• Journal of Radiation Protection and Research
• /
• 제46권4호
• /
• pp.204-212
• /
• 2021

Background: Identification of radioisotopes for plastic scintillation detectors is challenging because their spectra have poor energy resolutions and lack photo peaks. To overcome this weakness, many researchers have conducted radioisotope identification studies using machine learning algorithms; however, the effect of data normalization on radioisotope identification has not been addressed yet. Furthermore, studies on machine learning-based radioisotope identifiers for plastic scintillation detectors are limited. Materials and Methods: In this study, machine learning-based radioisotope identifiers were implemented, and their performances according to data normalization methods were compared. Eight classes of radioisotopes consisting of combinations of ²²Na, ⁶⁰Co, and ¹³⁷Cs, and the background, were defined. The training set was generated by the random sampling technique based on probabilistic density functions acquired by experiments and simulations, and test set was acquired by experiments. Support vector machine (SVM), artificial neural network (ANN), and convolutional neural network (CNN) were implemented as radioisotope identifiers with six data normalization methods, and trained using the generated training set. Results and Discussion: The implemented identifiers were evaluated by test sets acquired by experiments with and without gain shifts to confirm the robustness of the identifiers against the gain shift effect. Among the three machine learning-based radioisotope identifiers, prediction accuracy followed the order SVM > ANN > CNN, while the training time followed the order SVM > ANN > CNN. Conclusion: The prediction accuracy for the combined test sets was highest with the SVM. The CNN exhibited a minimum variation in prediction accuracy for each class, even though it had the lowest prediction accuracy for the combined test sets among three identifiers. The SVM exhibited the highest prediction accuracy for the combined test sets, and its training time was the shortest among three identifiers.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.11-20
• /
• 2024

AI(Artificial Intelligence)의 다양한 모델 중 생성 모델, 특히 GAN(Generative Adversarial Network)은 이미지 처리, 밀도 추정, 스타일 전이 등 다양한 응용 분야에서 성공을 거두었다. 이러한 GAN은 CGAN(Conditional GAN), CycleGAN, BigGAN 등의 방식으로 확장 및 개선되었지만 재난 시뮬레이션, 의료 분야, 도시 계획 등 특정 분야에서는 데이터 부족과 불안정한 학습에 의한 이미지 왜곡 문제로 실제 시스템 적용에 문제가 되고 있다. 본 논문에서는 클래스 항목을 판별하는 ACGAN(Auxiliary Classifier GAN) 구조를 기반으로 기존 PGGAN(Progressive Growing of GAN)의 점진적 학습 방식을 활용한 새로운 점진적 단계의 학습 방법론 PST(Progressive Step Training)를 제안한다. PST 모델은 기존 방법 대비 70.82% 빠른 안정화, 51.3% 낮은 표준 편차, 후반 고해상도의 안정적 손실값 수렴 그리고 94.6% 빠른 손실 감소를 달성한다.

• 한국측량학회지
• /
• 제22권3호
• /
• pp.303-309
• /
• 2004

영상의 밝기값과 텍스쳐 모두를 사용하여 대상물의 경계를 보다 정확하게 추출할 수 있는 적응적 베이즈 영상 분할기법을 C 프로그래밍 언어로 개발하였다. 사전확률밀도함수를 추정하기 위하여 깁스 분포 모델을 적용하였고, 조건확률밀도함수를 추정하기 위하여 퍼지 C-군집화 기법을 도입하였다. 추정된 두 확률밀도함수로부터 최대 사후주변확률이 산출되었고, 이를 시뮬레이션영상에 적용하여 99% 이상의 신뢰도를 획득하였다. 또한 개발된 알고리즘을 1963년 미 정찰위성사진을 이용하여 제작한 남극 정사영상에 적용하여 남극 전체 해안선에 대하여 최대 300미터 정확도를 갖는 벡터지도를 제작하였다.

• Parasites, Hosts and Diseases
• /
• 제57권6호
• /
• pp.681-690
• /
• 2019

The infection status of digenetic trematode metacercariae (DTM) was investigated in fishes from coastal lakes in Gangwon-do, the Republic of Korea (Korea). All fishes collected in 5 lakes were examined with the artificial digestion method. More than 10 species, i.e., Metagonimus spp., Pygidiopsis summa, Centrocestus armatus, Metorchis orientalis, M. taiwanensis, Clinostomum complanatum, Echinostoma spp., Stictodora spp., Diplostomum sp. and Diplostomid No. 1. by Morita (1960), of DTM were detected in fishes from 5 coastal lakes in Gangwon-do. Metagonimus spp. metacercariae were found in 52 (41.3%) out of 126 sea rundace, Tribolodon hakonensis, from 5 lakes, and their density was 14.6 per fish infected. P. summa metacercariae were detected in 48 (84.2%) out of 57 mullets from 5 lakes, and their density was 316 per fish infected. C. armatus metacercariae were detected in 7 (14.6%) T. hakonensis and 3 (15.0%) Tridentiger brevispinis from Hyang-ho, and 5 (19.2%) Acanthogobius flavimanus from Gyeongpo-ho. Stictodora spp. metacercariae were found in 4 fish species, i.e., Tridentiger obscurus, Tridentiger trigonocephalus, Chelon haematocheilus, and Acanthogobius lactipes, from Gyeongpo-ho. Total 15 C. complanatum metacercariae were detected in 2 (9.1%) crucian carp, Carassius auratus, from Songji-ho. M. taiwanensis metacercariae were found in T. hakonensis from Hyang-ho and Gyeongpo-ho and in Pseudorasbora parva from Gyeongpo-ho. Total 11 M. orientalis metacercariae were detected in 3 (6.3%) T. hakonensis from Hyang-ho. From the above results, it was confirmed that various species of DTM are infected in fishes from coastal lakes in Gangwon-do, Korea.

• 인터넷정보학회논문지
• /
• 제14권2호
• /
• pp.25-34
• /
• 2013

본 논문에서는 워크플로우 기반 인적 자원의 소속성 분석을 위한 업무-수행자 이분 행렬 생성 알고리즘을 제안한다. 워크플로우 기반 인적 자원은 워크플로우 관리 시스템에 의해 관리되는 조직의 모든 수행자들을 말하며, 워크플로우 모델의 실행 과정에서 특정 업무 집합에 참여하게 된다. 이러한 워크플로우 모델에 정의된 수행자들과 업무들과의 소속성을 나타내는 소셜 네트워크를 업무-수행자 소속성 네트워크라 정의하였으며, 본 논문에서 제안하는 알고리즘은 워크플로우 모델로부터 발견된 업무-수행자 소속성 네트워크 모델(APANM)에 대한 이분 행렬을 생성하기 위한 알고리즘이다. 결론적으로, 알고리즘에 의해 생성된 업무-수행자 이분 행렬은 중심성(centrality), 밀집도(density), 상관 관계(correlation)와 같은 다양한 소셜 네트워크 관련 속성들을 분석하는데 적용될 수 있으며, 이를 통해 워크플로우 기반 인적 자원의 소속성에 대한 유용한 지식을 획득할 수 있다.

• 한국융합학회논문지
• /
• 제9권11호
• /
• pp.15-21
• /
• 2018

본 논문에서는 단일 클래스만을 학습하여 네트워크 침입탐지 시스템 상에서 새로운 비정상 행위를 탐지하는 것을 목표로 한다. 분류 성능 평가를 위해 KDD CUP 1999 데이터셋을 사용한다. 단일 클래스 분류는 정상 클래스만을 학습하여 공격 클래스를 분류해내는 비지도 학습 방법 중 하나이다. 비지도 학습의 경우에는 학습에 네거티브 인스턴스를 사용하지 않기 때문에 상대적으로 높은 분류 효율을 내는 것이 어렵다. 하지만, 비지도 학습은 라벨이 없는 데이터를 분류하는데 적합한 장점이 있다. 본 연구에서는 서포트벡터머신 기반의 단일 클래스 분류기와 밀도 추정 기반의 단일 클래스 분류기를 사용한 실험을 통해 기존에 없던 새로운 공격에 대한 탐지를 한다. 밀도 추정 기반의 분류기를 사용한 실험이 상대적으로 더 좋은 성능을 보였고, 신규 공격에 대해 낮은 FPR을 유지하면서도 약 96%의 탐지율을 보인다.

• 한국전자통신학회논문지
• /
• 제17권5호
• /
• pp.905-912
• /
• 2022

4차 산업혁명의 핵심 기술 중 하나인 가상현실은 오큘러스로 대표되는 저가의 웨어러블 장치의 보급으로 새로운 국면을 맞이하고 있다. 현실적인 위험성 문제로 실질적인 훈련이 거의 불가능한 재난 대피 훈련의 경우 가상현실은 효과적인 훈련을 가능하게 하는 새로운 대안이 되고 있다. 본 논문에서는 가상현실로 구현되는 화재 대피 훈련 콘텐츠에 적용될 수 있는 연기 모델링 방법을 제안한다. 화재 발생 시 연기는 통로를 따라 확산되고 시간에 따라 연기의 밀도가 변한다. 제안하는 방법은 시뮬레이션을 통해 계산한 연기의 밀도값을 실시간으로 모델에 반영할 수 있는 절차적 함수를 적용하여 연기를 모델링한다. 공장을 배경으로 구현한 결과를 보면 제안하는 방법이 사용자의 움직임에 따른 연기의 변화를 사실적으로 표현하는 것을 볼 수 있다.

• Imaging Science in Dentistry
• /
• 제52권4호
• /
• pp.393-398
• /
• 2022

Purpose: This study proposed a generative adversarial network (GAN) model for T2-weighted image (WI) synthesis from proton density (PD)-WI in a temporomandibular joint(TMJ) magnetic resonance imaging (MRI) protocol. Materials and Methods: From January to November 2019, MRI scans for TMJ were reviewed and 308 imaging sets were collected. For training, 277 pairs of PD- and T2-WI sagittal TMJ images were used. Transfer learning of the pix2pix GAN model was utilized to generate T2-WI from PD-WI. Model performance was evaluated with the structural similarity index map (SSIM) and peak signal-to-noise ratio (PSNR) indices for 31 predicted T2-WI (pT2). The disc position was clinically diagnosed as anterior disc displacement with or without reduction, and joint effusion as present or absent. The true T2-WI-based diagnosis was regarded as the gold standard, to which pT2-based diagnoses were compared using Cohen's ĸ coefficient. Results: The mean SSIM and PSNR values were 0.4781(±0.0522) and 21.30(±1.51) dB, respectively. The pT2 protocol showed almost perfect agreement(ĸ=0.81) with the gold standard for disc position. The number of discordant cases was higher for normal disc position (17%) than for anterior displacement with reduction (2%) or without reduction (10%). The effusion diagnosis also showed almost perfect agreement(ĸ=0.88), with higher concordance for the presence (85%) than for the absence (77%) of effusion. Conclusion: The application of pT2 images for a TMJ MRI protocol useful for diagnosis, although the image quality of pT2 was not fully satisfactory. Further research is expected to enhance pT2 quality.

• 문화기술의 융합
• /
• 제8권3호
• /
• pp.493-499
• /
• 2022

본 논문은 제주도의 화산이 폭발 시에 얼마만한 속도로 폭발했으며, 폭발 후에 생기는 튜물러스와 한라산 중턱에서 폭발된 현무암이 바다까지 밀려온 결과를 보고한다. 현무암 지하 마그마가 약 절대온도 1000K로 지상의 중성대를 뚫고 1950m 상공에서 절대온도 1200K로 폭발하면서 나올 때의 속도에 대해 분석했다. 부력(浮力)에 의한 화염 기둥의 열기류인 Plume 화산 폭발로 인한 주변의 공기보다 연소가스의 밀도가 작아져 부력이 발생하고 상승 기류가 형성된다. 화염 기둥은 연속, 간헐, 부력 화염 영역으로 분류된다. 한라산(1950m) 화염 기둥의 속도는 상승한 최고점에서 낙하함으로 위치에너지가 운동에너지로 변환되어 유체흐름에 의해 이 두 식을 같게 놓아 풀면 화산 폭발 속도87.5m/s를 얻었다. 이때 마그마의 밀도는 온도에 반비례한다. 거문오름(456m)은 폭발 속도는 42.6m/s로 계산했다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.253-255
• /
• 2022

4차 산업혁명과 각종 통신매체의 발전에 힘입어 다양한 분야에서 인공지능과 자동화와 같은 기술이 산업현장에 접목되고 있으며, 이에 따라 데이터처리의 중요성이 높아지고 있다. 영상의 잡음제거는 영상처리의 전처리 과정으로서, 주로 높은 수준의 영상처리 기술이 요구되는 분야에서 사용된다. 잡음제거를 위해 다양한 연구가 진행되었지만, 잡음제거 과정에서 영상의 디테일 보존, 질감 복원과 특수한 영역의 잡음 제거와 같이 다양한 문제가 발생한다. 본 논문에서는 임펄스 잡음제거 과정에서 영상의 세부적인 정보를 보존하기 위해 잡음의 세기에 기반한 스위칭 마스크 필터를 제안한다. 제안한 필터 알고리즘은 필터링 마스크로 지정된 영역의 잡음판단을 실시하였을 때, 기준치보다 높은 밀도로 판단된 경우 확장된 마스크로 스위칭을 하여 최종출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션을 진행하였으며, 기존 방법과 비교하여 성능을 분석하였다.