• 융합정보논문지
• /
• 제11권11호
• /
• pp.57-65
• /
• 2021

본 논문은 딥 러닝(Deep Learning)을 이용하여 대기오염측정망 데이터 중 특정 증상이 나타나는 이상 데이터를 탐지하는 방법을 제시한다. 기존 방법들은 일반적으로 시계열 데이터 내에서 기존과는 다른 특이한 패턴이 나타나는 데이터를 탐지하여 이상치로 분류하며, 이는 특정 증상만을 탐지하기에는 적합하지 않다. 본 논문에서는 주로 이미지의 전경 분리(Sementic Segmentation)에 사용되는 DeepLab V3+ 모델의 2차원 합성곱 신경망 구조를 1차원 구조로 변형하여 이미지 대신 여러 센서의 시계열 측정값을 입력받고 특정 증상이 나타나는 데이터를 탐지하도록 하는 방법을 제시한다. 또한, 데이터에 '조각별 집계 근사법(Piecewise Aggregate Approximation)'을 적용하여 잡음이 많은 대기오염측정망 데이터의 복잡도를 줄임으로써 성능을 높인다. 실험 결과를 통해 준수한 성능으로 이상치 탐지를 수행할 수 있음을 확인할 수 있다.

• 지구물리와물리탐사
• /
• 제17권3호
• /
• pp.171-178
• /
• 2014

항공자력탐사의 전처리(pre-processing)는 육상탐사에 비해 손품이 많이 들어가는 복잡한 과정이 더 많아 그래픽 사용자 인터페이스 기반의 전용 처리도구를 이용하는 것이 가장 효율적이다. 본 글에서는 항공자력자료의 전처리 전용 소프트웨어, $KMagLevelling^{TM}$을 개발하고 그 주요 기능을 간략히 소개하였다. $KMagLevelling^{TM}$은 전처리 과정을 크게 세부분으로 구분하여 구현하였다. 세부기능별 사용자 인터페이스 중 편의성과 독창성 측면에서 주목할 만한 기능으로서는 (1) 방대한 양의 항공자력자료 D/B를 비행경로 형태로 시각화하여 표현하는 기법 (2) 취합자료 중 특정 영역의 필요한 자료만의 발췌 (3) 자력자료 내의 원치 않는 부분을 선택적으로 쉽게 제거하는 사용자 인터페이스의 세 가지로 요약된다.