• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.111-126
• /
• 2022

Land use and land cover (LULC) mapping is an important factor in geospatial analysis. Although highly precise ground-based LULC monitoring is possible, it is time consuming and costly. Conversely, because the synthetic aperture radar (SAR) sensor is an all-weather sensor with high resolution, it could replace field-based LULC monitoring systems with low cost and less time requirement. Thus, LULC is one of the major areas in SAR applications. We developed a LULC model using only KOMPSAT-5 single co-polarized data and digital elevation model (DEM) data. Twelve HH-polarized images and 18 VV-polarized images were collected, and two HH-polarized images and four VV-polarized images were selected for the model testing. To train the LULC model, we applied the conditional generative adversarial network (cGAN) method. We used U-Net combined with the residual unit (ResUNet) model to generate the cGAN method. When analyzing the training history at 1732 epochs, the ResUNet model showed a maximum overall accuracy (OA) of 93.89 and a Kappa coefficient of 0.91. The model exhibited high performance in the test datasets with an OA greater than 90. The model accurately distinguished water body areas and showed lower accuracy in wetlands than in the other LULC types. The effect of the DEM on the accuracy of LULC was analyzed. When assessing the accuracy with respect to the incidence angle, owing to the radar shadow caused by the side-looking system of the SAR sensor, the OA tended to decrease as the incidence angle increased. This study is the first to use only KOMPSAT-5 single co-polarized data and deep learning methods to demonstrate the possibility of high-performance LULC monitoring. This study contributes to Earth surface monitoring and the development of deep learning approaches using the KOMPSAT-5 data.

• 인터넷정보학회논문지
• /
• 제2권2호
• /
• pp.71-93
• /
• 2001

개체-관계 모델은 데이터베이스 설계와 시스템 분석을 위해서 시간 응용 분야에서 사용되고 있는 개념적 모델로서, 현실세계의 시간 문제 영역을 논리적 모델로 표현하기 위한 기반이 된다. 객체 지향 모델은 실세계의 이력 자료에 대한 개체와 관계성을 데이터베이스 시스템에 표현하는데 적합한 논리적 모델로서, 이력 자료의 병행적 지원과 시공간 자료의 조작 등을 적절하게 표현하고자 하는 응용분야에서 이용되고 있다. 현실세계 개체의 표현을 정확하게 모델링하기 위해서는 아주 적은 제약조건을 갖고 E-R 모델을 객체 지향 모델로 변환하는 방법이 필요하다. 또한 시간지원 객체 지향 모델은 시간 의미를 객체 지향 모델에 추가하여 시간에 따라 변화된 정보를 처리할 수 있는 논리적 모델이다 시간지원 객체 지향 모델의 두 부류는 시간을 결합하는 단위에 따라 속성 버전화와 객체 버전화로 나누어진다. 이 두 가지 중에서 객체 지향 모델은 이 상태와 행위의 재사용성을 증가시키고 개체들 사이의 유기적 관계를 효율적으로 표현할 수 있기 때문에 객체 지향 모델의 연구가 필요하다. 그런데 개체-관계 모델을 객체 지향 모델로 변환하기 위한 기법과 제약조건이 수반된다. 그래서 시간 개념이 포함된 개체-관계 모델을 객체 지향 모델로 변환하는 연구가 필요하다. 따라서 현실세계의 객체 버전화를 위한 이력 개체를 정확하게 표현하기 위해서 본 논문은 E-R 모델을 객체 지향 데이터베이스 모델로 변환하기 위한 기법을 제시하고 있다 즉. 현실세계의 개체와 관계를 데이터베이스에 표현하는데 적합한 시간지원 객체 지향 모델로 일반화, 집단화와 연관화에 대한 역할에 따라 변환하며, 그리고 다형성 관점에서 일반화 상속과 집단화 상속을 조합하여 기능을 확장한다. 이 변환과 확장은 데이터베이스 설계의 논리적 모델 설계 및 재사용성을 증가시키는데 기여할 것이다.ing, and e-mail. A room for HEE, in which teaming activity mainly occurs by following the sequences of learning procedures, includes other sub-rooms for the guidance of Loaming, discussion, directories for reference, question and answer, submission of homework, evaluation, and an encyclopedia. Therefore, this study implicates: 1) achievement of teaming environment using the ICT mainly made by students who solve problems closely related to daily life, 2) development of practical learning questionnaires fitted in the present state, 3) preparation for the curriculum. Finally, from this study, I suggested that further studies are needed to develop models for learning, interaction between students and teachers, and the learning materials under the Web based loaming environment.tion, and Environmental Replacement. Third, by selecting Chung na environmental park in Incheon, which is a filtration plant lot,

• 기술혁신연구
• /
• 제28권4호
• /
• pp.151-163
• /
• 2020

포스트 코로나 시대 전통적 정형화된 업무는 지능화된 기계와 온라인 플랫폼 등 디지털 기술에 의해 대체되고, 디지털 전환 기술과 고숙련 근로자 및 비정형 업무 간 강한 상호 보완관계를 바탕으로 고용 없는 경기회복이 전개될 가능성이 크다. 특히, 우리나라 산업 내 직무 구성을 살펴보면, 반복업무 지수가 지속적으로 상승하는 추세다. 이는 포스트 코로나 시대 디지털 전환의 가속화에 따른 노동시장에 대한 부작용 및 파급효과가 우리나라 경제체제 내 고착화될 가능성이 큼을 시사한다. 이러한 배경 하, 본 연구에서는 우리 경제사회 시스템의 구조적 변화를 일으킬 디지털 전환의 내재적 속성에 대한 심층적 이해를 바탕으로, 잠재적 위기 극복 및 문제해결을 위한 개념적 틀을 제공하고자 한다. 특히, 포스트 코로나 시대 디지털 기술발전과 학습 간 상호작용에 주목하여, 혁신체제의 구조적 전환을 통한 새로운 균형점으로의 이행을 위한 혁신정책의 역할을 재정립하고자 한다. 이와 함께, 포스트 코로나 시대 우리나라 혁신체제가 미래 환경 변화에 능동적으로 대응할 수 있는 적절한 제도적 요소들로 구성되어 있는지 살펴보고, 포스트 코로나 시대 디지털 전환이라는 기술변화 흐름에 능동적으로 대응할 수 있는 미래지향적 혁신정책 수립 방향을 제시하고자 한다.

• 한국전자거래학회지
• /
• 제26권1호
• /
• pp.93-106
• /
• 2021

최근 도로균열 탐지에 대한 많은 연구에서 딥러닝 기반의 접근법을 활용하면서 과거 알고리즘 기반의 접근법을 활용한 연구들보다 높은 성능과 성과를 보이고 있다. 그러나 딥러닝 기반의 많은 연구가 여전히 균열의 유형을 분류하는 것에 집중되어 있다. 균열 유형의 분류는 현재 수작업에 의존하고 있는 균열탐지 프로세스를 획기적으로 개선해 줄 수 있다는 점에서 상당한 기대를 받고 있다. 그러나 실제 도로의 유지보수 작업에 있어서는 균열의 유형뿐만 아니라 균열의 심각도에 관한 판단이 필수적이지만, 아직까지 도로균열 탐지와 관련된 연구들이 균열의 심각도에 대한 자동화된 산출까지 진전되지 못하고 있다. 균열의 심각도를 산출하기 위해서는 균열의 유형과 이미지 속 균열의 부위가 함께 파악되어야 한다. 본 연구에서는 균열 유형과 균열 부위의 동시적 탐지를 효과적으로 자동화하기 위해 딥러닝 기반의 객체탐지 모델인 Mobilenet-SSD를 활용하는 방법을 다루고 있다. 균열탐지의 정확도를 개선하기 위해 U-Net을 활용해 입력 이미지를 자동 분할하고, 이를 객체탐지 기법과 결합하기 위한 여러 실험을 진행하여 그 결과를 정리하였다. 결과적으로 U-Net을 활용한 이미지 의 자동 마스킹을 통해 객체탐지의 성능을 mAP 값이 0.9315가 되도록 향상시킬 수 있었다. 본 연구의 결과를 참고하여 도로포장 관리시스템의 구현에 균열탐지 기능의 자동화가 더욱 진전될 수 있다고 기대된다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제41권2호
• /
• pp.186-198
• /
• 2022

본 논문은 2022 교육과정 개정에 즈음하여 초등학교 과학 교육과정의 전자기 영역에서 다루어 온 내용에서 재고해야 할 문제들과 이에 대한 연구자들의 주장을 정리하여 교육과정 개선 방향에 대한 다양한 학문적 논의를 촉발하는 데 그 목적이 있다. 본 연구에서 논의된 내용을 요약하면 다음과 같다. 첫째 전자기 영역의 핵심개념은 힘의 매개체로서의 '전기장', '자기장'이라는 점에서 현재의 교육과정은 전자기 영역의 핵심개념을 담아내지 못하는 문제가 있다. 이를 해결하는 핵심개념 중심의 교육과정 구성을 위해 초등학교에서 역학과 전자기가 연계되는 것이 바람직하다. 둘째 전자기 이론에 기반한 공학기술의 발달 양상으로 본 연구에서 추출한 9가지 양상은 매우 다양한 교육적 맥락을 제공할 수 있다. 그렇지만, 현재의 교육과정은 이러한 다양한 맥락을 담아내지 못하고 있고, 전구를 활용한 전기회로라는 매우 제한된 내용에 초점을 맞추고 있다. 따라서 실생활의 기술과 연관된 다양한 맥락과 소재를 활용하도록 교육과정의 폭을 넓힐 필요가 있다. 현재보다 다양한 소재와 맥락을 활용함으로써, 개념학습뿐 아니라 STS 교육의 범위와 수준도 확장될 수 있다. 셋째, 전기회로 학습의 경우 전기회로와 전기장 개념의 연결의 어려움의 문제, 전기회로의 대표성 문제, 전기회로의 학습 난이도의 문제, 현상 중심의 전기회로 학습의 문제 등 여러 이슈를 고려해야 한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권5호
• /
• pp.1310-1338
• /
• 2023

As Internet of Things (IoT) applications and devices rapidly grow, cyber-attacks on IoT networks/systems also have an increasing trend, thus increasing the threat to security and privacy. Botnet is one of the threats that dominate the attacks as it can easily compromise devices attached to an IoT networks/systems. The compromised devices will behave like the normal ones, thus it is difficult to recognize them. Several intelligent approaches have been introduced to improve the detection accuracy of this type of cyber-attack, including deep learning and machine learning techniques. Moreover, dimensionality reduction methods are implemented during the preprocessing stage. This research work proposes deep Autoencoder dimensionality reduction method combined with Artificial Neural Network (ANN) classifier as botnet detection system for IoT networks/systems. Experiments were carried out using 3- layer, 4-layer and 5-layer pre-processing data from the MedBIoT dataset. Experimental results show that using a 5-layer Autoencoder has better results, with details of accuracy value of 99.72%, Precision of 99.82%, Sensitivity of 99.82%, Specificity of 99.31%, and F1-score value of 99.82%. On the other hand, the 5-layer Autoencoder model succeeded in reducing the dataset size from 152 MB to 12.6 MB (equivalent to a reduction of 91.2%). Besides that, experiments on the N_BaIoT dataset also have a very high level of accuracy, up to 99.99%.

• 한국컴퓨터그래픽스학회논문지
• /
• 제22권3호
• /
• pp.21-29
• /
• 2016

본 논문은 명시야 (bright-field) 현미경 영상를 위한 데이터 기반 세포 분할 알고리즘을 제시한다. 제시된 알고리즘은 일반적인 사전 학습 기법과 다르게 동시에 두 개의 사전과 관련된 희소 코드 (sparse code)를 통해 정의된 에너지 함수의 최소화를 진행하게 된다. 두 개의 사전 중 하나는 명시야 영상에 대해 학습된 사전이고 다른 하나는 사람에 의해 수작업으로 세포 분할된 영상에 대해 학습된 것이다. 학습된 두 개의 사전을 세포 분할 될 새로운 입력 영상에 대해 적용하여 이와 관련된 희소 코드를 획득한 후 픽셀 단위의 분할을 진행하게 된다. 효과적인 에너지 최소화를 위해 합성곱 희소 코드 (Convolutional Sparse Coding)와 Alternating Direction of Multiplier Method(ADMM)이 사용되었고 GPU를 사용하여 빠른 분산 연산이 가능하다. 본 연구는 이전에 사용된 가변형 모델 (deformable model)을 이용한 세포 분할 방식과는 다르게 제시된 알고리즘은 세포 분할을 위해 사전 지식이 필요없이 데이터 기반의 학습을 통해서 쉽고 효율적으로 세포 분할을 진행할 수 있다.

• 정보처리학회논문지B
• /
• 제15B권4호
• /
• pp.323-330
• /
• 2008

복합질환은 다수의 유전자들이 상호작용하여 유발되는 질병으로서, 여러 유전자들이 관여한다는 복잡성 때문에 전통적인 분석 방법을 적용하는데 한계가 있다. 최근에는 기계학습 기법을 이용한 새로운 분석 방법들이 제안되고 있다. 신경망은 이처럼 복잡한 데이터에서 일정한 패턴을 찾아 이를 분류하는데 적합한 모델이다. 그러나 다량의 데이터가 입력으로 들어오는 경우에 학습에 오랜 시간이 걸리고 패턴을 찾기가 어려워지는 단점이 있다. 본 연구에서는 다량의 SNP 데이터로부터 질병에 연관된 소수의 중요 SNP을 찾기 위한 통계학적인 방법인 집합결합(set association)과 신경망을 결합한 모델을 제시한다. 이 모델을 천식 관련 SNP 데이터에 적용하여 천식 발병 여부를 예측한 결과, 신경망만 사용했을 때보다 실행 시간도 빠르고 예측 정확도도 높았다. 이 모델은 다른 복합질환의 예측에도 효과적으로 사용할 수 있을 것으로 기대한다.

• 한국초등수학교육학회지
• /
• 제16권3호
• /
• pp.471-489
• /
• 2012

2007 개정 교육과정에 따른 수학교과서에 처음으로 도입된 '탐구활동'이 어떻게 지도되고 있는가? 수학 탐구활동의 내용으로 적합하게 구성되어있는가? 수학적 탐구활동의 전제와 내용은 어떤 것이 좋은가? 이와 같은 문제에 답하기 위해 먼저 설문조사를 실시하여 탐구활동에 대한 교사들의 인식, 교육 현장에서의 지도 실태와 탐구활동 내용 및 유형의 적합성, 지도의 어려움과 재구성 자료의 필요성에 대해 알아보았다. 그리고 수학과 목표를 참고한 분석 기준을 설정하여 측정영역에서 교과서의 탐구활동을 분석하여 재구성할 필요가 있는 부분에 대해서는 대안을 제시하고 그 결과를 수업에 적용하여 학생들의 반응을 기술하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권11호
• /
• pp.2784-2799
• /
• 2012

Biological data have been increased exponentially in recent years, and analyzing these data using data mining tools has become one of the major issues in the bioinformatics research community. This paper focuses on the protein construction process in higher organisms where the deoxyribonucleic acid, or DNA, sequence is filtered. In the process, "unmeaningful" DNA sub-sequences (called introns) are removed, and their meaningful counterparts (called exons) are retained. Accurate recognition of the boundaries between these two classes of sub-sequences, however, is known to be a difficult problem. Conventional approaches for recognizing these boundaries have sought for solely enhancing machine learning techniques, while inherent nature of the data themselves has been overlooked. In this paper we present an approach which makes use of the data attributes inherent to species in order to increase the accuracy of the boundary recognition. For experimentation, we have taken the data sets for four different species from the University of California Santa Cruz (UCSC) data repository, divided the data sets based on the species types, then trained a preprocessed version of the data sets on neural network(NN)-based and support vector machine(SVM)-based classifiers. As a result, we have observed that each species has its own specific features related to the splice sites, and that it implies there are related distances among species. To conclude, dividing the training data set based on species would increase the accuracy of predicting splicing junction and propose new insight to the biological research.