• Journal of the Korean Data and Information Science Society
• /
• 제20권3호
• /
• pp.527-539
• /
• 2009

회외발에 대한 거골하 관절가동술이 균형능력에 미치는 영향을 알아보기 위해, 주상골 하강 검사에서 주상골의 하강이 4mm이하의 저가동성인 회외발군 20명을 실험군으로, 정상발군 20명을 대조군으로 하여 거골하 관절가동술을 주 3회 4주간 총 12회 적용한 결과 실험기간에 따라 동요 면적, 동요길이, 동요 최대 속도가 유의하게 감소하였으며, 실험군과 대조군에서 유의한 차이가 있었다. 실험군에서는 기간에 따라 동요 면적, 동요 길이, 동요 최대 속도가 유의하게 감소하였으나, 대조군에서는 기간에 따른 유의한 차이가 없었다. 동요 면적, 동요 길이, 동요 최대 속도에 대한 그룹 간 비교에서 설험 전은 유의한 차이가 없었으나 실험 2주 후, 실험 4주 후, 실험종료 2주 후에서는 실험군이 대조군에 비해 유의하게 낮았다.

• 비파괴검사학회지
• /
• 제20권6호
• /
• pp.545-554
• /
• 2000

충격에 의해 복합 재료 내에 발생하는 층간 박리를 정량적으로 평가하기 위한 비파괴 방법중에서 Compton X-ray 역산란 기술은 초음파에 비해 비접촉식이며 박리 층간의 상호간섭이 없어 복합재료 판면의 박리 층의 위치와 크기를 검사하는데 효과적인 방법으로 사용되어 왔다. 그러나 X-ray역산란 기술에 있어서 복합재료의 박리 층과 같은 미세한 결함의 측정을 위해 측정 정도를 높이면 역산란 양의 감소로 인해 신호 대 잡음 비(SNR)가 급격히 감소하여 결함검출 가능성이 크게 저하된다. 본 논문에서는 복합재료의 특성을 고려한 X-ray 역산란 모델을 기초로 적응필터를 사용하여 결함신호를 비선형 감쇄, 빔 경화(X-ray hardening), 비균질 특성과 같은 잡음 신호로부터 분리, 추출하는 방법을 제시하였다. 이렇게 분리된 결함신호로부터 정량적인 결함(박리)의 위치와 크기를 수학적 산란 모델과의 비교를 통해 최소 자승법을 이용하여 결정하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.160-160
• /
• 2019

Water is a limited source that needs to be properly managed and distributed to the ever-growing population of the world. Rapid urbanization and development have increased the overall water demand of the world drastically. However, there is loss of billions of liters of water every year due to leakages in water distribution systems. Such water loss means significant financial loss for the utilities as well. World bank estimates a loss of $14 billion annually from wasted water. To address these issues and for the development of efficient and reliable leakage management techniques, high efforts have been made by the researchers and engineers. Over the past decade, various techniques and technologies have been developed for leakage management and leak detection. These include ideas such as pressure management in water distribution networks, use of Advanced Metering Infrastructure, use of machine learning algorithms, etc. For leakage detection, techniques such as acoustic technique, and in recent yeats transient test-based techniques have become popular. Smart Water Grid uses two-way real time network monitoring by utilizing sensors and devices in the water distribution system. Hence, valuable real time data of the water distribution network can be collected. Best results and outcomes may be produced by proper utilization of the collected data in unison with advanced detection and management techniques. Long term reduction in Non Revenue Water can be achieved by detecting, localizing and repairing leakages as quickly and as efficiently as possible. However, there are still numerous challenges to be met and future research works to be conducted in this field.

• 한국컴퓨터정보학회논문지
• /
• 제18권11호
• /
• pp.31-38
• /
• 2013

특징 정규화는 인식기를 적용하기 이전의 전처리 단계로 특징의 스케일에 따른 오류를 줄이기 위해 널리 사용되고 있다. 하지만 기존 정규화 방법은 특징의 분포를 가정하는 경우가 많으며, 클래스 라벨을 고려하지 않으므로 정규화 결과가 인식률에서 최적임을 보장하지 못하는 문제점이 있다. 이 논문에서는 특징의 분포를 가정하지 않는 랭크 정규화 방법과 클래스 라벨을 사용하는 교사 학습법을 결합한 교사 랭크 정규화 방법을 제안하였다. 제안하는 방법은 데이터의 분포를 바탕으로 특징의 분포를 자동으로 추정하므로 특징의 분포를 가정하지 않으며, 데이터 포인트의 최근접 이웃이 가지는 클래스 라벨을 바탕으로 정규화를 시행하므로 오류의 발생을 최소화할 수 있다. 특히 SVM의 경우 서로 다른 클래스에 속하는 데이터 포인트들이 혼재되어 나타나는 영역에 경계선을 설정하므로 이 영역의 밀도를 줄임으로써 경계선 설정을 보다 용이하게 하고 결과적으로 일반화 오류를 감소시킬 수 있다. 이러한 사실들은 실험 결과를 통해 확인할 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.141-147
• /
• 2021

본 연구를 통해 임베디드 시스템(Embedded System)에서 뉴럴 네트워크(Neural Network) 인풋의 차원 감소 방식으로 복잡한 연산량을 줄여 초분광 대용량 데이터 특징 정보의 활용률을 개선하기 위해, 전체 밴드를 밴드별 최댓값과 최솟값 차이로 부분집합으로 군집화하여, 각 부분집합에서 밴드 선택 알고리즘을 적용한다. 특징 추출과 특징 선택 기법 중에, 특징 선택 기법을 통해, 파장 범위와 관계없이 데이터세트에 맞는 최적의 밴드 수와 기존 알고리즘 적용 소요 시간과 성능을 향상하고자 한다. 이 실험을 통해 기존 밴드 선택 기법보다 1/3~ 1/9배 소요 시간을 단축했음에도 불구하고 K-최근접 이웃 분류기를 통한 성능 면에서는 약 4% 이상 향상된 의미 있는 결과를 도출하였다. 실시간 초분광 데이터 분석 활용에는 어렵지만, 개선된 가능성을 확인했다.

• Wind and Structures
• /
• 제32권2호
• /
• pp.127-142
• /
• 2021

Wind load acting on a standalone structure is different from that acting on a similar structure which is surrounded by other structures in close proximity. The presence of other structures in the surrounding can change the wind flow regime around the principal structure and thus causing variation in wind loads compared to a standalone case. This variation on wind loads termed as interference effect depends on several factors like terrain category, geometry of the structure, orientation, wind incident angle, interfering distances etc., In the present study, a three building configuration is considered and the mean pressure coefficients on each face of principle building are determined in presence of two interfering buildings. Generally, wind loads on interfering buildings are determined from wind tunnel experiments. Computational fluid dynamic studies are being increasingly used to determine the wind loads recently. Whereas, wind tunnel tests are very expensive, the CFD simulation requires high computational cost and time. In this scenario, Artificial Neural Network (ANN) technique and Support Vector Regression (SVR) can be explored as alternative tools to study wind loads on structures. The present study uses these data-driven approaches to predict mean pressure coefficients on each face of principle building. Three typical arrangements of three building configuration viz. L shape, V shape and mirror of L shape arrangement are considered with varying interfering distances and wind incidence angles. Mean pressure coefficients (Cp mean) are predicted for 45 degrees wind incidence angle through ANN and SVR. Further, the critical faces of principal building, critical interfering distances and building arrangement which are more prone to wind loads are identified through this study. Among three types of building arrangements considered, a maximum of 3.9 times reduction in Cp mean values are noticed under Case B (V shape) building arrangement with 2.5B interfering distance. Effect of interfering distance and building arrangement on suction pressure on building faces has also been studied. Accordingly, Case C (mirror of L shape) building arrangement at a wind angle of 45º shows less suction pressure. Through this study, it was also observed that the increase of interfering distance may increase the suction pressure for all the cases of building configurations considered.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.17-28
• /
• 2022

The cable component of cable-stayed bridges is gradually impacted by weather conditions, vehicle loads, and material corrosion. The stayed cable is a critical load-carrying part that closely affects the operational stability of a cable-stayed bridge. Damaged cables might lead to the bridge collapse due to their tension capacity reduction. Thus, it is necessary to develop structural health monitoring (SHM) techniques that accurately identify damaged cables. In this work, a combinational identification method of three efficient techniques, including statistical analysis, clustering, and neural network models, is proposed to detect the damaged cable in a cable-stayed bridge. The measured dataset from the bridge was initially preprocessed to remove the outlier channels. Then, the theory and application of each technique for damage detection were introduced. In general, the statistical approach extracts the parameters representing the damage within time series, and the clustering approach identifies the outliers from the data signals as damaged members, while the deep learning approach uses the nonlinear data dependencies in SHM for the training model. The performance of these approaches in classifying the damaged cable was assessed, and the combinational identification method was obtained using the voting ensemble. Finally, the combination method was compared with an existing outlier detection algorithm, support vector machines (SVM). The results demonstrate that the proposed method is robust and provides higher accuracy for the damaged cable detection in the cable-stayed bridge.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.239-260
• /
• 2023

The underwater acoustic wireless communication networks are generally formed by the different autonomous underwater acoustic vehicles, and transceivers interconnected to the bottom of the ocean with battery deployed modems. Orthogonal frequency division multiplexing (OFDM) has become the most popular modulation technique in underwater acoustic communication due to its high data transmission and robustness over other symmetrical modulation techniques. To maintain the operability of underwater acoustic communication networks, the power consumption of battery-operated transceivers becomes a vital necessity to be minimized. The OFDM technology has a major lack of peak to average power ratio (PAPR) which results in the consumption of more power, creating non-linear distortion and increasing the bit error rate (BER). To overcome this situation, we have contributed our symmetry research into three dimensions. Firstly, we propose a machine learning-based underwater acoustic communication system through long short-term memory neural network (LSTM-NN). Secondly, the proposed LSTM-NN reduces the PAPR and makes the system reliable and efficient, which turns into a better performance of BER. Finally, the simulation and water tank experimental data results are executed which proves that the LSTM-NN is the best solution for mitigating the PAPR with non-linear distortion and complexity in the overall communication system.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1401-1411
• /
• 2023

해양공간 이용 증가로 해양 공간을 활용하는 사람들간 갈등이 발생되며, 정부의 허가 및 규제로는 관리가 어려운 실정이다. 특히 양식장은 면허 제도로 운영되고 있는데, 지자체별로 관리하고 있어 정확한 실태 파악이 어렵다. 본 연구에서는 synthetic aperture radar (SAR) 영상을 이용하여 연안에 위치한 양식 어장을 모니터링하고 관리 방안에 대해 알아보고자 하였다. 연구에 활용된 자료는 Sentinel-1A 영상이며 시계열로 구성된 SAR 영상을 중첩하였다. 중첩 자료를 활용하면 양식 어장과 같은 작은 시설물에 대한 정보를 살리면서 노이즈만 제거할 수 있다. VH 편광 자료를 활용할 경우 연안에 위치한 양식 어장을 약 88%의 전체 정확도로 탐지할 수 있었다. 본 연구 결과를 활용한다면 계절별로 변하는 양식 품목에 맞춰 양식 어장을 모니터링 할 수 있을 뿐만 아니라 해양 공간 활용에 대한 관리 주기를 설정할 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.131-154
• /
• 2022

최근 방대한 양의 텍스트 데이터에 대한 분석을 통해 유용한 지식을 창출하는 시도가 꾸준히 증가하고 있으며, 특히 토픽 모델링(Topic Modeling)을 통해 다양한 분야의 여러 이슈를 발견하기 위한 연구가 활발히 이루어지고 있다. 초기의 토픽 모델링은 토픽의 발견 자체에 초점을 두었지만, 점차 시기의 변화에 따른 토픽의 변화를 고찰하는 방향으로 연구의 흐름이 진화하고 있다. 특히 토픽 자체의 내용, 즉 토픽을 구성하는 키워드의 변화를 수용한 다이내믹 토픽 모델링(Dynamic Topic Modeling)에 대한 관심이 높아지고 있지만, 다이내믹 토픽 모델링은 분석 결과의 직관적인 이해가 어렵고 키워드의 변화가 토픽의 의미에 미치는 영향을 나타내지 못한다는 한계를 갖는다. 본 논문에서는 이러한 한계를 극복하기 위해 다이내믹 토픽 모델링과 워드 임베딩(Word Embedding)을 활용하여 토픽의 변화 및 토픽 간 관계를 직관적으로 해석할 수 있는 방안을 제시한다. 구체적으로 본 연구에서는 다이내믹 토픽 모델링 결과로부터 각 시기별 토픽의 상위 키워드와 해당 키워드의 토픽 가중치를 도출하여 정규화하고, 사전 학습된 워드 임베딩 모델을 활용하여 각 토픽 키워드의 벡터를 추출한 후 각 토픽에 대해 키워드 벡터의 가중합을 산출하여 각 토픽의 의미를 벡터로 나타낸다. 또한 이렇게 도출된 각 토픽의 의미 벡터를 2차원 평면에 시각화하여 토픽의 변화 양상 및 토픽 간 관계를 표현하고 해석한다. 제안 방법론의 실무 적용 가능성을 평가하기 위해 DBpia에 2016년부터 2021년까지 공개된 논문 중 '인공지능' 관련 논문 1,847건에 대한 실험을 수행하였으며, 실험 결과 제안 방법론을 통해 다양한 토픽이 시간의 흐름에 따라 변화하는 양상을 직관적으로 파악할 수 있음을 확인하였다.