• 한국육종학회지
• /
• 제50권4호
• /
• pp.434-441
• /
• 2018

본 연구에서는 배 '원황'(Pyrus pyrifolia)의 유전체 정보를 바탕으로, 유용 유전자 관련 SSR 마커를 선발하였고, 선발된 SSR과 SNP 마커를 이용하여 '원황' ${\times}$ 'Bartlett' $F_1$ 교배집단에 대한 유전자 지도를 작성하였다. '원황'의 scaffold에서 제작된 SSR 마커 유래 염기서열들과 NCBI nucleotide DB와 BLASTn 분석하여, 유용한 유전자들과 높은 상동성을 보이는 510개 SSR 마커를 선발하였다. 이들 마커를 사용하여 양친과 F1 집단 94개체의 대립 단편의 증폭 양상을 확인한 결과, 88개 마커들이 헤테로 집단에 맞는 분리비를 보였다. 선발된 88개의 SSR 마커는 GBS 분석을 통해 획득한 579개 SNP 마커와 함께 '원황'의 유전자지도를 작성하였다. 70개의SSR 마커들은 배 염색체 수와 같은 17개의 염색체에 잘 위치하였고, 모든 염색체에 한 개 이상의 마커로 위치하였다. 유전자지도의 총 유전거리는 3784.2cM이고 마커간 평균거리는 5.8cM이었다. 본 연구에서 개발된 SSR 분자마커 및 이를 기반으로 만들어진 유전자지도는 배의 육종 및 유전 연구에 유용한 정보를 제공할 것으로 기대한다.

• 한국사회정책
• /
• 제24권4호
• /
• pp.3-29
• /
• 2017

본 연구는 케메니와 캐슬즈 등이 주장한 복지와 공공지출 간 상쇄(역)관계(trade-off) 가설이 현재에도 유효한지를 확인하고, 최근 주택소유율이 가장 크게 변화하고 있는 사민주의 국가들과 반대로 가장 안정된 모습을 보여주는 남부유럽 국가들을 대상으로 주택소유율의 변화와 안정 요인을 분석하였다. 연구결과, 첫째, 자료수집이 가능했던 2014년을 기준으로 보았을 때 주택소유와 공공지출 간 상쇄관계는 자유주의 레짐과 보수주의 레짐에서만 확인되었다. 둘째, 사민주의 국가들은 예상외로 주택담보대출이 크게 증가했으며 주택의 상품화 경향을 보여주었으나 남부유럽 레짐의 경우에는 낮은 주택담보대출과 비교적 온전한 주택소유를 유지하고 있어 前상품화 경향을 보여주었다. 셋째, 사민주의 레짐은 신규주택과 공공임대주택 건설투자 축소, 주택소유에 친화적인 조세와 관대한 대출정책 등으로 주택수요의 증가와 주택가격의 폭등을 유발하였으나 남부유럽 레짐은 풍부한 주택재고, 대가족 제도, 친인척 중심의 직접 건축 및 공급 방식, 가족 간 주택의 상속과 이전(증여) 덕분에 주택수요와 가격의 안정을 유지하고 있었다. 주택소유와 복지의 선후관계는 아직 불분명하지만, 부채를 통해 주택소유를 유도하는 것은 복지 대체제로서 주택의 기능적 유용성 여부를 떠나 장기적으로 합리적 대안이 될 수 없을 것이다.

• 한국초지조사료학회지
• /
• 제41권1호
• /
• pp.47-55
• /
• 2021

본 연구는 기후요인과 토양요인이 알팔파 건물수량에 어느 정도 영향을 미치는지를 기여도로 평가할 목적으로, 기상변수와 토양물리성변수를 고려하여 일반선형모형으로 수량예측모델을 구축하였다. 알팔파 수량예측모델 구축과정은 알팔파, 기상 및 토양자료수집, 가공, 통계분석 및 모델구축 순이었다. 수량예측모델은 알팔파와 양적자료인 기상변수를 선택하기 위한 다중회귀분석과 질적자료인 토양물리성변수도 고려하기 위해서 일반선형모형을 사용하였다. 그 결과 DMY에 영향을 미치는 기상변수는 적산온도와 생육일수이었으며, 토양물리성변수는 점토함량이 선택되었다. DMY에 영향을 미치는 변수별 기여도는 점토함량(63%), 적산온도(21%) 및 생육일수(11%)순 이었으며 요인별 기여도는 기후요인(적산온도, 21%와 생육일수, 11%)이 32%, 토양요인(점토함량)이 63%로 나타나 토양요인이 기후요인보다 알팔파 건물수량에 더 기여하는 것으로 평가하였다. 본 연구에서 이용한 알팔파 자료는 토성, 시비수준 및 품종이 제한되어 있어 앞으로 이들 요인을 고려한 다양한 조건의 재배실험을 통하여 보다 많은 자료축적이 요구된다.

• 한국지반공학회논문집
• /
• 제22권9호
• /
• pp.45-59
• /
• 2006

탄소성 구성방정식은 주로 미분방적식(rate equation)으로 이루어져 있기 때문에 유한요소법 등을 이용한 지반구조물 해석시 미분방정식들에 대한 수치적분을 수행할 수 있는 방법이 필요하다. 구조물의 거동을 해석할시 미분방정식들을 위한 적분방법은 해석결과의 정확성과 유한요소법 모델링의 안전성에 큰 영향을 미치고 있다. 본 논문에서는 최근에 개발되어 사용되고 있는 흙에 관한 구성모델인 "Two-surface soil plasticity model (Manzari and Dafalias 1997)"을 Implicit return-mapping 수치적분방법을 이용하여 실행하는 과정을 제시한다. 본 연구에서 사용된 수치적분방법은 Closest-Point-Projection Method(CPPM) 방법으로 탄성 예측자-소성 교정자(elastic predictor-plastic corrector) 개념을 Implicit Backward Euler방법으로 체계화 시킨 알고리듬이다. 본 연구에서 수행한 "Two-surface soil plasticity model"은 조립토의 비선형거동을 해석하며, Bounding surface 개념 및 비선형 등방경화와 이동경화법칙을 사용하는 모델이다. 본 연구는 CPPM 방법이 정확하고 안정되며 유용한 수치적분을 수행할 수 있는 알고리듬이라는 것을 제시한다. 또한, CPPM 알고리듬은 구성방정식의 해를 반복적으로 해석하는 동안 "Consistent tangent operator $d{\sigma}/d{\varepsilon}$"를 제공하므로, 비선형 유한요소 해석이 2차(quadratic convergence rate)의 수렴 조건을 만족하는데 기여한다는 것을 보여준다.

• 디자인융복합연구
• /
• 제15권5호
• /
• pp.71-83
• /
• 2016

인테리어 패널은 실내 벽체의 마감 디자인에 많이 활용되고 있으며 패널들의 배치로 형성되는 다양한 패턴은 장식적 효과뿐만 아니라 정보전달의 역할도 한다. 설계자가 원하는 디자인에 따라 패널을 배치하는 것은 반복되는 작업을 요구하는데 본 연구는 패널배치 과정의 체계화를 통해 자동화를 지원하는 것을 목적으로 한다. 이에 본 연구에서는 인테리어 패널의 활용 특징을 고려하여 패턴표현에 관한 이론적 고찰을 진행하고 이를 바탕으로 비트맵 이미지 픽셀과 인테리어 패널의 형태 변화를 이용한 세 가지 패널배치 패턴 표현 방법을 제안하였다. 또한 제안한 방법의 실제 적용 가능성 검증을 위해 제안한 세 가지 방법 중 비트맵 이미지 픽셀과 인테리어 패널의 유형속성을 이용한 패턴표현 방법을 적용하여 BIM기반 설계를 지원하는 인테리어 패널 자동배치 도구를 구현 하였다. 이는 물량정보나 패널 배치순서와 같은 시공단계에 활용 가능한 정보의 자동생성도 지원하여 설계자 및 시공자의 작업효율 향상에 도움이 된다. 또한 본 연구에서 제안한 인테리어 패널 자동배치 패턴표현 방법은 바닥 타일과 같은 기본단위의 반복을 요구로 하는 다양한 장식객체의 배치에도 활용 가능할 것으로 기대 된다.

• 드라이브 ㆍ 컨트롤
• /
• 제20권4호
• /
• pp.115-122
• /
• 2023

This study utilized a discrete element method (DEM) simulation, as one of the virtual field trials, to predict the impact of tillage depth on the rotary blade shaft during rotavator tilling. The virtual field for the simulation was generated according to soil properties observed in an actual field. Following the generation of particles for the virtual field, a sequence of calibration steps followed to align the mechanical properties more closely with those of real soil. Calibration was conducted with a focus on bulk density and shear torque, resulting in calibration errors of just 0.02% for bulk density and 0.52% for shear torque. The prediction of the load on a rotary tiller's blade shaft involved a three-pronged approach, considering shaft torque, draft force, and vertical force. In terms of shaft torque, the values exhibited significant increases of 42.34% and 36.91% for every 5-centimeter increment in tillage depth. Similarly, the vertical force saw substantial growth by 40.41% and 36.08% for every 5-centimeter increment. In contrast, the variation in draft force based on tillage depth was comparatively lower at 18.49% and 0.96%, indicating that the effect of tillage depth on draft force was less pronounced than its impact on shaft torque and vertical force. From a perspective of agricultural machinery research, this study provides valuable insights into the DEM soil modeling process, accounting for changes in soil properties with varying tillage depths. These findings are expected to be instrumental in future agricultural machinery design studies.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.129-143
• /
• 2023

빅데이터 시대를 맞이하여 인공지능 분야는 괄목할만한 성장을 보이고 있으며 특히 딥러닝에 의한 이미지 분류 학습방법이 중요한 영역으로 자리하고 있다. 이미지 분류에서 많이 사용되어 온 CNN의 성능을 더욱 개선하기 위해 다양한 연구가 활발하게 진행되었는데, 이 중에서 대표적인 방법이 CRNN(Convolutional Recurrent Neural Network) 알고리즘이다. CRNN 알고리즘은 이미지 분류를 위한 CNN과 시계열적 요소를 인식하기 위한 RNN의 조합으로 구성되는데, CRNN의 RNN영역에서 사용하는 입력값은 학습 대상의 이미지를 합성곱과 풀링 기법을 적용하여 추출된 결과물을 flatten한 값이고, 이 입력값들은 이미지 내 동일 위상에 있는 픽셀값들이 서로 다른 순서로 나타나기 때문에, RNN에서 의도한 이미지 내 배열 순서를 제대로 학습하기 어렵다는 한계점을 지닌다. 따라서 본 연구는 인코더와 디코더의 개념을 응용한 CNN과 RNN의 새로운 하이브리드 방법을 제안하여, 이미지 분류 성능을 향상시키는 것을 목적으로 하였다. 본 연구에서는 다양한 알고리즘 비교 실험을 통해, 새로운 하이브리드 방법의 효과성을 검증하였다. 본 연구는 인코더와 디코더 개념의 적용 가능성을 넓히고, 제안한 방법이 기존 하이브리드 방법에 비해, 복잡도가 크게 증가하지 않아 모델 학습 시간과 인프라 구축 비용 측면에서 이점을 있다는 점에서 학문적 시사점을 가진다. 또한, 정확한 이미지 분류가 필요한 다양한 분야에서 제공되는 서비스의 품질을 높일 수 있는 가능성을 제시하였다는 점에서 실무적 시사점을 가진다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 한국응용곤충학회지
• /
• 제54권2호
• /
• pp.91-97
• /
• 2015

담배가루이(Bemisia tabaci)는 외래해충으로 바이러스벡터로 작용하여, 토마토의 토마토황하잎말림병바이러스(TYLCV)를 비롯한 약 100여종의 바이러스를 매개하는 중요한 해충이다. 본 연구에서는 VIGS vector를 이용하여 담배가루이 방제를 위한 target 유전자들을 선발하기 위해 gateway system을 이용한 담배가루이 cDNA library 제작을 시도하였다. 첫 번째 방법으로 oligo d(T) primer를 사용하였을 때, 평균 약 1 kb의 insert와 $1.4{\times}10^4cfu$의 titer를 확인하였다. 그러나 insert size가 너무 커서 적절하지 않았다. 두 번째 방법으로 attB-N25 random primer를 이용하고, sonication을 6초 실시하여 다시 진행하였다. 그러나 확인되는 insert size는 다소 컸고, 몇몇은 insert가 너무 작아서 밴드가 확인 되지않았으며, $1.04{\times}10^54cfu$의 titer를 확인할 수 있었다. 세 번째 방법으로는 oligo d(T) primer를 이용하였고, sonication을 2초 실시하였다. 그 결과 300 bp~600 bp size의 insert가 확인되었으나, electro transformation을 사용한 첫번째, 두번째 방법에 비해 heat shock transformation을 사용하여 titer가 $5.2{\times}10^24cfu$로 매우 낮은 것을 확인 할 수 있었다. 결과적으로 cDNA library를 만들 때 먼저 random primer를 사용하여 First strand를 합성하여 poly A를 제거하고, 다음으로 sonication을 1초 실시하여 300~700 bp정도의 적절한 size의 insert를 생성하고, 마지막으로 electro-transformation을 실시하여 transformation 효율을 높인다면 VIGS vector에 적합한 cDNA library를 만들 수 있을 것으로 사료 된다.

• Journal of Plant Biotechnology
• /
• 제43권3호
• /
• pp.261-271
• /
• 2016

세계적인 과수작물로서의 경제적 중요성에도 불구하고, 감귤 생산은 주로 자연교잡 실생이나 눈 돌연변이로부터의 선발 또는 단순 품종 도입 등을 통해 이루어지고 있는 실정이다. 긴 유년기, 다배성, 자가불화합성과 같은 감귤 고유의 식물학적 특성, 주요 형질들(병저항성, 수량성, 품질 등)의 QTL에 의한 조절 등은 전통 육종을 통한 우수 품종의 개발을 어렵게 하는 요인이다. 지구 온난화에 의한 생산 여건의 급격한 변화, 소비자 요구 다양화 등은 고품질 감귤의 조기 선발과 안정적 생산, 품종 다양화, 육종 비용 절감 등을 위한 체계적인 감귤 분자육종 프로그램의 도입을 요구하고 있다. 동위효소를 이용한 최초의 감귤 연관지도 작성이 이루어진 이래, 다양한 분자표지를 이용한 연관지도 작성, 생물(CTV, CiLV, ABS, 선충] 및 비생물적(염분, 저온) 스트레스, 아포믹시스, 다배성, 과실착색(카로티노이드, 안토시아닌), 무종자, 웅성불임, 신맛 적음, 생식, 형태(나무, 잎, 꽃, 열매 등), 과실 품질, 종자수, 수량성, 조기 착과 등과 연관된 분자표지 발굴, QTL 맵핑 등이 이루어졌다. CTV 저항성과 적육(안토시아닌 축적) 형질에 대해서는 유전자 클로닝이 이루어졌고, 교배 육종 효율 증대 및 비용 절감을 위해 교잡배와 주심배를 구분하기 위한 다수의 simple sequence repeat (SSR) 분자표지가 개발되었다. 최근, 스위트오렌지와 '클레멘타인' 만다린에 대한 고품질의 표준 유전체가 완성되어 유전체 기반 감귤 분자육종을 위한 토대가 마련되었다. 표준 유전체 정보를 토대로 대규모 분자표지(SNP, SSR, InDel) 기반의 표준 연관 및 물리지도 작성, 비교 유전체 지도 작성, gene annotation, 전사체 분석 등이 활발히 이루어지고 있다. 감귤 유전자원 및 핵심집단에 대해 표준 유전체 기반 비교 유전체 분석, GBS (genotyping-by-sequencing), GWAS (genome wide association study) 등을 통해 감귤의 다양한 형질과 연관된 분자마커 발굴 및 개발, 유용/변이 유전자 클로닝 등에 관한 연구가 가속화될 것으로 전망된다. 또한 표적 유전체 교정 및 VIGS (virus-induced gene silencing) 기술도 유전자 마커의 검증을 비롯한 감귤 분자육종 프로그램에 활발히 이용될 것이다.