• 한국식품과학회지
• /
• 제31권5호
• /
• pp.1159-1163
• /
• 1999

국내외 식품산업에서 방사선 조사 기술이 본격적으로 이용됨에 따라 방사선 조사식품의 조사 여부 검지(detection)와 조사/흡수선량(absorbed dose)의 확인 방법이 필요하게 되었다. 본 연구는 상업적으로 처리되고 있는 효소분말을 대상으로 감마선과 전자선을 조사하고$(2.5{\sim}15\;kGy)$ ESR signal intensity와의 상관관계를 구해 본 결과, 높은 유의성을 보여 주었다(감마선 $R^2$=0.9904; 전자선 $R^{\;2}$=0.9696). 조사 여부 검지에 필요한 threshold value는 비조사구(n = 20)가 1.19(최대값), 2.5 kGy 조사구(n = 20)가 최소값으로 6.97(감마선) 및 7.36(전자선)으로 나타났다. 이상의 threshold value를 이용하여 30개의 미지시료(unknown samples)에 대한 검지시험(blind test)을 실시하여 본 결과, 방사선 조사된 것과 조사되지 않은 시료의 판정이 정확하였다. 한편 dose-effect curve로부터 2가지 회귀식을 구하여 흡수선량 예측에 적용하여 보았을 때 2차회귀식이 $4{\sim}7\;kGy$ 범위의 감마선 및 전자선 조사 시료에 대하여 적용가능성이 높았다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.77-91
• /
• 2022

Various monitoring systems have been implemented in civil infrastructure to ensure structural safety and integrity. In long-term monitoring, these systems generate a large amount of data, where anomalies are not unusual and can pose unique challenges for structural health monitoring applications, such as system identification and damage detection. Therefore, developing efficient techniques is quite essential to recognize the anomalies in monitoring data. In this study, several machine learning techniques are explored and implemented to detect and classify various types of data anomalies. A field dataset, which consists of one month long acceleration data obtained from a long-span cable-stayed bridge in China, is employed to examine the machine learning techniques for automated data anomaly detection. These techniques include the statistic-based pattern recognition network, spectrogram-based convolutional neural network, image-based time history convolutional neural network, image-based time-frequency hybrid convolution neural network (GoogLeNet), and proposed ensemble neural network model. The ensemble model deliberately combines different machine learning models to enhance anomaly classification performance. The results show that all these techniques can successfully detect and classify six types of data anomalies (i.e., missing, minor, outlier, square, trend, drift). Moreover, both image-based time history convolutional neural network and GoogLeNet are further investigated for the capability of autonomous online anomaly classification and found to effectively classify anomalies with decent performance. As seen in comparison with accuracy, the proposed ensemble neural network model outperforms the other three machine learning techniques. This study also evaluates the proposed ensemble neural network model to a blind test dataset. As found in the results, this ensemble model is effective for data anomaly detection and applicable for the signal characteristics changing over time.

• Journal of Computing Science and Engineering
• /
• 제7권2호
• /
• pp.112-121
• /
• 2013

The last years have seen a rise of interest in using electroencephalography-based brain computer interfacing methodology for investigating non-medical questions, beyond the purpose of communication and control. One of these novel applications is to examine how signal quality is being processed neurally, which is of particular interest for industry, besides providing neuroscientific insights. As for most behavioral experiments in the neurosciences, the assessment of a given stimulus by a subject is required. Based on an EEG study on speech quality of phonemes, we will first discuss the information contained in the neural correlate of this judgement. Typically, this is done by analyzing the data along behavioral responses/labels. However, participants in such complex experiments often guess at the threshold of perception. This leads to labels that are only partly correct, and oftentimes random, which is a problematic scenario for using supervised learning. Therefore, we propose a novel supervised-unsupervised learning scheme, which aims to differentiate true labels from random ones in a data-driven way. We show that this approach provides a more crisp view of the brain states that experimenters are looking for, besides discovering additional brain states to which the classical analysis is blind.

• 한국통신학회논문지
• /
• 제39A권7호
• /
• pp.389-397
• /
• 2014

본 논문은 3GPP Rel-12 표준에서 진행되고 있는 간섭 제거 수신기에 대한 동향과 연구이다. 최근 급증하는 무선 데이터 트래픽 요구에 대응하기 위해 단말 수신기 측면에서는 가장 문제가 되는 셀 간 간섭을 제어할 수 있는 수신기가 필요하다. 이를 위해 근본적인 간섭의 원인인 인접 셀의 데이터 및 제어 신호를 직접 제거하여 수신기의 SINR을 향상시켜 수신 성능을 올리는 네트워크 보조 간섭 제거 (NAICS) 수신기가 표준에서 논의 되고 있다. 본 논문에서는 현재 3GPP 표준에서 논의하는 네트워크 보조 간섭 제거 수신기에 대한 개념 및 동작, 그리고 고려되고 있는 수신기의 기본 성능을 파악하고, 이를 바탕으로 향후 표준에서 진행될 수 수신기의 진화 방향에 대해 살펴본다.

• 한국멀티미디어학회논문지
• /
• 제14권11호
• /
• pp.1431-1437
• /
• 2011

본 논문에서는 오디오의 저작권을 보호하고 공격에 강인한 새로운 워터마킹 알고리즘을 제안한다. 공격에 강인한 워터마킹 알고리즘을 구현하기 위해 신호의 주요 부분인 피치가 포함된 대역에 워터마크를 삽입한다. 일반적으로 피치가 포함된 대역은 에너지가 상대적으로 높은 특성을 이용하여 웨이블릿 패킷 변환으로 대역을 나누고 각각의 대역별 에너지를 계산하여 워터마크를 삽입할 위치를 선정한다. 그리고 선정한 대역의 신호를 주파수 영역으로 변경한 후 문턱값 이상의 값을 가지는 샘플에 대해 QIM을 이용하여 워터마크를 삽입한다. 이때 주파수 크기 응답에 따라 적응적인 스텝 사이즈를 이용하여 주파수 응답의 최대값이 크면 더 큰 스텝 사이즈로 워터마크를 삽입할 수 있으므로 공격에 강인하다. 검출은 블라인드 검출 방식으로 유클리디안 거리를 이용한다. 제안한 방법은 오디오 워터마크 벤치마킹에서 BER이 대부분의 공격에서 5%이하로 나타나 공격에 강인한 결과를 보였다.

• Investigative Magnetic Resonance Imaging
• /
• 제1권1호
• /
• pp.142-147
• /
• 1997

목적: 호흡정지 간 자기공영상에서 국소 간 병변을 발견함에 있어 동위상(inphase) 방식과 역위상(opposed-phase) 방식의 fast multiplanar spoiled gradient recalled(FMPSPGR) 영상간의 효율성을 비교하고자 하였다. 대상 및 방법: 다른 검사를 통해 국소 간 병변이 발견되었거나 의심되었던 45명의 환자의 78개의 병변에 대한 고속경사에코대열의 동위상과 역위상 영상을 비교하였다. 병변 발견률을 평가하기 위해 세 명의 사전 정보 없는 판독의가 독립적으로 영상을 검토하였다. 간의 신호대잡음비, 병변과 간의 대조대잡음비 및 간과 비장 간 대조대잡음비를 비교하였다. 세 명의 동의에 의해 어느 대열에서 영상의 질이 더 나은지 결정하였다. 결과: 역위상 영상에서 판독의 1, 2, 3이 각각 61(78%), 61(78%), 및 63(89%)개의 병변을 정확히 발견하였다. 동위상 영상에서 각 판독의가 66(85%), 65(83%) 및 65(93%)개의 병변을 발견하였다. 두 영상을 조합하였을 때, 71(91%), 69(88%) 및 76(97%)개의 병변이 각각 발견되었다. 간세포암이 증례에서 간-병변간 대조대잡음비는 역위상 영상에서 더 컸으나(p<0.05), 다른 병변에서의 의미 있는 차이는 보이지 않았다. 간-비장간 대조잡음비는 역위상 영상에서 높았으나(p<0.1), 간의 신호대잡음비는 동위상 영상에서 더 높았다. 결론: 국소적 간 병변을 놓치지 않고 발견 하기 위새서는 동위상 영상과 역위상 영상을 모두 이용하는 것이 바람직하다.

• 전자공학회논문지
• /
• 제53권12호
• /
• pp.67-75
• /
• 2016

DNA 컴퓨팅 기술로 DNA 정보를 매개물로 하는 DNA 저장, DNA 스테가노그라픽, 및 DNA 워터마킹에 대한 관심이 많아지고 있다. 생물학적 변이없이 외부 워터마크를 DNA 정보 내에 은닉에서는 원본 DNA 서열의 복원이 가능하고, 은닉과 복원이 반복적으로 이루어지며, 외부 워터마크에 의한 의도적인 변이 분석이 가능한 가역성 정보은닉 기술이 필요하다. 본 논문에서는 DNA 부호계수의 순환형 히스토그램 다중 쉬프팅 (Circular Histogram Shifting, CHS) 기반으로 생물학적 변이없이 허위개시코돈 방지, 원본 서열 길이 유지, 높은 워터마크 용량성, 블라인드 검출이 가능한 가역성 DNA 정보은닉 방법을 제안한다. 제안한 방법은 비부호 영역 DNA 염기서열을 부호계수로 변환한 다음, 높은 용량성을 위하여 순환형 히스토그램 다중 쉬프팅에 의하여 부호계수에 다중비트를 은닉한다. 마지막으로 다중비트 은닉 과정에서 은닉된 인접 염기서열 간의 비교탐색을 통하여 허위개시코돈 생성을 방지한다. 실험 결과로부터 제안한 방법이 기존 방법보다 0.11~0.50 bpn(bit per nucleotide base) 높은 워터마크 용량성을 가지고, 허위개시코돈이 발생되지 않음을 확인하였다.

• 방송공학회논문지
• /
• 제4권2호
• /
• pp.103-118
• /
• 1999

본 논문에서는 다중경로신호에 대한 8VSB 수신기의 성능 열화에 대한 원인을 수신단의 심볼 타이밍 동기와 등화기를 중심으로 분석하여 실내 수신 성능 개선을 위한 등화 기법을 제시하고자 한다. 심볼 타이밍 복원은 데이터 세그먼트 동기를 사용하는데 +1, +1, -1, -1의 검출 필터를 사용하여 에코 지연 시간과 크기에 따른 타이밍 오프셋의 크기변화를 측정하였다. 그 결과 5심볼 이상의 긴 시간의 지연 에코에 대해서는 타이밍 오프셋이 10% 이하로 작게 나타나고 1심볼 근처의 짧은 시간의 지연 에코에 대해서는 30% 이상의 매우 큰 타이밍 오프셋을 가진다. 실내 수신 환경에서는 짧은 시간의 지연 에코가 많이 발생하고 특히 사람의 움직임에 의한 수 Hz이 도플러 천이도 발생한다. 따라서 실내 수신 성능 개선을 위해서는 큰 타이밍 오프셋에 강한 FSE(Fractionally Spaced Equalizer)와 일반 정보 데이터 부분에서도 등화기의 탭 계수를 갱신할 수 있는 블라인드 등화 기법이 필요하다. 본 논문에서는 실내 수신 환경에서 심볼 간격 등화기와 FSE, 그리고 블리안드 등화 기법으로 Stop and Go 알고리즘의 사용 유무에 따른 성능을 실수 전산모의실험을 통하여 비교하였다. 그 결과 큰 타이밍 오프셋에 대해서는 FSE의 성능이 우수하고 도플러 천이에 대해서는 Stop and Go 알고리즘을 사용하는 것이 우수한 성능이 나타났으며, 실내 수신 성능 개선을 위해서는 Stop and Go 알고리즘을 사용한 FSE 결정 궤환 등화기 구조를 사용하는 것이 바람직하다.