• 한국지반공학회논문집
• /
• 제25권5호
• /
• pp.53-64
• /
• 2009

강우침투로 인하여 많은 사면이 붕괴되고 있다. 따라서 사면에 대한 최근 연구들은 강우가 유발하는 사면의 불안정성에 초점이 맞춰져 있으며 강우침투 문제는 중요한 사면붕괴 발생 요인으로 인식되고 있다. 강우가 사면 내부의 모관흡수력을 감소시키면서 사면 내부로 침투되며 심지어 지반특성에 따라 표층 근에서 양의 간극수압이 발생할 수도 있다. 이러한 현상은 사면 강도를 감소시켜 사면 붕괴를 유발할 수 있다. 국내 여러 공공기관에서는 지하수위가 표층 또는 밀정 깊이 내에 존재하도록 하여 사면의 포화상태를 가정하는 보수적인 사면 설계방안을 제시하였으나, 이러한 가정은 대부분 부적절하고 이를 만족시키기 위해 때로는 사면설계 단계에서 잘못된 지반물성이 사용되기도 한다. 본 논문에서는 실제 강우침투 현상을 고려하여 보다 합리적으로 사면의 안정성을 평가하는 기법이 제안되었다. 국내 풍화토에 대한 불포화 지반물성(강도, 함수특성곡선, 투수곡선)이 실험적으로 획득되었으며, 인공신경망 모델을 통해 간접적으로도 추정되었다. 또한 현장 계측자료의 불확실성을 보완하기 위하여 사면의 불안정성 평가기법에 대하여 결정론적 해석과 확률론적 해석에 기반한 실시간 사면 붕괴 경보 기준이 모니터링 시스템에 도입되었다. 이러한 사면안정성 평가기법은 사면 내부의 모관흡수력, 함수비와 같은 중요요소를 계측한 현장자료와 접목하여 강우에 따라 불안정해진 사면에 대한 조기 경보시스템으로 활용될 수 있다.

• 산업융합연구
• /
• 제21권5호
• /
• pp.1-13
• /
• 2023

우리나라는 기후변화 위기에 대응하기 위해 2050 탄소중립을 선언하였으며, 이를 위해 다양한 감축 계획 및 입법화 과정을 진행 중이다. 탄소중립의 실현은 산업기술 전반에서의 근본적 변화를 필요로 하기 때문에 이를 위한 구체적 대응체계 마련이 매우 중요하다. 본고는 탄소중립 관련 산업기술 확보 경쟁에서 선제적으로 대비하기 위하여 글로벌 탄소중립 기술분야의 현황과 발전 트렌드를 파악하고자 한다. 이를 위해, 탄소중립 관련 온라인 뉴스기사 데이터를 웹 크롤링하여 수집하였고, 미래신호분석방법론과 인공신경망 딥러닝 기술인 Word2Vec알고리즘을 적용하여 탄소중립 기술 트렌드를 분석 및 예측하였다. 분석결과, 탄소 과배출 업종인 철강업 및 석유화학 분야의 기술고도화가 요구되고 있었으며, 전기차 분야에의 투자 타당성 확보와 기술 고급화가 추세인 것으로 드러났다. 이에 대한 정부의 적극적인 지원과 글로벌한 기술협력/인프라 조성이 밑받침되어야 할 것으로 보인다. 그 외에도 탄소중립 관련 인력양성이 시급한 것으로 나타났으며, 기업에서 필요한 탄소중립 인력을 양성할 수 있도록 간접지원정책 마련의 필요성을 확인할 수 있었다.

• 대한한방부인과학회지
• /
• 제22권1호
• /
• pp.1-14
• /
• 2009

Purpose: Oxidative stress was thought to play a critical role in neurodegenerative disease. Many in vivo and in vitro reports explained the possible pathway of human aging. But in therapeutic aspects, there was no clear answers to prevent aging associated with neural diseases. In this study, we investigated the antioxidant and neuroprotective effects of the Insamyangyung-tang (IYT). Methods: To estimate the antioxidant effects, we carried out 1.1-diphenyl-2-picrylhydrazyl (DPPH) free radical scavenging assay, 2,2'-azinobis-(3- ethylbenzothiazoline-6- sulfonic acid (ABTS) radical cation decolorization assay, and measurement of total polyphenolic content. To evaluate neuroprotective effect of IYT in vitro. We performed thiazolyl blue tetrazolium bromide (MTT) assay, reactive oxygen species (ROS) creation in SH-SY5Y. Tyrosine hydroxylase (TH) immunocytochemistry, nitric oxide (NO) assay, and TNF-${\alpha}$ assay in primary rat mesencephalic dopaminergic neurons. Results: The $IC_{50}$ values were $571.6{\mu}g/m{\ell}$ and $202.3{\mu}g/m{\ell}$ in DPPH and ABTS assay respectively. Total polyphenolic content was 1.05%. In SH-SY5Y culture, IYT significantly increased the decreased cell viability by 6-OHDA at the concentrations of $10{\mu}g/m{\ell}$ in pre-treatment group, $10-100{\mu}g/m{\ell}$ in post-treatment group, and $100{\mu}g/m{\ell}$ in co-treatment group. The production of ROS induced by 6-OHDA was significantly inhibited in IYT treated group. In mesencephalic dopaminergic cell culture, the IYT group reduced the dopaminergic cell loss against 6-OHDA toxicity and the production of No and TNF-${\alpha}$ at the concentration of $0.2{\mu}g/m{\ell}$. Conclusion: These results showed that IYT has antioxidant and neuroprotectctive effects in the dopaminergic cells through decreasing the production of ROS, NO and TNF-${\alpha}$ which can cause many neurodegenerative changes in brain cell.

• 사물인터넷융복합논문지
• /
• 제9권3호
• /
• pp.87-92
• /
• 2023

시대가 발전함에 따라 정보가 다양해지고 이를 얻는 방법도 다양해진다. 살아가면서 얻는 정보의 양 중 약 80%는 시각적 감각으로 습득한다. 하지만 시각장애인들은 시각 자료를 해석하는 능력이 제한된다. 그래서 점자라는 시각장애인용 문자가 등장했다. 그러나 시각장애인들의 점자 해독률은 5%에 불과하며 시간에 지남에 따라 다양한 형태의 플랫폼이나 자료를 원하는 시각장애인들의 요구가 늘어나면서 시각장애인들을 위한 개발 및 물품 제작이 이루어지고 있다. 물품 제작의 예로는 점자 도서를 들 수 있는데 이 점자 도서는 장점보단 단점이 많아 보이고 비장애인과 다르게 아직도 정보 접근에 대해서는 많이 어려운 것이 사실이다. 본 논문에서는 시각장애인이 정보를 기존의 방법보다 쉽게 얻을 수 있도록 CNN 기반 점자 변환 및 음성 출력 장치를 설계하였다. 이 장치는 점자로 되어 있지 않고 점자로 제작이 되지 않은 책, 텍스트 이미지나 손글씨 이미지 등을 카메라 인식을 통해 점자로 변환할 수 있도록 하고, 점자로 변환 후 시각장애인들의 요구에 따라서 음성으로 변환해 출력할 수 있는 기능을 설계해 시각장애인들이 정보를 얻을 수 있게 도와주어 삶의 질을 높이고자 한다.

• 수완나부미
• /
• 제10권2호
• /
• pp.181-213
• /
• 2018

How to study Southeast Asia (SEA)? The need to explore and identify methodologies for studying SEA are inherent in its multifaceted subject matter. At a minimum, the region's rich cultural diversity inhibits both the articulation of decisive defining characteristics and the training of scholars who can write with confidence beyond their specialisms. Consequently, the challenges of understanding the region remain and a consensus regarding the most effective approaches to studying its history, identity and future seem quite unlikely. Furthermore, "Area Studies" more generally, has proved to be a less attractive frame of reference for burgeoning scholarly trends. This paper will propose a new tool to help address these challenges. Even though the science of artificial intelligence (AI) is in its infancy, it has already yielded new approaches to many commercial, scientific and humanistic questions. At this point, AI has been used to produce news, generate better smart phones, deliver more entertainment choices, analyze earthquakes and write fiction. The time has come to explore the possibility that AI can be put at the service of the study of SEA. The paper intends to lay out what would be required to develop SEABOT. This instrument might exist as a robot on the web which might be called upon to make the study of SEA both broader and more comprehensive. The discussion will explore the financial resources, ownership and timeline needed to make SEABOT go from an idea to a reality. SEABOT would draw upon artificial neural networks (ANNs) to mine the region's "Big Data", while synthesizing the information to form new and useful perspectives on SEA. Overcoming significant language issues, applying multidisciplinary methods and drawing upon new yields of information should produce new questions and ways to conceptualize SEA. SEABOT could lead to findings which might not otherwise be achieved. SEABOT's work might well produce outcomes which could open up solutions to immediate regional problems, provide ASEAN planners with new resources and make it possible to eventually define and capitalize on SEA's "soft power". That is, new findings should provide the basis for ASEAN diplomats and policy-makers to develop new modalities of cultural diplomacy and improved governance. Last, SEABOT might also open up avenues to tell the SEA story in new distinctive ways. SEABOT is seen as a heuristic device to explore the results which this instrument might yield. More important the discussion will also raise the possibility that an AI-driven perspective on SEA may prove to be even more problematic than it is beneficial.

• 한국차세대컴퓨팅학회논문지
• /
• 제13권4호
• /
• pp.29-39
• /
• 2017

다양한 전자전 상황에서 단위 위협체에 대하여 전자전 모델링과 시뮬레이션을 수행할 수 있는 통합 전자전 시뮬레이터의 개발 필요성이 대두되고 있다. 본 논문에서는 전자전 상황에서 전자정보 수집신호의 변수를 기반으로 전자파 신호를 발산하는 레이더 위협을 역추정하기 위한 시뮬레이션 시스템의 구성요소를 분석하고, 역추정 모델을 점진적으로 유지할 수 있는 방법을 제안한다. 또한, 실험을 통하여 점진적 역추정 모델 갱신 기법의 유효성 및 개별 역추정 결과의 통합 기법을 평가한다. 개별 역추정 모델의 생성을 위하여 의사결정트리, 베이지안 분류기, 인공신경망 및 유클리디안 거리 측정방식과 코사인 유사도 측정방식을 활용하는 군집화 알고리즘을 이용하였다. 첫 번째 실험에서 레이더 위협체에 대한 역추정 모델을 구축하기 위한 위협 예제의 크기를 점진적으로 증가시키면 역추정 모델의 정확도는 향상되었으며, 이러한 과정이 반복되면 역추정 모델에 대한 정확도는 일정한 값으로 수렴하였다. 두 번째 실험에서는 개별 역추정 모델의 결과를 통합하기 위하여 투표, 가중투표 및 뎀스터-쉐이퍼 알고리즘을 이용하였으며, 역추정 모델의 통합 결과는 뎀스터-쉐이퍼 알고리즘에 의한 역추정 정확도가 가장 좋은 성능을 보였다.

• 지능정보연구
• /
• 제29권2호
• /
• pp.323-338
• /
• 2023

셋톱박스 오디언스(TV 시청자) 타겟팅의 핵심은 오디언스의 시청패턴을 분석하여 광고의 효과성이 높을 것으로 예상되는 오디언스에게 맞춤형 광고를 내보내는 것이다. 세션 기반 추천 시스템은 인터넷 광고 추천, 유저 검색 기록 기반 추천 등에 많이 이용되고 있지만, TV 광고의 측면에서 셋톱박스 데이터 수집의 어려움을 이유로 연구하기에 어려움이 있었다. 또한 오디언스 개인의 식별정보가 있는 데이터에서, 오디언스의 선호가 반영되는 시청 패턴을 모델링하는 데 한계가 있었다. 따라서 본 연구에서는 한국방송광고진흥공사(KOBACO)와 방송3사(SKB, KT, LGU+)와의 협업을 통해 익명화된 오디언스 4,847명의 6개월간 시청 데이터를 확보하여 연구를 진행하였으며, 유저-세션-아이템의 계층적 구조를 가지는 개인화 세션 기반 추천 시스템을 개발하여 성능 검증을 진행하였다. 그 결과, 셋톱박스 오디언스 데이터셋과 그 외 검증을 위한 2개의 데이터셋에서 제안된 모델이 비교 대상 모델보다 높은 성능을 보이는 것을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.246-246
• /
• 2021

본 연구는 강우 발생시 유량을 추정하는 것에 목적이 있다. 이를 위해 본 연구는 선행연구의 모형 개발방법론에서 벗어나 딥러닝 알고리즘 중 하나인 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 유량을 추정하였다. 합성곱 신경망은 일반적으로 분류 문제 (classification)을 해결하기 위한 목적으로 개발되었기 때문에 불특정 연속변수인 유량을 모의하기에는 적합하지 않다. 이를 위해 본 연구에서는 합성곱 신경망의 완전 연결층 (Fully connected layer)를 개선하여 연속변수를 모의할 수 있도록 개선하였다. 대부분 합성곱 신경망은 RGB (red, green, blue) 사진 (photograph)을 이용하여 해당 사진이 나타내는 것을 예측하는 목적으로 사용하지만, 본 연구의 경우 일반 RGB 사진을 이용하여 유출량을 예측하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이를 위해 본 연구에서는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는 수문학적 이미지는 입력자료로 활용했다. 합성곱 신경망의 구조는 Convolution Layer와 Pulling Layer가 5회 반복하는 구조로 설정하고, 이후 Flatten Layer, 2개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 다시 1개의 Dense Layer가 이어지는 구조로 설계하였다. 마지막 Dense Layer의 활성화 함수는 분류모형에 이용되는 softmax 또는 sigmoid 함수를 대신하여 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 이와 함께 각 층의 활성화 함수는 정규화 선형함수 (ReLu)를 이용하였으며, 모형의 학습 평가 및 검정을 판단하기 위해 MSE 및 MAE를 사용했다. 또한, 모형평가는 NSE와 RMSE를 이용하였다. 그 결과, 모형의 학습 평가에 대한 MSE는 11.629.8 m3/s에서 118.6 m3/s로, MAE는 25.4 m3/s에서 4.7 m3/s로 감소하였으며, 모형의 검정에 대한 MSE는 1,997.9 m3/s에서 527.9 m3/s로, MAE는 21.5 m3/s에서 9.4 m3/s로 감소한 것으로 나타났다. 또한, 모형평가를 위한 NSE는 0.7, RMSE는 27.0 m3/s로 나타나, 본 연구의 모형은 양호(moderate)한 것으로 판단하였다. 이에, 본 연구를 통해 제시된 방법론에 기반을 두어 CNN 모형 구조의 확장과 수문학적 이미지의 개선 또는 새로운 이미지 개발 등을 추진할 경우 모형의 예측 성능이 향상될 수 있는 여지가 있으며, 원격탐사 분야나, 위성 영상을 이용한 전 지구적 또는 광역 단위의 실시간 유량 모의 분야 등으로의 응용이 가능할 것으로 기대된다.

• 한국터널지하공간학회 논문집
• /
• 제11권4호
• /
• pp.373-385
• /
• 2009

이전 연구를 통하여 터널 굴진에 따른 터널 막장의 붕괴 위험에 대한 잠재 수준을 정량적으로 평가하기 위한 툴인 KTH-index(KICT Tunnel Collapse Hazard index) 지수화된 위험도 수준 표현 툴을 개발한바 있으며, 이는 다수의 시공현장에 성공적으로 적용되어 왔다. 본 연구에서는 제안된 터널 위험도 지수를 기반으로 수행된 터널 설계안의 전 종단구간에 대해 정량적인 위험도 수준을 시뮬레이션 하는 새로운 설계안 적정성 평가 방법을 제안하였다. 본 KTH-index 기반 시뮬레이션에서 가장 중요한 것은 시뮬레이션을 위한 입력항목의 결정이며, 대부분의 설계안 관련 항목과 시공관련 항목은 직접적으로 설계안으로부터 결정될 수 있으나, 불명확한 지반조건은 설계 당시 때 수행된 시추조사와 전기비저항 탐사를 기초로 준비된다. 이때, 낙관적 시나리오와 비관적 시나리오에 기반한 터널 종단 지반조건 시나리오가 설정되었다. 이러한 위험도 시뮬레이션을 통해서, 시뮬레이션 대상 설계안에 대한 위험도 수준을 사전에 파악할 수 있었으며, 사전에 파악된 요 주의구간은 시공단계와 연결시켜 시공 중 계측이나 막장관찰 시에 요긴하게 활용될 수 있는 정보를 제공할 수 있음을 확인하였다.

• 한국수자원학회논문집
• /
• 제56권7호
• /
• pp.439-449
• /
• 2023

최근 계측 기술의 발전으로 압력계와 유량계 등 다양한 센서를 설치하여 상수도관망의 상태를 효과적으로 파악할 수 있게 되었으나, 도시가 광범위하게 개발됨에 따라 계측 신뢰도에 영향을 미치는 변수는 다양해지고 있다. 특히 상수도관망 분석에 중요한 영향력을 가지는 수요 데이터의 경우 직접 계측의 난이도가 높고 결측이 발생하기 쉬운 것으로 알려져 데이터 생성의 중요도가 증가하고 있다. 본 논문에서는 상수도관망에서 누락된 데이터를 정확하게 생성하기 위해 생성적 딥러닝 모델에 기반한 적대적 학습 기반 오토인코더(ATAE) 모델을 제안한다. 제안된 모델은 판별 신경망과 생성 신경망의 두 가지 신경망의 적대적 학습을 사용하여 압력 데이터로부터 수요 데이터를 생성한다. 학습이 완료된 ATAE 모델의 생성 신경망은 관망의 계측되는 압력 데이터가 존재하는 경우, 그로부터 추정된 관망 수요 데이터를 제공할 수 있다. ATAE 모델은 미국 텍사스주 오스틴의 실제 상수도망에 적용되어 성능이 검증되었다. 수요 및 압력 시계열 데이터의 불확실성 정도에 따른 ATAE 예측 결과의 정확도를 비교하여 데이터 불확실성의 영향을 분석하였으며, 또한 수요 수준에 따른 데이터 수집 기간별 생성 결과를 비교하여 이에 따른 데이터 생성 성능을 검토하였다.