• Horticulture, Environment, and Biotechnology : HEB
• /
• 제59권6호
• /
• pp.875-888
• /
• 2018

Tulip (Tulipa L.) is one of the most important ornamental geophytes in the world. Analysis of molecular variability of tulips is of great importance in conservation and parental lines selection in breeding programs. Of the 70 genic microsatellites, 15 highly polymorphic and reproducible markers were used to assess the genetic diversity, structure, and relationships among 280 individuals of 36 wild and cultivated tulip accessions from two countries: Iran and the Netherlands. The mean values of gene diversity and polymorphism information content were 0.69 and 0.66, respectively, which indicated the high discriminatory power of markers. The calculated genetic diversity parameters were found to be the highest in wild T. systola Stapf (Derak region). Bayesian model-based STRU CTU RE analysis detected five gene pools for 36 germplasms which corresponded with morphological observations and traditional classifications. Based on analysis of molecular variance, to conserve wild genetic resources in some geographical locations, sampling should be performed from distant locations to achieve high diversity. The unweighted pair group method with arithmetic mean dendrogram and principal component analysis plot indicated that among wild tulips, T. systola and T. micheliana Hoog exhibited the closest relationships with cultivated tulips. Thus, it can be assumed that wild tulips from Iran and perhaps other Middle East countries played a role in the origin of T. gesneriana, which is likely a tulip species hybrid of unclear origin. In conclusion, due to the high genetic variability of wild tulips, they can be used in tulip breeding programs as a source of useful alleles related to resistance against stresses.

• 융합보안논문지
• /
• 제19권1호
• /
• pp.11-17
• /
• 2019

최근 인터넷 기술을 악용하는 행위로 인하여 경제적, 정신적 피해가 증가하고 있다. 특히, 신규로 제작되거나 변형된 악성코드는 기존의 정보보호 체계를 우회하여 사이버 보안 위협의 기본 수단으로 활용되고 있다. 이를 억제하기 위한 다양한 연구가 진행되었지만, 실제 악성코드의 많은 비중을 차지하는 소규모 실행 파일에 대한 연구는 미진한 편이다. 본 연구에서는 기존에 알려진 소규모 실행 파일의 특징을 데이터마이닝 기법으로 분석하여 알려지지 않은 악성코드 탐지에 활용할 수 있는 모델을 제안한다. 데이터 마이닝 분석 기법에는 나이브베이지안, SVM, 의사결정나무, 랜덤포레스트, 인공신경망 등 다양하게 수행하였으며, 바이러스토탈의 악성코드 검출 수준에 따라서 개별적으로 정확도를 비교하였다. 결과적으로 분석 파일 34,646개에 대하여 80% 이상의 분류 정확도를 검증하였다.

• 자동차안전학회지
• /
• 제13권4호
• /
• pp.14-19
• /
• 2021

This paper presents LiDAR static obstacle map based vehicle dynamic state estimation algorithm for urban autonomous driving. In an autonomous driving, state estimation of host vehicle is important for accurate prediction of ego motion and perceived object. Therefore, in a situation in which noise exists in the control input of the vehicle, state estimation using sensor such as LiDAR and vision is required. However, it is difficult to obtain a measurement for the vehicle state because the recognition sensor of autonomous vehicle perceives including a dynamic object. The proposed algorithm consists of two parts. First, a Bayesian rule-based static obstacle map is constructed using continuous LiDAR point cloud input. Second, vehicle odometry during the time interval is calculated by matching the static obstacle map using Normal Distribution Transformation (NDT) method. And the velocity and yaw rate of vehicle are estimated based on the Extended Kalman Filter (EKF) using vehicle odometry as measurement. The proposed algorithm is implemented in the Linux Robot Operating System (ROS) environment, and is verified with data obtained from actual driving on urban roads. The test results show a more robust and accurate dynamic state estimation result when there is a bias in the chassis IMU sensor.

• 한국지반신소재학회논문집
• /
• 제21권3호
• /
• pp.1-10
• /
• 2022

본 논문에서는 지반 구조물의 재료 물성치에 대한 추계장 세트를 이용하여 재료 물성치의 공간적 임의성 및 확률 특성을 역추정한다. 이러한 추정된 재료 물성치의 확률분포 및 확률특성을 이용하여 구조 형상에 대한 위상 최적화를 수행하고, 기존의 결정론적 위상 최적화 결과와 비교한다. 재료 물성치에 대한 한 세트의 추계장들을 생성하고, 각 추계장에서 재료 물성치의 공간적 임의성을 모사한다. 각 추계장에서 재료 물성치의 부분값들을 이용하여 실제 재료 물성치의 확률분포와 확률 특성을 추정한다. 추정된 실제 재료 물성치의 확률특성을 추계장 세트의 확률 특성과 비교한다. 또한, 임의성을 가진 재료탄성계수를 가지는 지반구조물의 최적화 응답변화도와 임의성이 없는 재료탄성계수를 가지는 지반구조의 응답변화도를 비교한다. 따라서, 실제 재료 물성치의 공간적 임의성을 고려한 정량화된 확률론적 위상 최적화 결과를 얻을 수 있다.

• Nuclear Engineering and Technology
• /
• 제53권7호
• /
• pp.2334-2340
• /
• 2021

Radioactive particle tracking (RPT) is a minimally invasive nuclear technique that tracks a radioactive particle inside a volume of interest by means of a mathematical location algorithm. During the past decades, many algorithms have been developed including ones based on artificial intelligence techniques. In this study, RPT technique is applied in a simulated test section that employs a simplified mixer filled with concrete, six scintillator detectors and a¹³⁷Cs radioactive particle emitting gamma rays of 662 keV. The test section was developed using MCNPX code, which is a mathematical code based on Monte Carlo simulation, and 3516 different radioactive particle positions (x,y,z) were simulated. Novelty of this paper is the use of a location algorithm based on a deep learning model, more specifically a 6-layers deep rectifier neural network (DRNN), in which hyperparameters were defined using a Bayesian optimization method. DRNN is a type of deep feedforward neural network that substitutes the usual sigmoid based activation functions, traditionally used in vanilla Multilayer Perceptron Networks, for rectified activation functions. Results show the great accuracy of the DRNN in a RPT tracking system. Root mean squared error for x, y and coordinates of the radioactive particle is, respectively, 0.03064, 0.02523 and 0.07653.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.421-436
• /
• 2023

This paper presents a vibration displacement measurement and damage identification method for a space truss structure from its vibration videos. Features from Accelerated Segment Test (FAST) algorithm is combined with adaptive threshold strategy to detect the feature points of high quality within the Region of Interest (ROI), around each node of the truss structure. Then these points are tracked by Kanade-Lucas-Tomasi (KLT) algorithm along the video frame sequences to obtain the vibration displacement time histories. For some cases with the image plane not parallel to the truss structural plane, the scale factors cannot be applied directly. Therefore, these videos are processed with homography transformation. After scale factor adaptation, tracking results are expressed in physical units and compared with ground truth data. The main operational frequencies and the corresponding mode shapes are identified by using Subspace Stochastic Identification (SSI) from the obtained vibration displacement responses and compared with ground truth data. Structural damages are quantified by elemental stiffness reductions. A Bayesian inference-based objective function is constructed based on natural frequencies to identify the damage by model updating. The Success-History based Adaptive Differential Evolution with Linear Population Size Reduction (L-SHADE) is applied to minimise the objective function by tuning the damage parameter of each element. The locations and severities of damage in each case are then identified. The accuracy and effectiveness are verified by comparison of the identified results with the ground truth data.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.463-481
• /
• 2020

Cutter suction dredgers (CSDs) are widely used in various dredging constructions such as channel excavation, wharf construction, and reef construction. During a CSD construction, the main operation is to control the swing speed of cutter to keep the slurry concentration in a proper range. However, the slurry concentration cannot be monitored in real-time, i.e., there is a "time-lag effect" in the log of slurry concentration, making it difficult for operators to make the optimal decision on controlling. Concerning this issue, a solution scheme that using real-time monitored indicators to predict current slurry concentration is proposed in this research. The characteristics of the CSD monitoring data are first studied, and a set of preprocessing methods are presented. Then we put forward the concept of "index class" to select the important indices. Finally, an ensemble learning algorithm is set up to fit the relationship between the slurry concentration and the indices of the index classes. In the experiment, log data over seven days of a practical dredging construction is collected. For comparison, the Deep Neural Network (DNN), Long Short Time Memory (LSTM), Support Vector Machine (SVM), Random Forest (RF), Gradient Boosting Decision Tree (GBDT), and the Bayesian Ridge algorithm are tried. The results show that our method has the best performance with an R² of 0.886 and a mean square error (MSE) of 5.538. This research provides an effective way for real-time predicting the slurry concentration of CSDs and can help to improve the stationarity and production efficiency of dredging construction.

• Asia Marketing Journal
• /
• 제15권1호
• /
• pp.155-168
• /
• 2013

This study describes consumers' movie choices in conjunction with other group members and attempts to reassess the effect of the online word of mouth (WOM) source in a joint decision context. The tendency of many people to go to movies in groups has been mentioned in previous literature but there is no modeling research that studies movie choice from the group decision perspective. We found that ignoring the group movie-going perspective can result in a misunderstanding, especially underestimation of genre preference and the impact of the WOM variables. Most of the studies to measure online WOM effects were done at the aggregate level, and the role of online WOM variables(volume vs valence) is mixed in the literature. We postulate that group-level analysis might offer insight to resolve these mixed understanding of WOM effects in the literature. We implemented the study via a random effect model with group-level heterogeneity. Romance, drama, and action were selected as genre variables; valence and volume were selected as online WOM variables. A choice-based conjoint survey was used for data collection and the models was estimated via Bayesian MCMC method. The empirical results show that (i) both genre and online WOM are important variables when consumers choose movies, especially as group, and (ii) the WOM valence effect are amplified more than the volume effect does as individuals are engaged in group decision. This research contributes to the literature in several ways. First, we investigate movie choice from a group movie-going perspective that is more realistic and consistent with the market behavior. Secondly, the study sheds new light on the WOM effect. At group-level, both valence and volume significantly affect movie choices, which adds to the understanding of the role of online WOM in consumers' movie choice.

• 감성과학
• /
• 제13권1호
• /
• pp.47-60
• /
• 2010

기존 웹 페이지 자동분류 연구는 일반적으로 학습 기반인 kNN(k-Nearest Neighbor), SVM(Support Vector Machine)과 통계 기반인 Bayesian classifier, NNA(Neural Network Algorithm)등 여러 종류의 분류작업에서 입증된 분류 기법을 사용하여 웹 페이지를 분류하였다. 하지만 인터넷 상의 방대한 양의 웹 페이지와 각 페이지로부터 나오는 많은 양의 자질들을 처리하기에는 공간적, 시간적 문제에 직면하게 된다. 그리고 분류 대상을 표현하기 위해 흔히 사용하는 단일(uni-gram) 자질 기반에서는 자질들 간의 관계 분석을 통해 자질에 정확한 의미를 부여하기 힘들다. 특히 본 논문의 분류 대상인 한글 웹 페이지의 자질인 한글 단어는 중의적인 의미를 가지는 경우가 많기 때문에 이러한 중의성이 분류 작업에 많은 영향을 미칠 수 있다. 잠재적 의미 분석 LSA(Latent Semantic Analysis) 분류기법은 선형 기법인 특이치 분해 SVD(Singular Value Decomposition)을 통해 행렬의 분해 및 차원 축소(dimension reduction)를 수행하여 대용량 데이터 집합의 분류를 효율적으로 수행하고, 또한 차원 축소를 통해 새로운 의미공간을 생성하여 자질들의 중의적 의미를 분석할 수 있으며 이 새로운 의미공간상에 분류 대상을 표현함으로써 분류 대상의 잠재적 의미를 분석할 수 있다. 하지만 LSA의 차원 축소는 전체 데이터의 표현 정도만을 고려할 뿐 분류하고자 하는 범주를 고려하지 않으며 또한 서로 다른 범주 간의 차별성을 고려하지 않기 때문에 축소된 차원 상에서 분류 시 서로 다른 범주 데이터간의 모호한 경계로 인해 안정된 분류 성능을 나타내지 못한다. 이에 본 논문은 새로운 의미공간(semantic space) 상에서 서로 다른 범주사이의 명확한 구분을 위한 특별한 차원 선택을 수행하여 최적의 차원 선택과 안정된 분류성능을 보이는 최적의 지도적 LSA을 소개한다. 제안한 지도적 LSA 방법은 기본 LSA 및 다른 지도적 LSA 방법들에 비해 저 차원 상에서 안정되고 더 높은 성능을 보였다. 또한 추가로 자질 생성 및 선택 시 불용어의 제거와 자질에 대한 가중치를 통계적인 학습을 통해 얻음으로써 더 높은 학습효과를 유도하였다.

• Tuberculosis and Respiratory Diseases
• /
• 제47권4호
• /
• pp.498-506
• /
• 1999

연구배경 : 고립성 폐결절에 대한 접근에 있어 가장 중요한 것은 결절의 악성여부를 결정하는 것이다. 지금까지 고립성 폐결절의 악성여부에 대한 예측은 주로 방사선학적 소견에 의하여 이루어졌으나 수술 전 진단의 정확성은 보고자에 따라 차이가 있다. 수술 전 진단의 부정확은 고립성 폐결절 자체에 대한 진단의 어려움도 있지만 환자의 임상적 방사선학적 특징들을 통합적으로 고려하지 않은 점 역시 중요한 원인 중의 하나이다. 저자들은 Bayes식 접근법을 이용하여 고립성 폐결절 환자의 임상적 특징과 방사선학적 특징들을 통합적으로 고려하여 결절의 악성 확률을 구하여 진단 및 치료방법의 결정에 도움을 주고자 하였다. 대상 및 방법 : 조직학적으로 확진된 고립성 폐결절 180예를 대상으로 임상적 특징과 방사선학적 특징에 대한 Bayes식 접근법으로 결절의 악성 가능성을 후향적으로 조사하였다. 결 과 : 환자의 임상적 특징 중 연령이 증가할수록, 특히 66세 이상인 경우 likelihood ratio가 높았으며(LR 3.64), 46 pack-year 이상의 흡연력이 있는 경우 악성 가능성이 높았다(LR 8.38). 방사선학적 소견 중 결절의 크기가 클수록, 주위 조직과 경계가 불분명하고 엽상이나 극상모양의 결절이 likelihood ratio가 높았다. 결 론 : Likelihood ratio를 이용한 Bayes식 접근법을 이용하여 고립성 폐결절의 악성 확률을 예측하는 것은 특징적인 방사선학적 소견에만 의존하여 결절의 악성 가능성을 예측하는 것보다 더 정확하며, 결절의 진단이나 치료에 대한 방향을 결정을 하는데 유용한 지표로 이용될 수 있을 것으로 생각된다.