• 한국엔터테인먼트산업학회논문지
• /
• 제13권8호
• /
• pp.583-593
• /
• 2019

본 연구는 만성허리통증자의 특징적과거력의 존재수와 주관적 불안정성 통증 양상 및 이학적 불안정성 검사 간의 상관성을 조사하였다. 40명의 만성허리통증자들에게 4가지 특징적과거력의 존재 유무를 조사 한 후, 존재 수에 따라 5개 그룹으로 분류 하였다[그룹 1 (0) : n = 8, 그룹 2 (1) : n = 8, 그룹 3 (2) : n = 8, 그룹 4 (3) : n = 8, 그룹 5 (4) : n = 8]. 불안정성과 관련한 주관적 통증 양상 16개 항목의 양성반응을 조사하고, 7개의 이학적 불안정성 검사를 수행하여 그 결과를 점수화 하였다. 특징적과거력의 존재 수에 따른 주관적 불안정성 통증 양상, 이학적 불안정성 검사 점수를 비교하고 상관 분석을 하였다. 그 결과, 그룹 간 비교에서 유의한 차이가 있었다(p<.05). 또한 특징적과거력의 존재 수와 주관적 불안정성 통증 양상(r = .819, p = .000), 이학적 불안정성 검사(r = .606, p = .000) 사이에는 높은 양의 상관성을 나타내었고, 주관적 불안정성 통증 양상과 이학적 불안정성 검사(r = .571, p = .000) 사이에도 양의 상관성을 나타냈다. 본 연구 결과에 따라 3개 이상의 특징적과거력의 존재는 만성허리통증자의 허리부위 불안정성 진단에 유용한 변수가 될 수 있다. 또한 특징적과거력 정보와 주관적 불안정성 통증 양상 및 이학적 불안정성 검사 결과의 조합은 불안정성 진단의 정확도를 높일 수 있다.

• 한국항만경제학회지
• /
• 제39권2호
• /
• pp.1-13
• /
• 2023

이 연구는 IMO의 환경규제와 4차산업 혁명 기술의 확산에 따라 그중요성과 비중이 확대되고 있는 친환경 스마트 선박의 성장에 필요한 인력 수요를 통계청의 2000년~2020년의 조선산업 인력자료를 기반으로 예측하였다. 추세분석과 시계열분석의 다양한 모델을 적용하여 조선산업의 인력 수요를 예측하고 최근 5년간의 실적치와 비교하여 기하평균을 적용한 단순평균법이 예측 오차가 유의적으로 가장 적은 것으로 평가되었다. 그리고 산업통상자원부의 친환경 스마트 선박 분야의 2018년과 2020년의 인력현황 설문조사 결과를 바탕으로 조선산업 인력 증가추이를 반영하여 인력 수요를 예측하였다. 조선산업의 인력수요 예측치에 친환경 스마트 선박부분의 인력 증가수치를 반영하여 인력 수요를 예측한 결과, 2025년 62,001명, 2030년 85,035명으로 증가하는 것으로 예측되었다. 본 연구는 고부가가치 친환경 스마트 선박 분야에 필요한 인력 수요를 통계자료에 기반하여 객관적으로 예측함으로써, 향후의 인력 수요에 대응한 적절한 전문인력의 양성 및 공급 방안 수립에 기여하게 될 것으로 평가된다.

• 대한치과보철학회지
• /
• 제61권4호
• /
• pp.367-378
• /
• 2023

최근 CAD-CAM (computer-aided design-computer-aided manufacturing) 기술 및 3D 프린팅 기술의 발전과 함께 다양한 디지털 기법들의 도입으로 top-down 방식의 최종 보철 수복의 정확성과 효율성이 증대되고 있다. 본 증례는 전후 엇갈린 교합을 가진 환자에서 총 9개의 상하악 구치부 임플란트 식립을 통해 안정적인 교합 지지를 얻으면서 잔존 치조골의 고도 흡수 경향을 보인 상악 전치부 무치악 부위는 케네디 4급 임플란트 보조 국소의치로 수복함으로써 연조직의 심미성을 회복하였다. 전산화단층촬영 가이드 수술로 계획된 위치에 임플란트를 식립하고, 이중 스캔 기법으로 임시 수복 단계에서 안정화된 교합을 최종 보철물에 반영하며, 코핑과 프레임워크를 금속 3D 프린팅으로 제작하여 효율적이며 예측 가능한 top-down 방식의 전악 구강 수복을 달성하였기에 이를 보고하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.27-35
• /
• 2023

본 논문에서는 복합소재 생산 분야에서 수요가 높은 프리프레그 섬유 제조 공정에 딥러닝 기반의 결함 검출 및 분류 시스템을 적용하여 생산성을 높이는 과정을 제안한다. 다양한 조건별 다량의 불량 발생으로 해결방안이 필요한 토우 프리프레그 제조 장비에 적용하기 위해 우선 결함 감지와 분류 모델 제작에 필요한 카메라 및 조명을 선정하여 최적의 환경을 구축하였다. 그리고 다중 분류 모델 제작에 필요한 데이터를 수집하고 정상 및 불량 조건에 따라 라벨링을 진행하였다. 다중 분류 모델은 CNN 기반으로 제작하였으며 VGGNet과 MobileNet, ResNet 등의 사전 학습모델을 적용하여 성능을 비교하고 정확도 및 손실 그래프로 개선 방향을 파악한다. 주요 문제로 과적합 문제를 확인하여 개선하기 위해 데이터 증강 및 Dropout 기법을 적용하여 보완하였다. 모델에 대한 성능 평가를 위해 혼돈행렬을 성능지표로 한 성능 평가를 진행하였으며 99% 이상의 성능을 확인하였다. 또한, 실제 공정에 적용하여 실시간 획득된 이미지에 대한 분류 결과를 확인해보며 판별 값이 정확히 도출되는지 확인한다.

• Ecology and Resilient Infrastructure
• /
• 제10권4호
• /
• pp.116-124
• /
• 2023

극한호우 발생빈도 증가로 소하천 홍수 피해가 증가하고 있어 소하천 리스크 관리를 위해 유량 계측 요구가 증가하고 있다. 이에 행정안전부 (MOIS) 소속 국립재난안전연구원 (NDMI)은 CCTV 기반 자동유량계측기술 (CCTV based Automatic Discharge Measurement Technology, CADMT)을 개발하고 성능 검증과 재난 리스크 관리기술 개발을 위해 시범소하천을 운영하고 있다. 본 연구는 CADMT가 설치된 능막천과 중선필천 2개 소하천을 선정하고 소하천에 가장 가까운 기상청 Automatic Weather System 강우량 자료와 유량 계측자료를 이용해 4-Parameter Logistic 방법으로 Nomograph를 개발한다. 개발한 Nomograph를 검증하기 위하여 본 연구는 각 소하천에서 홍수량을 예측하고 그 결과를 계측 유량과 비교한다. 검증 결과 예측치는 계측치를 잘 재현하는 것으로 나타나 향후, 보다 정확도 높은 계측자료가 수집되고 이에 기반한 Nomograph가 개발된다면 정확도 높은 홍수 예·경보가 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.577-587
• /
• 2023

크라우드소싱(crowdsourcing) 공간 데이터 활용 연구가 활발히 진행되고 있으나 데이터 품질의 불확실성으로 인한 문제점이 제기되고 있다. 특히 드론 영상 데이터셋에 품질이 낮은 데이터가 포함될 경우, 출력되는 공간 정보의 품질이 저하될 수 있다. 이를 위해 본 연구에서는 크라우드소싱된 영상의 기하학적 품질을 자동으로 검증하는 방법론을 제안하였다. 주요 품질 요소로는 영상의 공간해상도, 해상도 변화량, 매칭점 재투영 오차, 번들 조정 결과 등을 입력변수로 활용하였다. 공간 정보 생성에 적합한 영상을 분류하기 위해 학습 및 검증 데이터를 구축하고, radial basis function (RBF) 기반의 support vector machine (SVM) 모델로 학습을 진행하였다. 학습된 SVM 모델의 분류 정확도는 99.1%를 기록하였다. 품질 검증 모델 효과를 확인하기 위해 학습 및 검증에 사용하지 않은 드론 영상에 대하여 해당 모델을 적용하기 전후의 영상 데이터셋으로 각각 정사영상을 생성하고 비교하였다. 그 결과 모델 적용을 통하여 정사영상에 포함될 수 있는 다양한 왜곡을 줄이고 객체 식별력을 증대시키는 것을 확인하였다. 제안된 품질 검증 방법론은 다양한 품질의 크라우드소싱 데이터를 입력으로 받아 양질의 정보만을 자동 선별하게 함으로써 공간정보 생성에서의 활용 가능성을 증대시킬 것으로 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.29-42
• /
• 2023

본 논문은 서울, 부산, 인천과 같은 대한민국의 주요 도시들을 대상으로 일사량 예측 정확도를 향상하기 위한 방법론을 제안한다. 제안한 방법론은 먼저 GAN, CTGAN, Copula GAN, WGANGP, TVAE 등 다섯 가지 생성 모델을 이용하여 기존 학습 데이터와 유사한 독립 변수들을 생성한다. 다음으로 모델 학습에서의 데이터 편향성을 개선하고자, 생성한 독립 변수들에서 각각 랜덤 포레스트와 심층 신경망을 통해 종속 변숫값을 도출하여 학습 데이터 셋을 구축하고, 이를 기존 학습데이터 셋과 결합하여 예측 모델을 구성한다. 실험 결과, 증강된 데이터 셋으로 학습한 모델들은 기존 데이터 셋으로 학습한 모델들보다 향상된 성능을 나타내었다. 특히 CTGAN은 복잡한 다변량 데이터 관계를 효과적으로 다루는 메커니즘으로 인해 우수한 결과를 도출하였으며, 생성된 데이터는 일사량의 다양한 변화와 실제 변동성과 효과적으로 반영하였다. 제안한 방법론은 고품질의 생성 데이터로 학습 데이터를 증강함으로써, 데이터 부족 현상 문제를 다룰 수 있을 뿐만 아니라 지속 가능한 발전을 위한 태양광 발전 시스템 운영에도 이바지할 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1679-1692
• /
• 2023

대한민국은 인구 증가와 산업 발전의 결과로 많은 양의 오염물질을 배출하는 국가이자, 지리적 위치로 인해 월경성 대기오염의 심각한 영향을 받는 국가이다. 국내외에서 발생하는 오염물질이 대한민국의 대기오염에 큰 피해를 야기하는 상황에서, 대기 오염물질 배출원의 위치 정보는 대기 중 오염물질의 이동 및 분포를 파악하고, 국가 차원의 대기오염 관리 및 대응 전략을 수립하는 데 매우 중요하다. 본 연구는 이러한 배경을 바탕으로, 고해상도 광학위성 영상과 딥러닝 기반의 영상 분할 모델을 활용하여 대기오염 현황을 분석하는 데 필수적인 국내외 대기오염물질 배출원의 공간 정보를 효과적으로 획득하는 것을 목표로 수행되었다. 특히, 월경성 대기오염에 크게 기여하는 것으로 평가된 산업단지와 채석장을 주요 연구 대상으로 선정하였으며, 이들 영역에 대한 다목적실용위성 3호 및 3A호의 영상들을 수집하여 전처리한 후, 모델 학습을 위한 입력 및 라벨 데이터로 변환하였다. 해당 데이터를 활용하여 U-Net 모델을 학습시킨 결과, 전체 정확도는 0.8484, mean Intersection over Union (mIoU)은 0.6490을 달성하였다. 모델의 예측 결과 맵은 코스 어노테이션(Course Annotation) 방식으로 제작된 라벨 데이터보다 객체의 경계를 더욱 정확하게 추출하는 것으로 나타나, 데이터 처리 및 모델 학습 방법론의 유효성을 입증하였다.

• 한국ITS학회 논문지
• /
• 제22권5호
• /
• pp.1-18
• /
• 2023

최근 빅데이터 및 딥러닝 기술의 발전으로 다양한 교통정보가 널리 수집 및 활용되고 있다. 특히 시계열 특성을 갖는 교통정보 예측 분야에서는 장단기 메모리(long short term memory, LSTM)가 널리 사용되고 있다. LSTM에 입력되는 시계열 데이터의 추세, 계절성, 주기 등이 상이하기 때문에 시계열 데이터를 기반으로 한 예측 모델에서도 데이터의 특성에 따라 하이퍼 파라미터의 적합한 값을 찾는 시행착오법이 필수적이다. 이에 적합한 하이퍼 파라미터를 찾는 방법론이 정립된다면, 정확도가 높은 모델 구성에 소요되는 시간을 줄일 수 있다. 따라서, 본 연구에서는 국내 고속도로 차량검지기 데이터와 LSTM을 기반으로 교통정보 예측 모델을 개발하였으며, LSTM의 하이퍼 파라미터별 평가지표 변화를 통해 예측 결과에 미치는 영향평가를 수행하였다. 또한, 이를 기반으로 교통분야에서 고속도로 교통정보 예측에 적합한 하이퍼 파라미터를 찾는 방법론을 제시하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.431-436
• /
• 2023

소프트웨어 공학 영역에 인공지능의 접목은 큰 화두 중 하나이다. 전 세계적으로 1) 인공지능을 통한 소프트웨어 공학, 2) 소프트웨어 공학을 통한 인공지능 두 가지 방향으로 활발히 연구되고 있다. 그 중 소프트웨어 공학에 인공지능을 접목하여 나쁜 코드 영역을 식별하고 해당 부분을 리팩토링하는 연구가 진행되고 있다. 해당 연구에서 인공지능이 나쁜 코드 요소의 패턴을 잘 학습하기 위해서는 학습하려는 나쁜 코드 요소가 라벨링 된 데이터셋이 필요하다. 문제는 데이터셋이 부족할뿐더러, 자체적으로 수집한 데이터셋의 정확도는 신뢰할 수 없다. 이를 해결하기 위해 코드 데이터 수집 시 전체 코드가 아닌 높은 복잡도를 가진 코드 모듈 영역을 대상으로만 나쁜 코드 데이터를 수집한다. 이후 수집한 데이터셋을 CodeBERT 모델의 전이 학습하여 코드 공통 취약점을 탐색하는 방법을 제안한다. 해당 데이터셋을 통해 CodeBERT 모델이 코드의 공통 취약점 패턴을 더 잘 학습할 수 있다. 이를 통해 전통적인 방법보다 인공지능 모델을 이용해 코드를 분석하고 공통 취약점 패턴을 더 정확하게 식별할 수 있을 것으로 기대한다.