• 한국광학회지
• /
• 제13권5호
• /
• pp.442-448
• /
• 2002

지상용 천문 망원경에서 대기의 영향으로 인해 발생하는 오차를 실시간으로 보상해주는 적응 광학을 이용하면 지상용 망원경으로도 막대한 비용이 드는 우주용 망원경에 버금가는 이미지를 얻을 수 있다. 일반적으로 적응 광학계에서는 대기에 의한 파면 오차를 제거하기 위하여, 변형 거울을 변형시켜 각 부분의 파면 오차를 보정하는 방법을 이용하므로, 변형 거울을 효과적으로 변형시키기 위한 구동기의 특성과 구동기의 배열에 대한 연구가 필수적이다. 하나의 구동기론 작동하여 거울을 변형시킬 때, 변형된 거울면의 형태를 영향 함수라고 정의하며, 이러한 영향 함수를 이용하여 변형 거울을 효과적으로 모형화하고 설계할 수 있다. 본 논문에서는 유한요소해석을 이용하여 계산된 변형 거울의 실제 영향 함수를 가우시안 함수 형태로 단순화하고, 추가로 구동기들 사이의 영향을 고려한 커플링 계수를 도입하여, 주어진 구동기 배열에 대한 영향 함수를 결정하였다. 또한 변형 거울에 사용되는 구동기들 사이의 적절한 커플링 계수를 결정하기 위하여, 커플링 계수 변화에 따른 변형거울의 성능 변화를 해석하였다. 이와 같이 구성된 영향 함수를 이용하석, 구동기가 삼각형과 사각형 형태와 같이 등간격으로 배치되어 있을 때의 구동기 간격에 따른 변형 거울의 성능을 해석하고 효과적인 배열을 제안하였다.

• 해양환경안전학회지
• /
• 제27권5호
• /
• pp.574-583
• /
• 2021

해운 시황을 예측하는 것은 중요한 문제이다. 투자 방식의 결정, 선대 편성 방법, 운임 등을 결정하기 위한 판단 근거가 되며 이는 기업의 이익과 생존에 큰 영향을 미치기 때문이다. 이를 위해 본 연구에서는 기계학습 모델인 장단기 메모리 및 간소화된 장단기 메모리 구조의 Gated Recurrent Units를 활용하여 컨테이너선의 해상운임 예측 모델을 제안한다. 운임 예측 대상은 중국 컨테이너 운임지수(CCFI)이며, 2003년 3월부터 2020년 5월까지의 CCFI 데이터를 학습에 사용하였다. 각 모델에 따라 2020년 6월 이후의 CCFI를 예측한 후 실제 CCFI와 비교, 분석하였다. 실험 모델은 하이퍼 파라메터의 설정에 따라 총 6개의 모델을 설계하였다. 또한 전통적인 분석 방법과의 성능을 비교하기 위해 ARIMA 모델도 실험에 추가하였다. 최적 모델은 두 가지 방법에 따라 선정하였다. 첫 번째 방법으로 각 모델을 10회 반복 실험하여 얻은 RMSE의 평균값이 가장 작은 모델을 선정하는 것이다. 두 번째 방법으로는 모든 실험에서 가장 낮은 RMSE를 기록한 모델을 선정하는 것이다. 실험 결과 전통적 시계열 예측모델인 ARIMA 모델과 비교하여 딥러닝 모델의 정확도를 입증하였으며, 정확한 예측모델을 통해 운임 변동의 위험관리 능력을 제고시키는데 기여했다. 반면 코로나19와 같은 외부 효과에 따른 운임의 급격한 변화상황이 발생한 경우, 예측모델의 정확도가 감소하는 한계점을 나타냈다. 제안된 모델 중 GRU1 모델이 두 가지 평가 방법 모두에서 가장 낮은 RMSE(69.55, 49.35)를 기록하며 최적 모델로 선정되었다.

• 한국ITS학회 논문지
• /
• 제20권5호
• /
• pp.100-112
• /
• 2021

빅데이터의 등장과 더불어 교통 상태 예측은 과거 이력 데이터 분석 방식에 힘을 싣고 발전되어 왔으나, 이 방법은 관측된 적 없는 돌발 상황에 충분히 대응하지 못한다는 약점이 있다. 본 연구에서는 기계학습과 시뮬레이션 기법의 융합을 통해 돌발 상황 발생 시 교통 상태 예측 정확도 감소를 보완할 수 있는 예측 기법을 제시한다. 데이터 기반 방식의 맹점은 과거에 관측된 적 없는 데이터 패턴이 인지되었을 때 드러난다. 본 연구에서는 시뮬레이션을 이용하여 과거 이력 데이터를 보강하는 방법으로 문제를 해결하고자 하였다. 제시한 방법은 기계학습 기반의 교통 예측을 수행하고, 예측 결과와 실시간으로 수집되는 교통 데이터를 지속적으로 비교하여 돌발 상황 발생 여부를 판단한다. 돌발 상황이 인지되었을 시, 시뮬레이션을 통해 생성한 데이터베이스를 활용하여 예측을 수행한다. 본 연구에서 제시한 방법은 실제 도로 구간을 대상으로 검증되었으며, 검증 결과 돌발 상황에서의 교통 상태 예측 정확도 향상을 확인할 수 있었다. 본 연구에서 제시한 융합 교통 예측 방법은 향후 교통 예측 고도화에 이바지할 수 있을 것으로 전망된다.

• 감성과학
• /
• 제23권4호
• /
• pp.33-40
• /
• 2020

자동차 고급화 추세에 따라 소비자의 차량 실내 환경에 대한 관심이 증가함에 따라 자동차의 기본적 성능뿐만아니라 실내 쾌적성 향상에 관심이 증대되고 있다. 또한 자동차 실내 쾌적성에 대한 연구는 운전자에게 만족을 제공하는데 그치지 않고, 운전자의 불쾌지수 및 스트레스를 낮추어서 교통사고의 위험을 줄이는데 기여할 수 있기 때문에 매우 중요한 연구 주제이다. 따라서 본 연구에서는 운전자의 뇌파측정을 통해 통풍시트의 온도변화에 따른 쾌적감 변화와 쾌적온도를 알아보고, 온도변화에 따른 남녀간 쾌적감에 대한 차이를 탐색하고자 하였다. 연구결과 첫째 통풍시 트의 온도가 22℃, 25℃, 28℃에서 각각의 실험군을 비교한 결과 28℃보다 25℃에서 통계적으로 유의하게 쾌적감이 더 높게 나타났다. 둘째 통풍시트 온도 변화에 따른 남녀간 쾌적감에 대한 실험결과 남성과 여성이 온도에 따라 느끼는 쾌적감은 통계적으로 유의한 차가 없는 것으로 나타났다. 향후 자동차의 실내온도와 통풍시트의 온도 변화에 따른 운전자의 쾌적감 변화를 파악하여 상관관계를 분석한다면, 운전자의 쾌적성을 확보하여 휴먼에러로 인한 교통사고를 낮출수 있을 뿐만 아니라 자동차의 전기에너지의 사용량을 줄일 수 있을 것이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 한국기후변화학회지
• /
• 제8권4호
• /
• pp.415-424
• /
• 2017

This study was conducted to estimate carbon stocks of Pinus densiflora with drawing volume of trees in each tree height and DBH applying the suitable stem taper equation and tree specific carbon emission factors, using collected growth data from all over the country. Information on distribution area, tree age, tree number per hectare, tree volume and volume stocks were obtained from the $5^{th}$ National Forest Inventory (2006~2010) and Statistical yearbook of forest (2016), and method provided in IPCC GPG was applied to estimate carbon stock and uptake. Performance in predicting stem diameter at a specific point along a stem in Pinus densiflora by applying Kozak's model, $d=a_{1}DBH^{a_2}a_3^{DBH}X^{b_{1}Z^2+b_2ln(Z+0.001)+b_3\sqrt{Z}+b_4e^z+b_5(\frac{DBH}{H})}$, which is well known equation in stem taper estimation, was evaluated with validations statistics, Fitness Index, Bias and Standard Error of Bias. Consequently, Kozak's model turned out to be suitable in all validations statistics. Stem volume table of P. densiflora was derived by applying Kozak's model and carbon stock tables in each tree height and DBH were developed with country-specific carbon emission factors ($WD=0.445t/m^3$, BEF = 1.445, R = 0.255) of P. densiflora. As the results of analysis in carbon uptake for each province, the values were high with Gangwon-do $9.4tCO_2/ha/yr$, Gyeongsandnam-do and Gyeonggi-do $8.7tCO_2/ha/yr$, Chungcheongnam-do $7.9tCO_2/ha/yr$ and Gyeongsangbuk-do $7.8tCO_2/ha/yr$ in order, and Jeju-do was the lowest with $6.8tC/ha/yr$. Total carbon stocks of P. densiflora were 127,677 thousands tC which is 25.5% compared with total percentage of forest and carbon stock per hectare (ha) was $84.5tC/ha/yr$ and $7.8tCO_2/ha/yr$, respectively.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.741-749
• /
• 2019

굴삭기에 부착되는 유압 브레이커는 건물의 파괴 및 분해, 도로 포장재의 파손, 채석장에서의 암석 파단 등에 사용되고 있는 부착작업기의 일종의 건설 장비이다. 따라서 유압브레이커의 성능은 주로 충격량 및 충격 효율에 의해 평가되며, 이는 제조사 및 사용자 모두에게 중요한 요소이다. 본 논문에서는 건설 현장에서 주로 사용되는 20톤급 유압브레이커를 대상으로 상용 프로그램인 SimulationX를 사용하여 유압밸브 및 피스톤의 수압 면적 또는 작동 조건에 따라 유압 브레이커의 충격량 예측을 위한 모델링 및 해석을 진행하였다. 또한, 모델링 및 해석의 신뢰성을 확인하기 위하여 기존 실험 연구의 결과를 통하여 비교 및 검증하였다. 본 연구 결과는 제작 이전의 설계 단계에서 유압 브레이커의 충격량을 예측하고 충격량 향상을 위한 파라미터 연구에 도움이 될 것으로 본다. 또한 제조사 측에서는 본 논문의 결과를 통하여 유압 브레이커의 충격량을 미리 예측함으로서, 시행 착오 방지를 통하여 개발 시간 및 비용을 절감할 수 있을 것으로 예측한다.

• 전기전자학회논문지
• /
• 제23권2호
• /
• pp.739-742
• /
• 2019

본 논문에서는 성능이 향상된 면적선량계(DAP)를 제안한다. 본 논문에서 제안한 성능이 향상된 면적선량계는 기존에 개발되었던 면적선량계를 최적화하였다. 성능이 향상된 면적선량계는 전하 적분기 및 ADC 회로의 최적화 설계, RS-485 통신용 Line transceiver의 최적화 설계, Display 회로의 최적화 설계, 연동 및 에이징을 위한 PC 기반 제어 프로그램 최적화 등을 수행하였다. 제안된 시스템의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과는 Radiation dose dependence와 Radiation quality dependence는 4.2%의 측정 불확도가 측정되어 국제 표준인 ${\pm}15%$ 이하에서 정상동작 됨이 확인되었다. Energy range/Tube voltage는 30~150kV 구간에서 반응이 확인되었다. 센서필드간 감도차이와 센서필드간 면적선량 감도차이는 4.3%의 측정 불확도가 측정되어 국제 표준인 ${\pm}15%$ 이하에서 정상동작 됨이 확인되었다. 면적선량계의 재현성을 측정하기 위하여 10회 반복하여 측정한 결과 0%로 확인되어서 IEC60580 권고 사항인 2% 이하에서 정상동작 됨이 확인되었다. Digital resolution은 시간당 기준선량에 대해 오차 범위 내에서 $0.01{\mu}Gy{\cdot}m^2$의 최소단위로 측정되는 것을 확인되었다.

• 한국축산식품학회지
• /
• 제39권3호
• /
• pp.371-378
• /
• 2019

The objective of this study was to develop mathematical models for describing the kinetic behavior of Staphylococcus aureus (S. aureus) in seasoned beef jerky. Seasoned beef jerky was cut into 10-g pieces. Next, 0.1 mL of S. aureus ATCC13565 was inoculated into the samples to obtain 3 Log CFU/g, and the samples were stored aerobically at $10^{\circ}C$, $20^{\circ}C$, $25^{\circ}C$, $30^{\circ}C$, and $35^{\circ}C$ for 600 h. S. aureus cell counts were enumerated on Baird Parker agar during storage. To develop a primary model, the Weibull model was fitted to the cell count data to calculate Delta (required time for the first decimal reduction) and ${\rho}$ (shape of curves). For secondary modeling, a polynomial model was fitted to the Delta values as a function of storage temperature. To evaluate the accuracy of the model prediction, the root mean square error (RMSE) was calculated by comparing the predicted data with the observed data. The surviving S. aureus cell counts were decreased at all storage temperatures. The Delta values were longer at $10^{\circ}C$, $20^{\circ}C$, and $25^{\circ}C$ than at $30^{\circ}C$ and $35^{\circ}C$. The secondary model well-described the temperature effect on Delta with an $R^2$ value of 0.920. In validation analysis, RMSE values of 0.325 suggested that the model performance was appropriate. S. aureus in beef jerky survives for a long period at low storage temperatures and that the model developed in this study is useful for describing the kinetic behavior of S. aureus in seasoned beef jerky.

• Asian-Australasian Journal of Animal Sciences
• /
• 제32권7호
• /
• pp.1015-1026
• /
• 2019

Objective: The objective of this study was to evaluate three different degrees of white striping (WS) addressing their automatic assessment and customer acceptance. The WS classification was performed based on a computer vision system (CVS), exploring different machine learning (ML) algorithms and the most important image features. Moreover, it was verified by consumer acceptance and purchase intent. Methods: The samples for image analysis were classified by trained specialists, according to severity degrees regarding visual and firmness aspects. Samples were obtained with a digital camera, and 25 features were extracted from these images. ML algorithms were applied aiming to induce a model capable of classifying the samples into three severity degrees. In addition, two sensory analyses were performed: 75 samples properly grilled were used for the first sensory test, and 9 photos for the second. All tests were performed using a 10-cm hybrid hedonic scale (acceptance test) and a 5-point scale (purchase intention). Results: The information gain metric ranked 13 attributes. However, just one type of image feature was not enough to describe the phenomenon. The classification models support vector machine, fuzzy-W, and random forest showed the best results with similar general accuracy (86.4%). The worst performance was obtained by multilayer perceptron (70.9%) with the high error rate in normal (NORM) sample predictions. The sensory analysis of acceptance verified that WS myopathy negatively affects the texture of the broiler breast fillets when grilled and the appearance attribute of the raw samples, which influenced the purchase intention scores of raw samples. Conclusion: The proposed system has proved to be adequate (fast and accurate) for the classification of WS samples. The sensory analysis of acceptance showed that WS myopathy negatively affects the tenderness of the broiler breast fillets when grilled, while the appearance attribute of the raw samples eventually influenced purchase intentions.