• Journal of the Korean Wood Science and Technology
• /
• 제38권2호
• /
• pp.85-93
• /
• 2010

Japanese cedar has low density and poor mechanical performance. Manufacturing glue-laminated timber (glulam) is the best way to compensate for its poor mechanical performance. The Korean Standard (KS) confines outermost lamina of glulam to higher grade than E8, but the yield of higher than grade E8 from logs is only 6.5%. Therefore, the aim of this study is to investigate the possibility of non-Korean-Standard glulam in structural applications. Allowable stresses determined by both hand-calculation and Monte-Carlo simulation show a higher allowable stress than that of the KS-standard glulam of 6S-22B. In the Korean Standard (KS), knot characteristics are not taken into account. Japanese cedar has relatively small knots. We believe that the small knots in Japanese cedar contribute to a higher allowable stress than the KS-standard glulam would predict. The species classification of KS is required to be further subdivided into sub-species groups based on knot characteristics.

• 한국멀티미디어학회논문지
• /
• 제23권12호
• /
• pp.1486-1495
• /
• 2020

The analysis of digital microscopy images plays a vital role in computer-aided diagnosis (CAD) and prognosis. The main purpose of this paper is to develop a machine learning technique to predict the histological grades in prostate biopsy. To perform a multiclass classification, an AI-based deep learning algorithm, a multichannel convolutional neural network (MCCNN) was developed by connecting layers with artificial neurons inspired by the human brain system. The histological grades that were used for the analysis are benign, grade 3, grade 4, and grade 5. The proposed approach aims to classify multiple patterns of images extracted from the whole slide image (WSI) of a prostate biopsy based on the Gleason grading system. The Multichannel Convolution Neural Network (MCCNN) model takes three input channels (Red, Green, and Blue) to extract the computational features from each channel and concatenate them for multiclass classification. Stain normalization was carried out for each histological grade to standardize the intensity and contrast level in the image. The proposed model has been trained, validated, and tested with the histopathological images and has achieved an average accuracy of 96.4%, 94.6%, and 95.1%, respectively.

• 지적과 국토정보
• /
• 제51권2호
• /
• pp.141-150
• /
• 2021

미세먼지는 사람의 건강에 많은 영향을 미치는 물질로서 이와 관련하여 다양한 연구가 이루어지고 있다. 미세먼지의 인체 영향으로 인해 서울시 모니터링 네트워크에서 측정된 과거 데이터를 활용하여 미세먼지를 예측하려는 다양한 연구가 진행되고 있다. 본 연구는 2019년 5월 서울시의 미세먼지를 중점으로 진행하였으며, 학습에 사용한 변수는 SO₂, CO, NO₂, O₃와 같은 대기오염물질 데이터를 활용하였다. 예측모델은 Adaboost에 기반하여 구축하였고, 훈련모델은 PM₁₀과 PM_2.5로 구분하였다. 에러 메트릭스를 통한 예측모델의 정확도 평가 결과로 Adaboost가 시도되었다. 대기오염물질은 초미세먼지와 더 높은 상관성을 보이는 것으로 나타났지만, 보다 효과적인 분포등급을 제시하기 위해서는 많은 양의 데이터를 학습하고, PM₁₀과 PM_2.5의 공간분포 등급을 효과적으로 예측하기 위해서 교통량 등의 추가적인 변수를 활용할 필요성이 있다고 판단된다.

• Structural Engineering and Mechanics
• /
• 제81권5호
• /
• pp.565-574
• /
• 2022

The infrastructures such as offshore, bridges, power plant, oil and gas piping and aircraft operate in a harsh environment during their service life. Structural integrity of engineering components used in these industries is paramount for the reliability and economics of operation. Two regression models based on the concept of Gaussian process regression (GPR) and Minimax probability machine regression (MPMR) were developed to predict stress intensity factor range (𝚫K). Both GPR and MPMR are in the frame work of probability distribution. Models were developed by using the fatigue crack growth data in MATLAB by appropriately modifying the tools. Fatigue crack growth experiments were carried out on Eccentrically-loaded Single Edge notch Tension (ESE(T)) specimens made of API 5L X65 Grade steel in inert and corrosive environments (2.0% and 3.5% NaCl). The experiments were carried out under constant amplitude cyclic loading with a stress ratio of 0.1 and 5.0 Hz frequency (inert environment), 0.5 Hz frequency (corrosive environment). Crack growth rate (da/dN) and stress intensity factor range (𝚫K) values were evaluated at incremental values of loading cycle and crack length. About 70 to 75% of the data has been used for training and the remaining for validation of the models. It is observed that the predicted SIF range is in good agreement with the corresponding experimental observations. Further, the performance of the models was assessed with several statistical parameters, namely, Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Coefficient of Efficiency (E), Root Mean Square Error to Observation's Standard Deviation Ratio (RSR), Normalized Mean Bias Error (NMBE), Performance Index (ρ) and Variance Account Factor (VAF).

• 한국수학사학회지
• /
• 제24권4호
• /
• pp.97-118
• /
• 2011

수학사적으로 함수개념은 비례관계, 종속변수, 식, 대응 등으로 발달되어왔으며 수학교육과정에서는 3차, 7차, 7차 개정안에서 중학교 1학년에서 함수개념 도입을 위한 함수의 정의에서 강조점 바뀌었고 이러한 수정의 핵심은 "종속"과 "대응"이다. 본 연구는 종속과 대응에 초점을 둔 수업의 장단점을 비교하고자 각각을 대표할 수 있는 모델로서 물통 모델과 자판기 모델을 선정하여 중학교 1학년을 대상으로 함수의 개념과 함수의 표현에 대한 2차시 수업을 실시하고 형성평가 문항분석을 통하여 두 모델의 차이점과 효율성을 파악하였으며, 3개월 후 파지 효과를 조사하였다. 자판기모델은 중학교 1학년 학생의 함수의 정의 이해 뿐 아니라 특히 개념이미지를 만들고 회상하는데 도움을 주었다. 물통모델은 정의역의 모든 원소가 종속변수에 대응 된다는 "임의성"을 이해하는 데는 상대적으로 어려움을 나타냈지만, 함수식의 표현과 관련해서는 좋은 역할을 한 것으로 판단되었다.

• 한국지반환경공학회 논문집
• /
• 제23권8호
• /
• pp.5-10
• /
• 2022

인구 밀집도가 높은 도시 중심지에서 발생하는 지반함몰의 주요 원인은 하수관 및 상수관과 같은 지하매설물의 손상으로 알려져 있다. 이와 관련하여 지반함몰의 원인 규명과 지반함몰 위험 예측에 관한 연구가 꾸준히 수행되고 있다. 현재 지반함몰은 지중탐사레이더를 통해 선제적으로 공동을 발견하여 대응하고 있으나, 이는 인력 및 비용의 소비가 크기 때문에 효율적인 장비의 운영을 위해 위험지역을 예측하고 예측된 지역을 우선순위로 탐사해야 할 필요가 있다. 따라서 본 연구에서는 ◯◯시의 2개 구를 500m×500m 크기의 그리드로 분할하고, 해당 그리드 내의 지하매설관 속성과 지반함몰 발생 데이터를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋으로 기계학습을 통한 적절한 지반함몰 위험등급 예측 모델을 제시하였고, 제시된 모델을 활용하여 대상지역의 지반함몰 위험지도를 제시하고자 하였다.

• 대한통합의학회지
• /
• 제12권2호
• /
• pp.155-166
• /
• 2024

Purpose : This study aims to identify key factors for predicting dropout risk at the university level and to provide a foundation for policy development aimed at dropout prevention. This study explores the optimal machine learning algorithm by comparing the performance of various algorithms using data on college students' dropout risks. Methods : We collected data on factors influencing dropout risk and propensity were collected from N University. The collected data were applied to several machine learning algorithms, including random forest, decision tree, artificial neural network, logistic regression, support vector machine (SVM), k-nearest neighbor (k-NN) classification, and Naive Bayes. The performance of these models was compared and evaluated, with a focus on predictive validity and the identification of significant dropout factors through the information gain index of machine learning. Results : The binary logistic regression analysis showed that the year of the program, department, grades, and year of entry had a statistically significant effect on the dropout risk. The performance of each machine learning algorithm showed that random forest performed the best. The results showed that the relative importance of the predictor variables was highest for department, age, grade, and residence, in the order of whether or not they matched the school location. Conclusion : Machine learning-based prediction of dropout risk focuses on the early identification of students at risk. The types and causes of dropout crises vary significantly among students. It is important to identify the types and causes of dropout crises so that appropriate actions and support can be taken to remove risk factors and increase protective factors. The relative importance of the factors affecting dropout risk found in this study will help guide educational prescriptions for preventing college student dropout.

• Journal of the Korean Wood Science and Technology
• /
• 제43권4호
• /
• pp.456-462
• /
• 2015

KS F 3020-침엽수구조용재 기준에 따라 국산 소나무(Pinus densiflora) $38{\times}140{\times}3600mm$ 구조용 제재목 365개에 대하여 기계등급구분을 실시하고, 휨허용응력을 산출하여 현재 적용되는 KS기준허용응력과 비교 분석하였다. 휨허용응력 계산을 위하여 5% 휨강도 하한값을 75% 신뢰수준의 비모수적 방법, 2-parameter 그리고 3-parameter Weibull 분포를 가정한 모수적 방법, 휨강도-휨탄성계수 직선회귀 방법, 총 4가지 분석방법을 사용하여 결정하였다. 기계등급 E8, E9, E10 만이 비모수적 방법의 통계 처리가 가능한 자료 수를 얻었으며, 휨강도-휨탄성계수 직선회귀 방법은 이론적으로 모든 등급에 대한 5% 하한값 결정이 가능함을 보여주었다. 결정된 등급별 휨허용응력은 기준허용응력에 비하여 모두 낮은 값을 나타내었으며 이것은 과소설계의 위험성이 있는 것으로 현행 기계등급구분체계의 문제점으로 파악되었다. 이러한 문제는 구조설계 신뢰성과 관련하여 반드시 개선되어야 할 것으로, 휨강도-휨탄성계수 조합 등급 도입이 필요할 것으로 생각되었다.

• 대한토목학회논문집
• /
• 제43권3호
• /
• pp.397-411
• /
• 2023

국내에서 공용연수 30년 이상인 노후 교량의 수가 급증하고 있다. 이에 따라 교량 노후도, 상태 및 성능 예측을 바탕으로 한 첨단 유지관리 기술의 중요성이 점차 주목받고 있다. 이 연구에서는 머신러닝 기반의 의사결정나무 및 랜덤포레스트 분류 모델을 사용하여 교량의 안전등급을 예측하는 방법을 제안하였다. 일반국도상 교량 8,850개를 대상으로 해당 모델들을 혼동행렬, 균형 정확도, 재현율, ROC 곡선 및 AUC와 같이 여러가지 평가 지표를 통해 분석한 결과 전반적으로 랜덤포레스트가 의사결정나무보다 더 나은 예측 성능을 보유하였다. 특히 랜덤포레스트 중 랜덤 언더 샘플링 기법은 노후도가 비교적 커서 유지관리에 주의를 기울여야 하는 C, D등급 교량에 대해 재현율 83.4%로 다른 샘플링 기법들보다 예측 성능이 더 뛰어난 것으로 나타났다. 제안된 모델은 최근 점검이 실시되지 않은 교량들의 신속한 안전등급 파악 및 효율적이고 경제적인 유지관리 계획 수립에 유용하게 활용될 수 있을 것으로 기대된다.

• Journal of the Korean Wood Science and Technology
• /
• 제43권4호
• /
• pp.446-455
• /
• 2015

국내외 기계등급제재목(구조재 및 층재)의 등급기준 및 설계강도 산출방법을 비교 분석하고 국내 제재산업 실정을 고려한 평균 탄성계수(modulus of elasticity, 이하 MOE) 기준방법 적용을 제안하였다. 먼저 올바른 기계등급제재목 기준 정착을 위해 기계등급구조재와 기계등급층재의 공통점과 차이점을 설명하였다. 최소 고정 MOE 기준 등급을 사용하는 국내 기준은 등급구분에는 편리하나 휨강도(modulus of rupture, 이하 MOR) 예측과 자원이용도 측면에서는 효율성이 낮은 것으로 파악되었다. 해외에서 사용되는 평균 MOE 기준 방법은 초기 컴퓨터 기반 작동을 요구하나 MOR-MOE 직선회귀에 근거한 합리적인 MOR 예측과 품질관리 측면에서 효율성이 높은 것으로 분석되었다. 무엇보다도 현 국내 기계등급구조재 등급체계는 수종별 강도 특성을 반영하지 못하고 있다는 것이 가장 큰 문제점으로 분석되었으며 이러한 결과를 기반으로 MOR-MOE 직선회귀분석에 근거한 기계등급제재목 등급기준 및 기준설계값 산출방법 적용을 제안하였다. 이를 통하여 궁극적으로 부가가치가 높은 국산 기계등급구조재 생산 활성화를 이루고, 기계 등급구조재의 층재 전용 가능에 따른 구조용 집성재 가격경쟁력 제고 효과를 얻을 수 있다고 사료되었다.