• Convergence Security Journal
• /
• v.21 no.1
• /
• pp.191-200
• /
• 2021

Artificial intelligence technology is developing in an environment where a lot of data is produced due to the development of computing technology, a cloud environment that can store data, and the spread of personal mobile phones. Among these artificial intelligence technologies, the deep neural network provides excellent performance in image recognition and image classification. There have been many studies on image detection for forest fires and fire prevention using such a deep neural network, but studies on detection of cigarette smoking were insufficient. Meanwhile, military units are establishing surveillance systems for various facilities through CCTV, and it is necessary to detect smoking near ammunition stores or non-smoking areas to prevent fires and explosions. In this paper, by reflecting experimentally optimized numerical values such as activation function and learning rate, we did the detection of smoking pictures and non-smoking pictures in two cases. As experimental data, data was constructed by crawling using pictures of smoking and non-smoking published on the Internet, and a machine learning library was used. As a result of the experiment, when the learning rate is 0.004 and the optimization algorithm Adam is used, it can be seen that the accuracy of 93% and F1-score of 94% are obtained.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.37 no.3
• /
• pp.157-165
• /
• 2019

Recently, large and small earthquakes have occurred in the Korean peninsula. In this sense, Korea is no longer considered as an earthquake free zone. Especially, it is necessary to respond quickly to earthquake tsunami which may be caused by the influence of neighboring countries with large earthquakes. Since the occurrence of tsunamis can cause great casualties, it is very important to allocate the location of the shelter in case of an earthquake. Although many researches on shelter allocation have been conducted in various ways, but most of them have been analyzed based on administrative district resident data, resulting in a lack of reality. In this study, floating population data were used to reflect reality in case of emergency situations, and genetic algorithm, which produce good results among the heuristic algorithms, was used to select shelter locations. The number of evacuees was used as a objective function of genetic algorithm and the optimal solution was found through selection, crossover and mutation. As a result of the research on Busan Haeundae-Gu, selected as a research area, allocating eight shelters was the most efficient. The location of the new shelters was selected not only in residential areas but also in major tourist areas whose results can not be derived from administrative district resident data alone, and the importance of utilizing the floating population data was confirmed through this study.

• Smart Media Journal
• /
• v.11 no.10
• /
• pp.65-75
• /
• 2022

Deep learning is used as a creative tool that could overcome the limitations of existing analysis models and generate various types of results such as text, image, and music. In this paper, we propose a method necessary to preprocess audio data using the Niko's MIDI Pack sound source file as a data set and to generate music using Bi-LSTM. Based on the generated root note, the hidden layers are composed of multi-layers to create a new note suitable for the musical composition, and an attention mechanism is applied to the output gate of the decoder to apply the weight of the factors that affect the data input from the encoder. Setting variables such as loss function and optimization method are applied as parameters for improving the LSTM model. The proposed model is a multi-channel Bi-LSTM with attention that applies notes pitch generated from separating treble clef and bass clef, length of notes, rests, length of rests, and chords to improve the efficiency and prediction of MIDI deep learning process. The results of the learning generate a sound that matches the development of music scale distinct from noise, and we are aiming to contribute to generating a harmonistic stable music.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.12
• /
• pp.603-610
• /
• 2016

Over 12 years have passed since the first commercial operation of a Korean high-speed train. Since then, the transport capacity of the high-speed lines has become almost saturated. Therefore, studies have been carried out to increase the operating speed of the trains in order to increase their transportation capacity. This study was carried out to improve the critical speed of the KTX-Sancheon, Korean high-speed train, in order to increase its operating speed. A dynamic analysis of the KTX-Sancheon train was performed using the contact data obtained from the wheel wear profiles that were measured from a KTX-Sancheon train in commercial operation. The analysis results were verified by comparing them with the measurement acceleration data obtained from KTX-Sancheon. The suspension parameters were optimized to improve the operation speed. The critical speed of KTX-Sancheon was increased by 9.4% after the optimization by the response surface method. The optimized suspension parameters are expected to be used for the new bogie design to increase the operating speed of KTX-Sancheon from 300km/h to 350km/h.

• Journal of Advanced Marine Engineering and Technology
• /
• v.40 no.9
• /
• pp.799-804
• /
• 2016

Broadband powerline communication (BPLC) uses distribution lines as a medium for achieving effective bidirectional data communication along with electric current flow. As the material characteristics of power lines are not good at the communication channel, the development of power line communication (PLC) systems for internet, voice, and data services requires measurement-based models of the transfer characteristics of the network suitable for performance analysis by simulation. In this paper, an analytic model describing a complex transfer function is presented to obtain the attenuation and path parameters for a multipath power line model. The calculated results demonstrated frequency-selective fading in multipath channels and signal attenuation with frequency, and were in good agreement with the experimental results. Inductive coupling units are used as couplers for coupling the signal to the power line to avoid physical connections to the distribution line. The inductance of the ferrite core, which depends on the frequency, determines the cut-off frequency of the inductive coupler. Coupling loss can be minimized by increasing the number of windings around the coupler. Coupling efficiency was improved by more than 6 dB with three windings compared to the results obtained with one winding.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.642-642
• /
• 2012

최근에 들어 지구온난화에 따른 기후변화의 영향으로 국지성 집중호우와 돌발성 호우가 한반도 뿐 아니라 전 세계적으로도 많이 나타나고 있고, 그로 인한 이상홍수의 발생이 우리나라의 인명 및 재산피해를 날로 증가시키고 있는 추세이다. 그러나 현재 국내의 홍수방어시스템은 정확도 및 선행시간 확보 등의 측면에서 국민들의 요구수준까지는 그 역할을 수행하지 못하고 있는 실정이다. 또한 최근 4대강 살리기 사업을 통해 수행된 보 설치 및 하도 준설로 인해 하천환경의 변화가 크게 발생하여, 보다 정확하고 신속한 홍수위 예측기법이 요구되고 있는 실정이다. 이에 따라 현재 4대강 홍수통제소에서는 정확한 홍수위예측을 위해 4대강 본류 및 주요 지류에 대해 수리모형을 구축하고 있고, 기존의 저류함수모형에 의한 강우-유출 해석기법을 적용하여 주요 지류에 대한 유입량을 산정하기 위한 모형을 구축중에 있다. 국내 홍수방어 시스템에 현재까지 사용되어 오고 있는 저류함수모형 및 수위-유량 관계식을 이용한 방법은 물리적 기반의 홍수예측모형으로 유역의 지형학적 인자와 그에 따른 여러 변수를 포함하기 때문에 하천환경의 변화로 인해 각각의 추적과정에서 오차들이 발생하여 해석결과에 영향을 미치는 단점이 있다. 이에 반해 데이터 기반 모형은 강우-유출 모형에서 사용되는 많은 수문학적 자료 및 매개변수들의 사용 없이 오직 수위 및 강우측정 자료만을 이용하여 홍수를 예측하는 모형이다. 본 연구에서는 낙동강 유역에 대해 보다 정확한 홍수위 예측을 위해 현재 낙동강홍수통제소에서 구축중인 낙동강 본류의 수리모형의 주요 지류의 유입량 산정을 위해 기존의 물리적 기반 모형이 아닌 뉴로-퍼지(Neuro-Fuzzy) 모형을 이용한 data 기반 모형을 적용해 기존 물리적 기반 모형과 비교 분석 하고자 하였다. 낙동강의 주요지류인 감천, 금호강, 남강, 내성천, 밀양강, 반변천, 위천, 황강을 적용유역으로 선정하여 유역별로 티센망을 구축하였고, 각 지류별로 수위관측소를 선정하여 최근 10년동안 낙동강유역의 홍수예 경보가 발령되었거나 많은 비가 온 사상을 선정해 모형을 검증하였다. 모형은 실시간 수위측정 자료와 강우자료 및 해당유역 댐의 방류량 자료를 이용해 유역별 최적 입력자료 조합을 선정하여 간단하게 구축할 수 있었다. 또한 10분 단위 및 30분 단위의 입출력 자료로 모형을 구축하여 비교하였다. 이번 연구에서 수행한 낙동강유역에서의 뉴로-퍼지(Neuro-Fuzzy) 모형을 이용한 홍수예측기법을 통해 몇가지 data만으로 유역의 주요지점에 대한 홍수위와 홍수량을 예측할 수 있음을 확인할 수 있었다. 모의 결과는 실측치와 비교해 정확도 면에서 우수함을 보여 주었으나 예측시간이 길어질수록 실측치의 경향을 벗어나는 결과를 보였다. 그러나 실시간 홍수예 경보에 있어서는 만족할만한 선행시간을 확보할 수 있었다. 구축된 Data 기반 모형이 물리적 기반 모형과 더불어 낙동강 홍수예 경보를 위한 모형으로 사용될 수 있다면 보다 효율적인 예 경보 체계 구축에 도움을 줄 수 있을 것으로 판단된다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.49 no.2
• /
• pp.94-101
• /
• 2012

This paper proposes an improved image steganalysis scheme to raise the detection rate of stego images out of cover images. To improve the detection rate of stego image in the steganalysis, tiny variation caused by data hiding should be amplified. For this, we extract feature vectors of cover image and stego image by two steps. First, we separate image into upper 4 bit subimage and lower 4 bit subimage. As a result, stego noise is expanded more than two times. We decompose separated subimages into twelve subbands by applying 3-level Haar wavelet transform and calculate co-occurrence probabilities of two different subbands in the same scale. Since co-occurrence probability of the two wavelet subbands is affected by data hiding, it can be used as a feature to differentiate cover images and stego images. The extracted feature vectors are used as the input to the multilayer perceptron(MLP) classifier to distinguish between cover and stego images. We test the performance of the proposed scheme over various embedding rates by the LSB, S-tool, COX's SS, and F5 embedding method. The proposed scheme outperforms the previous schemes in detection rate to existence of hidden message as well as exactness of discrimination.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1994.10a
• /
• pp.11-11
• /
• 1994

트래픽의 흐름을 조절하고 ATM 네트워크 자원의 사용을 최적화하기위해서는 폭주로 인한 성능 저하를 막기 위한 적절한 제어가 필요하다. 기존의 사용자 감시 제어(UPC) 메커니즘이 네트워크의 상황과는 관계없이 매우 불안정한 예방적 기능만을 수행하였고, qvj로 인해 셀 지연을 가중시키는 한계점을 갖고 있었다. 본 논문은 OAM 셀을 이용하여 네트워크의 상태에 따라 능동적으로 반응하는 적응적 사용자 감시 제어 메커니즘을 제안하고ㅡ 버퍼로 인한 지연을 고려하여 서비스의 한층 더 높이고자 한다. 제시한 사용자 감시 제어방식은 OAM 셀이 주는 정보를 바탕으로 네트워크 내의 상황을 판단하여 사용자가 요구한 서비스의 질을 고려할 수 있도록 리키율과 버퍼의 문턱값을 조정하였다. 네트워크가 분주시에는 리키율을 낮추고 버퍼를 줄여서 네트워크 내에 유입되는 셀을 막는 역할을 하고 네트워크가 한가할 때는 리키율을 높히고 버퍼를 늘여서 빠르게 네트워크 내로 셀이 유일도리 수 있\ulcorner 한다. 폭주 발생 시에는 셀의 유입을 막고 푹주 상태가 해결될때까지 스페이서의 작동을 멈춘다. 본 논문에서 제시한 사용자 감시 제어 메커니즘의 트래픽 소스 모델은 IPP로 모델링하였고, 트래픽은 음성과 고속 데이터를 중심으로 시뮬레이션하였다. 음성과 고속 대이타 각각의 경우에 시뮬레이션한 결과를 기존의 방식과 비교, 분석한 결과에서 음성에서는 버퍼지연이 대폭 줄였고 고속 데이터인 경우에는 셀 손실율이 줄어드는 것을 볼 수 있었다. 따라서 제시한 방식에 의해 사용자가 요구하는 서비스의 질을 유지하면서 동시에 네트워크의 자원을 효율적으로 사용하였음을 알 수있었다.에 적합한가를 고찰하였다.베이터에 의한 아파트의 소음 및 진동에 관하여 그 현황, 원인 그리고 대책에 관한여 논하고자 한다.감 방법을 연구하였고, T.Sakai는 5자유도 모델을 이용하여 엔진 공회전시 발생하는 치타음에 대해 이론과 실험을 통해 해석하고, 엔진 회전수 변동, 클러치 특성, 변속기의 드래그(drag) 토크의 영향과 치타음 저감을 위한 개선된 클러치 특성을 제시하였다. 이 외에도 Thomas C.T.와 E.P.Petkus는 특정 차량에 대한 동력전달계의 비틀림 진동 현상에 대해 연구하였다. 이러한 연구들로 볼 때, 자동차 동력전달계에서 발생하는 진동은 이론과 실험을 통해 그 해석이 가능하며 설계에 매우 유용하게 이용되고 있음을 알 수 있다. 따라서, 본 연구는 4 실린더 4 싸이클 1.5 L 엔진을 장착한 경승용차의 실차 주행실험을 통해 가속 페달의 급조작에 따른 차체의 종진동 현상을 측정하고, 엔진-변속기-타이어-차체의 반환정계 4자유도 진동모델로 시뮬레이션을 수행하여 실차 주행실험의 결과치와 비교, 분석한 후 클러치 비틀림 특성을 비롯한 자동차 동력전달계의 각 설계인자들이 차체의 종진동에 어떠한 영향을 미치는가를 해석하고자 한다.be presented.LIFO, 우선 순위 방식등을 선택할 수 있도록 확장하였다. SIMPLE는 자료구조 및 프로그램이 공개되어 있으므로 프로그래머가 원하는 기능을 쉽게 추가할 수 있는 장점도 있다. 아울러 SMPLE에서 새로이 추가된 자료구조와 함수 및 설비제어 방식등을 활용하여 실제 중형급 시스템에 대한 시뮬레이션 구현과 시스템 분석의 예를 보인다._3$", chain segment,

• The Korean Journal of Applied Statistics
• /
• v.34 no.2
• /
• pp.239-254
• /
• 2021

This paper studies time series analysis with estimation and forecasting for Korean COVID-19 confirmed cases, based on the approach of a heterogeneous autoregressive (HAR) model with two-piece t (TP-T) distributed errors. We consider HAR-TP-T time series models and suggest a step-by-step method to estimate HAR coefficients as well as TP-T distribution parameters. In our proposed step-by-step estimation, the ordinary least squares method is utilized to estimate the HAR coefficients while the maximum likelihood estimation (MLE) method is adopted to estimate the TP-T error parameters. A simulation study on the step-by-step method is conducted and it shows a good performance. For the empirical analysis on the Korean COVID-19 confirmed cases, estimates in the HAR-TP-T models of order p = 2, 3, 4 are computed along with a couple of selected lags, which include the optimal lags chosen by minimizing the mean squares errors of the models. The estimation results by our proposed method and the solely MLE are compared with some criteria rules. Our proposed step-by-step method outperforms the MLE in two aspects: mean squares error of the HAR model and mean squares difference between the TP-T residuals and their densities. Moreover, forecasting for the Korean COVID-19 confirmed cases is discussed with the optimally selected HAR-TP-T model. Mean absolute percentage error of one-step ahead out-of-sample forecasts is evaluated as 0.0953% in the proposed model. We conclude that our proposed HAR-TP-T time series model with optimally selected lags and its step-by-step estimation provide an accurate forecasting performance for the Korean COVID-19 confirmed cases.