• 응용통계연구
• /
• 제26권2호
• /
• pp.335-347
• /
• 2013

다양한 분야에서 시그널(signal) 형태로 자료들이 표현된다. 예를 들면 심전도(electrocardiogram)는 심근에서 발생하는 활동 전류를 나타내는데, 심장의 박동에 따라 수축과 이완을 반복하는 과정을 시간에 따른 활동 전류량의 변동으로 나타낸다. 현실세계에서 측정하거나 관찰되는 시그널에는 다양한 형태의 시그널들이 혼합되어 있는 경우가 흔하다. 예를 들어 오케스트라 연주의 아름다운 선율은 고유한 주파수(frequency)를 지닌 악기들의 다양한 소리로 구성되어 있으며, 각기 다른 음조(note)가 하나로 모여 완벽한 하모니를 형성하게 된다. 시그널이 정상인(stationary) 경우에 혼합된 시그널들을 분해하여 분석하는 방법에 대해 현재까지 다양하게 연구되어 왔다. 자료가 비정상(non-stationary)일 경우에는 기존의 방법론들을 적용시키기에는 한계가 있다. 비정상성 자료를 다루기 위해 Huang 등 (1998)은 경험적 모드분해법(empirical mode decomposition)이라는 방법을 제안하였다. 자료에 내포되어 있는 국소적인 파동(oscillation)을 국소 극값들(local extrema)을 식별하여 자료 적응적으로 추출한다. 경험적 모드분해법은 잡음(error)에 의해 자료가 오염되어 있는 경우에는 국소 극값들을 통하여 국소적인 파동을 추정하기 어려우며, 자료의 크기가 커짐에 따라 계산량도 크게 늘어나는 단점 등이 있다. 본 연구에서는 이차 미분을 이용하여 국소적인 파동을 식별하고 추정하는 새로운 방법론을 제시하고자 한다.

• 대한교통학회지
• /
• 제20권7호
• /
• pp.177-183
• /
• 2002

현재 국내 VMS 운영은 대체로 소극적 정보제공에 머물고 있으며, 정보제공 우선순위. 조합 가능한 메시지 집합 등이 포함된 간단한 형태의 지식기반 추론엔진 방식에 의하고 있다. 또한 VMS 관련 연구도 해당도로의 상황을 정확히 검지하고 예측하는 방법론 개발에 집중되어 있다. 그러나 VMS도 적극적 운영을 통하여 교통관리의 수단으로 활용해야 하며, 이에 있는 그대로 상황을 전달하는 현 Practice에서 진일보한 전략적 정보제공 기술이 개발되어야 한다. 본 연구에서는 네트워크 차원의 교통관리를 목적으로 한 VMS 자동제어 알고리즘을 제안하였다. 외란의 불확실성과 모형의 정확도에 강한(robust) 피드백 제어방식을 채택하였고, 알고리즘은 시스템 최적 달성을 목표로 설정한 여유용량 균등화 Regulator와 VMS Display 모듈로 구성된다. 여유용량의 산정은 도로용량편람의 용량 개념과 차별화 되는 개념을 제안하였으며 이 부분에 대한 구체적 산정방식의 개발은 향후과제로 남겨두었다. 두 개의 대안경로로 구성된 실제 도로망에 대한 모의실험을 통하여. 여유용량균등화 Regulator에 의한 통행 재배분 효과를 제한적으로나마 살펴보았다. 그러나 VMS Display Strategy 모듈에 의한 실제 통행배분 행태는 모의실험의 한계성으로 인하여 검증하지 못하였으며 이를 향후과제로 남겨두었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권4호
• /
• pp.284-288
• /
• 2009

단백질 상호작용의 예측 및 실험 결과가 대용량으로 배포되면서 바이오 정보 기술 연구자들은 생명체 내의 단백질 상호작용 네트워크를 구성하기 위해 노력하여 왔다. 일반적으로 대용량의 상호작용 데이터들은 많은 오류를 포함한다고 알려져 있으나, 최근 단백질의 물리 화학적 특성 및 구조를 기반으로 한 방법들이 실제 실험과 병행되어 고화질(High resolution)의 결과를 제공하게 되면서, 특정 종에 대한 단백질 상호작용 네트워크가 점차 완성되고 있다. 그러나, 단순 물리적 링크 수준의 단백질 상호작용 네트워크만으로는 특정 병원체의 발병 메커니즘 규명 등과 같은 응용분야의 활용에 한계가 있다. 본 논문에서는 실험을 통하여 보고된 신호 전달 경로(signaling transduction pathway)를 이용하여 단백질 기능 간의 관계를 방향성이 있는 그래프로 표현한 단백질 기능 흐름 모델을 제시한다. 제안하는 모델은 Gene Ontology에서 정의된 molecular function을 정점(vertex)으로 가지고 이들 사이의 관계를 간선(edge)으로 표현함으로써 특정 기능의 전이를 살펴볼 수 있다. 이러한 기능 흐름 모델은 수 만개의 정점(vertex)으로 구성된 단백질 상호작용 네트워크에서 의미 있는 경로를 추출하는 데에 제약 혹은 참조 조건으로 사용될 수 있어 향후 활용도가 클 것으로 기대한다. 평가는 KEGG에서 제공되는 11개의 인간 신호 전달 경로 각각에 대하여 대상 경로를 제외한 나머지로부터 생성된 모델과의 크론바하 알파 계수(Cronbach's alpha)를 측정하였고(${\alpha}=0.67$), 총 1023개의 흐름 중 ${\alpha}=0.6$ 이상의 신뢰도에 대하여 총 765개의 흐름을 가지는 기능 흐름 모델을 최종 구성하였다.

• 한국멀티미디어학회논문지
• /
• 제9권5호
• /
• pp.649-657
• /
• 2006

강화학습이란 환경에 대한 정보가 주어지지 않았을 때 현재의 상태에서 가능한 행동들을 취한 후 얻어지는 보상값이 가장 큰 행동을 최적의 행동 전략으로 학습하는 것이다. 강화학습에서 가장 많이 사용하는 Q-학습은 환경의 특정 상태에서 가능한 행동 중에 하나를 선택해서 취한 행동으로 얻어지는 보상값으로 구성되는데 실세계 상태를 이산값으로 표현하기에는 많은 어려움이 있다. 상태를 많이 정의하면 그만큼 학습에 필요한 시간이 많아지게 되고 반대로 상태 공간을 줄이면 다양한 환경상태를 한 개의 환경상태로 인지를 하고 그 환경에 맞는 한 가지의 행동만 취하도록 학습하기 때문에 행동이 단순해진다. 본 논문에서는 학습 시간을 단축하기 위해 상태 공간을 줄이는 데서 발생하는 행동의 단순화의 단점을 보완하기 위한 방법으로 영향력 분포도를 이용한 Q-학습 방법을 제안한다. 즉, 영향력 분포도와 인접한 학습 결과를 이용해서 학습하지 못한 중간 상태에 적합한 행동을 취하게 하여 동일한 상태 개수에 대해서 학습 시간을 단축하는 것이다. 동일한 학습 시간 동안에 일반적인 강화학습 방법으로 학습한 에이전트와 영향력 분포도와 강화학습을 이용해서 학습한 에이전트의 성능을 비교해 보았을 때 영향력 분포도와 강화학습을 이용해서 학습한 에이전트가 단지 일반적인 강화학습에 필요한 상태공간의 4.6%만 정의를 하고도 성능 면에서는 거의 비슷한 효과를 볼 수가 있음을 확인하였다. 이는 영향력 분포도와 강화학습을 이용한 학습이 일반적인 강화학습에 비해서 학습 속도가 2.77배정도 빨리 이루어지고 실제 학습해야 할 상태 공간의 개수가 적어져서 발생되는 문제를 영향력 분포도를 이용해서 보완을 하기 때문이다.

• 지구물리와물리탐사
• /
• 제1권1호
• /
• pp.49-56
• /
• 1998

탄성파토모그래피는 고해상의 자료분석을 필요로 하는 환경이나 토목 등 공학적 응용분야에서 지하구조를 결정하기 위해 널리 사용되는 방법이다. 지금까지의 탄성파토모그래피는 대부분 주시역산에 의존해 왔으나 최근에는 파형정보를 이용하는 역산기법들이 활발히 연구되고 있다. 본 연구에서는 이러한 파형정보를 이용하여 음파 매질에서의 이차원 전파형 역산 알고리듬을 개발하였다. 전파형 역산은 Born역산의 약산란장 가정이나 주시역산의 고 주파수 가정이 필요 없는,분해능이 가장 좋은 방법이다. 그러나 초기추정값이 실제 모델과 많이 다를 경우 국부 최소값에 빠진다는 단점이 있다. 본 연구에서는 주시 역산을 통해 배경값을 추정하고 이를 초기추정 값으로 주어 전 파형 역산을 수행하는 알고리듬을 개발하였다. 본 알고리듬을 인공탄성파자료에 적용한 결과, 주시 역산 결과를 전파형 역산의 초기치로 사용할 경우 오차의 수렴속도가 매우 빠르고 분해능이 뛰어난 영상을 제공함을 확인할 수 있었다. 이는 주시역산을 통한 배경값 추정이 전파형 역산의 국부 최소값 문제와 계산 시간의 문제를 효과적으로 해결할 수 있는 방안임을 시사한다. 또한 축소모형실험자료에 대하여 본 알고리듬을 적용한 결과 재구성된 속도구조가 실제 모형과 잘 일치함을 알 수 있었고, 이를 통하여 현장자료에 대한 적용가능성을 확인하였다.

• 지구물리와물리탐사
• /
• 제15권3호
• /
• pp.129-135
• /
• 2012

동시 송신원 전파형 역산 기법은 계산량을 획기적으로 줄여 전파형 역산의 적용성을 높여준다. 그러나 다수의 송신원 모음 자료를 동시에 모델링하여 사용하기 때문에 관측 자료의 수진기 위치가 송신원에 따라 다른 경우, 나머지(residual) 파동장에 불필요한 값을 생성하게 되고 이는 파형역산의 수렴성을 저해하게 된다. 특히, 제한된 벌림 거리(offset)를 갖는 스트리머 방식의 탐사자료는 동시 송신원 기법을 적용하기에 가장 어려운 자료 형태이다. 이러한 문제점을 극복하기 위해 최근에 global correlation에 기반한 목적함수가 제안되었고, 시간영역 전파형 역산에 성공적으로 적용되었다. 그러나 이 기법은 변형된 목적함수를 사용하기 때문에 나머지 파동장이 왜곡되고 경우에 따라 역산 결과에 부정적인 영향을 주기도 한다. 또한, 여러 가지 장점을 갖고 있는 주파수 영역 파형역산에 적용된 사례는 아직 보고된 적이 없다. 본 논문에서는 이러한 나머지 파동장의 왜곡을 최소화하기 위해 global correlation 계산 시 사용하는 자료에 진폭감쇠 기법을 적용한다. 진폭감쇠를 적용한 자료는 global correlation의 특성을 최적화하여 나머지 파동장의 왜곡을 줄이고 파형역산 결과를 향상시킨다. 시간 영역에서 구한 나머지 파동장을 주파수 영역에서 역전파시킴으로써 global correlation기법을 주파수 영역에서 구현한다. 스트리머 방식의 합성 탐사자료를 이용한 예제를 통해 본 논문에서 제안한 기법이 기존의 global correlation 목적함수에 기반한 동시 송신원 전파형 역산보다 향상된 결과를 얻을 수 있음을 보여준다.

• 서비스연구
• /
• 제6권3호
• /
• pp.29-40
• /
• 2016

20세기 후반 이후 영상, 음성, 부호, 문자 등의 디지털 데이터에 IT 기술을 융합 적용하여 디지털포맷으로 상품화된 미디어 콘텐츠의 시장가치를 높이려는 많은 노력이 있어 왔다. 그렇다면 미디어에서 언급하는 드라마 '태양의 후예' 혹은 애니메이션 영화 '겨울왕국'에 대한 시장가치는 어떠한 기준과 방법론으로 산출할 수 있을까? 현재까지 미디어 콘텐츠 가치평가 프레임워크나 시스템 개발 등에 대한 연구가 전무한 실정에서, 본 논문에서는 영화, 온라인게임, 방송광고, 애니메이션 등 4가지 미디어 유형에 대한 콘텐츠 가치평가 프레임워크를 정형화하고 제시함으로써, 향후 콘텐츠 이전거래, 투자적정성 검토 등 다양한 목적을 위한 실용적인 가치평가모형을 제안하고자 한다. 따라서, 여기서는 미디어 콘텐츠 유형별로 제작(개발)비용을 포함한 현금흐름(cash flow: C.F.)의 산출방안을 제시하고, 이와 연관된 기타 가치평가 핵심변수요인(경제적 수명, 할인율, 콘텐츠 기여도 및 로열티율)에 관한 참조정보 D/B를 제시하여, 기존 무형자산 평가시에 적용되었던 수익접근법 및 로열티공제법 방식의 가치평가 개념을 활용한 미디어 콘텐츠 가치평가 프레임워크를 개발하고 제안한다.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.411-419
• /
• 2019

오늘날 인공지능은 과학기술 공학 분야에 가장 중요한 기술로 떠오르고 있다. 방송미디어를 포함한 모든 과학기술은 완전히 새로운 기술의 등장으로 급격한 변화의 시대를 맞고 있다. 여럿의 핵심 기술과 그것의 운용이 전례없는 새로운 방식으로 융합하는 현상이 전개되고 있는 것이다. 이를테면 NBIC 기술융합현상을 꼽을 수 있다. 컴퓨터의 데이터 처리 능력과 속도가 기하급수적(exponentially)로 발달함으로서 나노, 바이오생명, 디지털 테크놀러지 그리고 인공지능 기술의 융합이 가능해진 것이다. 이 모든 기술융합의 현상의 중심에 인공지능이 위치한다. 인공지능 기술은 구글, 애플, 페이스북, 에플 등 거대 플랫폼 기업의 핵심역량으로 자리매김하고 있다. 디지털기술과 사이버네틱스를 기반으로 한 인공지능은 현재뿐만 아니라 미래 플랫폼 기업에 결정적인 전략자산이 될 것이 확실하다. 이러한 맥락과 배경에서 트랜스휴머니즘(더나아가 포스트휴머니즘)에 대한 논의와 연구가 북미와 서유럽 국가들을 중심으로 활발하게 일어나고 있으며 전세계적으로 확산하고 있는 추세이다. 일반적으로 트랜스휴머니즘은 인간역능을 개선, 향상(강화)하고 전통적인 휴머니즘에 도전하는 기술기반의 새로운 사상의 흐름을 말한다. 트랜스(포스트)휴머니즘은 과학기술의 발달로 촉발되었지만, 이것은 인간과 인류문명에 대해 근본적인 질문을 제기하고 있다는 점에서 과학기술영역을 넘어 횡단적이고, 특히 인문과학 중심의 학제적인 논의를 필요로 한다. 방송미디어가 단순히 기술공학 만이 아니라 정치와 문화영역, 즉 인간의 일상과 인류의 미래에 지대한 영향을 미치는 분야라는 사실을 고려한다면 인공지능기술과 그것의 다양한 함의에 대한 초학제적이고 복합적인 연구와 논의가 절실히 요구된다.

• 해양환경안전학회지
• /
• 제29권5호
• /
• pp.512-519
• /
• 2023

소음공해는 인간과 해양환경에 악영향을 끼치며, 선박과 해양구조물에서 발생하는 유동소음을 예측을 통해 소음에 대한 안전성을 평가하고 해양환경을 보존할 수 있다. 기존 수중구조 유동소음 해석기법은 전산유체역학과 FW-H음향상사식을 이용한 하이브리드법 기반이다. FW-H는 무한공간에서의 음향전파를 가정하여 소음해석을 수행하기 때문에 음파의 반사와 산란, 회절의 영향이 나타나는 근접장 해석이 제한적이다. 반면 격자볼츠만기법 기반의 직접법 유동소음해석을 수행하면 근접장 음향효과를 소음해석에 반영할 수 있다. 직접법 해석은 유동과 소음이 연성된 해석이 수행되고 구조경계에서의 반사와 회절, 유동에 의한 매질 불균일성에 따른 산란효과가 반영된다. 그간 격자볼츠만기법이 수중조건에서 수치적으로 불안정하여 수중환경에 적용이 불가능했다. 하지만 수중환경에서 사용할 수 있는 DM-TS 격자볼츠만기법 충돌연산자가 개발되어 수중으로 확장이 가능해졌다. 본 연구에서는 파이프내 원형구멍에 대하여 격자볼츠만기법 해석을 수행해 수중 유동소음해석이 가능함을 보였다. 격자볼츠만기법 해석을 통해 도출한 유동과 소음을 각각 실험과 비교하여 해석의 신뢰도를 확보하였다. 파이프내 유동소음에 의한 주요 압력 피크가 해석에 반영되었으며 이를 통해 격자볼츠만기법을 이용한 근접장 유동소음해석이 가능함을 확인했다.

• Nuclear Engineering and Technology
• /
• 제55권1호
• /
• pp.339-352
• /
• 2023

Prediction of the time-related traits of pebble flow inside pebble-bed HTGRs is of great significance for reactor operation and design. In this work, an image-driven approach with the aid of a convolutional neural network (CNN) is proposed to predict the remaining time of initially loaded pebbles and the time interval of paired flow images of the pebble bed. Two types of strategies are put forward: one is adding FC layers to the classic classification CNN models and using regression training, and the other is CNN-based deep expectation (DEX) by regarding the time prediction as a deep classification task followed by softmax expected value refinements. The current dataset is obtained from the discrete element method (DEM) simulations. Results show that the CNN-aided models generally make satisfactory predictions on the remaining time with the determination coefficient larger than 0.99. Among these models, the VGG19+DEX performs the best and its CumScore (proportion of test set with prediction error within 0.5s) can reach 0.939. Besides, the remaining time of additional test sets and new cases can also be well predicted, indicating good generalization ability of the model. In the task of predicting the time interval of image pairs, the VGG19+DEX model has also generated satisfactory results. Particularly, the trained model, with promising generalization ability, has demonstrated great potential in accurately and instantaneously predicting the traits of interest, without the need for additional computational intensive DEM simulations. Nevertheless, the issues of data diversity and model optimization need to be improved to achieve the full potential of the CNN-aided prediction tool.