• 한국콘텐츠학회논문지
• /
• 제22권2호
• /
• pp.224-236
• /
• 2022

본 연구는 도시슬로건의 사용이 경우에 따라서는 도시 관련 기억의 인출에 부정적 영향을 미칠 수 있음을 전제로 관련 변수의 효과를 실험적으로 고찰하고 있다. 가설 검정을 위해 본 연구는 4 실험집단(2(슬로건의 도시 관련성: 고 혹은 저) × 2(슬로건의 구체성: 고 혹은 저)과 1개의 통제집단을 구성하였다. 실험집단은 각 조건에 맞은 도시슬로건에 도출되었으며, 통제집단은 도시슬로건에 노출되지 않았다. 이후 각 집단의 기억인출 점수를 비교하게 된다. 표본은 대학 학부생 174명으로 구성되었으며, 남자 54%, 연령 분포 만 18-27세, 연령 평균 만 22.4세이다. 연구결과 도시슬로건은 슬로건과 관련 없는 도시기억의 인출을 방해하는 경우가 많은 것으로 나타났다. 이러한 방해효과는 슬로건이 도시와 관련성이 높을수록, 구체적일수록 더 커지는 것으로 나타났다. 그러나 도시 관련성이 낮고 구체성이 낮은 슬로건에서는 방해효과가 발견되지 않았다. 본 연구는 기존 연구와 달리 도시슬로건의 부정적 효과를 다루고 있다는 차별성을 가질 뿐만 아니라 실무적으로도 관련 담당자들에게 도시슬로건의 제정과 관련된 전략적 시사점을 제공하고 있다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제39권4호
• /
• pp.483-488
• /
• 2015

본 논문에서는 엔진유지관리 개선을 위해 Web 기반 선박엔진성능분석용 장기모니터링시스템을 구현하고자 한다. 이 시스템은 시뮬레이터, 다채널 A/D 변환기가 내장된 감시모듈, 모니터링 컴퓨터, 네트워크저장기(NAS), RS485 및 무선인터넷 통신시스템으로 구성된다. 기존 제품은 각 엔진마다 압력센서를 설치하고 이를 감시모듈에서 실시간으로 계측한 후 통신에 의해 현장 제어실 PC나 Web 상에서 모니터링이 가능하지만 많은 샘플링 압력데이터 용량으로 인해 통신전송속도가 느려지고, 장기모니터링에 오류가 발생할 수 있다. 이와 같은 문제점을 개선하기 위하여 본 논문에서는 각 실린더별 압력센서에서 받은 원본 압력데이터는 NAS에 저장하고, 원본 압력데이터를 구간별 다운샘플링을 하여 제어실에서 장기모니터링하고, Web에서의 장기모니터링을 위하여 다운샘플 데이터를 무선전송 한다. 제안한 방식에서는 전송량을 1/10로 하였으므로 작은 용량을 가진 메모리를 사용할 수 있고, 빠른 통신속도를 유지할 수 있어 통신비용이 절감되며, 화면전체에 약 30일간의 장기모니터링이 가능하여 엔진의 유지관리에 큰 기여를 할 수 있을 것으로 사료된다.

• Journal of Ginseng Research
• /
• 제48권1호
• /
• pp.59-67
• /
• 2024

Background: Alzheimer's disease (AD) has memory impairment associated with aggregation of amyloid plaques and neurofibrillary tangles in the brain. Although anti-amyloid β (Aβ) protein antibody and chemical drugs can be prescribed in the clinic, they show adverse effects or low effectiveness. Therefore, the development of a new drug is necessarily needed. We focused on the cognitive function of Panax ginseng and tried to find active ingredient(s). We isolated panaxcerol D, a kind of glycosyl glyceride, from the non-saponin fraction of P. ginseng extract. Methods: We explored effects of acute or sub-chronic administration of panaxcerol D on cognitive function in scopolamine- or Aβ_25-35 peptide-treated mice measured by several behavioral tests. After behavioral tests, we tried to unveil the underlying mechanism of panaxcerol D on its cognitive function by Western blotting. Results: We found that pananxcerol D reversed short-term, long-term and object recognition memory impairments. The decreased extracellular signal-regulated kinases (ERK) or Ca²⁺/calmodulin-dependent protein kinase II (CaMKII) in scopolamine-treated mice was normalized by acute administration of panaxcerol D. Glial fibrillary acidic protein (GFAP), caspase 3, NF-kB p65, synaptophysin and brainderived neurotrophic factor (BDNF) expression levels in Aβ_25-35 peptide-treated mice were modulated by sub-chronic administration of panaxcerol D. Conclusion: Pananxcerol D could improve memory impairments caused by cholinergic blockade or Aβ accumulation through increased phosphorylation level of ERK or its anti-inflammatory effect. Thus, panaxcerol D as one of non-saponin compounds could be used as an active ingredient of P. ginseng for improving cognitive function.

• 한국전자통신학회논문지
• /
• 제14권5호
• /
• pp.985-990
• /
• 2019

역사적으로 중요한 사건이 일어난 시기를 다루는 교과목에서는 기억법이 적용되면 교육 효과를 높일 수 있다. 수치 기억법 기반의 연구에서 점, 선, 막대 등과 같은 부가 정보를 적용함으로써 기억률을 높이는 방법들이 연구되고 있다. 본 연구에서는 이전 연구에서 부족했던 장기기억 메커니즘을 적용한 방법을 제안한다. 이는 사용자가 실수로 입력한 오류 데이터를 수정해주는 메커니즘으로 기억의 환기 효과를 부여하여 기억률을 높이고자 한다. 이를 위해 모바일 환경에서 진행되는 특유의 과정을 제안하고, 실수 수정 수치 알고리즘을 구현 평가한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.322-323
• /
• 2022

정수장의 최적화 운영을 위하여 가장 필요한 것은 수용가에서 사용되는 수돗물의 패턴과 양을 정확하게 예측하여 필요한 만큼의 수돗물을 펌프를 이용하여 배수지로 전달하여 저장하고, 필요한 유량이 최소의 전기에너지를 이용하여 적기에 공급되어야 한다. 정수장의 수량 예측 중 에너지 최적화 운영의 관점에서 필요한 단기 수요예측은 시계열 분석, 회귀분석 및 신경망 알고리즘을 이용하여 계절별, 주요 기간별, 지역 특성별 등을 고려하여 이루어져 왔으며, 본 논문에서는 순환적 신경회로망의 일종인 LSTM(Long Short-Term Memory), GRU(Gated Recurrent Units) 등의 AI 기반 복합센서 적용성 분석을 통한 에너지 관리 방안에 대하여 분석하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1759-1772
• /
• 2023

Chinese named entity recognition (NER) is a challenging work that seeks to find, recognize and classify various types of information elements in unstructured text. Due to the Chinese text has no natural boundary like the spaces in the English text, Chinese named entity identification is much more difficult. At present, most deep learning based NER models are developed using a bidirectional long short-term memory network (BiLSTM), yet the performance still has some space to improve. To further improve their performance in Chinese NER tasks, we propose a new NER model, IDCNN-BiLSTM-Highway, which is a combination of the BiLSTM, the iterated dilated convolutional neural network (IDCNN) and the highway network. In our model, IDCNN is used to achieve multiscale context aggregation from a long sequence of words. Highway network is used to effectively connect different layers of networks, allowing information to pass through network layers smoothly without attenuation. Finally, the global optimum tag result is obtained by introducing conditional random field (CRF). The experimental results show that compared with other popular deep learning-based NER models, our model shows superior performance on two Chinese NER data sets: Resume and Yidu-S4k, The F1-scores are 94.98 and 77.59, respectively.

• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.105-111
• /
• 2023

Recently, research on prediction algorithms using deep learning has been actively conducted. In addition, algorithmic trading (auto-trading) based on predictive power of artificial intelligence is also becoming one of the main investment methods in stock trading field, building its own history. Since the possibility of human error is blocked at source and traded mechanically according to the conditions, it is likely to be more profitable than humans in the long run. In particular, for the virtual currency market at least for now, unlike stocks, it is not possible to evaluate the intrinsic value of each cryptocurrencies. So it is far effective to approach them with technical analysis and cryptocurrency market might be the field that the performance of algorithmic trading can be maximized. Currently, the most commonly used artificial intelligence method for financial time series data analysis and forecasting is Long short-term memory(LSTM). However, even t4he LSTM also has deficiencies which constrain its widespread use. Therefore, many improvements are needed in the design of forecasting and investment algorithms in order to increase its utilization in actual investment situations. Meanwhile, Prophet, an artificial intelligence algorithm developed by Facebook (META) in 2017, is used to predict stock and cryptocurrency prices with high prediction accuracy. In particular, it is evaluated that Prophet predicts the price of virtual currencies better than that of stocks. In this study, we aim to show Prophet's virtual currency price prediction accuracy is higher than existing deep learning-based time series prediction method. In addition, we execute mock investment with Prophet predicted value. Evaluating the final value at the end of the investment, most of tested coins exceeded the initial investment recording a positive profit. In future research, we continue to test other coins to determine whether there is a significant difference in the predictive power by coin and therefore can establish investment strategies.

• Korean Chemical Engineering Research
• /
• 제58권4호
• /
• pp.588-595
• /
• 2020

지속적으로 강화되는 환경오염 물질 배출 규제로 인해, 질소 산화물(NO_x)의 배출량 예측 및 관리는 산업 현장에서 많은 관심을 받고 있다. 본 연구에서는 인공지능 기반 질소산화물 배출량 예측모델 개발을 위한 연구모형을 제안하였다. 제안된 연구모형은 데이터의 전처리 과정부터 인공지능 모델의 학습 및 평가까지 모두 포함하고 있으며, 시계열 특성을 가지는 NO_x 배출량을 예측하기 위하여 순환 신경망 중 하나인 Long Short-Term Memory (LSTM) 모델을 활용하였다. 또한 의사결정나무 기법을 활용하여 LSTM의 time window를 모델 학습 이전에 선정하는 방법을 채택하였다. 본 연구에서 제안된 연구모형의 NO_x 배출량 예측 모델은 가열로에서 확보한 조업 데이터로 학습되었으며, 최적 모델은 hyper-parameter를 조절하여 개발되었다. 개발된 LSTM 모델은 학습 데이터 및 평가 데이터에 대하여 모두 93% 이상의 NO_x 배출량 예측 정확도를 나타내었다. 본 연구에 제안된 연구모형은 시계열 특성을 가지는 다양한 대기오염 물질의 배출량 예측모델 개발에 응용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제53권4호
• /
• pp.273-283
• /
• 2020

지하수자원의 변동성 및 취약성 평가를 위한 지하수위의 정량적 예측은 매우 중요하다. 이를 위해 다양한 시계열 분석 기법과 머신러닝 기법 등이 사용되어 왔다. 본 연구에서는 제주도 한경면 지역에 설치된 11개 지하수위 관측정의 일 수위자료를 대상으로 인공신경망 알고리즘의 하나인 Long short term memory (LSTM)에 기반한 예측 모델을 개발하였다. 제주도의 지하수위는 일반적으로 조석에 의한 자기상관성이 높고 강수에 의한 영향이 잘 반영되는 것으로 알려져 있다. 이러한 자료 특성을 고려한 입출력 텐서를 구성하기 위해 각 지하수 관측정의 수위변동 관측 자료와 같은 기간의 강수량 자료를 추가 입력자료로 선택하였다. 4계절을 나타내는 초기 365일 자료를 이용하여 LSTM 모델을 학습시켰으며 나머지 자료를 검증에 활용하여 예측 모델의 적합도를 평가하였다. 모델의 개발은 Python기반 딥러닝 프레임워크인 Keras를 이용하였고, 학습속도를 향상시키고자 NVIDIA CUDA 아키텍처를 도입하였다. LSTM 모델을 이용하여 지하수위 변화를 학습시키고 검증한 결과 결정계수가 평균 0.98로 나타나 개발된 예측모델의 적합성이 매우 높은 것으로 확인되었다.