• 한국항해항만학회지
• /
• 제44권3호
• /
• pp.187-194
• /
• 2020

항만의 주요 정책 및 향후 운영계획 수립 시 정확한 물동량 예측에 관한 연구는 매우 중요하며 이러한 중요성으로 인해 관련 연구가 활발히 수행되고 있다. 본 논문에서는 국내 최대 석탄 및 철광석 처리 항만인 광양항을 대상으로 단계적 회귀분석과 인공신경망모형을 활용하여 모형간 예측력을 비교하였다. 2009년 1월부터 2019년 1월까지 총 121개월의 월별자료를 활용하였으며 석탄 및 철광석 물동량에 영향을 주는 요인을 선정하여 공급관련요인과 시장·경제관련요인으로 분류하였다. 단계적 회귀분석 결과, 광양항 석탄 물동량 예측모형의 경우, 입항선박 톤수, 석탄가격 및 대미환율이 최종변수로 선정되었고 철광석 물동량 예측모형의 경우, 입항선박 톤수, 철광석가격이 최종변수로 선정되었다. 인공신경망모형의 경우, 모델 성능에 영향을 미치는 다양한 Hyper-parameters를 조정하며 최적 모델을 선정하는 시행착오법을 사용하였다. 분석결과 인공신경망모형이 단계적 회귀분석에 비해 우수한 예측성능을 나타내었으며 예측 모형별 예측값과 실측값을 그래프 상 비교 시에도 인공신경망모형이 단계적 회귀분석에 비해 고·저점을 유사하게 나타냈다.

• 산업과 과학
• /
• 제3권2호
• /
• pp.8-16
• /
• 2024

본 논문에서는 인구통계학적, 생리학적 특성을 기반으로 환자에게 가장 적합한 약물을 예측하는 것을 목표로 하는 약물 분류 시스템을 제시한다. 데이터 세트에는 적절한 약물을 결정하기 위한 목적으로 연령, 성별, 혈압(BP), 콜레스테롤 수치, 나트륨 대 칼륨 비율(Na_to_K)과 같은 속성들이 포함된다. 본 연구에 사용된 모델은 KNN(K-Nearest Neighbors), 로지스틱 회귀 분석 및 Random Forest이다. 하이퍼파라미터를 최적화하기 위해 5겹 교차 검증을 갖춘 GridSearchCV를 활용하였으며, 각 모델은 데이터 세트에서 훈련 및 테스트 되었다. 초매개변수 조정 유무에 관계없이 각 모델의 성능은 정확도, 혼동 행렬, 분류 보고서와 같은 지표를 사용하여 평가되었다. GridSearchCV를 적용하지 않은 모델의 정확도는 0.7, 0.875, 0.975인 반면, GridSearchCV를 적용한 모델의 정확도는 0.75, 1.0, 0.975로 나타났다. GridSearchCV는 로지스틱 회귀 분석을 세 가지 모델 중 약물 분류에 가장 효과적인 모델로 식별했으며, K-Nearest Neighbors가 그 뒤를 이었고 Na_to_K 비율은 결과를 예측하는 데 중요한 특징인 것으로 밝혀졌다.

• 한국산학기술학회논문지
• /
• 제19권4호
• /
• pp.657-663
• /
• 2018

본 연구에서는 농업용 트랙터에 조립식으로 결합되는 캐빈에 사용되는 방진고무의 진동절연성능을 향상시키기 위하여 형상최적설계를 수행하였다. 초탄성거동을 보이는 고무의 물성을 평가하기 위하여 일축 및 이축 인장시험을 수행하였고 이를 이용하여 유한요소해석에 입력 가능한 재료 모델을 도출하였다. 실제 트랙터의 운전 상태에서 진동을 측정하여 방진고무로 전달되는 입력 가진 및 이로 인한 캐빈 프레임의 응답을 정량화하였다. 비선형 거동을 보이는 방진고무의 특성을 반영하기 위해 정해석을 이용하여 방진고무의 하중-변위 곡선을 도출하였다. 이로부터 특정 하중 혹은 변위가 가해진 상태에서 방진고무의 강성을 계산할 수 있었으며 이를 캐빈의 조화가진해석에 사용하였다. 해석결과와 시험 결과의 비교를 통하여 해석모델 및 기법의 타당성을 검증하였다. 방진고무의 형상설계를 위하여 다구찌의 인자설계법이 사용되었으며 이를 통하여 강성이 최소화된 방진고무의 형상을 찾을 수 있었다. 방진고무의 최적 형상을 고려하여 조화가진해석을 수행한 결과 초기설계 대비 35 % 이상 개선된 진동저감효과를 확인할 수 있었다.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.668-673
• /
• 2017

최근 몇 년간 딥러닝(deep learning)은 음성 인식, 영상 인식, 물체 검출을 비롯한 다양한 패턴인식 분야에서 혁신적인 성능 발전을 거듭해왔다. 그에 비해 네트워크가 어떻게 작동하는지에 대한 깊은 이해는 잘 이루어지지 않고 있다. 본 논문은 효과적인 신경망 네트워크를 구성하기 위해 네트워크 파라미터들이 신경망 내부에서 어떻게 작동하고, 어떤 역할을 하고 있는지 분석하였다. Faster R-CNN 네트워크를 기반으로 하여 신경망의 과적합(overfitting)을 막는 드랍아웃(dropout) 확률과 앵커 박스 크기, 그리고 활성 함수를 변화시켜 학습한 후 그 결과를 분석하였다. 또한 드랍아웃과 배치 정규화(batch normalization) 방식을 비교해보았다. 드랍아웃 확률은 0.3일 때 가장 좋은 성능을 보였으며 앵커 박스의 크기는 최종 물체 검출 성능과 큰 관련이 없다는 것을 알 수 있었다. 드랍아웃과 배치 정규화 방식은 서로를 완전히 대체할 수는 없는 것을 확인할 수 있었다. 활성화 함수는 음수 도메인의 기울기가 0.02인 leaky ReLU가 비교적 좋은 성능을 보였다.

• 한국물환경학회지
• /
• 제36권1호
• /
• pp.48-54
• /
• 2020

This paper presents a screening protocol for the selection of solvents available for the solvent extraction desalination process. The desalination solvents hypothetically and theoretically require the capability of (1) Forming hydrogen bonds with water, (2) Absorbing some water molecules into its non-polar solvent layer, (3) Changing solubility for water-solvent separation, and (4) Rejecting salt ions during absorption. Similar to carboxylic acids, amine solvents are solvent chemicals applicable for desalination. The key parameter for selecting the potential solvent was the octanol-water partitioning coefficient (Kow) of which preferable value for desalination was in the range of 1-3. Six of the 30 amine solvents can absorb water and have a variable, i.e., temperature swing solubility with water molecule for water-solvent separation. Also, the hydrogen bonding interaction between solvent and water must be stronger than the ion-dipole interaction between water and salt, which means that the salt ions must be broken from the water and only water molecules absorbed for the desalination. In the final step, three solvents were selected as desalination solvents to remove salt ions and recover water. The water recovery of these three solvents were 15.4 %, 2.8 %, 10.5 %, and salt rejection were 76 %, 98 %, 95 %, respectively. This study suggests a new screening protocol comprising the theoretical and experimental approaches for the selection of solvents for the desalination method which is a new and challenges the desalination process in the future.

• 수산해양기술연구
• /
• 제38권4호
• /
• pp.307-316
• /
• 2002

2개의 PE 부이가 클램프 및 벨트로 고정되고 그 위에 발판을 지지하기 위한 프레임 등으로 구성된 단위 틀이 외부 재질이 고무 성분인 힌지로연결된 어업용 프레임 구조물의 강도 및 변형을 해석하여 구조적 안정성을 평가하고자 유한 요소법을 이용하여 그것의 구조 해석을 수행하였으며, 해석에서 얻어진 결과는 다음과 같이 요약할 수있다. 1) 고무 힌지로 구성된 어업용 프레임 구조물의 구조적인 안정성을 해석하기 위해서는 힌지 부분을 정확하게 모델링하는 것이 중요하며, 특히 해석 결과는 모델링의 기법에 따라 다르게 나타났다. 2) 고무 힌지의 경우 먼저 재료 시험을 통해 그것의 정확한 불성치를 확보한 후 구조 해석을 수행해야 하며, 단순히 영 계수 E만을 인자로서 해석하는 경우 신뢰성이 있는 결과를 얻을 수 없다는 것을 확인하였다. 3) 초탄성 거동을 하는 고무는 대변형을 하지만 하중과 변형이 선형 관계를 유지하고 있으므로 영 계수 E 등의 물성치를 적절히 사용하면, 힌지를 단순하게 선형 문제로 이상화하여 구조해석을 수행할 수 있을 것으로 사료된다. 4) 동일한 조건에서 파랑 하중에 대한 어업용 프레임 구조물의 구조 응답은 Hogging 상태 즉, 파정이 그것의 중앙부에 오는 것이 정수 중이나 Sagging 상태인 경우보다 크게 나타났다.

• 융합보안논문지
• /
• 제19권1호
• /
• pp.3-10
• /
• 2019

5G 네트워크는 초고속, 초연결, 초저지연이라는 요구를 구현하기 위해 다양한 ICT 기술들을 접목한 차세대 융합 네트워크로서, 이전 세대 이동통신 네트워크의 보안취약점을 해결하기 위해 다양한 노력들이 시도되었다. 그러나 현재까지 발표된 표준화 규격들에는 USIM 탈취 및 복제, 메시지 재전송 공격, 경쟁조건 공격 등의 보안취약점이 여전히 존재한다. 이러한 문제를 해결하기 위해, 본 논문에서는 물리적 복제방지 기능인 PUF 기술을 적용한 새로운 5G 인증 및 키합의 프로토콜을 제시한다. 제시된 PUF 기반의 인증 및 키합의 프로토콜은 특정 입력값에 대해 장치별로 고유하게 생성되는 응답값과 해시함수를 이용하여 현재까지 식별된 보안취약점을 개선한다. 이러한 접근 방법은 보안성이 중요하게 요구되는 영역에서 5G 네트워크를 활용할 경우, 저렴한 PUF 회로의 추가를 통해 강력한 화이트리스트 정책을 구현할 수 있게 해 준다. 또한 기존 프로토콜에 추가적인 암호 알고리즘을 적용하지 않기 때문에 연산 비용 증가나 인증 파라미터 저장 공간 증가의 부담도 상대적으로 적다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.69-81
• /
• 2019

본 논문에서는 딥러닝을 이용한 이변량 장기종속시계열(long-range dependent time series) 예측을 고려하였다. 시계열 데이터 예측에 적합한 LSTM(long short-term memory) 네트워크를 이용하여 이변량 장기종속시계열을 예측하고 이를 이변량 FARIMA(fractional ARIMA) 모형인 FIVARMA 모형과 VARFIMA 모형과의 예측 성능을 실증 자료 분석을 통해 비교하였다. 실증 자료로는 기능적 자기공명 영상(fMRI) 및 일일 실현 변동성(daily realized volatility) 자료를 이용하였으며 표본외 예측(out-of sample forecasting) 오차 비교를 통해 예측 성능을 측정하였다. 그 결과, FIVARMA 모형과 VARFIMA 모형의 예측값에는 미묘한 차이가 존재하며, LSTM 네트워크의 경우 초매개변수 선택으로 복잡해 보이지만 계산적으로 더 안정되면서 예측 성능도 모수적 장기종속시계열과 뒤지지 않은 좋은 예측 성능을 보였다.

• 융합정보논문지
• /
• 제11권7호
• /
• pp.31-38
• /
• 2021

본 논문은 감성 분석에 사용되는 RNN 모델의 최적화를 얻기 위한 성능분석을 위하여 하이퍼파라미터 튜닝에 따른 손실과 정확도의 추이를 관찰하여 모델과의 상관관계를 연구하였다. 연구 방법으로는 시퀀셜데이터를 처리하는데 가장 최적화된 LSTM과 Embedding layer로 히든레이어를 구성한 후, LSTM의 Unit과 Batch Size, Embedding Size를 튜닝하여 각각의 모델에 대한 손실과 정확도를 측정하였다. 측정 결과, 손실은 41.9%, 정확도는 11.4%의 차이를 나타내었고, 최적화 모델의 변화추이는 지속적으로 안정적인 그래프를 보여 하이퍼파라미터의 튜닝이 모델에 지대한 영향을 미침을 확인하였다. 또한 3가지 하이퍼파라미터 중 Embedding Size의 결정이 모델에 가장 큰 영향을 미침을 확인하였다. 향후 이 연구를 지속적으로 이어나가 모델이 최적의 하이퍼파라미터를 직접 찾아낼 수 있는 알고리즘에 대한 연구를 지속적으로 이어나갈 것이다.

• International Journal of Computer Science & Network Security
• /
• 제21권1호
• /
• pp.27-33
• /
• 2021

The whole world now is dealing with Coronavirus, and it has turned to be one of the most widespread and long-lived pandemics of our times. Reports reveal that the infectious disease has taken toll of the almost 80% of the world's population. Amidst a lot of research going on with regards to the prediction on growth and transmission through Symptomatic carriers of the virus, it can't be ignored that pre-symptomatic and asymptomatic carriers also play a crucial role in spreading the reach of the virus. Classification Algorithm has been widely used to classify different types of COVID-19 carriers ranging from simple feature-based classification to Convolutional Neural Networks (CNNs). This research paper aims to present a novel technique using a Random Forest Machine learning algorithm with hyper-parameter tuning to classify different types COVID-19-carriers such that these carriers can be accurately characterized and hence dealt timely to contain the spread of the virus. The main idea for selecting Random Forest is that it works on the powerful concept of "the wisdom of crowd" which produces ensemble prediction. The results are quite convincing and the model records an accuracy score of 99.72 %. The results have been compared with the same dataset being subjected to K-Nearest Neighbour, logistic regression, support vector machine (SVM), and Decision Tree algorithms where the accuracy score has been recorded as 78.58%, 70.11%, 70.385,99% respectively, thus establishing the concreteness and suitability of our approach.