• 생물환경조절학회지
• /
• 제31권1호
• /
• pp.1-7
• /
• 2022

서부 경남 지역 중 딸기재배로 유명한 지역 40개 농가를 대상으로 한 조사에 따르면 국산품종 중에서 "설향"이 65.0%으로서 가장 선호하고 있는 것으로 나타났다. 그리고 현재의 농업은 4차 산업혁명으로 스마트팜(Smart Farm)의 기술이 더욱 발전하고 있는 실정이다. 그러나 각 생육단계가 어떤 상황일 때 딸기의 생산량이 최적에 달하는지 대한 기준이 없으며, 이러한 판단기준은 아직까지 스마트팜에 경험이 있는 농업인의 의사에 달려있다는 문제점이 있다. 따라서 본 연구에서는 딸기의 생육상황에 대한 생산량 예측을 통해 선진화된 스마트팜 시스템을 구축하고자 한다. 실험 장소는 경상남도 사천시의 딸기 농가에서 수행하였으며, 총 3곳을 대상으로 데이터 수집을 진행하였다. 실험 대상의 모든 온실 내에서 재배하는 딸기의 품종은 '설향'이다. 작물 데이터의 수집 항목은 작물의 엽수, 꽃수, 과실수, 초장, 잎의 길이, 엽록소 함량이며, 환경 데이터의 수집 항목은 온도, 습도, 조도이다. 기존의 농가 단위의 스마트팜의 문제점 보완 및 개선을 통하여 고품질의 작물 생장 상태를 유지하기 위해 K-fold 교차검증, Lasso 회귀분석, MAPE 검증을 통해 예측모델을 도출하였으며, MAPE 검증 결과 값으로 0.511(꽃 예측)과 0.488(과일 예측)의 값이 나타났다. 본 연구는 스마트팜 데이터 구축을 위해서는 AI를 통해 성장상태별 수확량을 예측하였으며, 이를 농가 및 농업 관련 기업에 활용해 농업 서비스가 편리할 것으로 판단된다.

• 전기전자학회논문지
• /
• 제26권4호
• /
• pp.736-741
• /
• 2022

격자 기반 암호화는 최악의 경우를 기반으로 한 강력한 보안, 비교적 효율적인 구현 및 단순성을 누리기 때문에 포스트 양자 암호화 방식 중 가장 실용적인 방식이다. 오류가 있는 링 학습(R-LWE)은 격자 기반 암호화(LBC)의 공개키암호화(Public Key Encryption: PKE) 방식이며, R-LWE의 가장 중요한 연산은 링의 모듈러 다항식 곱셈이다. 본 논문은 R-LWE 암호 시스템의 중간 보안 수준의 매개 변수 집합을 대상으로 하여 근사 컴퓨팅(Approximate Computing: AC) 기술을 기반으로 한 모듈러 곱셈기를 최적화하는 방법을 제안한다. 먼저 복잡한 로직을 간단하게 구현하는 방법으로 LUT을 사용하여 근사 곱셈 연산 중 일부의 연산 과정을 생략하고, 2의 보수 방법을 활용하여 입력 데이터의 값을 이진수로 변환 시 값이 1인 비트의 개수를 최소화하여 필요한 덧셈기의 개수를 절감하는 총 두 가지 방법을 제안한다. 제안된 LUT 기반의 모듈식 곱셈기는 기존 R-LWE 모듈식 곱셈기 대비 속도와 면적 모두 9%까지 줄어들었고, 2의 보수 방법을 적용한 모듈식 곱셈기는 면적을 40%까지 줄이고 속도는 2% 향상되는 것으로 나타났다. 마지막으로 이 두 방법을 모두 적용한 최적화된 모듈식 곱셈기의 면적은 기존대비 43%까지 감소하고 속도는 10%까지 감소하는 것으로 나타났다.

• 지구물리와물리탐사
• /
• 제26권3호
• /
• pp.126-137
• /
• 2023

본 연구에서는 해양 모니터링 중에 기록된 돌고래 클릭 신호를 분류하기 위해 순환 신경망(RNN)을 적용하는 방법을 검토했다. 클릭 신호 분류의 정확도를 높이기 위해 단일 시계열 자료를 분수 푸리에 변환을 사용하여 분수 영역으로 변환하여 특징을 확장했으며, 분류를 위한 최적의 네트워크를 결정하기 위해 세 가지 순환 신경망 모델(LSTM, GRU, BiLSTM)을 비교 분석하였다. 순환 신경망 모델의 입력 자료로써 이용된 분수 영역 자료의 경우, 분수 푸리에 변환 시 회전 각도에 따라 다른 특성을 가지므로, 각 네트워크 모델에 따라 우수한 성능을 가지는 회전 각도 범위를 분석했다. 이때 네트워크 성능 분석을 위해 정확도, 정밀도, 재현율, F1-점수와 같은 성능 평가 지표를 도입했다. 수치실험 결과, 세 가지 네트워크 모두 높은 성능을 보였으며, BiLSTM 네트워크가 LSTM, GRU에 비해 뛰어난 학습 결과를 제공했다. 마지막으로, 현장 자료 적용 가능성 측면에서 BiLSTM 네트워크가 다른 네트워크에 비해 낮은 오탐지 결과를 제공하였다.

• 대한토목학회논문집
• /
• 제26권3D호
• /
• pp.425-433
• /
• 2006

본 연구에서는 화강암 골재를 이용한 아스팔트 표층용 혼합물 및 기층용 혼합물의 동탄성계수를 평가하고, 배합설계에 사용된 데이터를 바탕으로 신뢰성이 높고, 간단한 형태의 동탄성계수 예측방정식을 개발하는 목표를 두고 있다. 기존의 마샬 배합설계가 아닌 슈퍼페이브 배합설계를 이용하여, 재료들의 기본 물성치를 정리하였다. 표층용(13mm 및 19mm)과 기층용(25mm) 밀입도 아스팔트 혼합물을 적용하였고, 국내의 대표적인 아스팔트 AP-3, AP-5 아스팔트 바인더를 이용하여 배합설계를 실시하였다. 최적아스팔트함량에 공극률 2%, 4%, 6%의 시편과 공극률 4%에 최적 아스팔트 함량에서 ${\pm}1%$의 아스팔트 함량을 이용하여 시편을 제작하였다. 5개의 다른 시험온도, -10, 5, 21, 40, $55^{\circ}C$ 및 0.05, 0.1, 1, 10, 25Hz의 5개의 하중주파수를 이용하여 일축압축 시험모드로 동탄성 계수를 평가하였다. 기존의 동탄성계수 예측용 Witczak 방정식을 표층용 및 기층용 아스팔트 혼합물 실험결과를 이용하여 국내 아스팔트 혼합물에 적용할 수 있는 수정된 예측방정식을 제안하였다. 예측방정식에 사용된 각각의 변수들에 의한 영향정도를 상호 비교 평가하였고, 제한된 실험 자료로 인해 예측방정식의 신뢰도는 약 80% 수준으로 평가되었다.

• 대한토목학회논문집
• /
• 제28권5A호
• /
• pp.673-683
• /
• 2008

본 연구는 PSC I 거더교량을 대상으로 포장층에 축감지기가 없이 오로지 교량 상부구조 하면에서 측정한 변형률 신호만을 이용하는 차량하중분석시스템 개발에 관한 것이다. 중 차량이 교량을 주행할 때 교량 바닥판에서 측정한 변형률 신호로 차량주행정보를 추출하고, 교량 거더 및 가로보에서 측정한 변형률 신호로 차량하중정보를 추출하는 방법이다. 이러한 정보 분석을 위하여 영향선 분석방법과 인공신경망 분석방법을 사용하였다. 학습 데이터 확보 및 시스템 검증을 위하여 임의차량 및 시험차량 주행시험을 실시하였다. 대상 교량에서 하중분석결과, 가로보 변형률 신호를 이용한 경우가 거더 변형률 신호를 이용한 경우보다 더 정확한 결과를 나타내었고, 차선당 2열로 설치된 교량 바닥판 슬래브의 변형률 신호를 이용한 피크 검출 알고리즘도 차량의 속도와 축 수, 주행 차선, 축간 거리, 차간 거리 등의 주행정보를 추출하는데 매우 효과적임을 확인하였다. 또한, 가로보의 변형률 신호를 가지고 인공신경망 학습을 하여 시스템을 구성할 수 있는 경우가 기존의 거더 변형률 신호와 영향선만으로 시스템을 구성하는 경우보다 더 정확한 결과를 얻을 수 있음도 확인 하였다.

• 대한토목학회논문집
• /
• 제30권6B호
• /
• pp.579-587
• /
• 2010

기상청에서 제공하는 강우수치예보정보를 활용하여 10일이내의 중기유량예측을 수행하였다. 기상청의 원시예보자료로는 2일예보를 위한 RDAPS와 10일예측을 위한 GDAPS예측자료를 활용하였다. 수치예보의 정확도를 제고하기 위하여 강우상세 정보를 생산할 수 있는 강수진단모형(QPM)과 QPM모의결과에 내재된 계통적 편이를 제거하기 위하여 분위사상과정 (Quantile Mapping)을 적용하였다. QPM모의결과를 유출모형의 입력정보로 활용하기 위하여 일관적인 체계를 갖춘 유역강수 정보로 변환하여, 장기연속유출모형인 SSARR모형을 이용하여 금강유역내 주요지점에서의 유량예측을 수행하여 유량예측에 대한 검증을 수행하였다. 2006년 1월 1일부터 6월 20일까지 강수예측을 수행한 결과 2일예측인 RQPM의 경우 기간 총강수량을 기준으로 실적강우대비 89.7%의 강수모의값을 보임으로서 양호한 예측성능을 확인할 수 있었다. 유량예측모의에 있어서는 2일예측의 경우 일부 강우사상에서 예측누락과 예측오류가 발생하였지만 전반적으로 유량예측이 양호한 수준이었다. 다만, 하류지점의 경우 조절유량에 의한 유출모형보정의 어려움과 수위-유량관계곡선의 신뢰도저하등의 이유로 예측성능이 떨어지는 경우도 있었다. GQPM에 대한 10일강우예측은 첨두강수와 강수총량에 있어서 다소 과소한 모의값을 보이고 있으며, 강수보정효과도 RDAPS에 비하여 저조한 수준이었다. 이 부분은 강수예측의 사후보정으로는 한계가 있는 것으로 보여지며 원시예측모형의 안정화를 통하여 개선할 수 있는 부분으로 판단된다.

• 한국ITS학회 논문지
• /
• 제22권5호
• /
• pp.30-42
• /
• 2023

자율주행시대에 맞춰 다양한 연구에서 미시교통시뮬레이션(VISSIM)을 활용하여 자율주행차 도입시 교통류 안전성 분석을 수행중이다. 그러나, 일반자동차의 주행행태를 VISSIM 내 파라미터로 반영하여 혼재시의 교통류 안전성을 분석한 연구는 미비하였다. 따라서 본 연구에서는 실제 주행행태와 유사한 주행행태를 구현하기 위하여 일반자동차의 VISSIM 입력변수를 유전알고리즘을 통해 최적화 한 후, 자율주행차 도입률에 따른 교통류 안전성 분석을 수행하는 것을 목적으로 한다. US I-101 고속도로의 640m 구간을 대상으로 후행차량이 일반자동차인 경우에 대해서 상충횟수 분석을 수행한 결과, 전체 상충횟수는 자율주행차 도입률 20%까지 증가하였으며 20%를 초과한 이후부터는 지속적으로 감소하였다. 일반자동차와 자율주행차 사이의 상충횟수는 자율주행차 도입률 60%까지 증가하는 것으로 분석되었다. 그러나, 자율주행차의 주행행태를 기존 문헌결과를 바탕으로 하여 실제 주행행태를 표현하지 못했다는 한계가 존재한다. 그러므로 보다 정확한 분석을 위해 향후 연구에서는 자율주행차의 실제 주행행태를 반영하여 연구를 수행할 필요가 있다.

• 인터넷정보학회논문지
• /
• 제24권5호
• /
• pp.17-27
• /
• 2023

오늘날 AI(Artificial Intelligence) 기술이 발전하면서 실용성이 증가함에 따라 실생활 속 다양한 응용 분야에서 널리 활용되고 있다. 이때 AI Model은 기본적으로 학습 데이터의 다양한 통계적 속성을 기반으로 학습된 후 시스템에 배포되지만, 급변하는 데이터의 상황 속 예상치 못한 데이터의 변화는 모델의 성능저하를 유발한다. 특히 보안 분야에서 끊임없이 생성되는 새로운 공격과 알려지지 않은 공격에 대응하기 위해서는 배포된 모델의 Drift Signal을 찾는 것이 중요해짐에 따라 모델 전체의 Lifecycle 관리 필요성이 점차 대두되고 있다. 일반적으로 모델의 정확도 및 오류율(Loss)의 성능변화를 통해 탐지할 수 있지만, 모델 예측 결과에 대한 실제 라벨이 필요한 점에서 사용 환경의 제약이 존재하며, 실제 드리프트가 발생한 지점의 탐지가 불확실한 단점이 있다. 그 이유는 모델의 오류율의 경우 다양한 외부 환경적 요인, 모델의 선택과 그에 따른 파라미터 설정, 그리고 새로운 입력데이터에 따라 크게 영향을 받기에 해당 값만을 기반으로 데이터의 실질적인 드리프트 발생 시점을 정밀하게 판단하는 것은 한계가 존재하게 된다. 따라서 본 논문에서는 XAI(eXplainable Artificial Intelligence) 기반 Anomaly 분석기법을 통해 실질적인 드리프트가 발생한 시점을 탐지하는 방안을 제안한다. DGA(Domain Generation Algorithm)를 탐지하는 분류모델을 대상으로 시험한 결과, 배포된 이후 데이터의 SHAP(Shapley Additive exPlanations) Value를 통해 Anomaly score를 추출하였고, 그 결과 효율적인 드리프트 시점탐지가 가능함을 확인하였다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.594-609
• /
• 2023

TBM 공법은 굴착면 안정성 확보 및 주변환경에 비치는 영향을 최소화하기 때문에 도심지나 하·해저터널 등에서 적용 사례가 증가하는 추세이다. 디스크 커터의 수명을 예측하는 대표적인 모델 중 NTNU모델은 커터수명지수(Cutter Life Index, CLI)를 주요 매개 변수로 활용하지만 복잡한 시험절차와 시험장비의 희귀성으로 측정에 어려움이 있다. 본 연구에서는 다중선형회귀분석과 트리 기반의 머신러닝 기법으로 암석물성을 활용하여 CLI를 예측하였다. 문헌 조사를 통해 암석의 일축압축강도, 압열인장강도, 등 가석영함량과 세르샤 마모지수 등을 포함한 데이터베이스를 구축하였고 파생변수를 계산하여 추가하였다. 다중선형회귀분석은 통계적 유의성과 다중공선성을 고려하여 입력 변수를 선정하였고 머신러닝 예측 모델은 변수 중요도를 기반으로 입력 변수를 선정하였다. 학습용과 검증용 데이터를 8:2로 나누어 모델 간 예측 성능을 비교한 결과 XGBoost가 최적의 모델로 선정되었다. 본 연구에서 도출된 다중선형회귀모델과 XGBoost모델을 선행 연구와 예측 성능을 비교하여 타당성을 확인하였다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.139-157
• /
• 2016

앙상블 분류기란 개별 분류기보다 더 좋은 성과를 내기 위해 다수의 분류기를 결합하는 것을 의미한다. 이와 같은 앙상블 분류기는 단일 분류기의 일반화 성능을 향상시키는데 매우 유용한 것으로 알려져 있다. 랜덤 서브스페이스 앙상블 기법은 각각의 기저 분류기들을 위해 원 입력 변수 집합으로부터 랜덤하게 입력 변수 집합을 선택하며 이를 통해 기저 분류기들을 다양화 시키는 기법이다. k-최근접 이웃(KNN: k nearest neighbor)을 기저 분류기로 하는 랜덤 서브스페이스 앙상블 모형의 성과는 단일 모형의 성과를 개선시키는 데 효과적인 것으로 알려져 있으며, 이와 같은 랜덤 서브스페이스 앙상블의 성과는 각 기저 분류기를 위해 랜덤하게 선택된 입력 변수 집합과 KNN의 파라미터 k의 값이 중요한 영향을 미친다. 하지만, 단일 모형을 위한 k의 최적 선택이나 단일 모형을 위한 입력 변수 집합의 최적 선택에 관한 연구는 있었지만 KNN을 기저 분류기로 하는 앙상블 모형에서 이들의 최적화와 관련된 연구는 없는 것이 현실이다. 이에 본 연구에서는 KNN을 기저 분류기로 하는 앙상블 모형의 성과 개선을 위해 각 기저 분류기들의 k 파라미터 값과 입력 변수 집합을 동시에 최적화하는 새로운 형태의 앙상블 모형을 제안하였다. 본 논문에서 제안한 방법은 앙상블을 구성하게 될 각각의 KNN 기저 분류기들에 대해 최적의 앙상블 성과가 나올 수 있도록 각각의 기저 분류기가 사용할 파라미터 k의 값과 입력 변수를 유전자 알고리즘을 이용해 탐색하였다. 제안한 모형의 검증을 위해 국내 기업의 부도 예측 관련 데이터를 가지고 다양한 실험을 하였으며, 실험 결과 제안한 모형이 기존의 앙상블 모형보다 기저 분류기의 다양화와 예측 성과 개선에 효과적임을 알 수 있었다.