• Nuclear Engineering and Technology
• /
• 제52권5호
• /
• pp.869-877
• /
• 2020

A 24-month Advanced Power Reactor 1400 (APR1400) core with a very-low-boron (VLB) concentration has been investigated for an inherently safe and high-performance PWR in this work. To develop a high-performance APR1400 which is able to do the passive frequency control operation, VLB feature is essential. In this paper, the centrally-shielded burnable absorber (CSBA) is utilized for an efficient VLB operation in the 24-month cycle APR1400 core. This innovative design of the VLB APR1400 core includes the optimization of burnable absorber and loading pattern as well as axial cutback for a 24-month cycle operation. In addition to CSBA, an Er-doped guide thimble is also introduced for partial management of the excess reactivity and local peaking factor. To improve the neutron economy of the core, two alternative radial reflectors are adopted in this study, which are SS-304 and ZrO₂. The core reactivity and power distributions for a 2-batch equilibrium cycle are analyzed and compared for each reflector design. Numerical results show that a VLB core can be successfully designed with 24-month cycle and the cycle length is improved significantly with the alternative reflectors. The neutronic analyses are performed using the Monte Carlo Serpent code and 3-D diffusion code COREDAX-2 with the ENDF/B-VII.1.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.488-495
• /
• 2021

본 논문에서는 콘포머 기반 한국어 음성인식 시스템을 제안한다. 콘포머는 트랜스포머 모델에 콘볼루션신경망(Convolution Neural Network, CNN) 기능을 보강한 구조이며 광역 정보를 잘 표현할 수 있는 트랜스포머와 지역 정보를 잘 표현할 수 있는 CNN을 결합한 신경망이다. 음성인식 기본 시스템으로 트랜스포모에 기반한 음성인식시스템을 개발하였으며 언어모델로는 Long Short-Term Memory(LSTM)을 사용하였다. 콘포머 기반 음성인식시스템은 트랜스포머 대신에 콘포머를 사용하였고 언어모델로는 트랜스포머를 이용하였다. 성능 평가를 위해 AI-hub에 있는 Electronics and Telecommunications Research Institute(ETRI) 음성코퍼스를 활용하였으며 트랜스포머 기반 음성인식 시스템은 오인식률이 11.8 %이 되었으며 콘포머 기반 음성인식시스템은 오인식률이 5.7 %가 되었다. AI-hub에 있는 다른 영역의 NHN다이퀘스트 음성 코퍼스를 추가해도 유사한 성능이 유지가 되어 제안된 콘포머 음성인식시스템의 유효성을 입증하였다.

• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.288-296
• /
• 2021

Automated face recognition in a runtime environment is gaining more and more important in the fields of surveillance and urban security. This is a difficult task keeping in mind the constantly volatile image landscape with varying features and attributes. For a system to be beneficial in industrial settings, it is pertinent that its efficiency isn't compromised when running on roads, intersections, and busy streets. However, recognition in such uncontrolled circumstances is a major problem in real-life applications. In this paper, the main problem of face recognition in which full face is not visible (Occlusion). This is a common occurrence as any person can change his features by wearing a scarf, sunglass or by merely growing a mustache or beard. Such types of discrepancies in facial appearance are frequently stumbled upon in an uncontrolled circumstance and possibly will be a reason to the security systems which are based upon face recognition. These types of variations are very common in a real-life environment. It has been analyzed that it has been studied less in literature but now researchers have a major focus on this type of variation. Existing state-of-the-art techniques suffer from several limitations. Most significant amongst them are low level of usability and poor response time in case of any calamity. In this paper, an improved face recognition system is developed to solve the problem of occlusion known as FRS-OCC. To build the FRS-OCC system, the color and texture features are used and then an incremental learning algorithm (Learn++) to select more informative features. Afterward, the trained stack-based autoencoder (SAE) deep learning algorithm is used to recognize a human face. Overall, the FRS-OCC system is used to introduce such algorithms which enhance the response time to guarantee a benchmark quality of service in any situation. To test and evaluate the performance of the proposed FRS-OCC system, the AR face dataset is utilized. On average, the FRS-OCC system is outperformed and achieved SE of 98.82%, SP of 98.49%, AC of 98.76% and AUC of 0.9995 compared to other state-of-the-art methods. The obtained results indicate that the FRS-OCC system can be used in any surveillance application.

• 한국정보통신학회논문지
• /
• 제23권6호
• /
• pp.682-689
• /
• 2019

부분 기반 영상 표현(part-based image representation)에서는 영상의 부분적인 모습을 기저 벡터로 표현하고 기저 벡터의 선형 조합으로 영상을 분해하며, 이 때 기저 벡터의 계수가 곧 물체의 부분적인 특징을 의미하게 된다. 본 논문에는 부분 기반 영상 표현 기법인 비음수 행렬 분해(non-negative matrix factorization, NMF)를 이용하여 얼굴 영상을 표현하고 신경망 기법을 적용하여 가려진 얼굴을 인식하는 얼굴 인식을 제안한다. 표준 비음수 행렬 분해, 투영 경사 비음수 행렬 분해, 직교 비음수 행렬 분해를 이용하여 얼굴 영상을 표현하였고, 각 기법의 성능을 비교하였다. 인식기로는 학습벡터양자화 신경망을 사용하였으며, 인식기에서의 거리 척도로는 유클리디언 거리를 사용하였다. 실험 결과, 전통적인 얼굴 인식 방법에 비하여 제안한 기법이 가려진 얼굴 인식에 보다 강인함을 보인다.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.910-916
• /
• 2019

자연 영상의 비지역적 유사성은 다양한 영상 응용 분야에서 활용되는 중요한 특성 중에 하나이다. 영상 내 객체의 에지나 텍스쳐, 무늬 등은 비지역적으로 반복되어 나타난다. 유사도가 높은 영상 블록들로 군집을 형성하면 자연스럽게 그로부터 특징을 추출할 수 있다. 또한 군집의 크기가 클수록 원치 않는 백색 잡음에 대한 대항력을 키울 수 있다. 영상 신호 처리 중 잡음 제거 관련 연구는 백색 가산 잡음이 포함된 영상의 복원을 다룬다. 본 논문에서는 백색 잡음이 포함된 영상을 유사도에 따라 적응적으로 군집화하여 잡음 신호에 대한 이득을 향상시키고, 이를 통해 잡음을 효과적으로 제거하는 알고리듬을 제안한다. 다양한 영상과 잡음 강도에 대한 모의실험 결과로부터 제안된 알고리듬이 에지, 텍스쳐, 무늬 영역을 잘 보존하면서 잡음을 제거할 수 있음을 시각적으로 확인할 수 있고, 또한 최근 보고된 여러 방법들과의 잡음 제거 성능 수치 비교에서도 우수한 결과를 보인다.

• 한국도서관정보학회지
• /
• 제53권2호
• /
• pp.285-304
• /
• 2022

이 연구는 코리안 디아스포라 문학이 가지는 이중언어 및 한국어 이외의 현지 언어로 발간된다는 특징에 주목하여 도서관의 자료분류에서 문학류의 언어에 의한 분류현황을 조사하였다. 이를 위하여 이 연구는 국내 대학 및 공공도서관이 소장하고 있는 디아스포라 문학 자료의 분류기호를 조사하였으며, 조사결과 국내 도서관들은 원작품의 언어에 분류하거나 또는 작가 중심으로 분류하고 있는 것으로 나타났다. 그러나 KDC의 문학류 분류규정에는 원작품의 언어에 대한 규정은 있지만, 작가에 대한 규정은 없는 것이 사실이다. 그러나 국내 도서관들은 동일한 작가의 작품을 언어에 따라 분산하는 것이 아니라 한 곳에서 이용할 수 있도록 하기 위하여 디아스포라 문학작품을 원작품의 언어가 아니라 작가에 따라 다르게 분류하고 있었다. 따라서 국내 도서관이 가지는 코리안 디아스포라 문학 작품의 분류의 혼란을 해결하기 위하여 이 연구에서는 KDC에 코리안 디아스포라 문학과 한국문학을 포괄하는 '한민족 문학'을 810에 분류할 수 있는 별법을 제안하였다. 그러나 이 별법은 코리안 디아스포라 문학에 대한 특별한 요구가 있는 도서관을 위한 시도적 제안이며, 이 별법의 적용을 위해서는 추가의 조사 및 연구가 반드시 필요할 것이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권9호
• /
• pp.2991-3007
• /
• 2022

Two dimensional locality preserving projections (2D-LPP) is an improved algorithm of 2D image to solve the small sample size (SSS) problems which locality preserving projections (LPP) meets. It's able to find the low dimension manifold mapping that not only preserves local information but also detects manifold embedded in original data spaces. However, 2D-LPP is simple and elegant. So, inspired by the comparison experiments between two dimensional linear discriminant analysis (2D-LDA) and linear discriminant analysis (LDA) which indicated that matrix based methods don't always perform better even when training samples are limited, we surmise 2D-LPP may meet the same limitation as 2D-LDA and propose a novel matrix exponential method to enhance the performance of 2D-LPP. 2D-MELPP is equivalent to employing distance diffusion mapping to transform original images into a new space, and margins between labels are broadened, which is beneficial for solving classification problems. Nonetheless, the computational time complexity of 2D-MELPP is extremely high. In this paper, we replace some of matrix multiplications with multiple multiplications to save the memory cost and provide an efficient way for solving 2D-MELPP. We test it on public databases: random 3D data set, ORL, AR face database and Polyu Palmprint database and compare it with other 2D methods like 2D-LDA, 2D-LPP and 1D methods like LPP and exponential locality preserving projections (ELPP), finding it outperforms than others in recognition accuracy. We also compare different dimensions of projection vector and record the cost time on the ORL, AR face database and Polyu Palmprint database. The experiment results above proves that our advanced algorithm has a better performance on 3 independent public databases.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.93-103
• /
• 2022

With the wider availability of sensor technology through easily affordable sensor devices, several Structural Health Monitoring (SHM) systems are deployed to monitor vital civil infrastructure. The continuous monitoring provides valuable information about the health of the structure that can help provide a decision support system for retrofits and other structural modifications. However, when the sensors are exposed to harsh environmental conditions, the data measured by the SHM systems tend to be affected by multiple anomalies caused by faulty or broken sensors. Given a deluge of high-dimensional data collected continuously over time, research into using machine learning methods to detect anomalies are a topic of great interest to the SHM community. This paper contributes to this effort by proposing a relatively new time series representation named "Shapelet Transform" in combination with a Random Forest classifier to autonomously identify anomalies in SHM data. The shapelet transform is a unique time series representation based solely on the shape of the time series data. Considering the individual characteristics unique to every anomaly, the application of this transform yields a new shape-based feature representation that can be combined with any standard machine learning algorithm to detect anomalous data with no manual intervention. For the present study, the anomaly detection framework consists of three steps: identifying unique shapes from anomalous data, using these shapes to transform the SHM data into a local-shape space and training machine learning algorithms on this transformed data to identify anomalies. The efficacy of this method is demonstrated by the identification of anomalies in acceleration data from an SHM system installed on a long-span bridge in China. The results show that multiple data anomalies in SHM data can be automatically detected with high accuracy using the proposed method.

• Journal of Korean Neurosurgical Society
• /
• 제65권2호
• /
• pp.186-195
• /
• 2022

Objective : To explore the histological feature of the cervical disc degeneration in patients with degenerative ossification (DO) and its potential mechanisms. Methods : A total of 96 surgical segments, from cervical disc degenerative disease patients with surgical treatment, were divided into ossification group (group O, n=46) and non-ossification group (group NO, n=50) based on preoperative radiological exams. Samples of disc tissues and osteophytes were harvested during the decompression operation. The hematoxylin-eosin staining, Masson trichrome staining and Safranin O-fast green staining were used to compare the histological differences between the two groups. And the distribution and content of transforming growth factor (TGF)-β1, p-Smad2 and p-Smad3 between the two groups were compared by a semi-quantitative immunohistochemistry (IHC) method. Results : For all the disc tissues, the content of disc cells and collagen fibers decreased gradually from the outer annulus fibrosus (OAF) to the central nucleus pulposus (NP). Compared with group NO, the number of disc cells in group O increased significantly. But for proteoglycan in the inner annulus fibrosus (IAF) and NP, the content in group O decreased significantly. IHC analysis showed that TGF-β1, p-Smad2, and p-Smad3 were detected in all tissues. For group O, the content of TGF-β1 in the OAF and NP was significantly higher than that in group NO. For p-Smad2 in IAF and p-Smad3 in OAF, the content in group O were significantly higher than group NO. Conclusion : Histologically, cervical disc degeneration in patients with DO is more severe than that without DO. Local higher content of TGF-β1, p-Smad2, and p-Smad3 are involved in the disc degeneration with DO. Further studies with multi-approach analyses are needed to better understand the role of TGF-β/Smads signaling pathway in the disc degeneration with DO.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.357-363
• /
• 2023

다양한 신호가 혼합된 수중 신호로부터 각각의 신호를 분리하는 기술은 오랫동안 연구되어왔지만, 낮은 품질의 수중 신호의 특성 상 쉽게 해결되지 않는 문제이다. 현재 주로 사용되는 방법은 Short-time Fourier transform을 사용하여 수신된 음향신호의 스펙트로그램을 얻은 뒤, 주파수의 특성을 분석하여 신호를 분리하는 기술이다. 하지만 매개변수의 최적화가 까다롭고, 스펙트로그램으로 변환하는 과정에서 위상 정보들이 손실되는 한계점이 지적되었다. 본 연구에서는 이러한 문제를 해결하기 위해 긴 시계열 신호 처리에서 좋은 성능을 보인 Dual-path Recurrent Neural Network을 기반으로, 다중 채널 센서로부터 생성된 입력신호인 3차원 텐서를 처리할 수 있도록 변형된 Tripple-path Recurrent Neural Network을 제안한다. 제안하는 기술은 먼저 다중 채널 입력 신호를 짧은 조각으로 분할하고 조각 내 신호 간, 구성된 조각간, 그리고 채널 신호 간의 각각의 관계를 고려한 3차원 텐서를 생성하여 로컬 및 글로벌 특성을 학습한다. 제안된 기법은, 기존 방법에 비해 개선된 Root Mean Square Error 값과 Scale Invariant Signal to Noise Ratio을 가짐을 확인하였다.