• 정보처리학회논문지B
• /
• 제16B권2호
• /
• pp.131-140
• /
• 2009

본 논문에서는 입력된 FISH 세포영상을 군집세포영역과 독립세포영역으로 분류하고, 군집세포영역에 대해서는 하나의 세포를 분리하는 알고리즘을 제안한다. 먼저 입력된 영상에 대해서 가우시안혼합모델과 세포의 명암도 값에 대한 최대 우도 함수를 사용하여 세포영역과 배경영역을 분할해줄 임계값을 정의하게 된다. 이렇게 얻어진 전경세포영역에 대해서 보다 정확한 세포 분석을 위해서 군집세포와 독립세포를 분류하게 된다. 세포 영역의 분류과정을 위해서는 베이지안 네트워크와 확률밀도함수를 사용한다. 학습데이터로부터 밀집도(compactness), 평활도(smoothness), 후-모멘트(Hu-moment)에 대한 형태학적 특징값을 추출하여 확률밀도함수를 구성하고, 이를 기반으로 베이지안 네트워크를 사용하여 두 영역을 분류하게 된다. 군집세포로 분류된 영역에 대해서는 그 군집세포를 구성하고 있는 독립세포로 각각 분리한다. 먼저, 명암도 기울기 변환(intensity gradient transform) 영상과 워터쉐드 알고리즘을 이용하여 군집세포 영역을 작은 영역으로 분할하게 된다. 작게 분할된 영역을 하나의 세포영역으로 병합시키기 위해서, 군집세포에 존재하는 독립세포의 수만큼의 마커를 결정 침식 연산을 사용하여 추출하고, 추출된 마커를 중심으로 단계적 병합 알고리즘을 제안한다. 본 논문에서 제안한 방법은 166개의 FISH 세포를 사용하여 테스트한 결과 99.29%의 정확한 분리결과를 보여줬으며 기존의 다른 알고리즘보다도 뛰어난 성능과 빠른 실행시간을 보여주었다.

• 한국수자원학회논문집
• /
• 제52권8호
• /
• pp.545-554
• /
• 2019

가뭄평가 시 단일 수문인자를 활용하여 가뭄지수를 산정하고 가뭄의 출현, 심도 및 지속기간 등을 평가하는 것이 일반적이다. 하지만 가뭄은 여러 요인이 복합적인 연관성을 가지며 나타나는 현상이므로 단일인자로 가뭄을 평가하는 경우 불확실성 및 한계가 존재한다. 이에 따라 다양한 수문기상 특성을 고려할 수 있는 가뭄지수의 개발이 지속적으로 요구되고 있다. 본 연구에서는 강우량 및 토양수분을 이용하여 가뭄을 평가하고자 은닉 마코프 모형(Hidden Markov chain Model)기반의 토양수분 모의기법을 통해 과거(1973-2014년) 토양의 수분함량을 모의하였으며, Copula 함수를 활용하여 강우량과 토양수분을 동시에 고려한 합성가뭄지수를 산정하였다. 본 연구에서 제안된 토양수분산정 모델은 다중 회귀 모형의 모의결과와 비교를 통해 모델의 적합성을 검증하였으며, 가뭄의 지속기간과 심도를 고려하여 이변량 빈도해석을 수행하였다. 이변량 빈도해석결과 2015년 전라북도 지역에 발생하였던 가뭄은 약 20년의 재현기간을 갖는 것으로 분석되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권3호
• /
• pp.115-122
• /
• 2019

지금까지의 한국어 음소 인식에는 은닉 마르코프-가우시안 믹스쳐 모델(HMM-GMM)이나 인공신경망-HMM을 결합한 하이브리드 시스템이 주로 사용되어 왔다. 하지만 이 방법은 성능 개선 여지가 적으며, 전문가에 의해 제작된 강제정렬(force-alignment) 코퍼스 없이는 학습이 불가능하다는 단점이 있다. 이 모델의 문제로 인해 타 언어를 대상으로 한 음소 인식 연구에서는 이 단점을 보완하기 위해 순환 신경망(RNN) 계열 구조와 Connectionist Temporal Classification(CTC) 알고리즘을 결합한 신경망 기반 음소 인식 모델이 연구된 바 있다. 그러나 RNN 계열 모델을 학습시키기 위해 많은 음성 말뭉치가 필요하고 구조가 복잡해질 경우 학습이 까다로워, 정제된 말뭉치가 부족하고 기반 연구가 비교적 부족한 한국어의 경우 사용에 제약이 있었다. 이에 본 연구는 강제정렬이 불필요한 CTC 알고리즘을 도입하되, RNN에 비해 더 학습 속도가 빠르고 더 적은 말뭉치로도 학습이 가능한 합성곱 신경망(CNN)을 기반으로 한국어 음소 인식 모델을 구축하여 보고자 시도하였다. 총 2가지의 비교 실험을 통해 본 연구에서는 한국어에 존재하는 49가지의 음소를 판별하는 음소 인식기 모델을 제작하였으며, 실험 결과 최종적으로 선정된 음소 인식 모델은 CNN과 3층의 Bidirectional LSTM을 결합한 구조로, 이 모델의 최종 PER(Phoneme Error Rate)은 3.26으로 나타났다. 이는 한국어 음소 인식 분야에서 보고된 기존 선행 연구들의 PER인 10~12와 비교하면 상당한 성능 향상이라고 할 수 있다.

• 한국전자통신학회논문지
• /
• 제9권1호
• /
• pp.51-60
• /
• 2014

본 연구는 광주 전남지역 ICT 의료시설 기반에서 종사자를 대상으로 소방안전 지식과 대처방법 인식수준의 정도를 파악하고 차이를 조사하여 ICT 의료시설 기반에서 소방안전 대처방법 교육 매뉴얼의 기초자료를 제공하기 위하여 수행 되었다. 자료는 SPSS Win 14.0을 사용하여 분석하였다. 연구결과 ICT 의료시설 기반에서 종사자의 소방안전 지식은 10점 만점에 7.06점, 소방 대처방법 인식수준은 11점 만점에 6.61점이었다. ICT 의료시설 기반에서 종사자의 일반적 특성과 소방안전 대처방법 인식수준을 분석한 결과 성별(t=4.12, p<.001, 연령(${\chi}^2$=17.24, p<.001), 근무경력(${\chi}^2$=22.76, p<.001), 소방안전교육 경험 유무(t=6.10, p<.001), 소방안전에 대한 본인의 주관적 지식정도(${\chi}^2$=53.83, p<.001)에서 통계적으로 유의한 차이가 있었다. 따라서 ICT 의료시설 기반에서 종사자의 소방안전 대처를 증진하기 위해서는 강의 중심의 지식 전달 교육을 지양하고, 자기 주도적 학습, 개인별 맞춤학습, 협동 학습을 강조하는 다양한 콘텐츠 개발을 통한 실무 체험 중심의 소방안전 교육, 시뮬레이션을 이용한 환자분류체계별 배치와 광역 화재감지를 위한 적외선 레이저 연기검출, 다중포인트 통신 프로토콜에 의한 디지털 화재 방지 모니터링 시스템, 영상기반 화재검출, 화재감지를 위한 로봇 설계 및 테이터 처리등의 다학문적인 접근을 통한 ICT 의료시설 기반에서 소방안전 대처에 관한 교육 매뉴얼의 개발이 필요하다고 사료된다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.187-201
• /
• 2011

방향성(Direction)과 변동성(Volatility)에 대한 분석은 증권투자를 위한 시장분석의 기초가 된다. 변동성분석이 옵션 투자에서 중요하다면 주식이나 주가지수선물투자는 방향성분석에 의하여 투자성과가 결정된다. 기존의 금융분석에서 기계학습을 이용한 방향성에 대한 연구는 주가나 투자위험의 예측을 중심으로 이루어졌으며, 최근에 와서야 실전투자를 위한 매매시스템(trading system) 개발에 대한 연구가 이루어지고 있다. 인공지능형 주가예측모형에서는 ANN(artificial neural networks), fuzzy system, SVM(Support Vector Machine) 등의 기법이 주로 활용되고 있다. 본 연구에서는 방향성매매를 위한 지능형 기계학습방법 중에서도 패턴인식에서 좋은 성과를 보이고 있는 은닉마코프 모형(Hidden Markov Model)을 이용한다. 실무적으로는 방향성 예측을 위해 주로 주가의 추세분석(Trend Analysis)을 활용한다. 다양한 기술적 지표를 이용한 추세분석에 기반한 시스템트레이딩(System Trading) 기법은 실전투자에서 점차 확대추세에 있다. 본 연구에서는 시스템트레이딩 기법 중 실무에서 많이 이용되는 이동평균교차전략(moving average cross)에 연속 은닉마코프모형을 적용한 지능형 매매시스템을 제안하고, 실제 주가자료를 이용한 시뮬레이션 결과를 제시한다. 세계적 선물시장으로 성장한 KOSPI200 선물시장에서 제안된 매매시스템의 장기간의 투자성과를 분석하기 위하여 지난 21년 동안의 KOSPI200 주가지수자료를 실증 분석하였다. 분석결과는 KOSPI200 주가지수선물의 방향성매매에서 제안된 CHMM기반 지능형 매매시스템이 실전에서 일반적으로 활용되는 시스템트레이딩 기법의 투자성과를 개선할 수 있음을 보여주었다.