• 대한의용생체공학회:의공학회지
• /
• 제19권5호
• /
• pp.455-468
• /
• 1998

이 연구에서는 간질 환자의 F-18-FDG 뇌 PET 영상을 공간정규화 기법으로 표준지도 위에 정규화한 후 표준지도의 해부학적 위치 정보를 이용하여 뇌기능영상의 영역을 자동적으로 분할하고 각 해부학적 위치의 F-18-FDG 섭취율을 추출하였다. 뇌 각 영역의 F-18-FDG 섭취율을 데이터베이스화한 것을 입력으로 하는 인공신경회로망을 구성하고 학습시켜 핵의학 전문의가 판독한 결과와 얼마나 일치되는지를 분석하였다. 핵의학 전문의 2명이 좌측측두엽간질(112명), 우측측두엽간질(81명) 혹은 정상(64명)으로 판독한 F-18-FDG 뇌 PET 영상을 대상으로, 학습의 치우침을 줄이기 위해 각 질환 군에서 동일한 수(40명)를 선택하여 학습군을 구성하고 학습군을 제외한 정상 24명, 좌측측두엽간질 72명, 우측 측두엽간질 41명의 F-18-FDG PET을 시험군으로 하였다. 모든 영상을 SPM76을 이용하여 MNI 표준지도 위에 공간정규화하고 전체 뇌영역의 평균 계수를 100으로 정규화하였다. 영역 분할 프로그램을 개발하여 표준지도를 34개 영역으로 분할하고 모든 영상에서 각 뇌영역엔 대한 평균 계수를 추출하였다. 비선형 패턴분류에 효과적인 다층퍼셉트론 신경회로망 모델을 써서 오류역전파 알고리즘으로 학습시켰다. 한 층의 은닉층을 부여하고 은닉층의 뉴런 수를 5개부터 차츰 늘려가며 최적의 개수를 선택하였다. 초기 가중치와 바이어스 값은 무작위 값을 갖게 하였다. 출력단은 세 개의 뉴런을 갖고 각 뉴런은 입력이 정상이면 [1 0 0], 좌측측두엽간질이면 [0 1 0], 우측측두엽간질이면 [0 1 0]의 값을 탐 값으로 하였다. 뉴런의 활성화 함수는 시그모이드 함수를 사용하였다. 입력단은 17개의 뉴런으로 구성하고 서로 마주보는 뇌영역의 계수 타이(오른쪽-왼쪽)를 입력으로 하였다 회로망의 학습 횟수를 10,000번으로 제한하여 오타의 허용치를 1로 설정하고 학습 횟수가 넘거나 오차가 허용치보다 작을 때 학습을 중단하게 하였다. 모멘텀과 적응형 학습율을 사용하여 신경회로망의 성능을 향상시키고 학습 속도를 빠르게 하였다. 모든 PET 영상에서 성공적으로 공간정규화 파라메터를 추출하여 표준지도에 정규화할 수 있었다 다층퍼셉트론 모델을 기반으로 한 인공신경회로망으로 27개의 은닉층 뉴런을 사용했을 때 최적의 결과를 얻을 수 있었다. 학습군에 대해서 1508번의 반복 학습을 시킨 결과 오차율 0%인 신경 회로망을 얻었으며 시험군에 대해 적용한 결과 전문가의 판독결과와 80.3%의 일치율을 보였다. 은닉층의 뉴런 수가 10개나 30개인 경우에도 학습군에 대해 오타율 0%인 신경회로망을 얻을 수 있었으며 이때의 시험군에 대한 일치율 역시 75∼80%의 값을 보였다.

• 헤리티지:역사와 과학
• /
• 제52권4호
• /
• pp.56-77
• /
• 2019

비석은 상례문화의 보고이자 서예사의 정수로서 시대사·사회사를 조명할 수 있는 중요한 문화재지만 그 연구는 아직 미미하다. 특히 비각의 제작 방식에 관한 것은 아직 미증유의 분야로 남아 있어 연구가 절실한 편이다. 비석의 제작은 석재의 탁마 과정과 조각, 그리고 글씨를 새기는 북칠 과정으로 대별할 수 있다. 본고에서는 이와 관련하여 몇 가지의 사실을 밝히고 있다. 첫째, 신과 관련한 의물(神儀物)인 상석, 혼유석, 비석에는 정교한 마정(磨正) 작업을 가한다. 이는 임진왜란, 병자호란의 영향으로 인한 유교적 상·제례의 정착과 전파로 혼유석에 대한 인식의 변화에 기인한다. 둘째, 영조 때 오석(烏石)의 비약적인 확산과 사저취용(私儲取用)은 사회·문화사적으로 큰 의미를 가지고 있다. 상품(上品)의 강화석이 고갈되자 사대부에서 사용하던 오석을 천릉한 장릉에 사용한 이후 사대부들을 중심으로 퍼지게 된다. 특히 오석의 사용과 마정 작업은 화학적·물리적 손상을 최소화시킬 수 있었다. 셋째, 비석의 각자 기술은 북칠(北漆)에 있다. 효종 영릉 천릉 시에 송시열의 지문을 북칠한 이후부터 북칠 과정은 동아시아에서 우리나라가 가장 성행했고 제도화된 점은 특기할 만하다. 북칠은 오석의 검은 색으로 인해 흑묵보다 붉은 당주를 이용하면서 더욱 정교화된다. 넷째, 조선 후기에 들어서면서 각자 방식에도 변화가 일어난다. 영조 연간까지 각자는 획의 두께에 따라 각의 깊이를 결정해 음영을 표현하고 양감을 나타냈다. 물론 이 같은 기법은 모든 표석이나 신도비에서 나타나는 것은 아니나 내수사에 소속된 뛰어난 경공장들의 전습에 의해 유지되었다. 따라서 비석을 제작하기 위해서는 숙석, 연정, 마정, 정간, 초도서입, 중초, 입각, 교정, 장황의 단계를 거쳐 하나의 완성품이 이뤄진다. 이러한 것은 묘주에 대한 존경심과 공업을 알리는 목적이지만, 이를 통해 공예 기능의 분업과 협업에 바탕을 둔 작업이 표석의 전체 제작 과정에 나타난다는 사실을 알 수 있다.

• 콘크리트학회논문집
• /
• 제14권4호
• /
• pp.457-466
• /
• 2002

현대사회에서 건설전반에 보편화되어 있는 레미콘은 다양한 사용재료의 물리 화학적 성분이 생산지 및 조성광물에 따라 다르므로 구해지는 결과 값 또한 무수한 변수가 있기 마련이다. 또한 콘크리트의 배합설계는 배합요소의 다변화로 인해 정확한 검정은 그리 간단하지가 않다. 신경망의 학습에 소요되는 시간은 컴퓨터의 성능 및 학습횟수(epoch)에 따라 다르고, 학습시 학습횟수를 최고 백만번까지 반복하도록 하였으며 학습 종료조건으로 최소자승법에 의해 목표 오차량이 0.10~0.001 사이가 될 때까지로 하였다. 신경망의 적용에는 현재 경북지방에 위치한 레미콘 회사중 A, B사에서 사용하는 콘크리트 시방배합표를 가지고 신경망 이론에 따라 학습시킨 후에 물시멘트비, 잔골재율, 단위수량, 단위시멘트량, 강모래의 단위량(S1), 부순모래의 단위량(S2), 단위굵은골재량 혼화제량을 추정하였고, 다음으로 압축강도 및 슬럼프 값을 각각 추정하였다. 배합요소 추정의 검정에 사용된 규격으로는 호칭강도 180~300kgf/${cm}^2$, 목표슬럼프값 8cm, 15cm를 사용하였고, 압축강도 및 슬럼프 값 추정에 사용된 규격으로는 회사별 최근 생산량이 가장 많은 호칭강도 210~240kgf/${cm}^2$, 목표 슬럼프 값 12, 15cm를 각각 사용하였다. 본 논문에서는 컴퓨터에 의한 학습 및 시뮬레이션을 통해 콘크리트의 배합요소, 압축강도 및 슬럼프 값을 추정하여 직접 실험 값과 비교함으로써 실험을 통하지 않고도 콘크리트의 배합요소 및 강도를 추정하는데 목적이 있다. 결과적으로 압축강도 및 슬럼프의 추정은 회사에 관계없이 오차량에 만족하여 수렴하는 것으로 나타나 인공신경망이론이 압축강도 및 슬럼프를 예측하는데 효율적인 것으로 판명되었다.

• 지능정보연구
• /
• 제22권2호
• /
• pp.127-142
• /
• 2016

딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.

• 한국응용곤충학회지
• /
• 제12권3호
• /
• pp.93-107
• /
• 1973

현재 우리나라에서 재배되고 있는 마늘은 오랜 세월에 걸쳐 바이러스 감염에 무방비상태로 방치된채 영양번식을 계속해 왔기 때문에 대부분의 품종들이 퇴화되어 있을 것으로 생각된다. 따라서 마늘의 단위수량과 질의 향상을 기하기 위해선 바이러스 무감염 씨마늘의 육성, 보급에 의한 품종경신이 불가피할 것으로 보인다. 본 연구는 우리나라 마늘 재배지대 전역에서 가장 많이 발생하고 있는 모자이크병을 대상으로 바이러스의 분리, 검정식물상의 반응, 전염방법, 물리적성질, 순화방법, 혈청학적반응 및 형태등을 조사함과 동시, 마늘 모자이크 바이러스의 적절한 검정방법을 구명하여 앞으로 바이러스 무감염 씨마늘을 육성, 보급하는데 필요한 기초자료를 얻을 목적으로 실시했으며 다음과 같은 결과를 얻었다. 1. 1970-1972년까지 3년간 전투의 주요 마늘재배지대를 조사한 바 우리나라에서 재배되고 있는 마늘의 거의 대부분이 모자이크병에 걸려있음이 관찰되었다. 2. 마늘 모자이크 바이러스는 Chenopodium amaranticelor에 즙액접종 함으로써 단일계통을 분리할 수 있었다. 3. 26종의 검정식물을 공시하여 마늘 모자이크 바이러스를 즙액접종한 결과, 접종 11-12일 후에 Chenopodium amaranticolor, C. quince, C. album, C. koreanse 등 4종 식물의 접종엽상에 r국부병반 반응이 나타났다. 나머지 식물들에서는 병징이 나타나지 않았을 뿐 만 아니라 C. amaranticolor에 역접종했을 때도 바이러스는 회수되지 않았다. 4. 즙액접종에 의해 국부병반 반응이 나타날 상기 4종 Chenopodium속 식물중에서 C. amaranticolor 와 C. quinoa는 반응이 설민하고 정확하기 때문에 마늘 모자이크 바이러스의 검정식물로 적당하다고 생각된다. 5. 감염주에서 유내한 종구와 주아는 모두 모자이크 바이러스에 감염되어 있었고 이들 감염종구와 주아를 통하여 $100\%$ 전염되었다. 6. 마늘 모자이크 바이러스는 감염종구와 주아의 즙액에 의해서도 C. amaranticolor에 기계적 전염이 되었다. 7. C. amaranticolor 상에 계통분리된 마늘 모자이크 바이러스의 내열성은 $65^{\circ}-70^{\circ}C$, 희석한계는 $10^{-}2-10^{-3}$, 그리고 보존한계는 2 일이었다. 8. 마늘 모자이크 바이러스의 순화는 2회의 분획원심과 Sephadex gel filtration에 의해서 가능했다. 9. 전자현미경하에서 관찰한 마늘 모자이크 바이러스는 길이 1200-1225mu 폭 10-12mu의 사상이었다. 10. 혈청학적 미량침강 반응법에 의해 마늘잎에서뿐만 아니라 인편과 주아에서도 마늘 모자이크 바이러스의 검정이 가능했다. 11. 우리나라 5개 지방에서 수집한 마늘 종구 150개와 주아 30개에 대해 혈청학적방법으로 마늘 모자이크 바이러스의 감염률을 조사한 결과 $100\%$의 감염률을 보였다. 12. 마늘 모자이크 바이러스와 크기가 근사한 Potato Virus X. Potato virus Y, Potato virus S, Potato virus M 등과의 혈청학적 유연관계를 조사한 바, 마늘 모자이크 바이러스는 이들과 구별되는 다른 바이러스라고 생각된다. 13. 마늘의 모자이크 감염주에서 단일계통으로 분리하여 본 실험에 사용한 바이러스는 마늘의 바이러스 무감염주를 얻을 수가 없기 때문에 직접 마늘잎에 접종해서 모자이크톤의 병원이라는 것을 확인할 수 없었지만, 검정식물상의 반응, 혈청학적반응, 전자현미경적 관찰등의 간접적인 조사 결과로 미루어 미인록의 마늘모자이크 바이러스라고 생각된다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.73-85
• /
• 2013

정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.