• 대한토목학회논문집
• /
• 제41권4호
• /
• pp.449-459
• /
• 2021

농업용 저수지의 80 % 이상이 50년 이상 된 노후 시설물로 안전성 및 기능 저하가 발생하고 있다. 이로 인해 저수지의 붕괴 등 안전사고가 발생하고 있는 실정이다. 이에 따라서 저수지의 붕괴 등의 안전사고를 미연에 방지하고자 정밀안전진단을 실시하고 우선순위에 따라 수리시설개보수사업을 시행하고 있다. 하지만 사업 우선순위 선정의 대부분은 시설물 관리자의 주관적인 판단을 통해 이루어지고 있다. 이에 본 연구에서는 정밀안전진단 결과 및 기존의 수리시설 개보수사업의 의사결정 사례를 D/B화하여 80개의 가설을 설정하고 상관분석 및 유의성검정을 통해 45개의 변수를 선정하였다. 선정된 변수들을 로지스틱회귀분석을 이용하여 의사결정지원모델을 제시하였다. 의사결정지원모델의 변수는 총 21개가 채택되었으며 모델의 분류 정확도는 86.8 %로 나타났다. 본 연구는 수리시설개보수사업 선정을 위한 의사결정의 정량적인 지표를 제시 한 부분에 중요한 의의를 가진다.

• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1891-1900
• /
• 2021

직경 2.5 ㎛ 이하인 초미세먼지는 급격한 도시화와 인구 증가로 인해 대도시에서 많이 발생하며, 유아 및 청소년기는 성인에 비해 초미세먼지에 취약하고 만성 질환으로 이어질 가능성이 높다. 특히 대부분의 청소년들은 학교에서 가장 많은 시간을 보내고 있으며, 다양한 이유에 의해 실외에서 발생한 초미세먼지가 실내로 유입된다. 본 연구는 외부 요인에 의해 발생하는 학교 초미세먼지를 예측하고 학교별 초미세먼지 범주화를 수행하였다. 10-fold cross validation과 grid-search method를 적용한 random forest (RF) 모델에 화학과 기상 인자, 위성 기반의 aerosol optical depth (AOD)를 입력 자료로 하여 학교 초미세먼지를 예측하고 정확도 평가를 위해 4가지 통계 지표를 이용하였다. 학교 미세먼지 범주화를 위해 6가지 유형을 가진 느슨한 기준과 엄격한 기준을 정의하였으며, 범주화 결과 느슨한 기준의 경우 유형 2와 3에, 엄격한 기준의 경우 유형 3과 4에 가장 많은 학교가 포함되었다.

• 디지털융복합연구
• /
• 제19권10호
• /
• pp.253-263
• /
• 2021

기계학습은 학습에 이용되는 학습 데이터와 데이터를 예측할 인공신경망을 이용하여 비용함수를 만들고, 비용함수를 최소화시키는 파라미터들을 찾는 과정이다. 파라미터들은 비용함수의 그래디언트 기반 방법들을 이용하여 변화하게 된다. 디지털 신호가 복잡할수록, 학습하고자 하는 문제가 복잡할수록, 인공신경망의 구조는 더욱 복잡해지고 깊어진다. 복잡하고, 깊어지는 인공신경망 구조는 과적합(Over-fitting) 문제를 발생시킨다. 과적합 문제를 해결하기 위하여 파라미터의 가중치 감소 정규화 방법이 사용되고 있다. 우리는 이러한 방법에서 추가로 비용함수의 값을 이용한다. 이러한 방법으로 기계학습의 정확도가 향상되는 결과를 얻었으며 이는 수치 실험을 통하여 우수성이 확인된다. 이러한 결과는 기계학습을 통한 인공지능의 폭넓은 데이터에 대한 정확한 값을 도출한다.

• 품질경영학회지
• /
• 제49권3호
• /
• pp.327-340
• /
• 2021

Purpose: The purpose of this study is to propose a system predicting whether an electricity distribution system is abnormal by analyzing the temperature of the deteriorated system. Traditional electricity distribution system abnormality diagnosis was mainly limited to post-inspection. This research presents a remote monitoring system for detecting thermal images of the deteriorated electricity distribution system efficiently hereby providing safe and efficient abnormal diagnosis to electricians. Methods: In this study, an object detection algorithm (YOLOv5) is performed using 16,866 thermal images of electricity distribution systems provided by KEPCO(Korea Electric Power Corporation). Abnormality/Normality of the extracted system images from the algorithm are classified via the limit temperature. Each classification model, Random Forest, Support Vector Machine, XGBOOST is performed to explore 463,053 temperature datasets. The process capability index is employed to indicate the quality of the electricity distribution system. Results: This research performs case study with transformers representing the electricity distribution systems. The case study shows the following states: accuracy 100%, precision 100%, recall 100%, F1-score 100%. Also the case study shows the process capability index of the transformers with the following states: steady state 99.47%, caution state 0.16%, and risk state 0.37%. Conclusion: The sum of caution and risk state is 0.53%, which is higher than the actual failure rate. Also most transformer abnormalities can be detected through this monitoring system.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.203-208
• /
• 2021

제조현장에서 작업자는 작업 지시서에 따라 제조 공정에 소재를 투입하고 투입 기록을 남기는 방식으로 운영해왔으나, 누락하는 경우가 많아 제품 LOT 추적이 안되는 경우가 발생하고 있었으며, 최근 스마트공장 구축으로 RFID-Tag를 활용하여 소재 투입 정보를 자동입력 하는 시스템으로 진행되고 있다. 특히, 생산라인에 투입되는 RACK에 부착된 TAG 정보를 수신하여 RACK(TAG) ID와 RACK 투입시간 데이터 분석을 통한 투입정보를 자동으로 생성토록 하여 초기 자동인식률이 97%로 양호하였으나 멀티소재 사용 RACK, TAG분실, 신규 제품 투입 이슈 등이 발생하면서 자동인식률이 계속 낮아지는 상황이다. 인공지능형 스마트공장 데이터셋 구축 방법은 자동인식률 향상과 실시간 모니터링이 가능해지므로 생산 공정의 전반에 있어 속도와 수율(정상제품 비율)을 높이는데 기여할 것으로 기대한다.

• 융합정보논문지
• /
• 제11권11호
• /
• pp.277-287
• /
• 2021

본 연구의 목적은 퍼스널컬러를 정량적으로 진단할 수 있는 모델을 구축하는 것이다. 현재 사용되고 있는 대표적인 퍼스널컬러용 색채 시스템들은 퍼스널컬러 진단 유형을 지나치게 단순화하거나, 진단 유형간의 객관화된 차이를 구별하기 어렵다는 한계를 가진다. 이를 보완한 새로운 색채 시스템을 개발하기 위해 논리적 배색이 가능한 PCCS 색체계를 도입하고, 색이 가지는 주요 4속성을 토대로 재분류하였다. 기존 색채 시스템보다 다양한 20개의 진단 유형을 제안하였으며, 정량적 방법을 피험자와의 어울림 정도를 평가하여 최적화된 유형을 찾을 수 있게 하였다. 평가 결과를 기호화하여 대입하면 피험자에게 맞는 유형이 도출되는 매트릭스를 고안하여 실험자의 개별 역량과 주관의 개입을 최소화하였다. 최종적으로 속성진단, 기호화, 계절진단의 세 단계로 이루어진 퍼스널컬러의 정량적 진단 모델을 구축하였다. 이는 기존 진단 방법에 다양성, 신뢰성, 정확성을 부여할 것이라 볼 수 있다.

• 한국재난정보학회 논문집
• /
• 제17권3호
• /
• pp.427-441
• /
• 2021

연구목적: 본 연구는 군에서 가장 많이 발생하는 교통사고의 예방을 위해 부대별로 교통사고가 발생할 확률을 사전에 예측하는 모형의 개발 방안을 제시하는 것이다. 연구방법: 이를 위해 CRISP-DM(Cross Industry Standard Process for Data Mining) 방법론을 적용하였다. CRISP-DM 프로세스는 6단계로 구성되어 있고, 각 단계는 Waterfall Model처럼 일방향으로 구성되어 있지 않고 단계 간 피드백을 통하여 단계별 완성도를 높이게 되어 있다. 연구결과:전체 집단을 대상으로 기 구축된 사고조사 데이터와 동일한 데이터 세트(data set)를 구축하여 모델링한 결과 분류기준 0.5로 했을 때, 교통사고예측을 위한 모형의 정확도, 특이도, 민감도, AUC에서 의미있는 결과치를 도출하였다. 결론: 예측모형을 설계하는 과정에서 데이터의 부족으로 인해 의미 있는 예측값을 얻기 어려운 문제점이 확인되었다. 이를 해결하기 위해 합리적 추론이 가능한 데이터 세트(data set)를 재구성 및 확대하여 데이터 부족을 해소하고, 이를 활용한 예측모형을 설계할 수 있는 방법론을 제시하였다.

• 지식경영연구
• /
• 제22권3호
• /
• pp.91-106
• /
• 2021

최근 딥러닝 기술이 빠르게 발전함에 따라 국가 R&D 분야의 방대한 텍스트 문서를 다양한 관점에서 분석하기 위한 수요가 급증하고 있다. 특히 대용량의 말뭉치에 대해 사전학습을 수행한 BERT(Bidirectional Encoder Representations from Transformers) 언어모델의 활용에 대한 관심이 높아지고 있다. 하지만 국가 R&D와 같이 고도로 전문화된 분야에서 높은 빈도로 사용되는 전문어는 기본 BERT에서 충분히 학습이 이루어지지 않은 경우가 많으며, 이는 BERT를 통한 전문 분야 문서 이해의 한계로 지적되고 있다. 따라서 본 연구에서는 최근 활발하게 연구되고 있는 추가 사전학습을 활용하여, 기본 BERT에 국가 R&D 분야 지식을 전이한 R&D KoBERT 언어모델을 구축하는 방안을 제시한다. 또한 제안 모델의 성능 평가를 위해 보건의료, 정보통신 분야의 과제 약 116,000건을 대상으로 분류 분석을 수행한 결과, 제안 모델이 순수한 KoBERT 모델에 비해 정확도 측면에서 더 높은 성능을 나타내는 것을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권12호
• /
• pp.123-132
• /
• 2021

봇 넷의 악의적인 행위는 인터넷 서비스 제공자뿐만 아니라 기업, 정부, 그리고 심지어 가정의 일반 사용자에 이르기까지 엄청난 경제적 손실을 끼치고 있다. 본 논문에서는 CTU-13 봇 넷 트래픽 데이터 셋을 사용하여 딥러닝 모델 Convolutional Neural Network(CNN)을 적용한 봇 넷 트래픽 검출에 대한 가능성을 확인하고자한다. 특히 알려진 봇 넷과 알려지지 않은 봇 넷 트래픽에 대해 C&C 서버를 검출하기 위한 봇과 C&C 서버 사이 트래픽, 봇을 검출하기 위한 C&C 통신 이외에 봇이 발생하는 트래픽, 그리고 정상 트래픽을 분류하는 멀티클래스 분류(multi-class classification)를 시도하였다. 성능검증을 위한 지표는 정확도, 정밀도, 재현율, 그리고 F1 점수를 제시하였다. 한편 확장성과 운영을 고려하여 봇 넷 타입 별로 모듈을 적재할 수 있는 스택구조의 봇 넷 검출 시스템을 제안함으로써 실제 네트워크의 적용 가능성을 제시하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권12호
• /
• pp.111-121
• /
• 2021

정보의 주요 전달체로서 디지털 이미지는 점점 더 중요해지고 있다. 그러나 이미지 획득 장비의 대중화와 이미지 편집 소프트웨어의 급속한 발전으로 인해, 최근 몇 년간 디지털 이미지 위조 사건이 잇따라 발생해 이미지의 신뢰도를 떨어뜨릴 뿐만 아니라 사회와 개인에게도 큰 악영향을 미치고 있다. 이미지 복사-붙여넣기 변조(image copy-paste tampering)는 가장 일반적인 유형의 이미지 변조 중 하나이며, 조작이 쉽고 효과적이기 때문에 디지털 이미지 의미 정보 변경에 자주 사용된다. 본 논문에서는 이미지 복사 및 붙여넣기의 변조 탐지 방법을 연구하여 이미지 콘텐츠의 진정성과 무결성을 보호하는 방법이 제안되었다. 딥러닝의 우수한 학습과 분석능력을 감안해 영상처리작업이 남긴 흔적을 활용해 영상 속 원본 영역과 변조된 영역을 구분하는 딥러닝 기반 변조 검출법 2가지가 제안되었다. 또한 실험을 통해 이론적 근거의 합리성, 변조 탐지, 위치 및 분류의 정확성을 검증하였다.