• 한국건설관리학회논문집
• /
• 제11권6호
• /
• pp.65-77
• /
• 2010

우리나라 건설 산업에서 주택분야가 차지하는 비중은 2007년 32%정도이며 그 중에서도 공동주택은 67%이상을 차지하고 있다. 수 년 전부터 시행되고 있는 분양가 상한제와 최근의 부동산 경기침체를 고려할 때 기업의 경쟁력확보와 저렴한 주택의 공급을 위해서 원가절감의 필요성은 점점 증대되고 있다. 본 연구에서는 공동주택 중에서도 공사비의 비중이 커서 원가절감 기대효과가 높고 품질과 공기에 미치는 영향 또한 가장 큰 철근콘크리트공사 분야에서 발생된 과거의 원가절감 사례를 분류체계에 따라 분류하고, 분류체계별 상관관계를 분석하여 제외(exclusion)와 통합(integration)의 과정을 거쳐 실무적으로 활용될 수 있고 향후 다른 연구의 기초자료가 될 수 있는 공동주택 철근콘크리트공사의 원가절감 체크리스트를 제시하고자 한다.

• 한국전자거래학회지
• /
• 제26권3호
• /
• pp.67-80
• /
• 2021

그래프 표현 학습을 위한 노드 임베딩 기법은 그래프 마이닝에서 양질의 결과를 얻는 데 중요한 역할을 한다. 지금까지 대표적인 노드 임베딩 기법은 동종 그래프를 대상으로 연구되었기에, 간선 별로 고유한 의미를 갖는 지식 그래프를 학습하는 데 어려움이 있었다. 이러한 문제를 해결하고자, 기존 Triple2Vec 기법은 지식 그래프의 노드 쌍과 간선을 하나의 노드로 갖는 트리플 그래프를 학습하여 임베딩 모델을 구축한다. 하지만 Triple2Vec 임베딩 모델은 트리플 노드 간 관련성을 단순한 척도로 산정하기 때문에 성능을 높이는데 한계를 가진다. 이에 본 논문은 Triple2Vec 임베딩 모델을 개선하기 위한 그래프 합성곱 신경망 기반의 특징 추출 기법을 제안한다. 제안 기법은 트리플 그래프의 인접성 벡터(Neighborliness Vector)를 추출하여 트리플 그래프에 대해 노드 별로 이웃한 노드 간 관계성을 학습한다. 본 논문은 DBLP, DBpedia, IMDB 데이터셋을 활용한 카테고리 분류 실험을 통해, 제안 기법을 적용한 임베딩 모델이 기존 Triple2Vec 모델보다 우수함을 입증한다.

• 전기전자학회논문지
• /
• 제25권4호
• /
• pp.710-715
• /
• 2021

전력선 신호는 다양한 원인으로 인하여 이상 현상을 보일 수 있다. 대표적인 이상 현상으로는 일시적인 진폭의 증가 혹은 감소(swell/sag), 클립핑에 따른 진폭의 일시적인 평탄화(flat top), 고조파 왜곡(harmonic distortion) 등이다. 고품질의 전력 신호를 위하여는 이러한 이상 현상의 검출 및 대응이 필요하다. 본 연구에서는 변곡점 검출법을 활용하여 전력선 신호의 이상 현상을 검출한다. 변곡점은 국부적인 최대값/최소값 그리고 기울기가 변하는 지점으로 정의된다. 전력선 신호는 정현파이기 때문에 최대값과 최소값 부근에서 변곡점이 존재하며 이상 현상이 발생하는 곳에서 추가적인 변곡점이 발생한다. 본 연구에서는 대상 신호에서 검출된 변곡점과 정상 신호의 변곡점을 비교하여 이상 현상을 판단한다. 아울러 비용함수를 정의하여 이상 현상이 발생하는 시점을 추정한다. 컴퓨터 모의실험으로 다양한 이상 현상에 대한 제안된 방법의 유용성을 검증한다. 일시적인 진폭의 증가/감소의 경우, 변곡점의 위치는 정상 신호와 동일하며, 변곡점에서의 진폭에서만 차이가 발생한다. 고조파 왜곡이나 평탄화된 진폭의 경우 추가적인 변곡점이 발생하여 비용함수가 큰 값을 보인다. 이러한 이상 현상 간의 차이를 이용하여 이상 현상을 분류할 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제22권3호
• /
• pp.1-8
• /
• 2022

최근 소개된 구글 MediaPipe의 모발 분할 방식은 실시간 모바일 애플리케이션을 위해 특별히 설계된 단일 카메라 입력에서 신경망 기반 모발 분할을 위한 새로운 접근 방식을 제시한다. 상대적으로 작은 신경망으로 가상 머리카락 다시 칠하기와 같은 증강 현실 효과에 매우 적합한 고품질 머리카락 분할 마스크를 생성한다. 그렇지만, 모발 스타일 또는 모발 영역에 잡음이 있는 경우에 모발 분할 정확도가 떨어지는 문제점들이 있다. 이에 본 연구에서는 지정된 라벨에서 모발 위치와 모발 색상 가능성의 추정된 사전 분포에 따라 이미지의 에너지 함수를 구성하고, 이것을 그래프 절단 알고리즘에 따라 최적화시키는 방식으로 초기 모발 영역을 얻는 방식을 도입한다. 그런 다음에, 초기 모발 영역에 클러스터링 알고리즘과 사후 처리 기법을 적용하여 최종 모발 영역을 정밀하게 분할 할 수 있도록 한다. 제안된 방식은 MediaPipe의 모발 분할 파이프라인에 적용된다.

• 한국인터넷방송통신학회논문지
• /
• 제20권3호
• /
• pp.171-179
• /
• 2020

최근 연구 결과에 따르면, 컨볼루션 신경 회로망은 이미지 분류, 객체 검출, 이미지 생성 등의 문제에서 최고의 성능을 보여주고 있다. 비전 카메라를 사용한 결함 검사는 다른 결함 검사보다 경제적이기 때문에 공장 자동화에 있어서 아주 중요하고, 딥러닝의 지도학습은 전통 기계학습 방식의 결함 검사 성능을 월등히 뛰어넘었다. 하지만, 딥러닝의 지도학습은 엄청난 양의 데이터 주석 작업을 요구하기 때문에, 이를 실제 산업 현장에 적용하는 것은 효율적이지 않다. 따라서 본 연구는 최근 이미지 생성 과업에서 큰 성공을 보여주고 있는 변분 오토인코더와 적대적 생성 신경망을 활용하여 비지도 방식의 비정상 검출을 위한 신경망 회로 구조를 제안하였고, 이를 MNIST, 용접 결함 데이터에 적용하여 비정상 검출 성능을 검증하였다.

• 컴퓨터교육학회논문지
• /
• 제6권2호
• /
• pp.33-40
• /
• 2003

소프트웨어 개발 초기 단계의 문제점이 개발 후반부 산물의 품질에 심각한 영향을 미치기 때문에 설계 명세를 이용하여 결함경향성이 많은 부분을 예측하는 위험도 예측 모델은 전체 시스템 개발비용을 낮추는 데 중요한 역할을 하고 있으며, 이러한 예측 모델은 결과 산물이 매우 크고 실행 정확성이 요구되는 통신 소프트웨어 같은 실시간 시스템 설계에 더욱 필요하다. 판별분석, 인공신경망, 분류트리 등의 기법들을 이용한 모델들이 제안되었으나 이들은 결과에 대한 원인 분석의 어려움, 낮은 확장성 등의 문제점들을 지니고 있었다. 본 논문에서는 유전자 알고리즘을 이용한 새로운 모델인 GAM을 제안한다. GAM은 위험도 함수를 만들어 내므로 기존의 분류 모델들과는 다르게 설계 개체의 위험도 비교에도 사용가능하다. 여러 내부 특성들과 예측 정확도 비교를 통해 GAM을 잘 알려진 예측 모델인 역전파 신경망 모델(BPM)과 비교하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권6호
• /
• pp.2480-2496
• /
• 2020

Considering that high-dose X-ray radiation during CT scans may bring potential risks to patients, in the medical imaging industry there has been increasing emphasis on low-dose CT. Due to complex statistical characteristics of noise found in low-dose CT images, many traditional methods are difficult to preserve structural details effectively while suppressing noise and artifacts. Inspired by the deep learning techniques, we propose a densely connected residual network (DCRN) for low-dose CT image noise cancelation, which combines the ideas of dense connection with residual learning. On one hand, dense connection maximizes information flow between layers in the network, which is beneficial to maintain structural details when denoising images. On the other hand, residual learning paired with batch normalization would allow for decreased training speed and better noise reduction performance in images. The experiments are performed on the 100 CT images selected from a public medical dataset-TCIA(The Cancer Imaging Archive). Compared with the other three competitive denoising algorithms, both subjective visual effect and objective evaluation indexes which include PSNR, RMSE, MAE and SSIM show that the proposed network can improve LDCT images quality more effectively while maintaining a low computational cost. In the objective evaluation indexes, the highest PSNR 33.67, RMSE 5.659, MAE 1.965 and SSIM 0.9434 are achieved by the proposed method. Especially for RMSE, compare with the best performing algorithm in the comparison algorithms, the proposed network increases it by 7 percentage points.

• 정보처리학회논문지B
• /
• 제10B권2호
• /
• pp.163-168
• /
• 2003

이동 통신 채널과 같은 저대역 통신망에서는 비디오 전송을 위해서는 높은 압축율을 갖는 부호화 방법들이 사용된다. 본 논문에서는 저대역 폭 통신을 위한 비디오 부호화 표준인 H.263 부호화를 기반으로 전송도중 손상된 움직임 벡터의 복원기법을 제안하고 실험하였다. 공간적으로 인접한 블록간에는 움직임 벡터의 상관성이 높기 때문에 손실블록 또한 이 블록들과 움직임이 비슷할 가능성이 높다. 이러한 특성을 이용하여 손실블록의 주변블록 중에서 같은 방향으로 움직임을 갖는 블록들로 구성된 동일 움직임 영역을 추출하고, 이 블록들을 이용하여 손실블록의 움직임벡터를 복구한다. 본 논문에서 제안한 알고리즘은 정확한 손실블록의 움직임 벡터를 찾아 거의 완벽하게 복원하기도 하지만 정확한 움직임벡터를 찾지 못한 경우에는 주변블록과 가장 비슷한 움직임벡터를 찾아서 에러를 은닉하는 효과가 있다. 제안한 방법으로 복원한 영상은 전체적으로 눈에 거슬리는 오류가 생기지 않으므로 주관적인 화질이 좋았다. 또한 객관적인 척도인 PSNR 측면에서는 영상의 움직임 정도에 따라 기존 BMA 방법보다 약 0.5㏈∼l㏈까지의 향상이 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제13권4호
• /
• pp.11-18
• /
• 2008

문서군집은 정보검색의 많은 응용분야에 사용되는 중요한 문서 분석 방법이다. 본 논문은 비음수 행렬 분해(NMF, non-negative matrix factorization)를 기반한 용어 가중치 재산정 방법을 이용하여서 사용자의 요구에 적합한 군집결과를 얻도록 하는 새로운 군집모델을 제안한다. 제안된 모델은 군집형태에 대한 사용자 요구와 기계에 의한 군집 형태의 차이를 최소화하기 위하여 사용자 피드백에 의한 가중치가 재계산된 용어를 이용한다. 또한 제안방법은 용어의 가중치 재계산과 문서군집에 문서집합의 내부구조를 나타내는 의미특징행렬과 의미변수행렬 이용하여 문서군집의 성능을 높일 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 적용하지 않은 문서군 방법에 비하여 좋은 성능을 보인다.

• 디지털융복합연구
• /
• 제14권3호
• /
• pp.209-217
• /
• 2016

최근 경제성장과 더불어 삶의 질이 향상됨에 따라 야외활동이 증가되었으며, 야외활동의 진행여부 의사결정은 기상여건과 밀접한 관계를 갖고 있다. 현재 이러한 야외활동 의사결정은 기상청의 일기예보와 주관적인 경험에 의해 결정되어지고 있다. 따라서, 야외활동 의사결정을 위해 기상정보를 기반으로 객관적 근거를 제시할 수 있는 분석 방법이 필요하다. 논문에서는 데이터마이닝을 기반으로 기상정보를 분석하여 야외활동 의사결정을 지원할 수 있는 기상정보 분석 알고리즘을 제안한다. 또한, 프로야구 일정 히스토리와 자동기상관측장비의 관측 자료를 데이터마이닝의 분류 알고리즘을 적용하여 실험을 수행하고, 제안한 알고리즘의 향상된 성능을 검증하였다.