• 지구물리와물리탐사
• /
• 제8권1호
• /
• pp.7-17
• /
• 2005

천부 탄성파 굴절법 탐사를 이용하여 굴절이 발생하는 지층의 속도를 산출하는 것은 ill-posed 문제이다. 계산된 시간 변수들에서의 작은 변화들이 이로부터 산출된 속도들에 커다란 수평적 변화를 가져올 수 있으며 이는 종종 역산 알고리듬의 인위적인 오차를 유발한다. 이러한 인위적인 오차들은 모델링을 통해 인지되거나 보정되지 않는다. 그러므로 만약 모델에 근거한 역산을 통해 정밀한 지하 굴절 모델을 얻고자 한다면 정확한 초기 모델이 필요하다. 탄성파속도에서 인위적인 오차의 원인은 일반적으로 불규칙한 굴절면에 있다. 대부분의 경우에 GRM 방법을 이용하면 불규칙한 굴절면을 다룰 수 있고 굴절면의 정밀한 초기 모델을 만들 수 있다. 하지만 지표에 매우 가까운 극천부 지역 또한 불규칙하다면 GRM 방법의 효능은 감소하고 풍화대 보정이 필요하다. 천부 불균질대에 대한 일반적인 보정방법들은 수평적 확장이 제한된 극천부지역의 불균질대의 경우 효과적이지 못하다. 이럴 경우 GRM 평활화 통계적 방법(Smoothing Statics Method; SSM)이 지층의 속도를 좀 더 정확하게 평가할 수 있는 간단하고 실용적인 방법이다. GRM SSM 방법은 제로 XY 값을 가지고 계산된 시간-심도값들로부터 실제 XY 값을 가지고 얻어진 시간-심도값들의 평균값을 빼줌으로써 평활화 정보정을 수행한다. 심도가 깊어질수록 시간-심도값들이 XY 값에 따라 크게 변하지 않으므로 이들의 평균값은 최적값과 훨씬 더 같아진다. 그러나 극천부의 불균질대에 대해 시간-심도값들은 XY 값들이 증가함에 따라 수평적으로 이동하고 평균화 과정을 통해 대폭 감소한다. 결과적으로, XY값들에 대해 평균화된 시간-심도단면도는 천부의 불균질대에 대한 보정에 효과적이다. 또한 제로 XY 값을 가지고 계산된 시간-심도값들은 천부 불균질대의 영향과 대상 굴절면에 대한 시간-심도값들의 합으로 주어지므로 그들의 차는 정보정을 위해 주시로부터 빼주어야 할 대략적인 값들을 제공한다. GRM SSM 방법은 결정론적인 풍화대에 대한 보정법이라기 보다는 평활화 과정이다. 이 방법은 수평적으로 확장이 매우 제한된 천부 불균질대에 대해 가장 효과적이다. 모델과 현장 적용 결과들을 통해 GRM SSM 방법을 이용하여 불규칙한 굴절면을 가진 지층들에 대해 좀 더 신뢰할 수 있는 정밀한 탄성파 속도를 산출할 수 있음을 보여주고 있다.

• 대한수의학회지
• /
• 제36권1호
• /
• pp.109-118
• /
• 1996

The Salmonella rfb gene encoding for the biosynthesis of the oligosaccharide-repeating units of the O-antigenic determinants was cloned and sequenced. A set of nucleotide primers(a forward and reverse) was selected to target a defined region of the guanosine diphospho-mannose(GDP-Man) pyrophosphorylase synthase gene : rfbM of Salmonella C serogroup. The primer set was used to develop a PCR-based rapid and specific detection system for Salmonella C1 serogroup. Amplification bands of predicted size(1,422bp) were generated from 11 different Salmonella C1 isolates. The bands were verified to be specific for the C1 serogroup by Southern blot analysis using reference homologous DNA specificity was further confirmed by the lack of reactivity with heterologous DNA derived from non-salmonella members of the family enterobacteriaeceae. A specificity of 100% was deduced along with a very high sensitivity shown by a detection limit of 1fg of a purified DNA template. The isolated DNA sequence was found to be 99.8% homologous to S montevideo but the related primers amplified with the predicted band sizes with all the Salmonella C1 serogroups tested. It is concluded that the PCR protocol based on the rfbM gene from S cholerasuis is optimal fast and specific for the detection of Salmonella C1 serogroup and also the corresponding probe is suitable for rapid detection of all Salmonella C1 serogroup DNA tested. This technology should facilitate the identification of contaminated pig products and for any other products contaminated with the Salmonalla C1 serogroup. The immediate impact of this developed method will be in the area of food safety of pig products with the potential prospect for adaptation to other food inspection technologies.

• 디지털융복합연구
• /
• 제15권2호
• /
• pp.173-181
• /
• 2017

본 논문에서는 현재와 이전의 영상 프레임 뿐 만 아니라 영상의 축척과 이전 위치에 주어진 객체의 비율과 위치 추정에 대한 학습 문제로서 사람 추적 문제를 다룬다. 본 논문에서는 회선 신경망 분류기를 이용한 사람 검출방법을 제안한다. 제안하는 방법은 신경망을 정규화하고 검출 작업을 위한 특징 표현을 자동으로 최적화함으로써 사람 검출의 정확성을 향상시킨다. 제안하는 방법에서는 감시 영상 시스템에서 실시간 영상이 들어오면 제일 먼저 위치를 추정하는 작업을 수행하기 위하여 회선신경망을 학습시킨다. 기존의 다른 학습 방법과 달리 회선신경망은 두쌍의 연속된 영상 프레임으로부터 공간적이고 시간적인 특징을 모두 공동으로 학습시킨다. 회선 신경망에 의해 학습된 특징을 이용하는 SVM 분류기의 정확성은 회선 신경망의 정확성과 일치한다. 이것은 자동적으로 최적화된 특징의 중요성을 확인시켜 준다. 그러나, 회선 신경망을 이용한 사람 객체의 분류에 대한 계산 시간은 사용된 특징의 타입과 관계없이 SVM의 것보다 약 40분의 1정도로 작다.

• 자원환경지질
• /
• 제51권4호
• /
• pp.381-392
• /
• 2018

본 연구에서는 2030년 국가 온실가스 감축 목표 달성을 위한 실질적인 수단인 이산화탄소 포집 및 저장 상용화를 위한 구체적인 전략과 실행 계획을 검토하였다. 우리나라의 포집 및 저장 사업의 경제성 확보를 위한 추진 전략으로 1) 대용량 저장소 확보와 실질적 저장용량 평가의 시급성, 2) 포집원-저장소 수송거리 최소화, 3) 기술 혁신을 통한 비용 효율화, 4) 공공성 확보와 민간 참여를 유도하는 정부 정책 도입을 제안한다. 이러한 전략들을 바탕으로 2030년까지 이산화탄소 포집 및 저장 상용화를 위한 실행 계획이 수립되어야 한다. 실행 계획은 대규모 포집 및 저장 통합 실증과 이어지는 상용화 사업이 동일한 지역(저장소)에서 수행되도록 구성하는 것이 바람직하다. 또한 단계별로 구체적인 목표를 세우고 목표 달성 여부를 면밀히 판단하여 계속 수행 여부를 단계마다 결정하는 시스템이 필요하다. 1단계(2019년~2021년)는 대규모 저장소 선정과 포집 기술 상용화 단계이다. 최종 부지 선정을 위한 시추와 조사가 이루어져야 하고, 연소 후 습식 포집 기술의 격상과 적용성이 확보되어야 한다. 저장소 및 포집원이 선정되면, 2단계(2022년~2025년)에 정부 주도의 100만톤급 이산화탄소 포집 및 저장 대규모 통합실증을 수행할 수 있다. 저장, 수송, 포집 설비 및 시설의 설계와 구축, 기술의 통합과 실증이 요구된다. 2단계 종료 시점에서 통합실증 성과와 탄소 시장의 성숙도 등을 바탕으로 상용화 사업 진입 여부를 결정해야 한다. 상용화 사업 추진이 결정되면, 포집 설비의 증설과 수송 및 저장 설비의 격상, 보완을 통해 3단계(2026년~2030년) 민간 주도의 400만톤급 이산화탄소 포집 및 저장 상용화 사업이 가능할 것이다.

• 지능정보연구
• /
• 제16권4호
• /
• pp.43-65
• /
• 2010

오늘날 치열한 경쟁과 환경변화로 인해 많은 기업들은 고객관계관리(Customer Relationship Management, 이하 CRM)를 경영혁신의 도구로 인식하고 많은 투자 및 노력을 기울이고 있다. CRM 시스템의 개선 및 전략적 보완을 위한 지속적 노력과 더불어 이에 대한 이론적 연구가 활발하게 실시되었지만, 시스템 도입이 기업성과에 미치는 영향에 대한 실증연구는 포괄적으로 다루어지지 않았다. 최근 국내 금융업, 호텔, 항공 등의 분야에서 고객관계관리 도입으로 인한 기업성과에 대한 실증연구가 실시되었고, 외국에서는 병원관리학을 중심으로 균형성과표의 활용에 대한 연구가 실시되었지만, 국내 제약산업에 대해서는 이러한 연구들이 매우 부족한 실정이다. 이에 본 연구에서는 제약회사 고객관리 시스템의 수준이 Kaplan and Norton에 의해 제안된 균형성과표의 이론적 틀에 따라 기업성과에 어떠한 영향을 미치는지 연구해 보고자 하였다. 실증분석결과, CRM 시스템 수준은 기업성과에 유의적인 영향을 미치는 것으로 나타났다. 이는 시스템이 제공하는 유용한 분석자료들이 고객유지, 고객만족 및 고객수익성 개선에 유의적인 영향을 주어 결과적으로 기업의 수익성, 성장성 및 주주가치 증대에 폭 넓게 기여하며, 효율적 내부 프로세스로 뒷받침되는 바람직한 선순환구조를 제시하고 있다고 생각된다. 그러나 세부분석결과, 영업사원실적평가 시스템은 단기수익성 증대에만 유의적 영향을 주었고, 고객 분석시스템은 기업성과에 미치는 유의성이 없는 것으로 나타났다. 이는 제약회사 구성원들의 전통적 업무방식 고수, 단기목표 지향성 및 장기적 기업성과지표에 대한 인식 부족에서 기인한다고 생각된다. 연구결과, 제약기업에 보다 적합한 CRM 시스템의 개발과 보완, 인식률과 활용도 제고의 필요성이 제안되며, 표본 확대 및 대표성 개선을 통해 보다 의미 있는 연구결과가 제시될 수 있을 것이다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.