형으로 구성되어 있는 우리나라의 경우 국가하천과 1급하천을 제외한 산지유역은 수위관측소가 부재하거나 결측으로 인해 자료가 충분하지 않아 Low-flow분석에 한계가 있다. 이에 과거에는 미계측지역의 갈수량을 예측하기 위해서 다중회귀분석, ARIMA 모형 등 다양한 기법을 사용하였지만, 최근들어 머신러닝 모형의 수요가 증가하고 있다. 이에 본 연구에서는 새로운 패러다임에 맞는 머신러닝 기법인 DNN기법을 사용하고자 한다. DNN기법은 ANN기법의 단점인 학습과정에서 최적 매개변수값을 찾기 어렵고, 학습시간이 느린 단점을 보완한 방법이다. 따라서 본연구에서는 머신러닝 기법인 DNN기법을 통해 미계측지역에 적용 가능한 지역화 Low-flow indices를 산정하고자 한다. 먼저, Low-flow에 영향을 미치는 인자들을 수집하고 인자들간의 상관분석, 다중공선성 분석을 통해 통계적으로 유의한 변수를 선정하여, 머신러닝 모형에 입력자료를 구축하였다. 또한 기존의 갈수량 예측기법인 다중회귀분석 결과와 비교하여 머신러닝 기법의 효용성을 검토하였다.

• 한국지구과학회:학술대회논문집
• /
• 2010.04a
• /
• pp.66-66
• /
• 2010

야외지질학습은 교실에서 경험할 수 없는 물질과 현상을 관찰하고 직접 경험할 수 있는 기회를 제공받을 수 있어서 매우 중요하다(Orion 1989). 또한 체험활동으로서 교실에서 학습한 내용의 구체적인 예를 제공하여 교육과정을 촉진시키는데 중요한 요소로 인식되고 있다. 일반적으로 야외 활동은 교실 활동보다 학생들의 경험과 훨씬 더 밀접히 관련되어 있기 때문에 보다 의미가 있을 수 있다. 야외실습 중에서 얻은 경험은 학생들이 그가 관찰한 것에 대해 읽도록 동기화시키고, 교과서와 자연조건에서의 실제적 경험 사이의 차이를 연결해 주는 다리를 제공해 줄 수 있다(홍정수, 장남기, 1997). 야외학습을 위한 적절한 장소는 먼저 학습주제나 목표와 부합되는 곳이어야 하며, 지리적으로 가깝고 안전한 곳이어야 한다(김찬종, 2008). 그렇기 때문에 각 지역별로 학습주제와 부합된 지역을 선정하여 야외지질 학습자료를 개발하는 것은 무엇보다 중요하다. 따라서, 본 연구에서는 전북 남원 일대를 중심으로 한 야외지질 학습자료를 개발하는데 그 목적이 있다. 전북 남원지역은 한반도의 중요지괴에 해당하는 영남육괴 지리산지구에 해당하며 편마암 복합체를 기저로 이를 관입하는 수 차례의 화성활동과 지구조운동으로 복잡한 지질양상을 보인다. 또한 지리산 지역은 평안분지와 경상분지의 일부가 보존되어 있고 지질시대를 달리하는 각종 화성암류가 골고루 분포하여 각 지질시대별로 화성활동과 지구조 운동이 활발했음을 시사해준다. 본 연구에서는 남원 지역의 지질학적 특징을 관찰하기 용이한 지역을 대상으로 총 5곳을 선정하였다. 남원 시내에 소재한 춘향대교 아래 지역은 중생대 쥐라기에 관입한 저반상의 남원화강암과 페그마타이트가 다수 분포하는 곳이다. 이 지역에서는 무수히 많은 관입암체를 찾을 수 있는데 다수의 지진과 지각변동이 있었음을 알 수 있다. 두 번째 장소는 다양한 바위들을 관찰할 수 있는 구룡계곡 일대이다. 이 장소는 오랜기간 동안 물의 흐름에 의해 풍화와 침식을 받은 다양한 크기의 바위를 관찰하고 구별함으로써 풍화에 따른 원마도의 관계, 바위들의 배치 형태를 통해 고지형 및 고수류의 방향을 유추해 볼 수 있다. 남원에서 장수 방향에 위치한 만행산 주변에는 흑운모편마암에 우세한데, 이 지역에서는 흑운모편마암에 나타나는 변성구조로 볼 때 높은 열과 압력을 받은 광역변성작용을 받는 것으로 판단된다. 또한 관입암체 내에 다양한 맥들이 관입을 해와 이를 통해 관입암체들의 상대연령을 판단해보는 학습자료로 활용될 수 있다. 네 번째 장소는 남원시 인월면 인풍리 소재의 인월 피바위 지역이다. 이 지역에서는 압쇄상 화강암이 주로 관찰되는데 이는 기원암인 반상화강암이 동력변성작용을 받아 생성된 것이다. 다섯 번째 지역은 지리산 내의 뱀사골로 지리산 인근에 분포하는 대표적인 편마암인 반상변정질 편마암을 관찰할 수 있다. 변정이란 변성작용을 받는 동안 형성되는 것으로 변성작용을 받는 동안 생긴 것도 있으나 경우에 따라 생성당시 원래 모암속에 포함되어 있는 반정들도 있다.

• Proceedings of the Zoological Society Korea Conference
• /
• 1998.10b
• /
• pp.380.1-380
• /
• 1998