• 지구물리와물리탐사
• /
• 제26권2호
• /
• pp.37-51
• /
• 2023

그라운드-롤(ground roll)은 육상 탄성파 탐사 자료에서 가장 흔하게 나타나는 일관성 잡음(coherent noise)이며 탐사를 통해 얻고자 하는 반사 이벤트 신호보다 훨씬 큰 진폭을 가지고 있다. 따라서 탄성파 자료 처리에서 그라운드-롤 제거는 매우 중요하고 필수적인 과정이다. 그라운드-롤 제거를 위해 주파수-파수 필터링, 커브릿(curvelet) 변환 등 여러 제거 기술이 개발되어 왔으나 제거 성능과 효율성을 개선하기 위한 방법에 대한 수요는 여전히 존재한다. 최근에는 영상처리 분야에서 개발된 딥러닝 기법들을 활용하여 탄성파 자료의 그라운드-롤을 제거하고자 하는 연구도 다양하게 수행되고 있다. 이 논문에서는 그라운드-롤 제거를 위해 CNN (convolutional neural network) 또는 cGAN (conditional generative adversarial network)을 기반으로 하는 세가지 모델(DnCNN (De-noiseCNN), pix2pix, CycleGAN)을 적용한 연구들을 소개하고 수치 예제를 통해 상세히 설명하였다. 알고리듬 비교를 위해 동일한 현장에서 취득한 송신원 모음을 훈련 자료와 테스트 자료로 나누어 모델을 학습하고, 모델 성능을 평가하였다. 이러한 딥러닝 모델은 현장자료를 사용하여 훈련할 때, 그라운드-롤이 제거된 자료가 필요하므로 주파수-파수 필터링으로 그라운드-롤을 제거하여 정답자료로 사용하였다. 딥러닝 모델의 성능 평가 및 훈련 결과 비교는 정답 자료와의 유사성을 기본으로 상관계수와 SSIM (structural similarity index measure)과 같은 정량적 지표를 활용하였다. 결과적으로 DnCNN 모델이 가장 좋은 성능을 보였으며, 다른 모델들도 그라운드-롤 제거에 활용될 수 있음을 확인하였다.

• 기록학연구
• /
• 제77호
• /
• pp.151-187
• /
• 2023

기록관과 도서관의 협력은 한정된 운영 공간을 활용하여 자료를 관리하고, 업무의 효율성을 높일 수 있다는 점에서 필요하다. 라카이브(Larchive)는 기록관과 도서관의 협력 모델 중 하나로, 최근 대두되고 있는 라키비움(Larchiveum), 즉 기록관, 도서관, 박물관의 통합 업무 협력이 이루어지기 어려운 기관이나 그 전 단계에서 차선책으로 고려할 수 있는 방안이다. 본 논문에서는 특히 대학 기록관과 도서관의 실무자를 대상으로 라카이브에 대한 인식을 조사하고, 이를 바탕으로 기록관과 도서관의 협력을 위한 보다 실무적인 운영 방안을 제안하고자 한다. 연구 결과 '라카이브'라는 개념 자체는 기록관과 도서관 담당자에게 상대적으로 인식이 낮았으나, 실무적인 관점에서 기록관과 도서관의 협력 필요성에 대해 충분히 공감하고 있음을 확인할 수 있었다. 특히 양 조직에 적합한 업무 협력 형태로서 '라카이브'가 합리적인 대안이라는 의견이 수렴되었고, '라카이브 인식조사'를 통해 물적 협력의 필요성을 확인할 수 있었으며 실무자를 대상으로 한 FGI를 통해 업무상 협력의 관점에서의 개선방안을 확인할 수 있었다. 또한 라카이브 형태의 협력을 위해서는 공간 협력과 예산 확보, 인력 문제 등의 개선이 선행되어야 한다는 의견이 수렴되었다. 이를 바탕으로 라카이브 형태의 조직 협력을 위해 '교수·학습 지원', '연구지원 서비스', '큐레이션 서비스', '교사 자료 수집 및 관리', '평가 협조'의 관점에서의 라카이브 실무 운영 방안을 제시하고 논의점을 도출하였다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.486-493
• /
• 2023

본 논문에서는 FMCW 레이다 기반의 포인트 클라우드와 LSTM을 이용한 자동 핸드 제스처 영역 추출 및 인식 기법을 제안한다. 제안한 기법은 기존의 방식과 다른 다음과 같은 독창성이 있다. 첫 번째, 기존의 range-doppler 등의 2D 이미지를 입력 벡터로 하는 방식과 다르게 시계열 형태의 포인트 클라우드 입력 벡터는 레이다 전방에서 발생하는 시간에 따른 움직임을 좌표계 형태로 인식할 수 있는 직관적인 입력 데이터이다. 두 번째, 입력 벡터의 크기가 작기 때문에 인식에 쓰이는 딥러닝 모델도 가볍게 설계할 수 있다. 제안하는 기법의 수행 과정은 다음과 같다. FMCW 레이다로 측정된 거리, 속도, 각도 정보를 활용해 x, y, z 좌표 형식과 도플러 속도 정보를 포함한 포인트 클라우드를 활용한다. 제스처 영역은 속도 정보를 통해 얻어진 도플러 포인트를 이용하여 제스처의 시작과 끝 지점을 파악해 자동으로 핸드 제스처 영역을 추출하게 된다. 추출된 제스처 영역의 시점에 해당하는 시계열 형태의 포인트 클라우드는 최종적으로 본 논문에서 사용한 LSTM 딥러닝 모델의 학습 및 인식에 활용되게 된다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 다른 딥러닝 모델들과 MAE를 산출하는 실험과 기존 기법들과 인식률을 산출하는 실험을 수행하여 비교하였다. 실험 결과, 시계열 형태의 포인트 클라우드 입력 벡터 + LSTM 딥러닝 모델의 MAE 값이 0.262, 인식률이 97.5%로 산출되었다. MAE는 낮을수록, 인식률은 높을수록 우수한 결과를 나타내므로 본 논문에서 제안한 기법의 효율성이 입증되었다.

• 한국과학교육학회지
• /
• 제28권8호
• /
• pp.901-921
• /
• 2008

이 연구의 목적은 초등학교 과학과 탐구 수업 실행의 저해 요인에 대한 교사들의 인식을 조사하는 것이다. 이 연구의 목적을 위해 경기도에서 5년 이상 근무경력을 가진 초등 교사 22명을 대상으로 반구조화된 심층 면담을 실시하였다. 면담 질문은 자료의 삼각측정법을 통해 신빙성을 확보할 수 있도록 Seidman(1998)의 면담 단계에 따라 생성하였으며, 예비 면담을 통해 분석적 유도 방법으로 면담 질문을 수정 보완하였다. 면담은 개별로 진행되었으며 모든 면담 내용은 녹음 및 기록하였다. 연구 결과는, 외적 저해 요인과 내적저해 요인으로 분석되었다. 외적 요인으로 교사들이 제시한 내용은 시간 부족, 시설 및 자료의 부족, 학생의 능력 부족, 다인수 학급, 교육과정 상의 문제점, 탐구에 대한 평가의 어려움, 선행학습으로 인한 방해, 안전사고의 위험성, 전문성 향상 기회 부족이었다. 내적 저해 요인으로는 교사의 준비 부족, 탐구 수업의 비효율성, 교사의 배경지식 부족, 교사의 지도능력 부족, 자신감 부족, 인내심 부족 등이었다. 교사들이 제시한 저해 요인들과 그 원인을 심도있게 분석하였고 과학교육학의 관점에서 탐구교육의 활성화를 위한 제언을 하였다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.113-129
• /
• 2015

장소 브랜딩은 특정 장소에 대한 의미 부여를 통해 장소성의 정체성 및 공동가치를 생성하며 가치 창출을 하는데 중요한 활동이며, 장소 브랜드에 대한 이미지 파악을 통해 이루어진다. 이에 마케팅, 건축학, 도시건설학 등 여러 분야에서는 인상적인 장소 브랜드의 이미지를 구축하기 위하여 많은 노력을 기울이고 있다. 하지만 설문조사를 포함한 대면조사 방법은 대부분 주관적인 작업이며 측정에 많은 인력 또는 고도의 전문 인력이 소요되어 고비용을 발생시키므로 보다 객관적이면서도 비용효과적인 브랜드 이미지 조사 방법이 필요하다. 이에 본 논문은 텍스트마이닝을 통하여 장소 브랜드의 이미지 강도를 객관적이고 저비용으로 얻는 방법을 찾는 것을 목적으로 한다. 제안하는 방법은 장소 브랜드 이미지를 구성하고 있는 요인과 그 키워드들을 관련 웹문서에서 추출하며, 추출된 정보를 통해 특정 장소의 브랜드 이미지 강도를 측정하는 방법이다. 성능은 안홀트 방법에서 평가에 사용하는 전세계 50개 도시 이미지 인덱스 순위와의 일치도로 검증하였다. 성능 비교를 위해 임의로 순위를 매기는 방법, 안홀트의 설문방식대로 일반인이 평가하는 방법, 본 논문의 방법을 사용하되 안홀트의 방법으로 학습한 것으로 유의한 것으로 추정되는 평가 항목만을 반영하는 방법과 비교하였다. 그 결과 제안된 방법론은 정확성, 비용효율성, 적시성, 확장성, 그리고 신뢰성 측면에서 우수함을 보일 수 있었다. 따라서 본 연구에서 제안한 방법론은 안홀트 방식에 상호 보완적으로 사용될 수 있을 것이다. 향후에는 장소 브랜드 이미지를 형성하는 속성 별로 등장횟수를 계산 한 후에 장소 브랜드에 대한 태도, 연상, 그리고 브랜드 자산과의 인과관계를 자동으로 파악할 수 있는 부분까지 구현하고 실증적 실험을 할 예정이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.173-198
• /
• 2020

최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.

• 대한방사선치료학회지
• /
• 제20권2호
• /
• pp.91-102
• /
• 2008

목적: 방사선 종양학과 업무와 관련 자료 및 치료기기의 관리를 체계적으로 정리하고 사용하기 쉽게 색인하여 데이터베이스(Database)를 구축함으로써 업무 및 교육을 체계화시켜 업무 효율성을 증대시키고, 새로운 방사선 치료 발전의 기반이 되고자 한다. 대상 및 방법: 데이터베이스의 운영을 위해 마이크로 소프트 엑세스(MS OFFICE ACCESS)프로그램을 이용하였다. 방사선 종양학과 자료들을 업무에 관련된 업무 일지, 기기 관리에 대한 수리 내역 및 부속품의 재고 관리로 분류하였고, 학습 및 연구 자료는 부서 직무 교육 자료와 기기 사용자 지침서 및 관련 논문으로 구분하였다. 모든 자료의 등록은 각각의 주제에 맞도록 입력 폼(form)을 디자인하고, 자료의 정보는 보고서를 작성하여 열람할 수 있도록 설계하였다. 기기 수리 내역에서 2008년 1월부터 2009년 4월까지 고장건수와 유형 및 수리시간을 시스템 사용 초기와 사용 1년 후의 결과를 분석하였다. 결 과: 방사선 종양 자료관리 시스템을 업무에 관련된 영역과 학습 및 연구 활동 영역의 자료들로 완성하였다. 자료들은 주제와 분류에 의해 설명과 함께 정리되어 모아지고, 각 분류에서 원하는 자료를 검색하여 설명을 참고하여 첨부된 자료를 얻을 수 있다. 기기 수리 내역을 통하여 2008년 1월부터 2009년 4월까지 고장 건수 및 고장 유형의 정보를 얻을 수 있었고 수리시간을 분석하였을 때, 전체 평균 32.3%의 시간단축효과를 얻었다. 결 론: 방사선 종양 자료관리 시스템을 통하여 과거와 현재의 자료를 주제별로 분류하고 관련 자료를 정리하여 색인함으로써, 정보 이용이 원활하게 이루어져 업무 효율을 높일 수 있을 뿐만 아니라 업무 프로세스 개선의 기초자료가 되고 앞으로 새로운 방사선 치료에 요구되는 여러 가지 정보를 실시간으로 검색하여 얻을 수 있다.

• 자원환경지질
• /
• 제54권3호
• /
• pp.373-387
• /
• 2021

본 연구에서는 자료기반 분석 기법을 이용하여 제주 대정-한경 유역의 군집형 지하수 이용 관정의 영향력을 평가하고 지하수 자원을 효율적으로 관리하기 위한 도구를 개발하였다. 분석을 위해 대정-한경 유역 내 총 19개 지하수위 관측공의 지하수위 자료, 총 3개 기상 관측소로부터 측정된 강수량 자료, 및 총 4개의 군집형 지하수 이용 관정(저지, 금악, 서광, 및 영어교육도시)으로부터 획득한 이용량 자료가 이용되었다. 먼저, 각 지하수위 관측공에 대하여 강수량 및 이용량 자료를 입력변수로 하는 자료 기반 지하수위 예측모델을 개발하였다. 이때, 과거의 장기적 변동특성을 효과적으로 학습에 이용하기 위하여 누적 장단기 메모리 모델을 이용하였다. 모든 관측 공에 대하여 지하수위 예측모델을 개발하고, 이용량 입력변수에 대한 섭동 민감도 분석을 수행하여 각 군집형 관정의 공간적 영향력을 분석하였다. 금악 수원은 해당 수원 중심으로 영향이 크고, 서광 수원은 하류 지역을 중심으로 영향이 큰 것으로 나타났으며, 영어교육도시는 수원의 상류 지역 중심, 저지 수원은 수원 상류 및 하류 중심으로 영향이 나타났다. 그리고 유역 내 군집형 수원의 영향력은 대략 5km인 것으로 나타났다. 추가적으로, 학습된 예측모델을 기반으로 군집형 이용 관정의 영향 범위에 포함되는 지하수위 관측공에 대해 강수량 대비 배경 지하수위 회복을 위한 적정 지하수 이용량을 산정하였다. 최근의 강수 패턴을 적용하였을 때, 현재 지하수 이용량을 기존의 80%로 제한할 필요성이 있는 것으로 나타났으며, 강수량이 100mm 증가하였을 때, 대략 1,500 m³에서 1,900 m³의 추가적인 취수가 가능할 것으로 평가되었다. 본 연구를 통해 도출된 대정-한경 유역 지하수 거동특성 평가 결과와 자료기반 분석 도구들은 대정-한경 유역의 지속 가능한 지하수 개발을 위한 유용한 정보로 활용될 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.121-142
• /
• 2023

수입식품의 수입 건수와 수입 중량이 꾸준히 증가함에 따라 식품안전사고 방지를 위한 수입식품의 안전관리가 더욱 중요해지고 있다. 식품의약품안전처는 통관단계의 수입검사와 더불어 통관 전 단계인 해외제조업소에 대한 현지실사를 시행하고 있지만 시간과 비용이 많이 소요되고 한정된 자원 등의 제약으로 데이터 기반의 수입식품 안전관리 방안이 필요한 실정이다. 본 연구에서는 현지실사 전 부적합이 예상되는 업체를 사전에 선별하는 기계학습 예측 모형을 마련하여 현지실사의 효율성을 높이고자 하였다. 이를 위해 통합식품안전정보망에 수집된 총 303,272건의 해외제조가공업소 기본정보와 2019년도부터 2022년 4월까지의 현지실사 점검정보 데이터 1,689건을 수집하였다. 해외제조가공업소의 데이터 전처리 후 해외 제조업소_코드를 활용하여 현지실사 대상 데이터만 추출하였고, 총 1,689건의 데이터와 103개의 변수로 구성되었다. 103개의 변수를 테일유(Theil-U) 지표를 기준으로 '0'인 변수들을 제거하였고, 다중대응분석(Multiple Correspondence Analysis)을 적용해 축소 후 최종적으로 49개의 특성변수를 도출하였다. 서로 다른 8개의 모델을 생성하고, 모델 학습 과정에서는 5겹 교차검증으로 과적합을 방지하고, 하이퍼파라미터를 조정하여 비교 평가하였다. 현지실사 대상업체 선별의 연구목적은 부적합 업체를 부적합이라고 판정하는 확률인 검측률(recall)을 최대화하는 것이다. 머신러닝의 다양한 알고리즘을 적용한 결과 Recall_macro, AUROC, Average PR, F1-score, 균형정확도(Balanced Accuracy)가 가장 높은 랜덤포레스트(Random Forest)모델이 가장 우수한 모형으로 평가되었다. 마지막으로 모델에 의해서 평가된 개별 인스턴스의 부적합 업체 선정 근거를 제시하기 위해 SHAP(Shapley Additive exPlanations)을 적용하고 현지실사 업체 선정 시스템에의 적용 가능성을 제시하였다. 본 연구결과를 바탕으로 데이터에 기반한 과학적 위험관리 모델을 통해 수입식품 관리체계의 구축으로 인력·예산 등 한정된 자원의 효율적 운영방안 마련에 기여하길 기대한다.

• 교육녹색환경연구
• /
• 제21권3호
• /
• pp.1-13
• /
• 2022

본 연구는 기존 노후 고등학교에 대해 학점제 운영이 가능한 미래학교로서의 공간 혁신을 위해 기존 학교의 공간 구성 및 구조적 문제점을 파악하고 미래 다양한 교수학습이 가능한 학점제 운영 학교로서의 중·장기 배치계획을 수립할 수 있도록 사례 조사를 통해 증.개축 또는 리모델링 판단 준거 도출을 목적으로 실시하였으며, 연구 결과는 다음과 같다. 첫째, 기존 노후 고등학교의 문제점은 대부분 일자형 표준설계도형 단위 건물 중심, 여러 동으로 분산 배치되어 건물 간 연계성이 매우 부족한 것으로 나타났다. 또한, 각 건물의 평면 구성 형식은 교실과 복도 개념의 공간 구성으로 휴식 시간대 학생 교류와 휴식 기능이 이루어질 수 없는 구조로 판단된다. 둘째, 미래학교 공간 혁신을 위한 학점제 운영 고등학교 공간 구성 방향으로는 교과교실제를 전제로 학생 이동에 따른 동선 단축 및 교과 영역 확대 등을 고려할 때 집합형 배치를 반영하여 배치 계획을 수립하여야 한다. 또한 이동 수업에 따른 소통과 교류가 가능한 중심 지역에 휴식과 교류가 가능한 광장형 공간을 제공하는 것이 바람직하다. 더불어 학생 중심 공간인 광장과 연계된 도서관이나 스마트학습실 등 체험 활동이 가능한 다양하고 융통성 있는 공간을 배치한다. 셋째, 노후고등학교 재배치 판단 평가 기준으로는 향후 학급 수를 기준으로 스페이스프로그램을 작성하고 학교 토지 활용에 대한 법적 분석 및 지역 특성을 고려한 토지 이용 효율성 분석을 실시한다. 또한 기존 건물의 각 동별 구조적 특성 및 기존 건물의 노후도를 분석하여 건물 동별 내구연수를 파악하고 교육적 기능성과 함께 개축 또는 리모델링 판단을 위한 기준으로 활용한다. 이와 같은 분석 자료를 토대로 학교시설 복합화 등 학교 공간 전체에 대한 중 장기·토지이용계획 및 공간 배치 계획을 수립한다.