• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권4호
• /
• pp.129-134
• /
• 2018

최근, 인공신경망 모델은 예측, 수치제어, 로봇제어, 패턴인식 등의 분야에서 촉망되는 기술이다. 본 연구에서는 인공신경망 모델을 이용하여 온실 외부 온도를 예측하고 이를 온실제어에 활용하는데 목적이 있다. 예측 모델의 성능 평가를 위해 다중회귀모델과 SVM 모델과의 비교분석을 수행하였다. 평가 방법으로는 10-Fold Cross Validation을 사용하였으며, 예측 성능 향상을 위해 상관관계분석 통해 데이터 축소를 수행하였고, 측정 데이터로부터 새로운 Factor 추출하여 데이터의 신뢰성을 확보하였다. 인공신경망 구축을 위해 Backpropagation algorithm을 사용하였으며, 다중회귀모델은 M5 method로 구축하였고, SVM 모델을 epsilon-SVM으로 구축하였다. 각 모델의 비교분석 결과 각각 0.9256, 1.8503과 7.5521로 나타났다. 또한 예측모델을 온실 난방부하 계산에 적용함으로써 온실에 사용되는 에너지 비용 절감을 통한 수입증대에 기여할 수 있다. 실험한 온실의 난방부하는 3326.4kcal/h이며, 총 난방시간이 $10000^{\circ}C/h$일 때 연료소비량은 453.8L로 예측된다. 아울러 데이터 마이닝 기술 중 하나인 인공신경망을 정밀온실제어, 재배기법, 수확예측 등 다양한 농업 분야에 적용함으로써 스마트 농업으로의 발전에 기여할 수 있다.

• 미생물학회지
• /
• 제55권2호
• /
• pp.103-111
• /
• 2019

DNA 메틸화는 유전체의 무결성의 유지 및 유전자 발현 조절과 같은 박테리아의 다양한 과정에 관여한다. Alphaproteobacteria 종에서 보존된 DNA 메틸 전이 효소인 CcrM은 S-아데노실 메티오닌을 공동 기질로 사용하여 $N^6$-아데닌 또는 $N^4$-시토신의 메틸 전이 효소 활성을 갖는다. Celeribacter marinus IMCC 12053는 해양 환경에서 분리된 알파프로테오박테리아로서 GpC 시토신의 외향고리 아민의 메틸기를 대체하여 $N^4$-메틸 시토신을 생산한다. 단일 분자 실시간 서열 분석법(SMRT)을 사용하여, C. marinus IMCC12053의 메틸화 패턴을 Gibbs Motif Sampler 프로그램을 사용하여 확인하였다. 5'-GANTC-3'의 $N^6$-메틸 아데노신과 5'-GpC-3'의 $N^4$-메틸 시토신을 확인하였다. 발현된 DNA 메틸전이 효소는 계통 발생 분석법을 사용하여 선택하여 pQE30 벡터에 클로닝 후 $dam^-/dcm^-$ 대장균을 사용하여 클로닝된 DNA 메틸라아제의 메틸화 활성을 확인하였다. 메틸화 효소를 코딩하는 게놈 DNA 및 플라스미드를 추출하고 메틸화에 민감한 제한 효소로 절단하여 메틸화 활성을 확인하였다. 염색체와 메틸라아제를 코드하는 플라스미드를 메틸화시켰을 때에 제한 효소 사이트가 보호되는 것으로 관찰되었다. 본 연구에서는 분자 생물학 및 후성유전학을 위한 새로운 유형의 GpC 메틸화 효소의 잠재적 활용을 위한 외향고리 DNA 메틸라제의 특성을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.449-456
• /
• 2021

침입 탐지 시스템(IDS: Intrusion Detection System)은 보안을 침해하는 이상 행위를 탐지하는 기술로서 비정상적인 조작을 탐지하고 시스템 공격을 방지한다. 기존의 침입탐지 시스템은 트래픽 패턴을 통계 기반으로 분석하여 설계하였다. 그러나 급속도로 성장하는 기술에 의해 현대의 시스템은 다양한 트래픽을 생성하기 때문에 기존의 방법은 한계점이 명확해졌다. 이런 한계점을 극복하기 위해 다양한 기계학습 기법을 적용한 침입탐지 방법의 연구가 활발히 진행되고 있다. 본 논문에서는 다양한 네트워크 환경의 트래픽을 시뮬레이션 장비에서 생성한 NGIDS-DS(Next Generation IDS Dataset)를 이용하여 이상(Anomaly) 탐지 정확도를 높일 수 있는 데이터 전처리 기법에 관한 비교 연구를 진행하였다. 데이터 전처리로 패딩(Padding)과 슬라이딩 윈도우(Sliding Window)를 사용하였고, 정상 데이터 비율과 이상 데이터 비율의 불균형 문제를 해결하기 위해 AAE(Adversarial Auto-Encoder)를 적용한 오버샘플링 기법 등을 적용하였다. 또한, 전처리된 시퀀스 데이터의 특징벡터를 추출할 수 있는 Word2Vec 기법 중 Skip-gram을 이용하여 탐지 정확도의 성능 향상을 확인하였다. 비교실험을 위한 모델로는 PCA-SVM과 GRU를 사용하였고, 실험 결과는 슬라이딩 윈도우, Skip-gram, AAE, GRU를 적용하였을 때, 더 좋은 성능을 보였다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 수산해양기술연구
• /
• 제39권4호
• /
• pp.347-357
• /
• 2003

연근해 소형 어선에 널리 탑재되어 있는 소형 레이더 장치에 radar target extractor를 인터페이스하여 레이더 선호를 수록, 처리 및 해석하기 위한 PC based radar system 을 구축하고, cell averaging CFAR 처리장치를 통해 실제의 레이더 echo 신호를 처리하여 오경보 확률의 설정치 변화에 따른 echo영상의 변화패턴을 레이더 스코프상에서 직접 비교, 분석한 결과 및 레이더 영상신호의 음영구역의 발생대역폭을 추정한 결과를 요약하면 다음과 같다. 1. 레이더 선호의 해석을 통해 추출된 표적의 운동벡터 및 방위, 거리, 속력, CPA, TCPA 등과 같은 ARPA 정보를 실시간으로 이동 궤적과 함께 PC 모니터상에 구현하고 있기 때문에 소형 레이더 시스템에 이 장치를 부착하면 저가의 비용으로써 ARPA 정보의 취득이 기능하다. 2. ideal threshold 에 의한 표적검출성능을 개선시키기 위해 cell averaging CFAR processor 의 CUT전후에 각각 3 개의 guard cell과 이 cell의 좌$.$우측에 각각 20개씩, 총 40개의의 reference cell를 설치하여 레이더의 video 신호를 입벽한 후, 오경보 확률 10$\^$-0.25/∼10$\^$-1.0/의 범위에 대하여 설정치를 점차증가시켜 갈 때, 레이더 영상신호는 10$\^$-0.75/ 의 설정치에서 가장 양호한 clutter 제거효과를 나타내었다. 3. 레이더 스코프상에서 영상신호를 관찰하면서 cell averaging CFAR 의 오경보 확률을 적정하게 제어하면 지금까지의 ideal threshold level 에 의한 잡음억제기법에서 나타나는 선박영상의 과도한 레벨약화현상을 보완할 수 있을 것으로 판단한다. 4. 부산 용호만에 정박중인 예인선의 레이더 신호를 해석하여 영상의 음영패턴과 음영 대역폭을 추정한 결과, 예인선의 유효높이는 약 1.2 m 이었고, 이들 음영효과의 정량적 해석을 통한 해상표적의 형상정보는 향후 3차원 레이더 영상을 구현하는 데 그 기초자료가 될 것으로 판단된다.