• 제목/요약/키워드: 최적조합

검색결과 1,181건 처리시간 0.029초

야생조수(野生鳥獸) 인공사육농가(人工飼育農家)의 경영실태분석(經營實態分析)(사슴, 꿩, 멧돼지와 여우 사육농가(飼育農家)를 중심(中心)으로) (An Economic Analysis of Wildlife Rearing Farmhouses in Korea (Deer, Pheasant, Wild Boar and Fox Rearing Farmhouses))

  • 곽경호;조응혁;김세빈;오경수
    • 농업과학연구
    • /
    • 제20권1호
    • /
    • pp.25-33
    • /
    • 1993
  • 이상과 같이 사슴, 꿩, 멧돼지와 여우 사육농가(飼育農家)를 대상(對象)으로 경영실태(經營實態), 경영성과(經營成果)와 적정(適正) 경영규모(經營規模)를 구명(究明)한 연구결과(硏究結果)를 요약(要約)하면 다음과 같다. 1. 사슴, 멧돼지 사육농가(飼育農家) 경영주(經營主)의 사육년수(飼育年數)는 6년(年) 이상(以上)이 각각(各各) 68.3%, 66.7%로 나타나서 높은 경력소지자(經歷所持者)였다. 2. 대부분의 사육농가(飼育農家)가 야생동물(野生動物)을 부업(副業)으로 경영(經營)하는 것으로 밝혀졌다. 3. 주요(主要) 비용항목(費用項目)중에서 종축구입비(種畜購入費), 사료구입비(飼料購入費), 인부임(人夫賃)과 감가상각비(減價償却費)가 높은 비중(比重)을 차지하고 있었다. 4. 사육농가(飼育農家)의 연간(年間) 이익율(利益率)은 사슴 사육농가(飼育農家)가 25.5%로 가장 높은 반면, 멧돼지 사육농가(飼育農家)가 10.3%로 가장 낮은 것으로 나타났다. 5. 사육농가(飼育農家)의 손익분기점(損益分岐點) 매출액(賣出額)은 사슴사육농가(飼育農家)가 8.7백만(百萬)원, 꿩 사육농가(飼育農家)가 7.3백만(百萬)원, 멧돼지 사육농가(飼育農家)는 24백만(百萬)원, 여우 사육농가(飼育農家)는 12백만(百萬)원으로 나타났다. 최적매출규모(最適賣出規模)는 사슴 사육농가(飼育農家)가 11두(頭), 꿩 사육농가(飼育農家)가 1,027두(頭), 멧돼지 사육농가(飼育農家)가 69두(頭), 여우 사육농가(飼育農家)가 102두(頭)로 나타났다. 6. 이상의 결과(結果)로 미루어 볼때 사육농가(飼育農家)를 체계적(體系的)으로 보호(保護) 육성(育成)하기 위한 정책적지원(政策的支援)이 필요(必要)하다. (1) 축사환경개선(畜舍環境改善), 선진사육기술(先進飼育技術)의 보급(普及) 등(等)으로 생산비(生産費) 절감(節減)을 지속적(持續的)으로 추진(推進)해야 할 것이다. (2) 생산농가간(生産農家間)의 상호권익(相互權益)을 위한 조합(組合) 혹은 법인체(法人體)의 결성(結成), 유통체계확립(流通體系確立), 가공산업(加工産業)의 육성(育成) 등(等) 경영구조개선사업(經營構造改善事業)이 모색(模索)되어야 할 것이다. (3) 생산농가(生産農家)의 경영활성화(經營活性化)와 보호(保護) 육성(育成)을 위하여 금융(金融), 세제지원(稅制支援) 및 각종(各種) 관련법규제(關聯法規制)의 완화(緩和) 등(等) 제도적(制度的) 운영방안(運營方案)이 모색(摸索)되어야 할 것이다.

  • PDF

고추역병 방제능이 있는 식물성장촉진 균주 Bacillus licheniformis K11의 cellulase 유전자의 cloning 및 효소 특성 조사 (Cloning of the Cellulase Gene and Characterization of the Enzyme from a Plant Growth Promoting Rhizobacterium, Bacillus licheniformis K11)

  • 우상민;김상달
    • Applied Biological Chemistry
    • /
    • 제50권2호
    • /
    • pp.95-100
    • /
    • 2007
  • 식물성장 촉진호르몬인 auxin, 식물병원성 진균을 방제하는 siderophore 그리고 cellulase를 동시에 생산하는 PGPR균이자 생물방제균인 Bacillus licheniformis K11의 cellulase의 유전자를 PCR을 이용해 pUC18에 재조합 후 E. coli DH5${\alpha}$에 cloning하였으며, 이 형질전환 된 균주를 E. coli DH5${\alpha}$(pCW 77)라 하였다. 형질전환 균주 E. coli DH5${\alpha}$(pCW 77)는 B. licheniformis K11의 1.6kb 유전자를 포함하며, 이 cellulase는 1,479 bp, 499개의 amino acid가 암호화된 것으로 추정된다. 형질전환균주가 생산하는 cellulase(CelW)는 lac 프로모터를 이용해 발현되었으며, CMC-SDS-PAGE의 방법으로 약 55 kDa의 분자량을 확인하였다. B. licheniformis K11의 cellulase는 4종의 대표적인 Bacillus spp. 들이 생산하는 cellulase의 아미노산 배열이 97% 이상 일치하였다. CelW는 carboxymethyl-cellulose(CMC) 뿐만 아니라 불용성 섬유소인 Avicel, Filter paper(Whatman$^{\circledR}$ No. 1)는 물론이고 고추역병균 P. capsici의 건조 cell wall도 분해하였다. CMC를 기질로 60$^{\circ}C$에서 효소활성이 가장 높았으며, 최적 pH는 pH 6.0이었다. 그리고 CoCl$_2$ 또는 MnSO$_4$ 첨가시 활성이 2배 이상 증가하였지만, FeCl$_3$ 또는 HgCl$_2$ 첨가 시는 활성이 20% 이하로 떨어졌고, SDS와 sodium azide 등 여러 화학 저해제들을 첨가하여도 87% 이상의 활성을 유지하였다. 이 결과들은 B. licheniformis K11이 식물뿌리에 근권 microflora형성의 중요한 요인으로 작용할 수 있고, 생물방제력을 발휘하는 식물병원성 진균의 세포벽 분해 cellulase 기능 연구를 가능케 하여 식물병의 생물학적 방제 연구에 기초가 될 것이라 생각된다.

독도 심해토 메타게놈 유래 신규 내열성 에스테라아제의 생화학적 특성규명 (Biochemical Characterization of a Novel Thermostable Esterase from the Metagenome of Dokdo Islets Marine Sediment)

  • 이창묵;서소현;김수연;송재은;심준수;한범수;김동헌;윤상홍
    • 한국미생물·생명공학회지
    • /
    • 제45권1호
    • /
    • pp.63-70
    • /
    • 2017
  • 독도 해저 2,000 미터 퇴적토를 이용한 메타게놈 유전자 은행의 60,672 클론을 기름 성분 tributyrin이 첨가된 배지에서 스크리닝 하였다. 활성을 가진 클론에서 EstES1 유전자를 선발하였다. EstES1은 553개 아미노산으로 구성된 분자량 59.4 kDa 단백질로, 가장 높은 유사성은 Haliangium ochraceum의 carboxylesterase와 44%이었다. EstES1 서열 내부에는 carboxylesterase의 전형적인 penta-peptide motif, catalytic triad 및 N-terminal 부위 37개의 leader sequence가 존재했다. 서열기반 계통분석 결과, EstES1은 신규한 esterase 임을 보여주었다. EstES1 효소의 leader 서열을 제거한 재조합 수용성 RLES1 효소는 탄소 2-12까지 포함된 long acyl ethyl ester 기질을 모두 이용할 수 있지만, p-Nitrophenyl butyrate (C4)에 가장 높은 활성과 turn-over 값을 보였다. 최적 활성은 $45^{\circ}C$, pH 9.0이다(specific activity 255.4 U/mg). 또한 강알칼리 상태인 pH 10.5까지 80% 이상의 활성이 유지되었다. EstES1의 활성은 $60^{\circ}C$에서 내열성을 보여, 1시간 동안 활성을 100% 유지할 수 있다. 효소 활성은 여러 종류의 유기용매 하에서도 안정하게 유지되었다. 따라서, EstES1은 배양이 불가능한 난배양 미생물로부터 유래된 신종 효소 유전자로서, 고온의 지방산 가수분해, 알칼리 상태나유기용매가 존재하는 여러 공정분야에 활용될 수 있다.

항 Methicillin Resistant Staphylococcus aureus 활성을 가지는 해양미생물 Pseudomonas sp. YJ-1의 분리와 특성 (Isolation and Characterization of a Marine Bacterium, Pseudomonas sp. YJ-1 with Anti-Methicillin Resistant Staphylococcus aureus Activity)

  • 우예주;정성윤
    • 환경생물
    • /
    • 제35권4호
    • /
    • pp.694-705
    • /
    • 2017
  • 본 연구의 목적은 항 methicillin-resistant Staphylococcus aureus (MRSA) 활성을 가지는 해양미생물을 분리, 동정하고 항MRSA 물질을 분리 정제하여 그 물질의 활성과 시너지 효과를 밝히는 것이다. 본 연구에서 분리한 해양미생물 중에서, YJ-1 분리 균주가 가장 강한 항MRSA 활성을 나타내었다. YJ-1 균주는 생화학적 특성과 16S rRNA 유전자 염기서열에 기초하여 분류 동정되었다. YJ-1 균주의 염기서열은 Pseudomonas stutzeri와 99.2%의 상동성을 나타내어, Pseudomonas sp. YJ-1이라 명명하였다. 이 균주의 최적 성장조건은 $25^{\circ}C$와 초기 pH 농도 7.0이었다. 항MRSA 물질들을 분리정제하기 위하여 YJ-1 균주를 PPES-II 배지에 배양하였으며, 배양 상등액을 ethyl acetate, hexane과 80% MeOH로 순차적으로 추출하였다. 활성을 보인 80% MeOH 분획을 $C_{18}$ ODS 칼럼 크로마토그래피, silica gel 크로마토그래피와 역상 HPLC법으로 순차적으로 정제하여 항MRSA 활성을 가지는 3개의 순수물질 MR1, MR2 및 MR3를 얻었다. $250{\mu}g\;mL^{-1}$ 농도의 MR1 물질을 MRSA 세포에 접종했을 때, MRSA 세포의 95%가 48시간 이내에 사멸하였다. 활성을 vancomycin 및 ampicillin과 비교해 보아도, MR1 물질은 보다 우수한 항MRSA 활성을 나타내었다. 또한 항MRSA 활성은 투여량과 시간에 비례하여 증가하였다. 더욱이 MR1 물질과 vancomycin을 조합하여 시너지 효과를 보았을 때, MR1 물질을 단독으로 투여했을 때보다 신속한 MRSA 세포의 감소를 관찰할 수 있었다. 이상의 결과를 종합해보면, MRSA 감염에 있어서 Pseudomonas sp. YJ-1과 이것이 생산하는 항MRSA 물질은 천연 항균제로서 기여할 수 있으리라 판단된다.

대량 모근 시료 DNA 분리 체계 확립과 11 microsatellite maker를 사용하는 한우 생산이력제로의 적용가능성 검증 (Establishment of the High-Throughput Hair Roots' DNA Isolation System and Verification of Its Appicability for Hanwoo Traceability Using the 11 Microsatellite Makes)

  • 임현태;이상호;유채경;선두원;조인철;윤두학;양대용;정일정;이정규;전진태
    • 농업생명과학연구
    • /
    • 제44권6호
    • /
    • pp.91-99
    • /
    • 2010
  • 한우 이력추적제에 적용되는 11개의 MS marker (TGLA227, BM2113, TGLA53, ETH10, SPS115, TGLA126, TGLA122, ETH3, ETH225, BM1824 and INRA23)와 성감별을 위한 2개의 sexing primer로 조합된 하나의 Multiplex PCR set를 이용하여 모근에서 추출한 genomic DNA를 이용해 3510두의 대량 시료를 분석한 결과 3.93%의 genotyping 실패율로 성공적인 분석결과를 얻었다. 무작위교배집단으로 가정 시 동일개체출현확률 (PI)은 $1.31{\times}10^{-23}$, 반형매교배집단으로 가정 시 동일개체출현확률 ($PI_{half-sibs}$)은 $2.52{\times}10^{-16}$ 그리고 전형매교배집단으로 가정 시 동일개체출현확률 ($PI_{sibs}$)은 $1.09{\times}10^{-6}$으로 나타나 현재 사용 중인 11종의 MS marker는 범용적으로 사용하여도 무방할 것으로 재확인 되었다. 또한 생산 및 사육단계의 생우의 경우 모근을 이용하여 DNA를 추출하는 것은 시료 채취 시 소에게 주어지는 스트레스를 최소화 시킬 수 있을 뿐만 아니라 대립유전자형 분석에 있어서 시간적, 경제적인 효율성을 높일 수 있었다. 또한 모근 채취 부위 중 등, 배, 꼬리상부와 꼬리하부를 이용하여 검정한 결과 꼬리하부의 모근을 이용하여 5~13가닥을 사용했을 때 최적의 분석결과를 보였다. 최종적으로 한우의 사육단계 대량 유전자형 분석에 적용 가능한 96 well 단위를 기본으로 하는 모근 DNA분리 체계를 확립하였다.

닭 오브알부민 프로모터의 길이에 따른 유전자 발현 활성 및 에스트로겐 반응성 분석 (Analysis of Transcriptional Activity and Estrogen Responsiveness of Regulatory Elements in Chicken Ovalbumin Promoter)

  • 양현;김경운;김점순;우제석;이휘철;최훈성;정선근;수레쉬 쿠마르;이해선;오건봉;변승준
    • 한국가금학회지
    • /
    • 제46권1호
    • /
    • pp.17-24
    • /
    • 2019
  • 본 연구는 오브알부민 프로모터의 최적 크기를 결정하기 위해 수행하였고, 이를 위해 2.8, 5.5, 그리고 Mut-4.4 kb의 오브알부민 프로모터를 리포터 벡터에 클로닝하여 다양한 세포들에서 프로모터의 활성을 검증하였다. Mut-4.4kb-pOV는 2.8와 5.5kb-pOV에 비해 HeLa, MES-SA, 그리고 LMH/2A에서 높은 수준의 프로모터 활성을 유도하였으나, cEF 세포에서는 낮은 활성을 보였다. 한편, Mut-4.4kb-pOV/pGL4.11 벡터가 도입된 HeLa, MES-SA, LMH/2A, 그리고 cEF 세포에서 에스트로겐 처리에 의한 반응성을 검증한 결과, cEF 세포를 제외한 나머지 세포들은 에스트로겐을 처리했을 때 리포터 유전자의 발현량이 증가하였다. 또한 LMH/2A 세포에 500 nM 에스트로겐 처리 결과, Mut-4.4kb-pOV는 에스트로겐 처리 후에도 2.8와 5.5kb-pOV에 비해 높은 수준의 프로모터 활성을 유도하였다. 더불어 ERE 영역이 없는 2.8kb-pOV는 LMH/2A 세포에서 500 nM 에스트로겐 처리 후 프로모터의 활성에 효과가 없었으나, ERE 영역을 포함하는 5.5 그리고 Mut-4.4kb-pOV는 에스트로겐 처리에 의해 프로모터의 활성이 증가한 결과를 보였다. 이상의 결과는 Mut-4.4kb-pOV가 형질전환 암탉을 생산하기 위한 재조합바이러스 벡터의 프로모터 영역으로 2.8와 5.5kb-pOV에 비해 보다 효율적인 크기임을 보여주는 결과이다.

대규모 기후 원격상관성 및 다중회귀모형을 이용한 월 평균기온 예측 (Monthly temperature forecasting using large-scale climate teleconnections and multiple regression models)

  • 김철겸;이정우;이정은;김남원;김현준
    • 한국수자원학회논문집
    • /
    • 제54권9호
    • /
    • pp.731-745
    • /
    • 2021
  • 본 연구에서는 글로벌 기후지수 및 한강권역의 기상자료를 예측인자로 하는 통계적 다중회귀모형을 구성하여 한강권역의 월 평균기온에 대한 장기예측을 수행하였다. 예측대상인 월 평균기온과 선행기간별 예측인자와의 원격상관성 분석을 기반으로 최적의 예측인자를 선별하였으며, 선별된 예측인자를 조합하고 과거기간에 대한 교차검증을 통하여 최대 12개월까지 선행예측이 가능한 다중회귀모형 기반의 예측모형을 구성하였다. 과거 1992년 1월부터 2020년 12월을 대상으로 월 평균기온에 대한 예측성을 분석한 결과, PBIAS는 -1.4 ~ -0.7%, RSR은 0.15 ~ 0.16, NSE는 0.98, r은 0.99로 높은 적합성을 나타내었다. 각 월별 관측치가 예측범위에 포함될 확률은 평균 약 64.4%로 나타났으며, 월별로는 9월, 12월, 2월, 1월의 예측성이 상대적으로 높고, 4월, 8월, 3월의 예측성이 낮은 것으로 분석되었다. 평년 대비 유난히 낮거나 높은 기온을 보였던 일부 기간을 제외하고 대체로 예측치의 범위 또는 예측치의 중앙값 등이 관측치와 잘 부합하는 것으로 나타났다. 본 연구에서 도출되는 정량적 기온예측정보는 미래기간(선행 1 ~ 12개월)의 기온에 대한 변화뿐만 아니라, 기온과 상관도가 높은 증발산량을 비롯한 수문생태환경에 대한 변화를 전망하는 경우에도 유용하게 활용될 수 있을 것이다.

머신러닝&딥러닝 모델을 활용한 댐 일유입량 예측시 융적설을 고려하기 위한 데이터 전처리에 대한 방법 연구 (Study on data preprocessing methods for considering snow accumulation and snow melt in dam inflow prediction using machine learning & deep learning models)

  • 조영식;정관수
    • 한국수자원학회논문집
    • /
    • 제57권1호
    • /
    • pp.35-44
    • /
    • 2024
  • 댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.

Loop와 HPLC Purification 방법보다 더 높은 비방사능을 보여주는 카트리지 Methylation과 Purification을 이용한 손쉬운 [ 11C]PIB 합성 (Facile [11C]PIB Synthesis Using an On-cartridge Methylation and Purification Showed Higher Specific Activity than Conventional Method Using Loop and High Performance Liquid Chromatography Purification)

  • 이용석;조용현;이홍재;이윤상;정재민
    • 핵의학기술
    • /
    • 제22권2호
    • /
    • pp.67-73
    • /
    • 2018
  • $[^{11}C]PIB$는 베타아밀로이드($A{\beta}\;plague$)라는 변성 단백질에 결합하여 뇌의 기능과 기억력을 서서히 감퇴시키는 비가역적인 질환인 치매를 조기에 감별할 수 있는 대표적인 방사성의약품이다. 지금까지 많은 실험실에서 $[^{11}C]PIB$는 자동화합성장치에서 $[^{11}C]methyl\;iodide$$[^{11}C]methyl\;triflate$를 만든 다음 loop나 vial 방법을 사용하여 methylation을 한 다음 HPLC로 정제를 하는 것이다. 하지만 기존의 보고된 방법은 시간이 오래 걸리며, HPLC와 같은 복잡한 시스템을 필요로 하여 소규모 실험실에서 합성하기에 적합하지 않으며, 최종 product에서 에탄올 함량이 높다는 단점이 있었다. 이러한 단점을 보완하기 위하여 카트리지만을 사용하여 카트리지에서 methylation과 purification을 동시에 실시함으로써 합성 시간을 단축하고, 비방사능이 높고, 낮은 에탄올 함량을 가진 $[^{11}C]PIB$를 합성 가능한지 확인하고자 하였다. 가장 널리 사용하는 카트리지 6종(CM, HLB, Alumina, C18, tC18, tC18 environmental을 선택하여 screening test를 실시하였다. 6-OH-BTA-0 1 mg을 c-HXO에 녹인 다음 6개의 카트리지에 loading를 한 다음 0.5 M MSP(pH 5.1) 20 mL로 정제를 한 다음 최종 fraction을 받아서 analytical HPLC로 전구체 잔류량을 측정한 결과 hydrophobicity가 낮은 계열(CM, HLB, Alumina)의 카트리지에서는 완충액으로 정제를 하였을 때 잔류전구체의 양이 많았으나, 탄소함량이 많은 계열의 카트리지(C18, tC18, tC18 environmental)에서는 잔류전구체의 양이 CM, HLB, Alumina 카트리지에 비하여 상대적으로 적었다. 완충액의 정제 농도와 부피를 최적화 하기 위하여 screening test에서 가장 좋은 결과를 나타낸 C18 series cartridge를 가지고 추가 실험을 진행하였다. 인산완충액 농도를 10 mM, 20 mM, 30 mM, 40 mM, 50 mM, 250 mM, 500 mM로 변화시켰으며, 에탄올 함량은 20%와 30%로 하여 용출액을 분석하여서, $[^{11}C]PIB$를 카트리지로 합성하기 위한 최적의 조합은 tC18 environmental cartridge와 0.5 M MSP 20 mL인 것을 알 수 있었다. 기존에 보고된 방법과 cartridge를 비교한 결과, 합성시간에서는 각각 15 ~ 18min, 8 ~ 9 min이 소요되었으며, product activity는 각각 $4.1{\pm}1.4\;GBq$ (n=41), $3.8{\pm}0.9\;GBq$ (n=3), 방사화학적 수율(based on HPLC analysis of the crude product)에서는 $13.9{\pm}4.4%$ (n=41), $12.3{\pm}2.2%$ (n=3)로 별다른 차이가 없었으며, 비방사능에 있어서는 HPLC purification method가 $78.7{\pm}39.7\;GBq/{\mu}mol$ (n=41), cartridge method가 $420.6{\pm}20.4\;GBq/{\mu}mol$ (n=3)로 카트리지 방법이 기존 방법보다 더 좋은 결과를 나타내었다. 또한, 잔류 용매(c-HXO)도 vial or loop method와 별다른 차이가 없었으며, 에탄올 함량에 있어서는 70%(기존 방법)에서 30%(카트리지 방법)로 두 배 이상 함량이 적다는 사실을 알 수 있었다. 지금까지 알아본바와 같이 cartridge method는 reported method(HPLC purification)에 비하여 더 향상된 결과를 보여준다는 사실을 확인하였다.

전이학습 기반 다중 컨볼류션 신경망 레이어의 활성화 특징과 주성분 분석을 이용한 이미지 분류 방법 (Transfer Learning using Multiple ConvNet Layers Activation Features with Principal Component Analysis for Image Classification)

  • 바트후 ?바자브;주마벡 알리하노브;팡양;고승현;조근식
    • 지능정보연구
    • /
    • 제24권1호
    • /
    • pp.205-225
    • /
    • 2018
  • Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.