• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.52-60
• /
• 2021

본 논문은 발전하는 3D프린팅 기술의 추세에 맞추어 크기와 디자인의 한계를 벗어난 대형 조형 설치물 제작으로 3D프린팅을 이용한 사례를 분석함으로써 새로이 나타나는 경향을 도출하는 것에 목적을 두고 있다. 본 논문은 3D프린팅으로 제작한 조형설치물의 유형을 분류하고 2가지 경향으로 분석하였다. 첫째, 디자인 측면의 경향, 둘째, 출력방식 측면의 경향이다. 본 연구를 통해 도출된 3D프린팅 조형설치물이 나아가고 있는 경향은 다음과 같다. 첫째, 알고리즘을 통한 디자인 구현이 이루어지면서 복잡한 표현이 두드러지는 비정형 디자인으로 변혁이 나타나고 있다. 둘째, 로봇 공학과 3D프린팅의 적층 제조기술이 융합되어 기존의 패러다임을 전환하고 있다. 따라서 알고리즘 디자인 구현 방식과 Freeform 3D프린팅 기술의 상호작용으로 3D프린팅 조형설치물의 제작과 활용이 더욱 빠른 속도로 진행됨을 알 수 있었다. 본 연구는 전 세계 3D프린팅 조형설치물을 대상으로 연구를 진행하였으며, 앞으로 발전할 국내 3D프린팅 기술과 함께 3D프린팅 조형설치물 제작 연구의 기초적인 역할을 하였다. 추후 재료 및 결합 방식 등 다양한 측면에서 분석한 후속 연구가 필요함을 밝힌다.

• 한국수자원학회논문집
• /
• 제54권2호
• /
• pp.121-133
• /
• 2021

하천에서 발생하는 부유 물질은 주로 유역으로부터 유입되거나 하천 내에서 자생으로 발생하기도 하며, 퇴적되어 중장기적인 수질 오염을 초래할 수도 있는 중요한 수질 인자이다. 하지만, 부유물질의 재래식 계측방식은 점 단위 계측이기 때문에 노동 집약적이며 방대한 양의 자료를 취득하기는 어렵다. 따라서, 본 연구에서는 고해상도 다분광 위성영상을 제공하는 Sentinel-2 위성 자료를 이용하여 낙동강 전역에 대한 원격탐사 기반 부유 물질 농도 계측 기법을 개발하였다. 개발된 기법은 기존 원격탐사 기반 회귀식들의 한계점을 개선하고 낙동강 전체 영역의 지역적 특성을 반영하기 위해 기계학습 모형인 서포트 벡터 회귀(Support Vector Regression, SVR) 모형을 이용하여 다양한 파장대의 분광 밴드들과 밴드비(band ratios)를 고려하였으며, 이를 입력 변수들의 최적 조합으로 재귀적 특징 제거법(Recursive Feature Elimination, RFE)과 SVR의 각 변수별 가중계수를 활용하여 도출하였다. 가장 중요도가 높은 분광 밴드로는 Red-edge 파장대 영역에 속하는 705 nm 밴드가 산출되었으며, 최종적으로 구축된 SVR 모형을 선행 연구들에서 제시한 회귀식들과 비교한 결과, 가장 정확한 계측 결과를 제공하는 것으로 밝혀졌다. 본 연구에서 개발된 SVR 모형은 RFE를 통해 산출된 최적 분광 밴드 조합을 바탕으로 하기 때문에 기존 단일 분광 밴드 혹은 밴드비를 기반으로 구축된 회귀식들이 가지는 변수 의존도를 낮추는 동시에 더욱 정확한 부유물질 농도 공간분포를 제공할 수 있을 것으로 판단된다.

• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.320-330
• /
• 2020

화재는 높은 비정형성으로 인해 딥러닝 모델을 이용한 영상인식 분야에서도 좋은 성능을 내기가 어려운 대상 중 하나이다. 특히 지하공동구 내 화재는 딥러닝 모델의 학습을 위한 화재 데이터 확보가 어렵고 열약한 영상 조건 및 화재로 오인할 수 있는 객체가 많아 화재 검출이 어렵고 성능이 낮다. 이러한 이유로 본 연구는 딥러닝 기반의 지하공동구 내 화재 탐지 모델을 제안하고, 제안된 모델의 성능을 평가하였다. 기존 합성곱 인공신경망에 GoogleNet의 Inception block과 ResNet의 skip connection을 조합하여 어두운 환경에서 발생되는 화재 탐지를 위한 모델 구조를 제안하였으며, 제안된 모델을 효과적으로 학습시키기 위한 방법도 함께 제시하였다. 제안된 방법의 효과를 평가하기 위해 학습 후 모델을 지하공동구 및 유사환경 조건의 화재 문제와 화재로 오인할 수 있는 객체를 포함한 이미지에 적용해 결과를 분석하였다. 또한 기존 딥러닝 기반 화재 탐지 모델의 정밀도, 검출률 지표와 비교함으로써 모델의 화재 탐지 성능을 정량적으로 평가하였다. 제안된 모델의 결과는 어두운 환경에서 발생되는 화재 문제에 대해 높은 정밀도와 검출률을 나타내었으며, 유사 화재 객체에 대해 낮은 오탐 및 미탐 성능을 가지고 있음을 보여주었다.

• 터널과지하공간
• /
• 제32권2호
• /
• pp.131-143
• /
• 2022

달 현지 탐사를 위해 무인 이동체가 활용되고 있으며, 달 지상 관심 지역의 지형 특성을 정확하게 파악하여 실시간으로 정보화 하는 작업이 요구된다. 하지만, 정확도 높은 지형/지물 객체 인식 및 영역 분할을 위해서는 다양한 배경조건의 영상 학습데이터가 필요하며 이러한 학습데이터를 구축하는 과정은 많은 인력과 시간이 요구된다. 특히 대상이 쉽게 접근하기 힘든 달이기에 실제 현지 영상의 확보 또한 한계가 있어, 사실에 기반하지만 유사도 높은 영상 데이터를 인위적으로 생성시킬 필요성이 대두된다. 본 연구에서는 가용한 중국의 달 탐사 Yutu 무인 이동체 및 미국의 Apollo 유인 착륙선에서 촬영한 영상을 통해 위치정보 기반 스타일 변환 기법(Style Transfer) 모델을 적용하여 실제 달 표면과 유사한 합성 영상을 인위적으로 생성하였다. 여기서, 유사 목적으로 활용될 수 있는 두 개의 공개 알고리즘(DPST, WCT2)를 구현하여 적용해 보았으며, 적용 결과를 시간적, 시각적 측면으로 비교하여 성능을 평가하였다. 평가 결과, 실험 이미지의 형태 정보를 보존하면서 시각적으로도 매우 사실적인 영상을 생성할 수 있음을 확인하였다. 향후 본 실험의 결과를 바탕으로 생성된 영상 데이터를 지형객체 자동 분류 및 인식을 위한 인공지능 학습용 영상 데이터로 추가 학습된다면 실제 달 표면 영상에서도 강인한 객체 인식 모델 구현이 가능할 것이라 판단된다.

• 한국작물학회지
• /
• 제67권2호
• /
• pp.85-94
• /
• 2022

혼반용 유색 찰 현미 생산을 위해 품종의 혼합 재배 기술을 이용하면 노동력 절감과 더불어 수량증대로 인한 농가소득 향상에 도움이 될 것으로 기대 된다. 유색미의 경우 현미 색이나 품종별로 항산화 및 혈중 콜레스테롤 저하 등의 다양한 기능성 성분을 함유하고 있으며 본 연구에서는 혼반용으로 적합한 유색미 품종의 선발과 재배기술의 생력화를 위하여 유색미 혼합재배기술에 대한 연구를 수행 하였다. 유색미에 함유되어 있는 페놀화합물의 정성 및 정량분석 결과 황갈색 계열의 품종 및 자원은 Ferulic acid와 Salicylic acid 함량이 높았으며, 적미 계열의 품종 및 자원은 Ferulic acid, Gentisic acid, Catechin 함량이 높았다. 흑미 계열의 경우 Ferulic acid, Caffeic acid, Cinnamic acid 함량이 높았고 적미, 녹미 등 다른 계열의 유색미에 비해 Quercetin 함량이 높은 경향이었다. 녹색계열의 녹원찰벼의 경우 Ferulic acid, Coumaric acid 함량이 높았으며 특히 Coumaric acid 함량이 다른 계열의 유색미에 비해 높았다. 블랜딩 유색미 생산을 위해 품종을 혼합하여 재배할 경우 주당수수, 등숙율 증가로 단일품종으로 재배하는 것보다 수량이 18~20% 증수 되었으며, 혼합재배 유형 중 1품종 1열 재배에서는 녹원찰, 종자혼합 재배에서는 청풍흑향찰, 한강찰과 아랑향찰은 혼합재배 유형 모두에서 생산성이 높아지는 경향이었다.

• 한국음향학회지
• /
• 제40권4호
• /
• pp.261-269
• /
• 2021

공동 유동과 이로 인한 소음에 관한 대부분의 기존 연구들은 효율성이라는 장점 때문에 비압축성 가정의 검증 없이 비압축성 Reynolds averaged Navier-Stokes 방정식에 기반한 수치 해석 방법을 사용하고 있다. 하지만 지금까지 비압축성 가정이 공동 유동과 소음의 예측에 미치는 영향에 대한 연구가 전무한 실정이다. 본 연구에서는 날개 끝 와류공동 유동과 소음에 대한 유체의 압축성 영향을 고찰하기 위하여 날개 끝 와류 공동을 대상으로 비압축성 기반의 해석과 압축성 기반의 해석을 모두 수행하고, Ffowcs Williams and Hawkings(FW-H) 음향상사법을 적용하여 공동 소음을 예측하고 비교하였다. 상류 방향의 유동 영향을 고려하기 위하여, 스큐각이 17°인 수중 추진기를 장착한 DARPA Suboff 잠수함 몸체를 고려하였다. 해석 영역은 실험결과와의 비교를 위하여 선박해양플랜트연구소에서 보유하고 있는 대형 캐비테이션 터널의 시험부와 동일하게 설정하였다. 날개 끝 와류 공동을 정확하게 예측하기 위하여 고정확도의 비정상 상태 지연박리와류모사 해석방법을 적응형 격자 기법과 연계하여 사용하였다. 압축성 유동 해석기법을 이용하여 예측한 음향 스펙트럼이 실험결과와 더 일치하는 결과를 확인하였다.

• 한국화예디자인학연구
• /
• 제43호
• /
• pp.39-56
• /
• 2020

본 연구는 연구자 자신의 경험 가운데 의미 있게 느껴지는 사건의 순간을 감각적 지각을 통해 반추하는 방법적 과정을 통해 추출하고 파악함으로써 직관적 통찰을 행하고 그를 통해 화예 작품 창작을 시도한 연구이다. 구체적으로는 경험의 서사화와 시각화를 시도하였는데 경험의 서사화 단계에서는 무의식 상태의 느낌을 포착하는 수단으로서 감각적으로 지각되는 느낌과 주관적 인상, 정서, 의식의 흐름을 기술하는 느낌의 글쓰기 방법을 '경험의 탐색', '경험의 구체화', '경험의 의미 생성'의 세 단계로 실행, 적용하였고, 경험의 시각화 단계에서는 이미지리서치를 통한 이미지의 수집, 선택, 분류 및 해석을 가지고 '이미지 형성하기', '직관활용하기', '기억작용으로 지각하기'의 세 방법을 실행, 적용하였다. 최종적으로 이들 방법의 통합과 추가적인 보완 리서치 및 글쓰기를 통하여 '해먹은 좋다', '햇볕이 따듯했던 옥상', '홀로 물가에 서다', '뜨거운 모래밭과 혼미함', '멋진 식물원에서의 한때'의 5개 작품의 창작이 이루어졌다. 종합하면 경험의 서사화와 시각화 방법을 결합 후 적용하여 작품 창작 과정의 방법적 접근을 시도한 점에서 본 연구의 의의가 있다 하겠다.

• International Journal of Computer Science & Network Security
• /
• 제21권11호
• /
• pp.345-353
• /
• 2021

Cloud computing represent a new era of computing that's forms through the combination of service-oriented architecture (SOA), Internet and grid computing with virtualization technology. Virtualization is a concept through which every cloud is enable to provide on-demand services to the users. Most IT service provider adopt cloud based services for their users to meet the high demand of computation, as it is most flexible, reliable and scalable technology. Energy based performance tradeoff become the main challenge in cloud computing, as its acceptance and popularity increases day by day. Cloud data centers required a huge amount of power supply to the virtualization of servers for maintain on- demand high computing. High power demand increase the energy cost of service providers as well as it also harm the environment through the emission of CO₂. An optimization of cloud computing based on energy-performance tradeoff is required to obtain the balance between energy saving and QoS (quality of services) policies of cloud. A study about power usage of resources in cloud data centers based on workload assign to them, says that an idle server consume near about 50% of its peak utilization power [1]. Therefore, more number of underutilized servers in any cloud data center is responsible to reduce the energy performance tradeoff. To handle this issue, a lots of research proposed as energy efficient algorithms for minimize the consumption of energy and also maintain the SLA (service level agreement) at a satisfactory level. VM (virtual machine) consolidation is one such technique that ensured about the balance of energy based SLA. In the scope of this paper, we explore reinforcement with fuzzy logic (RFL) for VM consolidation to achieve energy based SLA. In this proposed RFL based active VM consolidation, the primary objective is to manage physical server (PS) nodes in order to avoid over-utilized and under-utilized, and to optimize the placement of VMs. A dynamic threshold (based on RFL) is proposed for over-utilized PS detection. For over-utilized PS, a VM selection policy based on fuzzy logic is proposed, which selects VM for migration to maintain the balance of SLA. Additionally, it incorporate VM placement policy through categorization of non-overutilized servers as- balanced, under-utilized and critical. CloudSim toolkit is used to simulate the proposed work on real-world work load traces of CoMon Project define by PlanetLab. Simulation results shows that the proposed policies is most energy efficient compared to others in terms of reduction in both electricity usage and SLA violation.

• 지구물리와물리탐사
• /
• 제25권3호
• /
• pp.140-161
• /
• 2022

탄성파 탐사 자료 획득 시 자료의 일부가 손실되는 문제가 발생할 수 있으며 이를 위해 자료 보간이 필수적으로 수행된다. 최근 기계학습 기반 탄성파 자료 보간법 연구가 활발히 진행되고 있으며, 특히 영상처리 분야에서 이미지 초해상화에 활용되고 있는 CNN (Convolutional Neural Network) 기반 알고리즘과 GAN (Generative Adversarial Network) 기반 알고리즘이 탄성파 탐사 자료 보간법으로도 활용되고 있다. 본 연구에서는 손실된 탄성파 탐사 자료를 높은 정확도로 복구하는 보간법을 찾기 위해 CNN 기반 알고리즘인 U-Net과 GAN 기반 알고리즘인 cWGAN (conditional Wasserstein Generative Adversarial Network)을 탄성파 탐사 자료 보간 모델로 사용하여 성능 평가 및 결과 비교를 진행하였다. 이때 예측 과정을 Case I과 Case II로 나누어 모델 학습 및 성능 평가를 진행하였다. Case I에서는 규칙적으로 50% 트레이스가 손실된 자료만을 사용하여 모델을 학습하였고, 생성된 모델을 규칙/불규칙 및 샘플링 비율의 조합으로 구성된 총 6가지 테스트 자료 세트에 적용하여 모델 성능을 평가하였다. Case II에서는 6가지 테스트 자료와 동일한 형식으로 샘플링된 자료를 이용하여 해당 자료별 모델을 생성하였고, 이를 Case I과 동일한 테스트 자료 세트에 적용하여 결과를 비교하였다. 결과적으로 cWGAN이 U-Net에 비해 높은 정확도의 예측 성능을 보였으며, 정량적 평가지수인 PSNR과 SSIM에서도 cWGAN이 높은 값이 나타나는 것을 확인하였다. 하지만 cWGAN의 경우 예측 결과에서 추가적인 잡음이 생성되었으며, 잡음을 제거하고 정확도를 개선하기 위해 앙상블 작업을 수행하였다. Case II에서 생성된 cWGAN 모델들을 이용하여 앙상블을 수행한 결과, 성공적으로 잡음이 제거되었으며 PSNR과 SSIM 또한 기존의 개별 모델 보다 향상된 결과를 나타내었다.

• 경제분석
• /
• 제27권4호
• /
• pp.1-42
• /
• 2021

우리나라 소비자물가상승률에 대한 예측은 한국은행의 물가안정목표제 운용, 채권시장 참가자의 만기 포트폴리오 최적화, 부동산 시장 및 민간의 소비와 투자 등 경제 전반에 지대한 영향을 미친다. 본 연구는 향후 3년간 우리나라 소비자물가상승률 예측결과를 제시한다. 이를 위해 우선 자기회귀시차(Autoregressive Distributed Lag, ADL) 모형, AR 모형, 소규모 벡터자기회귀(VAR) 모형, 대규모 VAR 모형의 표본외 예측력을 기준으로 모형선택을 실시한다. 물가상승률에는 다수의 잠재적인 예측변수가 존재하기 때문에 12개의 거시변수를 대상으로 ADL 모형에 베이지안 변수선택기법을 도입하고, 예측력 향상을 위한 정밀한 튜닝과정을 고안하고 적용하였다. VAR 모형에는 미네소타 사전분포를 설정하여 차원의 저주 문제를 극복하고자 하였다. 최근 5년을 대상으로 한 장단기 표본외 예측결과, ADL 모형이 점예측과 분포예측 모두에서 여타 경쟁모형에 비해 전반적으로 우월하였다. 예측조합을 통한 예측결과, 우리나라 소비자물가상승률이 2022년 하반기까지는 현재 비슷한 2% 내외의 수준을 유지할 것으로 보이며, 2023년 상반기부터는 1% 내외로 하락할 것으로 전망된다. 80% 신용구간은 예측치의 대략 ±1%p이다.