• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.63-80
• /
• 2022

현실의 공간을 가상의 공간으로 구현하여 문제를 분석하고 예측하는 기술이 개발되면서, 복잡한 도시 내의 정밀한 공간정보를 취득하는 것이 중요해지고 있다. 본 연구는 복잡한 경관을 가진 도시지역을 대상으로 무인항공기를 통해 영상을 취득하고 고해상도 영상에 적합한 영상분류 기법인 객체기반 영상분석 기법과 의미론적 분할 기법을 적용하여 토지피복 분류를 수행하였다. 또한, 동일시기에 수집된 영상을 바탕으로 인공지능이 학습하지 않은 지역에 대해 각 인공지능 모형의 토지피복 분류 재현성을 확인하고자 하였다. 학습 지역을 대상으로 인공지능 모형을 학습하였을 때, 토지피복 분류 정확도가 OBIA-RF는 89.3%, OBIA-DNN은 85.0%, U-Net의 경우 95.3%로 분석되었다. 재현성을 평가하기 위해 검증 지역에 인공지능 모형을 적용하였을 때, OBIA-RF는 7%, OBIA-DNN은 2.1%, U-Net은 2.3%의 정확도가 감소하였다. 형태학적인 특성과 분광학적인 특성을 모두 고려한 U-Net이 토지피복 분류 정확도 및 재현성 평가에서 우수한 성능을 보이는 것으로 나타났다. 본 연구의 결과는 정밀한 공간정보가 중요해짐에 따라 기초자료 생성 방법으로써 도시환경 연구분야에 기여할 수 있을 것으로 판단된다.

• 대한소아치과학회지
• /
• 제49권4호
• /
• pp.357-367
• /
• 2022

수면호흡장애(sleep disordered breathing, SDB)는 상기도의 완전한 또는 부분적 폐쇄로 인해 수면 중 반복적인 저호흡과 무호흡이 나타나는 것을 특징으로 하는 질환이다. 소아 SDB 유병률은 대략 12 - 15%이며, 호발 연령은 주로 3 - 5세의 미취학 어린이이다. 어린이는 코골이와 잦은 각성부터 야뇨증, 과잉행동에 이르기까지 다양한 증상을 보인다. 어린이에서 SDB의 주원인은 편도 및 아데노이드 비대로 인한 상기도의 폐쇄이다. SDB를 치료하지 않으면 학습 장애, 인지 장애, 행동 문제, 심혈관 질환, 대사 증후군, 저성장 등과 같은 합병증을 초래할 수 있다. 소아치과 의사는 SDB의 위험이 있는 소아를 감별하는 특별한 위치에 있다. 소아치과 의사는 SDB와 관련 있는 임상 양상을 인지하고, 소아 수면설문지, 측 모두부계측 방사선사진, 휴대용 간이수면검사 등을 이용하여 SDB를 선별하여 전문가에게 의뢰할 수 있어야 한다. 소아치과에서는 치료를 위해 상악궁 확장, 하악 전방 유도장치, 설소대 절제술 등을 시행할 수 있다. 소아치과 의사는 장기간의 구호흡과 저위설, 설소대단축증 등이 비정상적인 안면골격 성장 및 수면 문제를 일으킬 수 있음을 인지하고, 이러한 문제점들을 예방할 수 있도록 조기에 개입할 수 있어야 할 것이다.

• 한국과학교육학회지
• /
• 제42권5호
• /
• pp.543-555
• /
• 2022

본 연구는 '미적 과학교육 연구'를 서지분석을 통해 그 동향을 파악한 후, 앞으로 이 분야의 연구에 대한 시사점을 제공하는 것을 목표로 한다. 이를 위해 Clarivate Analytics에서 제공하는 Web of Science 웹데이터베이스의 검색기능을 활용하여 미적 과학교육 연구 100편을 추출하였으며, 이를 R 프로그램의 Bibliometrix 패키지를 이용하여 상세 서지분석을 실시하였다. 분석 결과, 1993년부터 2022년까지 평균적으로 논문의 수가 증가하는 추세였으며, 관련 논문이 출판되는 학술지는 지역적으로 균등히 분포되어 있는 양상을 보였다. 키워드 분석, 상위 인용수를 가지고 있는 논문, 저자 협력 네트워크, 문헌 공동 인용 네트워크 등을 통해 살펴본 결과, 과학교육에서 미적 측면은 과학교육에서 예술을 통합하여 미적 경험을 유도하는 범주, 과학의 미적 측면에서 '형태의 미'와 '정서적 반응'을 활용한 범주로 구분 지을 수 있었다. 본 연구를 통해 도출한 시사점은 다음과 같다. 첫째, 미래 과학교육에서 강조하는 행위주체성과 능동적 학습을 실현하기 위해 미적 과학교육 연구가 활발히 수행되어야 한다. 둘째, 과학의 '형태의 미'를 과학교육에 좀 더 활용하여 과학교육에 대한 새로운 접근법을 개발할 필요가 있다. 셋째, 과학의 미적 측면은 교사, 예비교사, 학생의 과학의 본성에 대한 인식을 변화시킬 수 있다. 넷째, 과학의 미적 측면에 대한 교사, 학생, 예비교사 등을 대상으로 한 광범위한 인식조사를 통해 과학교육에서 미적 측면을 활용하는데 있어 시사점을 도출하여야 한다. 본 연구는 미적 과학교육 연구의 전체적인 분석 자료를 제공했다는 점에서 의미가 있다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1249-1258
• /
• 2022

해양쓰레기란 고의 또는 부주의로 해안에 방치되거나 해양으로 유입·배출되어 해양환경에 해로운 결과를 미치거나 미칠 우려가 있는 물질로 정의된다. 본 연구에서는 효율적인 해양쓰레기 수량 파악 방법 및 변화량 분석을 위하여 객체 탐지 기법을 이용한 해양쓰레기 탐지 및 해양쓰레기의 변화량 분석을 수행하였다. 연구지역은 거제도 북동부 유호 몽돌 해수욕장이며 2022년 9월 12일부터 10월 14일까지 32일 동안 15분 간격으로 수집한 이미지를 통해 변화량을 분석하였다. One-Stage 방식의 객체 탐지 모델인 YOLOv5x를 이용한 해양쓰레기 탐지는 페트병 mAP 0.869, 스티로폼 부표 mAP 0.862의 성능을 도출하였다. 결과적으로 해양쓰레기는 8일 간격으로 큰 감소 폭을 보였으며, 성상별로는 스티로폼 부표의 수량이 3배 정도 많고 변화폭 역시 더 크게 나타남을 파악하였다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1137-1144
• /
• 2022

본 연구에서는 감정을 표현하기 위한 표정 연습을 보조하는 인공지능을 개발하였다. 개발한 인공지능은 서술형 문장과 표정 이미지로 구성된 멀티모달 입력을 심층신경망에 사용하고 서술형 문장에서 예측되는 감정과 표정 이미지에서 예측되는 감정 사이의 유사도를 계산하여 출력하였다. 사용자는 서술형 문장으로 주어진 상황에 맞게 표정을 연습하고 인공지능은 서술형 문장과 사용자의 표정 사이의 유사도를 수치로 출력하여 피드백한다. 표정 이미지에서 감정을 예측하기 위해 ResNet34 구조를 사용하였으며 FER2013 공공데이터를 이용해 훈련하였다. 자연어인 서술형 문장에서 감정을 예측하기 위해 KoBERT 모델을 전이학습 하였으며 AIHub의 감정 분류를 위한 대화 음성 데이터 세트를 사용해 훈련하였다. 표정 이미지에서 감정을 예측하는 심층신경망은 65% 정확도를 달성하여 사람 수준의 감정 분류 능력을 보여주었다. 서술형 문장에서 감정을 예측하는 심층신경망은 90% 정확도를 달성하였다. 감정표현에 문제가 없는 일반인이 개발한 인공지능을 이용해 표정 연습 실험을 수행하여 개발한 인공지능의 성능을 검증하였다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1115-1124
• /
• 2022

본 연구는 충주댐과 소양강댐 유역을 대상으로 분포형 수문모형인 Variable Infiltration Capacity (VIC) 모형 기반의 댐 유입량 예측 모형과 딥러닝 모형의 일종인 LSTM 기반의 댐 방류량 예측 모형으로 구성된 통합 모델링 프레임워크를 구성하여 미래 기후변화가 수자원에 미치는 영향을 평가하였다. 기후모델에 따른 미래 기후자료의 불확실성을 고려하여 4개의 CMIP6 GCM 모델의 기후자료를 미래기간(2021-2100)에 대한 VIC 모형의 기상자료로 입력하였다. 미래기후자료를 적용한 결과, 미래가 진행됨에 따라 기간별 평균 유입량이 증가하였으며, 먼 미래(2070-2100)에는 관측기간(1986-2020)에 비해 유입량이 최대 22% 증가하였다. 갈수량 분석 결과, 임의의 4일~50일에 대한 댐 방류량의 최소값은 관측치에 비해 현저히 낮은 것으로 나타났다. 이는 가뭄이 과거에 관측된 것보다 더 장기간에 걸쳐 발생할 수 있음을 나타내며, 수도권 시민들이 미래의 가뭄으로 인해 심각한 물 부족을 겪을 수 있다는 것을 의미한다. 또한, 단기 및 중기 미래에 비하여 장기미래에 저수량의 변화가 급격하게 이루어졌으며 이는 수자원 관리의 어려움이 증대될 수 있음을 시사한다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1091-1104
• /
• 2022

기후변화는 전 세계적으로 강우의 빈도와 강도를 증가 시킬 것으로 예측되며 급격한 도시화와 산업화로 인해 도시 지역의 내수 침수 피해로 양상이 바뀌고 있다. 이에 기후변화에 따른 영향평가는 도시계획에 매우 중요한 요소로 언급되고 있으며, 세계기상기구(WMO)는 기상 현상으로부터 발생할 수 있는 사회, 경제적 영향을 고려하는 영향예보의 필요성을 강조하고 있다. 특히 교통에 있어서 도시침수로 인한 교통 시스템의 성능 저하는 사회에 가장 해로운 요소이며 영향을 받는 주요 도로마다 시간당 £ 100k 정도인 것으로 추정하고 있다. 그러나 국내의 경우 현재 기상재해의 발생에 대한 정확한 예보 및 특보를 제공해도 그 영향을 제대로 전달하지 못하고 있다. 따라서 본 연구에서는 도시홍수의 침수심을 제시하고 차량에 영향을 미칠 수 있는 피해에 대처하기 위해 각 지역의 고해상도 분석 및 수문학적 요인을 반영하고, 강우로 인한 홍수 정도와 차량 운행에 미치는 영향 정도를 조사할 필요가 있다고 판단하였다. 이에 강우-침수심-차량속도의 산정식을 간단한 선형회귀식이 아닌 다양한 머신러닝 기법을 이용하여 제시하고자 한다. 또한 또한 기후변화 시나리오를 강우-침수심-차량속도 산정식에 적용하여 집중호우 시 도시하천의 침수를 예측하고 미래 기후변화의 영향을 고려한 도로 침수로 인해 발생할 수 있는 교통 네트워크의 장애를 평가하며, 도시 교통흐름 계획에 이용하는 기술을 개발하고자 한다.

• 한국해안·해양공학회논문집
• /
• 제34권4호
• /
• pp.109-118
• /
• 2022

정점 표층 수온 관측 데이터 중 결측 구간의 데이터를 양방향 순환신경망(Bidirectional Recurrent Neural Network, BiRNN) 기법을 이용하여 보간하였다. 인공지능 기법 중 시계열 데이터에 일반적으로 활용되는 Recurrent Neural Networks(RNNs)은 결측 추정 위치까지의 시간 흐름 방향 또는 역방향으로만 추정하기 때문에 장기 결측 구간에는 추정 성능이 떨어진다. 반면, 본 연구에서는 결측 구간 전후의 양방향으로 추정을 하여 장기 결측 데이터에 대해서도 추정 성능을 높일 수 있다. 또한 관측점 주위의 가용한 모든 데이터(수온, 기온, 바람장, 기압, 습도)를 사용함으로써, 이들 상관관계로부터 보간 데이터를 함께 추정하도록 하여 보간 성능을 더욱 높이고자 하였다. 성능 검증을 위하여 통계 기반 모델인 Multivariate Imputation by Chained Equations(MICE)와 기계학습 기반의 Random Forest 모델, 그리고 Long Short-Term Memory(LSTM)을 이용한 RNN 모델과 비교하였다. 7일간의 장기 결측에 대한 보간에 대해서 BiRNN/통계 모델들의 평균 정확도가 각각 70.8%/61.2%이며 평균 오차가 각각 0.28도/0.44도로 BiRNN 모델이 다른 모델보다 좋은 성능을 보인다. 결측 패턴을 나타내는 temporal decay factor를 적용함으로써 BiRNN 기법이 결측 구간이 길어질수록 보간 성능이 기존 방법보다 우수한 것으로 판단된다.

• 정보교육학회논문지
• /
• 제26권3호
• /
• pp.197-207
• /
• 2022

본 논문에서는 코딩 학습 중 학습자의 인지 부하 감소를 목적으로 자연어 처리 모델을 이용하여 전이학습 및 미세조정을 통해 블록 프로그래밍 환경에서 이미 이루어진 학습자의 블록을 학습하여 학습자에게 다음 단계에서 선택 가능한 블록을 생성하고 추천해 주는 머신러닝 기반 블록 코드 생성 및 추천 모델을 개발하였다. 모델 개발을 위해 훈련용 데이터셋은 블록 프로그래밍 언어인 '엔트리' 사이트의 인기 프로젝트 50개의 블록 코드를 전처리하여 제작하였으며, 훈련 데이터셋과 검증 데이터셋 및 테스트 데이터셋으로 나누어 LSTM, Seq2Seq, GPT-2 모델을 기반으로 블록 코드를 생성하는 모델을 개발하였다. 개발된 모델의 성능 평가 결과, GPT-2가 LSTM과 Seq2Seq 모델보다 문장의 유사도를 측정하는 BLEU와 ROUGE 지표에서 더 높은 성능을 보였다. GPT-2 모델을 통해 실제 생성된 데이터를 확인한 결과 블록의 개수가 1개 또는 17개인 경우를 제외하면 BLEU와 ROUGE 점수에서 비교적 유사한 성능을 내는 것을 알 수 있었다.

• 응용통계연구
• /
• 제35권3호
• /
• pp.407-419
• /
• 2022

반도체는 제조 공정이 복잡하고 길어 결함이 발생될 때 빠른 탐지와 조치가 이뤄져야 결함으로 인한 손실을 최소화할 수 있다. 테스트 공정을 거쳐 구성된 웨이퍼 빈 맵(WBM)의 체계적인 패턴을 탐지하고 분류함으로써 문제의 원인을 유추할 수 있다. 이 작업은 수작업으로 이뤄지기 때문에 대량의 웨이퍼를 단 시간에 처리하는 데 한계가 있다. 본 논문은 웨이퍼 빈 맵의 정상 여부를 구분하기 위해 계층적 군집 분석을 활용한 새로운 결함 패턴 탐지 방법을 제시한다. 제시하는 방법은 여러 장점이 있다. 군집의 수를 알 필요가 없으며 군집분석의 조율 모수가 적고 직관적이다. 동일한 크기의 웨이퍼와 다이(die)에서는 동일한 조율 모수를 가지므로 대량의 웨이퍼도 빠르게 결함을 탐지할 수 있다. 소량의 결함 데이터만 있어도 그리고 데이터의 결함비율을 가정하지 않더라도 기계학습 모형을 훈련할 수 있다. 제조 특성상 결함 데이터는 구하기 어렵고 결함의 비율이 수시로 바뀔 수 있기 때문에 필요하다. 또한 신규 패턴 발생시에도 안정적으로 탐지한다. 대만 반도체 기업에서 공개한 실제 웨이퍼 빈 맵 데이터(WM-811K)로 실험하였다. 계층적 군집 분석을 이용한 결함 패턴탐지는 불량의 재현율이 96.31%로 기존의 공간 필터(spatial filter)보다 우수함을 보여준다. 결함 분류는 혼합 유형에 장점이 있는 계층적 군집 분석을 그대로 사용한다. 직선형과 곡선형의 긁힘(scratch) 결함의 특징에 각각 주성분 분석의 고유값과 2차 다항식의 결정계수를 이용하고 랜덤 포레스트 분류기를 이용한다.