• 문화기술의 융합
• /
• 제9권6호
• /
• pp.301-307
• /
• 2023

딥러닝은 심층신경망(Deep Neural Network)을 구축하고 대량의 훈련 데이터를 수집한 후, 구축된 신경망을 오랫동안 학습 시켜야 한다. 만약, 학습이 제대로 진행되지 않거나 과적합이 발생하면, 학습은 실패하게 된다. 현재까지 개발되고 있는 딥러닝 도구들을 사용할 경우, 훈련데이터 수집과 학습에 많은 시간이 소요된다. 하지만, 모바일 환경의 급격한 도래와 센서 데이터의 증가로 인해, 신경망 학습에 걸리는 시간을 획기적으로 줄일 수 있는 실시간 증강형 딥러닝 기술에 대한 요구가 급격하게 증가하고 있다. 본 연구에서는 미세먼지 센서를 장착한 아두이노 시스템을 사용하여 실시간 증강형 딥러닝 시스템을 구현 하였다. 구현된 시스템에서는 미세먼지 데이터를 5초마다 측정하고 최대 120개가 축적이 되면, 기존에 축적된 데이터와 새로이 축적된 데이터를 데이터셋으로 사용하여 학습을 수행하도록 하였다. 학습 수행을 위한 신경망은 입력층 1개, 은닉층 1개, 출력등 1개로 구성하였다. 구현된 시스템에 대한 성능을 평가하기 위해 학습 시간과 평균 제곱근 오차(root mean square error, RMSE)를 측정 하였다. 실험 결과, 평균 학습 오차는 0.04053796이었으며, 학습주기당(1 에포크) 평균 학습 시간은 3,447 초 정도의 시간이 걸렸다.

• 한국농림기상학회지
• /
• 제19권3호
• /
• pp.153-163
• /
• 2017

데이터 처리 속도는 예보 능력과 관련이 있다. 최신의 입력 자료를 이용한 예측 데이터의 고속 생산은 신속한 대처를 가능하게 한다. 또한 알고리즘 작성, 계산, 결과 평가, 알고리즘 개선으로 이어지는 순환 구조를 원활하게 할 뿐만 아니라 오류 발생시 빠른 시간 내에 복구할 수 있게 하는 등 매우 중요한 요소이다. 현재의 조기경보 시스템은 매 계산 주기 마다 섬진강 유역의 10개 시군에 대해 30미터 해상도의 격자형 자료를 400개 이상 생성하고 있으며(중간 데이터 포함) 최대 9일까지 예보되는 자료를 포함할 경우 600개 이상이다. 이는 전국을 30미터 해상도로 약 45개를 생성하는 계산양과 비슷하다. 또한 14,000여개의 필지에 대한 구역 통계와, 각 래스터의 평균, 최대, 최소 등의 통계자료 생성도 함께 수행 해야 한다. 이와 같은 대량의 데이터를 한정된 시간 내로 처리하기 위한 몇 가지 기법을 적용하여 적용하였으며, 아직 적용은 못하였으나 가능성의 여부를 평가해 보는 것으로 본 연구를 진행하였다. 그 결과 앞서 제시된 래스터 캐시, NFS 캐시, 분산 처리를 모두 적용할 경우 데이터 처리 시간을 1/8로 단축 시킬 수 있음이 확인되었다. 또한 GPU를 이용한 연산을 적용할 경우 일부 모듈에 대해 매우 큰 폭으로 수행 시간을 단축 시킬 수 있음을 확인하였다. 다만 캐시를 위한 추가적인 디스크, GPU라는 별도의 하드웨어, 추가된 하드웨어 지원을 위한 고출력 전원 장치와 이에 따른 UPS (Uninterruptible power supply, 무정전 전원공급 장치)까지 상대적으로 높은 사양으로 준비해야 하는 비용적인 문제가 발생할 수 있다. 본 연구에서 제시한 네 가지 기법 중 세 가지는 계산 서버 추가를 통한 수평적 성능 확장에 관한 것이다. 하지만 서버의 추가가 처리 속도 향상으로 이어지지 않음은 물론 오히려 저하시키는 경우가 있다. 본 연구에서는 특정 시간 내로 작업을 완료 시키지 못하면 해당 작업을 반환하여 다른 서버가 처리하는 간단한 방식을 이용한다. 하지만 이런 문제를 지속적으로 발생시키는 계산 서버가 발견된다면 정해진 기준에 따라 계산 작업에서 완전히 퇴출 시켜야 성능 향상에 도움이 된다. 따라서 처리 속도에 대한 정확한 원인을 검사하고 이를 실시간으로 반영할 수 있는 기법이 필요하다.

• 한국방사선학회논문지
• /
• 제6권6호
• /
• pp.447-454
• /
• 2012

본 연구는 진단용 X선 발생장치의 성능을 검사하기 위해 직선성(Linearity), 재현성(reproducibility) 및 반가층(Half Value Layer; HVL)을 실험하였다. 직선성(Linearity)은 설정된 조사조건으로 한 장비 당 4회씩 조사하여 측정된 선량을 기록하고 mR/mAs를 구하여 측정하였으며, 측정값이 0.1을 초과하면 직선성이 떨어지는 것을 알 수 있다. 재현성(Reproducibility)은 80kVp, 200mA, 20mAs와120kVp, 300mA, 8mAs의 조건으로 10회 조사하여 변동계수(CV) 공식에 대입하여 측정한 값이 0.05안에 포함되면 양호하게 나타나는 것을 알 수 있다. 반가층(Half Value Layer: HVL)은 filter가 없을 때 설정된 조건으로 3회 조사하여 측정한 후 부가필터용 반가층 물질로 사용하여 필터의 두께를 0, 1, 2, 4 mm로 바꾸어 가며 부가필터가 없을 때의 $\frac{1}{2}$이하인 측정값이 나올 때 까지 측정한다. 현재 본원에서 사용하는 진단용 X선 발생장치 5대를 대상으로 직선성, 재현성, 반가층을 측정한 결과 직선성은 1번 장비에서는 300mA~400mA, 5번 장비에서는 100mA~200mA 부근에서 양호하지 않았으며, 반가층 측정에서는 80kVp 측정치에서 1번 장비에서 검사기준을 만족하지 못하였다. 출력은 단상에 비해 삼상장치가 높게 나왔다. 실험을 통하여 밝혀진 결과를 토대로 정기적인 장비관리와 노후 된 장비의 교환 등이 이루어진다면 장비 사용의 효율성을 극대화 할 수 있으며, 방사선 피폭선량을 줄임과 동시에 영상의 화질을 향상시킬 수 있어 정확한 진단에 기여할 수 있을 것으로 사료된다.

• 한국산업정보학회논문지
• /
• 제12권4호
• /
• pp.15-24
• /
• 2007

우편물의 자동구분을 위해서는 주소영상의 인식이 필수적이다. 주소영상의 인식 과정은 주소영상 전처리, 문자인식, 주소해석의 과정으로 이루어져 있다. 주소영상 전처리 과정을 통해 추출된 문자영상들은 인식과정으로 전달되고 이 과정에서 각 문자영상마다 다수의 후보문자와 인식 스코어가 생성된다. 주소해석기는 후보문자와 인식 스코어의 집합을 이용하여 유효한 최종 주소를 생성한다. 우편물의 자동구분 율은 주소영상의 인식과정에 포함된 모든 과정의 성능에 따라 좌우되는데 특히 문자인식 성능이 중요한 요인이다. 주소인식에서 좋은 문자인식기란 주소해석이 용이할 수 있도록 신뢰도 높은 후보문자를 생성하는 것이라 할 수 있다. 본 논문에서는 문자인식기에서 신뢰도 높은 후보문자를 생성하는 방법을 제안한다. 논문에서는 현행 우편물 자동구분기의 주소인식 시스템에서 사용되고 있는 MLP 인식기를 개별 문자인식을 위한 인식기로 사용한다. MLP 인식기는 인식 속도와 인식률 측면에서 가장 우수한 인식기의 하나로 알려져 있지만, false alarm과 같은 잘못된 결과를 생성하기도 하는데 이는 주소해석을 어렵게 만드는 주요 요인이 된다. 본 논문에서는 주소해석을 쉽게 하고 우편물 구분율을 높이기 위해 기 구현된 MLP 인식기의 출력값을 재추정하는 방법을 제안한다. 재추정값의 신뢰도를 높이기 위한 인식기의 통계적 동작특성을 생성하는 방법과, 기존 MLP와 신뢰도 재추정기로서 동작하는 Subspace 인식기를 결합하는 방법을 제안한다. 제안 방법의 타당성을 확인하기 위해 우체국에 설치된 우편물구분기로부터 획득한 문자영상을 이용하여 실험하였다. 실험 결과 제안 방법이 개별 문자 및 비문자에 대한 오류율과 기각률 측면에서 높은 신뢰도를 보임을 확인할 수 있었다.

• 전기화학회지
• /
• 제10권4호
• /
• pp.283-287
• /
• 2007

한국에너지기술연구원에서는 중온 ($700{\sim}800^{\circ}C$) 작동용 연료극 지지체 평관형 SOFC 스택을 구성하는 단위 번들을 개발했다. 연료극 지지체 평관형 셀은 Ni/YSZ 서밋 연료극 지지체 튜브, 8몰% $Y_2O_3$ stabilized $ZrO_2$ (YSZ) 전해질, $LaSrMnO_3$ (LSM)과 LSM-YSZ composite 및 $LaSrCoFeO_3(LSCF)$로 구성된 다중층 공기극으로 구성됐다. 제조된 연료극지지체 평관형 셀은 유도 브레이징 법에 의해 페리틱 (ferritic) 금속 캡에 접합됐고, 공기극의 전류집전을 위해 공기극 외부에 Ag 선 및 $La_{0.6}Sr_{0.4}CoO_3(LSCo)$ paste를 이용했으며, 연료극의 전류집전은 Ni felt, wire, 그리고 paste를 이용했다. 단위 번들을 만들기 위한 연료극 지지체 평관형 셀의 반응 면적은 셀 당 $90\;cm^2$ 이었으며, 2개의 셀이 병렬로 연결되어 1개의 단위 번들이 됐고, 총 12개의 단위 번들이 직렬로 연결되어 스택을 구성한다. 공기 및 3%의 가습된 수소를 산화제 및 연료로 사용한 단위 번들의 운전 결과 최대 성능은 $800^{\circ}C$에서 $0.39\;W/cm^2$의 출력이 나타났다. 본 연구를 통해 연료극 지지체 평관형 SOFC 셀의 기본 기술과 KIER 만의 독특한 연료극 지지체 평관형 SOFC 스택을 구성하는 단위 번들의 개념을 확립할 수 있었다.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• Korean Chemical Engineering Research
• /
• 제60권4호
• /
• pp.588-593
• /
• 2022

본 논문에서는 hemin, 폴리에틸렌이민(PEI) 및 탄소나노튜브(CNT)를 이용하여 제조 CNT/PEI/hemin/PEI 복합재에 가교제인 테레프탈알데하이드(TPA)를 첨가하여 전자전달이 개선된 과산화수소 환원 반응(HPRR) 촉매를 합성하였다. 합성된 촉매(CNT/PEI/hemin/PEI/TPA)를 과산화수소 10 mM 농도에서 HPRR 반응성을 확인한 결과, 0.2 V (vs. Ag/AgCl)에서 0.2813 mA cm^-2의 전류 밀도로 나타났으며, 이는 가교하지 않은 촉매(CNT/PEI/hemin/PEI)와 범용 가교제인 글루타르알데하이드(GA)에 의해 가교된 촉매(CNT/PEI/hemin/PEI/GA)에 비해 각각 2.43 및 1.87배 증가하였다. CNT/PEI/hemin/PEI/TPA의 HPRR 개시전위는 0.544 V로서 CNT/PEI/hemin/PEI와 CNT/PEI/hemin/PEI/GA의 0.511 및 0.471 V에 비하여 원활한 전자전달에 의해 개선되었음을 확인할 수 있었다. 이는 전기화학 임피던스 분광법(EIS)을 이용한 분석 결과에서도 확인되었는데, CNT/PEI/hemin/PEI/GA의 경우, 전자전달을 방해하는 가교제의 도입에 따라 CNT/PEI/hemin/PEI에 비하여 높은 전자전달저항을 나타낸 반면, CNT/PEI/hemin/PEI/TPA는 6.2% 감소하여, 가장 낮은 전자전달저항을 나타냈다. 막이 없는 흐름형 과산화수소 연료전지를 이용한 평가에서도, CNT/PEI/hemin/PEI/TPA를 환원극으로 활용한 전지의 최대 출력 밀도가 36.34±1.41 μWcm^-2로, CNT/PEI/hemin/PEI (27.87±0.95 μWcm^-2)와 CNT/PEI/hemin/PEI/GA(25.57±1.32 μWcm^-2) 보다 높게 측정되어, TPA는 전자전달을 개선 성능을 확인할 수 있었다.

• 한국방사선학회논문지
• /
• 제5권5호
• /
• pp.303-308
• /
• 2011

목적 : 방사선학적 중재적 시술은 순환기계 또는 소화기계 병변의 진단 및 치료 목적으로 널리 이용되고 있다. 그러나 시술과정에서 방출되는 방사선은 환자뿐만 아니라 의료진에게도 잠재적인 위험요소로 인식된다. 이에 본 연구에서는 납유리를 통하여 효과적으로 방사선 피폭을 차단할 수 있도록 하며 납유리의 설치 전후의 방사선 피폭량 측정을 통해 차폐 성능과 방사선 장해 관리를 용이하게 하고자 한다. 대상 및 방법 : 2010년 9월부터 2010년 12월까지 S병원에서 방사선학적 중재적 시술을 시행한 30명을 대상으로 하였다. 방사선 차폐를 위한 납유리는 납당량 1.6mmPb, 폭 100 cm, 두께 0.8cm 높이 100cm로 구성되어 있으며 환자와 시술자 사이에 위치하도록 하였다. 방사선량의 측정은 X-선관구로부터 50 cm, 150 cm의 거리에서 신체 부위(머리, 가슴, 골반)에 따른 방사선 피폭량을 차폐 전후로 각각 측정하였다. 결과 : 30명 중 남자 13명, 여자 17명이었으며 평균연령은 69세였다. 환자의 평균신장은 $159.7{\pm}6.7$ cm였으며 체중은 $60.3{\pm}5.9$ kg이었으며 평균 체질량지수는 $20.5{\pm}3.0$ kg/m2였다. X-선관구로부터의 출력량은 환자 개개인의 체질량지수와 강한 양의 상관 관계를 나타내었다(r=0.749, p=0.001). X-선관구로부터 50 cm에서의 방사선 피폭량은 차폐 전 $1530.2{\pm}550.0$mR/hr, 차폐 후 $50.3{\pm}85.2$ mR/hr로 감소하였으며 150 cm에서의 방사선 피폭량은 차폐전 $170.6{\pm}60.1$ mR/hr, 차폐 후 $9.4{\pm}8.0$ mR/hr로 감소하였다. 차폐용 납유리의 사용은 머리, 가슴, 골반부위 모두에서 방사선 피폭량을 통계학적으로 의미있게 감소시켰다(p=0.0001). 결론 : 차폐용 납유리의 사용은 방사선피폭량을 감소시켰다. 의료진은 개인방호뿐만 아니라 X-선관구로부터의 원천적인 방호에도 주의를 기울여야 하겠다.

• 한국의학물리학회지:의학물리
• /
• 제21권1호
• /
• pp.113-119
• /
• 2010

GafChromic EBT2 필름 dosimetry에 필요한 품질 관리용 소프트웨어를 개발하였다. 개발한 프로그램에서는 EBT2 필름특성에 맞게 붉은색, 초록색, 파란색 및 회색 채널에 따른 필름 교정이 가능하도록 하였다. 또한 평판형 스캐너의 빛의 산란 효과나 필름 내 방사선에 반응하는 물질(active layer)의 두께 차이가 선량 검증에 미치는 영향을 평가할 수 있도록 하였다. EBT2 필름을 이용한 측정 결과는 방사선 치료계획 시스템, ECLIPSE 또는 2차원 이온 전리함 배열의 선량 값과 비교할 수 있다. 개발한 소프트웨어를 이용한 GafChromic EBT2 필름의 선량 검증은 파일 입력, 잡음 제거, 배경 보정(background) 및 반응 물질 보정(active layer correction), 선량 계산 및 평가 단계를 통해서 이루어진다. 절대적 또는 상대적 배경 보정 방법을 선택적으로 적용할 수 있으며 필름 교정 결과 및 교정 곡선에 대한 적합식(fitting equation)은 결과 파일로 출력할 수 있다. 선량 행렬의 화소 크기 조정을 위한 보간법, 대화식 영상 이동 및 회전 기능을 이용하여 선량 행렬 간 구조적 위치를 일치시킨 후, 빔 측면도(beam profile) 및 등선량곡선(isodose curve)을 비교할 수 있다. 또한 거리 및 선량 차이에 대한 허용값을 적용하여 gamma index 및 gamma histogram을 이용한 선량 분석이 가능하다. 60도 동적 쐐기 조사면과 전립선 세기조절방사선치료의 조사면을 이용하여 개발한 소프트웨어의 기초 성능 평가를 수행하였을 때, 동적 쐐기 조사면에서 ECLIPSE와 EBT2 필름 간 절대적 빔 측면도는 3% 오차 범위 내에서 일치하였다. EBT2 필름을 이용한 두 종류의 선량 검증 모두, 99% 이상의 영역이 3 mm, 3%의 gamma index의 평가 기준을 만족하였다. 개발한 선량 검증용 소프트웨어를 이용하여 주기적으로 수행되는 일반적인 품질관리뿐만 아니라 빔의 세기가 조절된 복잡한 조사면의 품질관리에도 활용할 수 있으며, Radiochromic 필름을 이용한 선량 평가에 필요한 유용한 분석 툴을 제공할 수 있다.