• 한국가시화정보학회지
• /
• 제20권3호
• /
• pp.94-101
• /
• 2022

The evaluation of the drag and lift as the aerodynamic performance of airfoils is essential. In addition, the analysis of the velocity and pressure fields is needed to support the physical mechanism of the force coefficients of the airfoil. Thus, the present study aims at establishing two different deep learning models to predict force coefficients and flow fields of the airfoil. One is the convolutional neural network (CNN) model to predict drag and lift coefficients of airfoil. Another is the Encoder-Decoder (ED) model to predict pressure distribution and velocity vector field. The images of airfoil section are applied as the input data of both models. Thus, the computational fluid dynamics (CFD) is adopted to form the dataset to training and test of both CNN models. The models are established by the convergence performance for the various hyperparameters. The prediction capability of the established CNN model and ED model is evaluated for the various NACA sections by comparing the true results obtained by the CFD, resulting in the high accurate prediction. It is noted that the predicted results near the leading edge, where the velocity has sharp gradient, reveal relatively lower accuracies. Therefore, the more and high resolved dataset are required to improve the highly nonlinear flow fields.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2016-2029
• /
• 2023

Accurate prediction of critical illness is significant for ensuring the lives and health of patients. The selection of indicators affects the real-time capability and accuracy of the prediction for critical illness. However, the diversity and complexity of these indicators make it difficult to find potential connections between them and critical illnesses. For the first time, this study proposes an indicator analysis model to extract key indicators from the preoperative and intraoperative clinical indicators and laboratory results of critical illnesses. In this study, preoperative and intraoperative data of heart failure and respiratory failure are used to verify the model. The proposed model processes the datum and extracts key indicators through four parts. To test the effectiveness of the proposed model, the key indicators are used to predict the two critical illnesses. The classifiers used in the prediction are light gradient boosting machine (LightGBM) and eXtreme Gradient Boosting (XGBoost). The predictive performance using key indicators is better than that using all indicators. In the prediction of heart failure, LightGBM and XGBoost have sensitivities of 0.889 and 0.892, and specificities of 0.939 and 0.937, respectively. For respiratory failure, LightGBM and XGBoost have sensitivities of 0.709 and 0.689, and specificity of 0.936 and 0.940, respectively. The proposed model can effectively analyze the correlation between indicators and postoperative critical illness. The analytical results make it possible to find the key indicators for postoperative critical illnesses. This model is meaningful to assist doctors in extracting key indicators in time and improving the reliability and efficiency of prediction.

• 한국건설관리학회논문집
• /
• 제24권5호
• /
• pp.35-43
• /
• 2023

공동주택 하자 분쟁의 증가와 함께, 하자관리의 중요성 또한 커지고 있다. 그러나 기존의 연구는 '공용 부분'에 초점을 맞추어 진행되었다. 또한 하자관리의 주체인 '관리사무소'를 위한 시스템 연구도 부족한 실정이다. 이는 관리사무소의 하자관리 능력의 부족과 관리 품질의 저하를 초래한다. 따라서, 본 논문에서는 관리사무소를 위한 기계학습 기반의 하자 정보 관리 시스템을 제안한다. OCR과 NLP 모듈을 사용하여 관리상의 불편한 점을 해소하는 것을 목표로 한다. OCR을 통해 수기로 작성된 하자 정보를 디지털 문서로 변환한다. 이후 언어모델을 이용하여 사용자가 지정한 양식과 함께 하자 정보를 재생성한다. 최종적으로 생성된 텍스트를 데이터베이스에 저장하고 이를 기반으로 통계적 분석을 실행한다. 이러한 일련의 과정을 통해, 관리사무소의 하자관리 역량을 향상할 수 있도록 돕고, 의사결정을 지원할 수 있을 것으로 기대한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.881-895
• /
• 2023

Modern image inpainting techniques based on deep learning have achieved remarkable performance, and more and more people are working on repairing more complex and larger missing areas, although this is still challenging, especially for facial image inpainting. For a face image with a huge missing area, there are very few valid pixels available; however, people have an ability to imagine the complete picture in their mind according to their subjective will. It is important to simulate this capability while maintaining the identity features of the face as much as possible. To achieve this goal, we propose a three-stage network model, which we refer to as the identity and structure feature refinement network (ISFRNet). ISFRNet is based on 1) a pre-trained pSp-styleGAN model that generates an extremely realistic face image with rich structural features; 2) a shallow structured network with a small receptive field; and 3) a modified U-net with two encoders and a decoder, which has a large receptive field. We choose structural similarity index (SSIM), peak signal-to-noise ratio (PSNR), L1 Loss and learned perceptual image patch similarity (LPIPS) to evaluate our model. When the missing region is 20%-40%, the above four metric scores of our model are 28.12, 0.942, 0.015 and 0.090, respectively. When the lost area is between 40% and 60%, the metric scores are 23.31, 0.840, 0.053 and 0.177, respectively. Our inpainting network not only guarantees excellent face identity feature recovery but also exhibits state-of-the-art performance compared to other multi-stage refinement models.

• Geomechanics and Engineering
• /
• 제32권6호
• /
• pp.583-600
• /
• 2023

The resilient modulus (M_R) of various pavement materials plays a significant role in the pavement design by a mechanistic-empirical method. The M_R determination is done by experimental tests that need time and money, along with special experimental tools. The present paper suggested a novel hybridized extreme gradient boosting (XGB) structure for forecasting the M_R of modified base materials subject to wet-dry cycles. The models were created by various combinations of input variables called deep learning. Input variables consist of the number of W-D cycles (WDC), the ratio of free lime to SAF (CSAFR), the ratio of maximum dry density to the optimum moisture content (DMR), confining pressure (σ₃), and deviatoric stress (σ_d). Two XGB structures were produced for the estimation aims, where determinative variables were optimized by particle swarm optimization (PSO) and black widow optimization algorithm (BWOA). According to the results' description and outputs of Taylor diagram, M1 model with the combination of WDC, CSAFR, DMR, σ₃, and σ_d is recognized as the most suitable model, with R² and RMSE values of BWOA-XGB for model M1 equal to 0.9991 and 55.19 MPa, respectively. Interestingly, the lowest value of RMSE for literature was at 116.94 MPa, while this study could gain the extremely lower RMSE owned by BWOA-XGB model at 55.198 MPa. At last, the explanations indicate the BWO algorithm's capability in determining the optimal value of XGB determinative parameters in M_R prediction procedure.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.275-276
• /
• 2022

해상교통관제사는 항로폭이 협소한 항만에서 선박 충돌사고 예방을 위해 one-way로 항해하도록 선박의 입·출항 대기 지시를 한다. 현재 해상교통관제사의 입·출항대기 지시는 과학적이고 통계적인 데이터를 기반으로 하지 않고 해상교통관제사의 개인 역량에 따라 편차가 크다. 이에 따라 본 연구에서는 항만에서의 선박 입·출항 대기 지시를 위한 정확한 이동 시간을 예측하기 위해 선박 및 기상 데이터를 수집하여 1d-합성곱신경망 모델을 구축하였다. 제안한 모델이 다른 앙상블 기계학습 모델보다 4.5% 이상 개선된 것을 확인하였다. 본 연구를 통해 다양한 상황에서도 선박 입·출항 소요시간 예측이 가능하여 해상교통관제사는 선박에게 정확한 정보 제공 및 대기지시 판단에 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제29권4호
• /
• pp.287-308
• /
• 2023

ChatGPT는 2022년 11월에 서비스를 시작한 후 급격하게 사용자 수가 늘어나며 인공지능의 역사에서 큰 전환점을 가져올 정도로 사회 곳곳에 많은 영향을 미치고 있다. 특히 ChatGPT와 같은 거대언어모델의 추론 능력은 프롬프트 엔지니어링 기법을 통해 빠른 속도로 그 성능이 발전하고 있다. 인공지능을 워크플로우에 도입하려고 하는 기업이나 활용하려고 하는 개인에게 이와 같은 추론 능력은 중요한 요소로 고려될 수 있다. 본 논문에서는 거대언어모델에서 추론을 가능하게 한 문맥내 학습에 대한 이해를 시작으로 하여 프롬프트 엔지니어링의 개념과 추론 유형 및 벤치마크 데이터에 대해 설명하고, 이를 기반으로 하여 최근 거대언어모델의 추론 성능을 급격히 향상시킨 프롬프트 엔지니어링 기법들에 대해 조사하고 발전과정과 기법들 간의 연관성에 대해 상세히 알아보고자 한다.

• Structural Engineering and Mechanics
• /
• 제90권1호
• /
• pp.27-40
• /
• 2024

The prediction of VIV amplitude is essential for the design and fatigue life estimation of steel tubes in tubular transmission towers. Limited to costly and time-consuming traditional experimental and computational fluid dynamics (CFD) methods, a machine learning (ML)-based method is proposed to efficiently predict the VIV amplitude of steel tubes in transmission towers. Firstly, by introducing the first-order mode shape to the two-dimensional CFD method, a simplified response analysis method (SRAM) is presented to calculate the VIV amplitude of steel tubes in transmission towers, which enables to build a dataset for training ML models. Then, by taking mass ratio M^*, damping ratio ξ, and reduced velocity U^* as the input variables, a Kriging-based prediction method (KPM) is further proposed to estimate the VIV amplitude of steel tubes in transmission towers by combining the SRAM with the Kriging-based ML model. Finally, the feasibility and effectiveness of the proposed methods are demonstrated by using three full-scale steel tubes with C-shaped, Cross-shaped, and Flange-plate joints, respectively. The results show that the SRAM can reasonably calculate the VIV amplitude, in which the relative errors of VIV maximum amplitude in three examples are less than 6%. Meanwhile, the KPM can well predict the VIV amplitude of steel tubes in transmission towers within the studied range of M^*, ξ and U^*. Particularly, the KPM presents an excellent capability in estimating the VIV maximum amplitude by using the reduced damping parameter S_G.

• 벤처창업연구
• /
• 제15권4호
• /
• pp.193-216
• /
• 2020

최근 글로벌 경제의 중장기적 불황과 성장률 하락에 기인하여, 대내외적으로 불투명한 환경하에서 생존하며 발전하기 위한 새로운 대안으로 새로운 서비스와 상품을 탄생시키고 생산방식의 변화와 업무 혁신 등으로 조직의 지속가능성을 높이는 기술혁신에 대한 관심이 날로 높아지고 있다. 이런 분위기 속에서 중소벤처기업의 성장은 국가 경제에 미치는 영향성이 지대하다는 것을 다수가 공감 중이며, 그런 중소벤처기업들이 기업 성과를 높이고 성과의 지속이 가능하도록 구성원들의 기술혁신 역량을 높이기 위한 여러 가지 노력이 지속되고 있다. 본 연구의 목적 역시 중소벤처 기업의 기술혁신 역량이 지식경영의 성과와 어떠한 상관관계를 가지고 있는가를 조사하고 기업의 전략적 활동을 조직화하여 가치 창출에 사용될 자원과 조직 능력을 외부 네트워크로부터 획득하게 하는 네트워크역량이 어떤 역할을 수행하는지에 대해 분석하여 확대 또는 강화해야 하는 영향요인을 정확히 파악하여 내·외부적인 역량을 강화하도록 하는 데 있다. 따라서 본 연구에서는 기술혁신역량이 중소벤처기업의 네트워크역량을 매개로 삼아, 기술혁신역량이 지식경영성과에 정(+)의 영향을 미칠 것이라는 가설을 검증하고자 한다. 기술혁신역량을 기반으로 한 경제활동이 코로나 등으로 불확실성이 높아진 환경에서 새로운 변화에 신속히 대응하며, 장기적 경기 침체 극복은 물론이고 거시적 경제 성장과 발전을 이끌어 조직의 지속적 성장과 생존뿐 아니라, 국가의 새로운 성장 동력이 될 수 있도록 해야 한다. 그리고 조직 내 가장 중요한 지식경영성과의 종속변수 설정을 통해서 본 연구를 진행하였다. 그 결과 기술혁신역량 중 연구개발역량과 학습역량은 재무적성과에 미치는 영향이 없는 것으로 나타났다. 그에 반해 기업혁신 활동은 재무적성과 및 비재무적성과에 모두 정(+)의 영향성을 가진 것으로 나타났다. 기술혁신역량을 활용하여 연구개발 활동을 하는 중소벤처기업 경영에서 무형적이며 비재무적인 요인 영향성이 확인되는 것은 선행연구 중 기업혁신 활동이 재무적성과에 영향성을 미친다는 다수의 연구와는 반대되는 결과이지만 일부 연구와는 유사한 결과이다. 이런 결과도출의 이유로는 조사기업들 다수의 업력이 7년 이상으로 스타트업 기업은 벗어났으나 매출은 100억 이하인 중소벤처기업들로서 매출 수익 일변도의 스타트업 시점과는 달리 연구개발역량과 학습역량이 재무적인 성과보다 무형적 비재무적성과에 긍정적 영향을 많이 끼치기 때문이라고 생각된다. 기업혁신 활동은 재무와 비재무적성과에 모두 긍정적(+)인 영향을 끼치는 것으로 나타났고, 연구개발역량과 학습역량은 네트워크역량을 매개변수로 재무적성과에 정(+)의 영향을 미치는 것으로 나타났다. 또한, 기업혁신 활동은 네트워크역량의 매개변수 영향성이 재무적성과와 비재무적성과 모두에 없는 것으로 나타났으며, 연구개발역량과 학습역량도 비재무적성과에는 영향성이 없었다. 네트워크역량의 매개변수 효과가 나타내는 것은 연구개발역량과 학습역량이 계량적 재무적성과를 도출할 때로 한정됨을 알 수 있다. 이런 결과들을 토대로 추후 연구개발사업의 성과측정에서는 비재무적성과 측정을 강화하도록 하는 정책 시행을 제시하는 바이다.

• 한국지구과학회지
• /
• 제25권5호
• /
• pp.336-347
• /
• 2004

본 연구는 여러 종류의 ICT활용 수업자료 중 웹 기반(WBI)수업자료와 CD롬 타이틀 수업자료가 자기 주도적 학습 능력과 창의성, 문제해결력 등에 미치는 효과를 알아보고자 하는 것이다. 이를 위하여 고등학교 과학지구영역의 '태양계와 은하계' 단원에 대하여 두 가지 자료를 활용한 수업을 실시하고 그 효과를 분석하였다. 그 결과, 웹 기반 수업자료와 CD롬 수업자료를 활용한 수업은 자기 주도적 학습특성 중 '자아개념', '창의성' , '미래지향성', '자기 평가력' ,개방성', '솔선수범'을 높이는데 효과적이었으나 '학습열성', '책임감'을 향상시키는 데는 유의미한 효과가 나타나지 않았다. 선수학습 수준에 따른 자기주도적 학습특성을 살펴보면 웹 기반(WBI) 수업 집단과 CD롬 수업집단 모두 상호작용의 효과가 나타나지 않았다. ICT활용 수업의 특징인 문제 해결력 향상에 있어서는 웹 기반(WBI) 수업이 CD롬 활용 수업보다 학업 성취도를 높이는 데 효과적이었다. 웹 기반(WBI) 수업에서는 '유창성', '독창성', 성급한 종결에 대한 저항'에서 효과적인 반면 제목의 추상성', '정교성'을 높이는 데는 유의미한 효과가 나타나지 않았다. 이러한 결과는 웹 기반(WBI) 수업이 웹의 특성인 다양성과 역동성의 측면에서는 '유창성', '독창성'에서 효과가 있는 것으로 나타났으며, '성급한 종결에 대한 저항‘의 영역에서는 한 번 사이트에 접속하면 웹 사이트의 다양하게 제시되는 그림 자료의 생동감 때문에 학습내용을 조직하는 데 효과적인 것으로 해석된다. 웹 기반(WBI) 수업에 대한 설문지를 분석한 결과 화면 구성, 정보의 양, 지시와 도움말, 보충학습과 심화학습에서는 매우 좋은 반응을 보였다. 따라서 ICT자료별 활용의 효과를 고려할 때 고등학교 과학과 수업의 효율화를 위해서는 양질의 WBI자료를 체계적으로 활용하는 것이 효과적일 것으로 판단된다.