• 디지털융복합연구
• /
• 제10권6호
• /
• pp.297-302
• /
• 2012

본 논문은 이미지 상황분석을 기반으로 하여 객체 검출 및 추적 방법을 제안한다. 제안하는 방법은 배경이 복잡한 형태이거나 배경이 동적으로 움직일 때에도 일관성 있는 결과를 얻을 수 있다. 입력 영상의 상황분석은 K-means와 RBF의 하이브리드 네트워크를 이용하여 수행되어진다. 제안된 객체 검출은 일정하지 않은 객체 이미지 때문에 생기는 영향을 감소시키기 위해 상황 기반 적응적 베이지안 네트워크를 이용한다. 본 논문에서는 학습 속도를 높이기 위해 2D Haar 웨이블릿 변형을 이용한 특징 벡터 생성기와 베이지안 판별식 방법을 이용하여 학습 시간이 적게 걸리며 학습 데이터의 변화에 일정한 성능을 갖는 방법론을 제안하였다. 제안하는 방법을 개발하여 실환경에 적용한 결과 검출하고자 하는 물체가 예측 영역을 넘나들거나 다른 불확실한 변화에도 안정적으로 반응함을 알 수 있었다. 실험 결과는 기존의 방법들에서 사용되었던 다양한 데이터 집합에 적용하였을 때 우수한 성능을 보여준다.

• Biotechnology and Bioprocess Engineering:BBE
• /
• 제10권5호
• /
• pp.425-431
• /
• 2005

The systems-level analysis of microbes with myriad of heterologous data generated by omics technologies has been applied to improve our understanding of cellular function and physiology and consequently to enhance production of various bioproducts. At the heart of this revolution resides in silico genome-scale metabolic model, In order to fully exploit the power of genome-scale model, a systematic approach employing user-friendly software is required. Metabolic flux analysis of genome-scale metabolic network is becoming widely employed to quantify the flux distribution and validate model-driven hypotheses. Here we describe the development of an upgraded MetaFluxNet which allows (1) construction of metabolic models connected to metabolic databases, (2) calculation of fluxes by metabolic flux analysis, (3) comparative flux analysis with flux-profile visualization, (4) the use of metabolic flux analysis markup language to enable models to be exchanged efficiently, and (5) the exporting of data from constraints-based flux analysis into various formats. MetaFluxNet also allows cellular physiology to be predicted and strategies for strain improvement to be developed from genome-based information on flux distributions. This integrated software environment promises to enhance our understanding on metabolic network at a whole organism level and to establish novel strategies for improving the properties of organisms for various biotechnological applications.

• Nutrition Research and Practice
• /
• 제3권3호
• /
• pp.226-233
• /
• 2009

Traditional nutrition education has not been shown to consistently produce behavior change. While it has been suggested that using emotion-based messages may be a better way to influence nutrition behavior change, this has not been well tested. Producing emotion-based messages is a multi-step process that begins with exploring subconscious barriers to behavior change rather than the more obvious and typically reported barriers. The purpose of this research was to uncover the emotional reasons, sometimes referred to as emotional pulse points, for mothers' choosing or not choosing to have more family meals. This would then serve as the first step to developing emotion-based messages promoting the benefits of family meals. Five focus group interviews were conducted with 51 low-income Black (n=28) and white (n=23) mothers. Metaphorical techniques were used to determine underlying feelings toward family and family meals. Discussions were video-taped, transcribed, and manually analyzed using a content-driven, immersion/crystallization approach to qualitative data analysis. Four themes emerged around the definition of family: acceptance, sharing, chaos, and protective/loyal. Some mothers felt mealtime was merely obligatory, and described it as stressful. Some reported a preference for attending to their own needs instead of sitting down with their children, while others felt that mealtime should be used to interact with and educate children and felt guilty when they were not able to provide family meals. Three themes emerged around feelings towards having or not having family meals: unimportant, important, and guilty. When explored further, mothers indicated that using the feeling of guilt to encourage family meals might be effective. Data obtained are being used to develop innovative, emotion-based messages that will be tested for effectiveness in promoting family meals.

• Smart Structures and Systems
• /
• 제26권2호
• /
• pp.175-184
• /
• 2020

Conventional Monte Carlo simulation-based methods for seismic risk assessment of water networks often require excessive computational time costs due to the hydraulic analysis. In this study, an Artificial Neural Network-based surrogate model was proposed to efficiently evaluate the flow-based system reliability of water distribution networks. The surrogate model was constructed with appropriate training parameters through trial-and-error procedures. Furthermore, a deep neural network with hidden layers and neurons was composed for the high-dimensional network. For network training, the input of the neural network was defined as the damage states of the k-dimensional network facilities, and the output was defined as the network system performance. To generate training data, random sampling was performed between earthquake magnitudes of 5.0 and 7.5, and hydraulic analyses were conducted to evaluate network performance. For a hydraulic simulation, EPANET-based MATLAB code was developed, and a pressure-driven analysis approach was adopted to represent an unsteady-state network. To demonstrate the constructed surrogate model, the actual water distribution network of A-city, South Korea, was adopted, and the network map was reconstructed from the geographic information system data. The surrogate model was able to predict network performance within a 3% relative error at trained epicenters in drastically reduced time. In addition, the accuracy of the surrogate model was estimated to within 3% relative error (5% for network performance lower than 0.2) at different epicenters to verify the robustness of the epicenter location. Therefore, it is concluded that ANN-based surrogate model can be utilized as an alternative model for efficient seismic risk assessment to within 5% of relative error.

• 한국물환경학회지
• /
• 제24권5호
• /
• pp.603-610
• /
• 2008

A mathematical model was developed to understand how the presence of plants affects vertical profiles of electron acceptors, their reduced species, and trace metals in the wetland sediments. The model accounted for biodegradation of organic matter utilizing sequential electron acceptors and subsequent chemical reactions using stoichiometric relationship. These biogeochemical reactions were affected by the combined effects of oxygen release and evapotranspiration driven by wetland plants. The measured data showed that $SO_4{^{2-}}$ concentrations increased at the beginning of the growing season and then gradually decreased. Based on the measured data, it was hypothesized that the limitation of the solid phase sulfide in direct contact with the roots may result in the gradual decrease of $SO_4{^{2-}}$ concentrations. With the dynamic formulation for the limitation of the solid phase sulfide, model simulated time variable sulfate profiles using published model parameters. Oxygen release from roots produced divalent metal species (i.e. $Cd^{2+}$) as well as oxidized sulfur species (i.e. $SO_4{^{2-}}$) in the sediment pore water. Evapotranspiration-induced advection increased flux of divalent metal species from the overlying water column into the rhizosphere. The increased divalent metal species were converted to the metal sulfide with sufficient FeS around the rhizosphere, which contributed to the decrease of bioavailability and toxicity of divalent metal activity in the pore water. Since the divalent metal activity is a good predictor of the metal bioavailability, this model with a proper simulation of solid phase sulfide plays an essential role to predict the dynamics of trace metals in the wetland sediments.

• 한국수자원학회논문집
• /
• 제54권3호
• /
• pp.157-166
• /
• 2021

효율적인 댐 운영을 위해서는 높은 신뢰도를 기반으로 하는 유입량 예측이 요구된다. 본 연구에서는 최근 다양한 분야에서 사용되고 있는 데이터 기반의 예측 방법 중 하나인 딥러닝을 댐 유입량 예측에 활용하였다. 그 중 시계열 자료 예측에 높은 성능을 보이는 Sequence-to-Sequence 구조기반의 Long Short-Term Memory 딥러닝 모형(LSTM-s2s)을 이용하여 소양강 댐의 유입량을 예측하였다. 모형의 예측 성능을 평가하기 위해 상관계수, Nash-Sutcliffe 효율계수, 평균편차비율, 그리고 첨두값 오차를 이용하였다. 그 결과, LSTM-s2s 모형은 댐 유입량 예측에 대한 높은 정확도를 보였으며, 단일 유량 수문곡선 기반의 예측 성능에서도 높은 신뢰도를 보였다. 이를 통해 홍수기와 이수기에 수자원 관리를 위한 효율적인 댐 운영에 딥러닝 모형의 적용 가능성을 확인할 수 있었다.

• 한국융합학회논문지
• /
• 제13권3호
• /
• pp.55-65
• /
• 2022

인터넷 기술과 모바일 등의 기기 발전으로 교육환경도 전통적이고 수동적인 방식에서 학습자 중심의 능동적인 방식으로 변화하고 있다. 이에 따라 학습자 개개인의 수준별 맞춤 교육의 역할도 커지고 있으며, 이에는 개별 학습자의 프로파일 구축이 중요하다. 기존의 ICT 기반 맞춤형 영어 교육의 다수는 어휘에 초점을 맞추고 있으며, 학습 콘텐츠에 대한 분석에 많은 노력을 기울이고 있다. 본 논문에서는 보다 정밀하게 사용자의 학습상태를 정의하기 위하여 단어와 문법을 대상으로 학습 상태를 구축하였다. 그리고 학습자가 특정 콘텐츠에 얼마나 익숙한지를 알려주는 콘텐츠에 대한 숙련도 메트릭을 정의하였다. 이후 실제 영문 에세이 데이터를 기반으로 사전학습을 통하여 사용자들의 숙련도를 결정하고, 시뮬레이션을 통하여 평가 에세이 데이터에 대하여 적용성이 있음을 보였다. 또한 본 연구에서 제안한 분석기법은 학습상황에 대하여 통계치나 그래프를 제공하고 학습자 수준에 적합한 학습자료를 생성하는데 필요한 데이터를 제공할 수 있다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.251-266
• /
• 2022

Structural Health Monitoring (SHM) of critical infrastructure comprises a major pillar of maintenance management, shielding public safety and economic sustainability. Although SHM is usually associated with data-driven metrics and thresholds, expert judgement is essential, especially in cases where erroneous predictions can bear casualties or substantial economic loss. Considering that visual inspections are time consuming and potentially subjective, artificial-intelligence tools may be leveraged in order to minimize the inspection effort and provide objective outcomes. In this context, timely detection of sensor malfunctioning is crucial in preventing inaccurate assessment and false alarms. The present work introduces a sensor-fault detection and interpretation framework, based on the well-established support-vector machine scheme for anomaly detection, combined with a coalitional game-theory approach. The proposed framework is implemented in two datasets, provided along the 1st International Project Competition for Structural Health Monitoring (IPC-SHM 2020), comprising acceleration and cable-load measurements from two real cable-stayed bridges. The results demonstrate good predictive performance and highlight the potential for seamless adaption of the algorithm to intrinsically different data domains. For the first time, the term "decision trajectories", originating from the field of cognitive sciences, is introduced and applied in the context of SHM. This provides an intuitive and comprehensive illustration of the impact of individual features, along with an elaboration on feature dependencies that drive individual model predictions. Overall, the proposed framework provides an easy-to-train, application-agnostic and interpretable anomaly detector, which can be integrated into the preprocessing part of various SHM and condition-monitoring applications, offering a first screening of the sensor health prior to further analysis.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.209-223
• /
• 2024

4차 산업혁명 시대에 접어들어 데이터 기반의 의사결정이 보편화되고 있다. 하지만 데이터 품질이 확보되지 않은 채 수행되는 데이터 분석은 왜곡된 결과를 낳을 가능성이 존재한다. 수자원 관리의 기초가 되는 수위 데이터도 마찬가지로 결측, 스파이크, 잡음 등 다양한 품질 문제를 가진다. 본 연구에서는 잡음으로 인해 발생하는 데이터 품질 문제를 해결하고자 하였다. 잡음은 데이터의 트렌드 분석을 어렵게 하고 비정상적인 이상치를 생성할 가능성이 있다. 본 연구는 이러한 문제를 해결하기 위해 Wavelet Transform을 이용한 잡음 제거 접근 방안을 제안한다. Wavelet Transform은 신호처리에 주로 사용되는 방법으로 잡음 제거에 효과적인 것으로 알려져 있으며 수집된 데이터의 정답 데이터(True value) 수집을 요구하지 않으므로 시간과 비용을 줄일 수 있다는 점에서 적용이 용이한 편이다. 본 연구는 Wavelet Transform의 성능 평가를 위해 대표적인 머신러닝 기반 잡음 제거 방법인 Denoising Autoencoder와 성능 비교를 수행하였다. 그 결과 Wavelet Transform 중 Coiflets 함수는, Denoising Autoencoder에 비해 Mean Absolute Error, Mean Absolute Percentage Error, Mean Squared Error 등 모든 측면에서 우수한 성능을 보이는 것으로 나타났다. 이러한 결과는 환경에 맞는 적절한 웨이블릿 함수의 선택을 통한 잡음 문제를 효과적으로 해결할 수 있음을 시사한다. 본 연구는 수위 데이터의 품질을 향상시켜 수자원 관리 결정의 신뢰성에 기여하는 강력한 도구로서 Wavelet Transform의 잠재력을 확인한 의의가 있다.

• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.523-541
• /
• 2023

3D 프린터의 활용이 높아짐에 따라 발생하는 화학물질에 대한 노출 빈도가 증가하고 있다. 그러나 3D 프린팅 발생 화학물질의 독성 및 유해성에 대한 연구는 미비하며, 분자 구조 데이터의 결측치로 인해 in silico 기법을 사용한 독성예측 연구는 저조한 실정이다. 본 연구에서는 화학물질의 분자구조 정보를 나타내는 주요 분자표현자의 결측치를 보간하여 3D 프린팅의 독성 및 유해성을 예측한 Data-centric QSAR 모델을 개발하였다. 먼저 MissForest 알고리즘을 사용해 3D 프린팅으로 발생되는 유해물질의 분자표현자 결측치를 보완하였으며, 서로 다른 4가지 기계학습 모델(결정트리, 랜덤포레스트, XGBoost, SVM)을 기반으로 Data-centric QSAR 모델을 개발하여 생물 농축 계수(Log BCF)와 옥탄올-공기분배계수(Log Koa), 분배계수(Log P)를 예측하였다. 또한, 설명 가능한 인공지능(XAI) 방법론 중 TreeSHAP (SHapley Additive exPlanations) 기법을 활용하여 Data-centric QSAR 모델의 신뢰성을 입증하였다. MissForest 알고리즘 기반 결측지 보간 기법은, 기존 분자구조 데이터에 비하여 약 2.5배 많은 분자구조 데이터를 확보할 수 있었다. 이를 바탕으로 개발된 Data-centric QSAR 모델의 성능은 Log BCF, Log Koa와 Log P를 각각 73%, 76%, 92% 의 예측 성능으로 예측할 수 있었다. 마지막으로 Tree-SHAP 분석결과 개발된 Data-centric QSAR 모델은 각 독성치와 물리적으로 상관성이 높은 분자표현자를 통하여 선택함을 설명할 수 있었고 독성 정보에 대한 높은 예측 성능을 확보할 수 있었다. 본 연구에서 개발한 방법론은 다른 프린팅 소재나 화학공정, 그리고 반도체/디스플레이 공정에서 발생 가능한 오염물질의 독성 및 인체 위해성 평가에 활용될 수 있을 것으로 사료된다.