• 한국수자원학회논문집
• /
• 제44권5호
• /
• pp.389-406
• /
• 2011

본 연구에서는 GCM 및 유출모형의 불확실성을 고려하여 기후변화에 따른 미래 한반도 수자원의 변화를 전망하고, 그 결과에서 나타나는 불확실성을 평가하고자 하였다. 온실가스 배출시나리오와 GCMs의 불확실성을 고려하기 위해 IPCC AR4에 적용되었던 3개 시나리오(A2, A1B, B1)에 대한 13 GCMs 결과를 이용하였으며, 유출모형 구조 및 증발산량 산정방법에 따른 영향을 고려하기 위해 PRMS, SWAT, SLURP 모형을 선정하였고 각 모형별로 2～3개의 증발산량 방법을 고려하였다. 결과적으로 우리나라 109개 중권역 유역에 대해 312개의 결과가 제시되었으며, 이를 이용하여Gaussian kernel density function을 산정함으로써 평가결과의 앙상블 평균과 불확실성을 동시에 제시하였다. 분석 결과 여름철과 겨울철 유출량은 증가, 봄철은 감소할 것으로 전망되었다. 연평균유출량은 전체유역에서 증가할 것으로 전망되었으며, 공간적으로는 한강유역이 위치한 북쪽유역이 남쪽유역에 비해연 유출량이 더 크게 증가할 것으로 전망되었다. 연평균유출량의 증가는 여름철 유출량 증가에 따른 결과로, 기후변화의 영향은 한국에서 유출량의 계절편중을 심화시켜 수자원 관리를 더욱 어렵게 할 것으로 전망되었다. 평가결과에서 나타난 불확실성은 겨울철 유출량에서 가장 크고 여름철 유출량에서 가장 적은 것으로 나타났다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.187-201
• /
• 2011

방향성(Direction)과 변동성(Volatility)에 대한 분석은 증권투자를 위한 시장분석의 기초가 된다. 변동성분석이 옵션 투자에서 중요하다면 주식이나 주가지수선물투자는 방향성분석에 의하여 투자성과가 결정된다. 기존의 금융분석에서 기계학습을 이용한 방향성에 대한 연구는 주가나 투자위험의 예측을 중심으로 이루어졌으며, 최근에 와서야 실전투자를 위한 매매시스템(trading system) 개발에 대한 연구가 이루어지고 있다. 인공지능형 주가예측모형에서는 ANN(artificial neural networks), fuzzy system, SVM(Support Vector Machine) 등의 기법이 주로 활용되고 있다. 본 연구에서는 방향성매매를 위한 지능형 기계학습방법 중에서도 패턴인식에서 좋은 성과를 보이고 있는 은닉마코프 모형(Hidden Markov Model)을 이용한다. 실무적으로는 방향성 예측을 위해 주로 주가의 추세분석(Trend Analysis)을 활용한다. 다양한 기술적 지표를 이용한 추세분석에 기반한 시스템트레이딩(System Trading) 기법은 실전투자에서 점차 확대추세에 있다. 본 연구에서는 시스템트레이딩 기법 중 실무에서 많이 이용되는 이동평균교차전략(moving average cross)에 연속 은닉마코프모형을 적용한 지능형 매매시스템을 제안하고, 실제 주가자료를 이용한 시뮬레이션 결과를 제시한다. 세계적 선물시장으로 성장한 KOSPI200 선물시장에서 제안된 매매시스템의 장기간의 투자성과를 분석하기 위하여 지난 21년 동안의 KOSPI200 주가지수자료를 실증 분석하였다. 분석결과는 KOSPI200 주가지수선물의 방향성매매에서 제안된 CHMM기반 지능형 매매시스템이 실전에서 일반적으로 활용되는 시스템트레이딩 기법의 투자성과를 개선할 수 있음을 보여주었다.

• 한국의학물리학회지:의학물리
• /
• 제23권1호
• /
• pp.62-69
• /
• 2012

적응 방사선 치료(Adaptive Radiation Therapy, ART)를 실행하기 위한 매 치료 마다 획득되는 Megavoltage cone-beam CT (MVCBCT) 영상을 이용한 재 선량 계산 과정은 필수적이다. 본 연구의 목적은 intensity 보정 방법을 적용한 MVCBCT 영상 기반의 선량 계산 결과와 kilo-voltage CT (kV CT) 영상 기반의 선량 계산 결과의 비교 및 MVCBCT 영상 기반의 선량계산 정확성의 향상이다. MVCBCT 영상의 intensity 교정을 위해 kV CT와 MVCBCT을 이용하여 12 종류의 전자밀도 바를 제공하는 Cheese 팬텀 영상을 획득하고, Cheese 팬텀 영상의 동일한 전자밀도 바에서 표현되는 kV CT 영상과 MVCBCT 영상의 intensity 관계를 도출하였다. 이후 kV CT, MVCBCT를 이용한 Rando 팬텀 영상을 획득하여 MVCBCT 영상은 3차원 강체 정합을 수행하였고 본 과정을 통해 MVCBCT 영상은 kV CT 영상과 마치 동일한 모달리티에서 획득한 영상과 같은 위치 및 intensity 분포로 변환되었고, MVCBCT 영상의 잡음을 없애기 위한 Gaussian smoothing 필터를 적용하였다. 위의 과정을 거친 MVCBCT 영상을 토대로 intensity 교정을 적용한 영상과, intensity 교정을 적용하지 않은 영상, kV CT영상을 기반으로 방사선 치료 계획 시스템을 이용한 선량 계산을 시행 하였다. 선량 계산의 결과는 선량 분포의 차이 및 Percentage difference로 평가되었다. Intensity 보정을 적용한 MVCBCT 영상의 선량 계산 결과의 경우 kV CT 영상 기반의 선량 계산 결과와의 Percentage difference가 두경부 영상의 경우 1.08%, 흉부 영상의 경우 2.44%였다. 본 연구에서 적용한 intensity 변환을 통해 MVCBCT 영상을 이용한 선량 계산의 정확성이 향상됨을 확인하였고, 본 연구 방법은 실제 선량 계산에 적용 및 사용의 편리성을 확인하였다. 차후 연구 계획도 본 연구 내용에 의해 제안되었다.

• 한국정보통신학회논문지
• /
• 제13권4호
• /
• pp.765-773
• /
• 2009

최근의 텔레매틱스 교통정보제공서비스는 지능형 교통시스템의 구축을 통한 실시간 교통정보 수집이 가능해짐에 따라 다양해지고 있다. 본 논문에서는 고품질의 다양한 교통정보제공을 위해 필요한 미래시간에 대한 단기 교통정보 예측 모델을 제안하고 개발하였다. 단기 예측 모델은 현재로부터 가까운 미래의 교통 상황을 예측하기 위한 교통 모델로 본 연구에서 제안한 예측 모델은 각 도로에 대하여 5분 이후부터 1시간 이전까지의 미래시간에 대한 차량 평균 속도를 예측 결과로 준다. 본 연구에서 제안한 예측 모델은 베이지안 네트워크에 기반을 두고 있으며 각 도로의 미래시간 교통상황에 영향을 줄 수 있는 요인들을 분석하여 베이지안 네트워크의 원인노드로 설정하였다. 설계된 베이지안 네트워크에 대하여 실시간 교통정보데이터를 이용하여 가우시안 혼합 분포를 가정한 베이지안 네트워크의 결합 확률 밀도 함수를 EM(Expectation Maximization) 알고리즘으로 구하여 미래시간의 교통정보를 예측하였다. 예측 모델의 정확도 검증을 위해 실시간 교통데이터로 다양한 실험을 수행하였다. 실험결과 제안된 모델은 현재 시간으로부터 10분 이후, 30분 이후, 60분 이후 예측 오차로 각각 4.5, 4.8, 5.2의 RMSE(Root Mean Square Error) 값을 주었다.

• Progress in Superconductivity
• /
• 제7권1호
• /
• pp.28-35
• /
• 2005

We propose a method to measure atrial arrhythmias (AA) such as atrial fibrillation (Afb) and atrial flutter (Afl) with a SQUID magnetocardiograph (MCG) system. To detect AA is one of challenging topics in MCG. As the AA generally have irregular rhythm and atrio-ventricular conduction, the MCG signal cannot be improved by QRS averaging; therefore a SQUID MCG system having a high SNR is required to measure informative atrial excitation with a single scan. In the case of Afb, diminished f waves are much smaller than normal P waves because the sources are usually located on the posterior wall of the heart. In this study, we utilize an MCG system measuring tangential field components, which is known to be more sensitive to a deeper current source. The average noise spectral density of the whole system in a magnetic shielded room was $10\;fT/{\surd}Hz(a)\;1\;Hz\;and\;5\;fT/{\surd}Hz\;(a)\;100\;Hz$. We measured the MCG signals of patients with chronic Afb and Afl. Before the AA measurement, the comparison between the measurements in supine and prone positions for P waves has been conducted and the experiment gave a result that the supine position is more suitable to measure the atrial excitation. Therefore, the AA was measured in subject's supine position. Clinical potential of AA measurement in MCG is to find an aspect of a reentry circuit and to localize the abnormal stimulation noninvasively. To give useful information about the abnormal excitation, we have developed a method, separative synthetic aperture magnetometry (sSAM). The basic idea of sSAM is to visualize current source distribution corresponding to the atrial excitation, which are separated from the ventricular excitation and the Gaussian sensor noises. By using sSAM, we localized the source of an Afl successfully.

• 정보처리학회논문지B
• /
• 제16B권2호
• /
• pp.131-140
• /
• 2009

본 논문에서는 입력된 FISH 세포영상을 군집세포영역과 독립세포영역으로 분류하고, 군집세포영역에 대해서는 하나의 세포를 분리하는 알고리즘을 제안한다. 먼저 입력된 영상에 대해서 가우시안혼합모델과 세포의 명암도 값에 대한 최대 우도 함수를 사용하여 세포영역과 배경영역을 분할해줄 임계값을 정의하게 된다. 이렇게 얻어진 전경세포영역에 대해서 보다 정확한 세포 분석을 위해서 군집세포와 독립세포를 분류하게 된다. 세포 영역의 분류과정을 위해서는 베이지안 네트워크와 확률밀도함수를 사용한다. 학습데이터로부터 밀집도(compactness), 평활도(smoothness), 후-모멘트(Hu-moment)에 대한 형태학적 특징값을 추출하여 확률밀도함수를 구성하고, 이를 기반으로 베이지안 네트워크를 사용하여 두 영역을 분류하게 된다. 군집세포로 분류된 영역에 대해서는 그 군집세포를 구성하고 있는 독립세포로 각각 분리한다. 먼저, 명암도 기울기 변환(intensity gradient transform) 영상과 워터쉐드 알고리즘을 이용하여 군집세포 영역을 작은 영역으로 분할하게 된다. 작게 분할된 영역을 하나의 세포영역으로 병합시키기 위해서, 군집세포에 존재하는 독립세포의 수만큼의 마커를 결정 침식 연산을 사용하여 추출하고, 추출된 마커를 중심으로 단계적 병합 알고리즘을 제안한다. 본 논문에서 제안한 방법은 166개의 FISH 세포를 사용하여 테스트한 결과 99.29%의 정확한 분리결과를 보여줬으며 기존의 다른 알고리즘보다도 뛰어난 성능과 빠른 실행시간을 보여주었다.

• 한국음향학회지
• /
• 제21권4호
• /
• pp.380-386
• /
• 2002

Rahim의 논문 (M.G. Rahim, et al., PROC. of ICASSP96, 1996)과 같은 기존의 후처리 방법은 음소 모델과 반모델 (anti-model)의 유사도를 이용하여 음소 단위 신뢰도를 계산하고, 이들의 평균을 단어 단위 신뢰도로 정의한다. 그런데 음소단위의 신뢰도가 동일한 확률밀도함수를 갖는 것이 아니기 때문에 특정단어의 경우 계산된 신뢰도는 대체로 낮은 값을 갖는다. 이를 극복하기 위한 방법으로서, 본 논문에서는 기존의 신뢰도를 통계적으로 정규화한 신뢰도를 제안한다. 즉 음소단위의 신뢰도가 가우시안 분포를 갖는다고 가정한 후 트라이 폰(sri-phone) 단위로 정규화하여 동일한 정규분포를 갖도록 한다. 본 논문에서는 제안된 방법의 검증을 위하여 문맥종속 핵심어 모델과 문맥독립 필러 모델을 이용한 일반적인 핵심어 검출기를 사용하였다. 실험결과 제안된 정규화 신뢰도 (NCM: Normalized Confidence Measure)가 불검출율 (WDR: Missed Detection Rate) 8%정도에서 오검출율 (PAR: false alarm rate)을 0.44에서 0.33 FA/KW/HR (false alarm/keyword/hour)로 저하시켰다. 이것은 오검출율에서 성능이 25% 향상된 것이다.

• 한국해안해양공학회지
• /
• 제6권4호
• /
• pp.413-420
• /
• 1994

하천수 플룸(plume)의 퍼짐을 다루는 역학은 플룸의 경계면이 시간과 공간에 따라서 변하기 때문에 자유경계조건의 문제(free boundary problem)로 다루어야 하는 대단히 복잡한 비선형 문제이다. 더욱이 플룸경계를 통한 주변수의 혼합까지 고려할 경우 그 복잡성은 한층 더해진다. 이러한 비선형성과 복잡성을 피하는 기법의 하나가 적분해석법인 바, 본 논문에서는 하천수 플룸의 흐름축에 수직한 횡방향 및 수심방향에 대하여 기본방정식들을 적분함으로 3차원 문제를 1차원 문제로 치환하는 적분해석법을 사용하였다. 다만 이 일이 가능하기 위해서는 유동변수들(유속, 밀도 등)의 횡방향 및 수심방향의 분포함수가 알려져 있음이 전제되어야 하는데 유속의 축방향성분 및 플룸과 주변수 간의 밀도차가 상기 두 방향에 대해서 가우스(Gauss)분포를 갖는다는 잘 검증된 가정을 활용하였다. 그리고 이 가정에서 플룸의 횡방향 유속을 도출해낸 본 연구자들의 기발표된 논문의 결과도 활용하였다. 결과로 얻어진 연행(entrainment)효과까지 포함한 방정식들을 Runge-Kutta 수치해석법을 사용하여 풀었다. 그리하여 하천수 풀룸의 3차원적 해석을 쉽게 수행할 수 있는 수치해석기법을 얻어냈다.

• 한국음향학회지
• /
• 제38권4호
• /
• pp.459-466
• /
• 2019

투명한 PMMA (Poly methyl methacrylate) 기판 위에 탄소나노튜브(Carbon Nanotube, CNT)와 PDMS (Poly dimethylsiloxane)를 코팅한 복합체에 레이저 펄스를 조사하면 열탄성효과에 의해 수중에 강한 초음파가 발생한다. 본 논문에서는 그 초음파 발생과 관련한 열음향 이론을 정립하고, 가우시안 파형을 갖는 레이저 펄스를 두께가 $20{\mu}m$인 CNT/PDMS 복합체에 조사했을 때 어떤 파형의 초음파가 발생하는지를 시뮬레이션을 통해 파악하였다. 그 결과로부터 CNT/PDMS 복합체에서는 충격 초음파가 발생하며, 그 파의 형상은 복합체의 각종 물성 값이 ${\pm}20%$ 변하여도 크게 변하지 않는 것을 확인하였다. 그러나 정(+), 부(-)의 피크 값은 열팽창계수가 증가하거나 밀도, 열용량, 음속이 감소하면 증가하며, 열전도도에 대해서는 민감하게 변하지 않음을 알았다. 나아가, 직접 제작한 CNT/PDMS 복합체에서 방사되는 초음파의 측정 결과와 시뮬레이션 결과의 비교로부터 그 물성 값을 추정할 수 있었다.

• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1295-1303
• /
• 2022

안정적인 수도 공급을 위한 상수도관망의 역할이 더욱 주목받음에 따라 비정상 상황에 대한 신속한 탐지와 적절한 대처 역시 중요시되고 있다. 장치에 의존한 탐지기법 등 기존의 방법론에는 한계가 존재하므로 데이터를 이용한 모델 기반의 방법이 개발되었다. 하지만 상수도관망 내 측정 데이터는 불확실성을 가져 실제 사용량과 다르다. 따라서 본 연구에서는 기계학습 방법의 하나인 인공신경망 모델을 이용하여 상수도관망 압력값을 예측함에 있어 데이터 불확실성의 영향을 조사한다. 정규분포를 따르는 임의의 값을 고려하여 데이터에 측정치 오류를 형성하고 측정치 오류 여부 및 종류에 따라 총 9가지 데이터를 인공신경망 모델을 통해 예측해 경향성을 비교한다. 분석을 통해 데이터 불확실성이 증가할수록 모델 성능이 감소하며, 출력데이터의 측정치 오류가 모델 성능에 미치는 정도가 더 큼을 확인하였다. 특히 입력데이터와 출력데이터의 측정 오차 크기가 동일한 경우 예측 정확도는 각각 72.25%, 38.61%로 큰 차이를 보였다. 따라서 ANN 모델 예측 성능 향상을 위해서는 입력 데이터보다 출력데이터인 주절점의 측정 오류 크기를 줄이는 것이 중요하다.