• 한국음향학회지
• /
• 제42권6호
• /
• pp.603-616
• /
• 2023

본 연구는 주파수 및 시간 특성을 활용하여 머신러닝 기반 공동주택 주거소음의 군집화 및 분류를 진행하였다. 먼저, 공동주택 주거소음의 군집화 및 분류를 진행하기 위하여 주거소음원 데이터셋을 구축하였다. 주거소음원 데이터셋은 바닥충격음, 공기전달음, 급배수 및 설비소음, 환경소음, 공사장 소음으로 구성되었다. 각 음원의 주파수 특성은 1/1과 1/3 옥타브 밴드별 L_eq와 L_max값을 도출하였으며, 시간적 특성은 5 s 동안의 6 ms 간격의 음압레벨 분석을 통해 L_eq값을 도출하였다. 공동주택 주거소음원의 군집화는 K-Means clustering을 통해 진행하였다. K-Means의 k의 개수는 실루엣 계수와 엘보우 방법을 통해 결정하였다. 주파수 특성을 통한 주거소음원 군집화는 모든 평가지수에서 3개로 군집되었다. 주파수 특성 기준으로 분류된 각 군집별 시간적 특성을 통한 주거소음원 군집화는 L_eq평가지수의 경우 9개, L_max 경우는 11개로 군집되었다. 주파수 특성을 통해 군집된 각 군집은 타 주파수 대역 대비 저주파 대역의 음에너지의 비율 또한 조사되었다. 이후, 군집화 결과를 활용하기 위한 방안으로 세 종류의 머신러닝 방법을 이용해 주거소음을 분류하였다. 주거소음 분류 결과, 1/3 옥타브 밴드의 L_eq값으로 라벨링된 데이터에서 가장 높은 정확도와 f1-score가 나타났다. 또한, 주파수 및 시간적 특성을 모두 사용하여 인공신경망(Artificial Neural Network, ANN) 모델로 주거소음원을 분류했을 때 93 %의 정확도와 92 %의 f1-score로 가장 높게 나타났다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.329-352
• /
• 2022

미세먼지는 폐나 혈관에 침투해 각종 심장 질환이나 폐암 등의 호흡기 질환을 일으키는 것으로 보고되고 있다. 지하철은 일 평균 천만 명이 이용하는 교통수단으로, 깨끗하고 쾌적한 환경조성이 중요하나 지하터널을 통과하는 지하철의 운행 특성과 터널에 갇힌 미세먼지가 열차 풍으로 인해 지하역사로 이동하는 등의 문제로 지하역사의 미세먼지 오염도는 높은 것으로 나타나고 있다. 환경부와 서울시는 지하역사 공기질 개선대책을 수립하여 다양한 미세먼지 저감 노력을 기울이고 있다. 스마트 공기질 관리 시스템은 공기질 데이터 수집 및 미세먼지 농도를 예측하여 공기질을 관리하는 시스템으로 미세먼지 농도 예측 모델이 중요한 구성 요소이다. 그동안 시계열 데이터 예측에 관한 다양한 연구가 진행되어왔지만, 지하철 역사의 미세먼지 농도 예측과 관련해서는 통계나 순환신경망 기반의 딥러닝 모델 연구에 국한되어 있다. 이에 본 연구에서는 시공간 트랜스포머를 포함한 4개의 트랜스포머 기반 모델을 제안한다. 서울시 지하철 역사의 대합실을 대상으로 한 시간 후의 미세먼지 농도 예측실험을 수행한 결과, 트랜스포머 기반 모델들의 성능이 기존의 ARIMA, LSTM, Seq2Seq 모델들에 비해 우수한 성능을 나타냄을 확인하였다. 트랜스포머 기반 모델 중에서는 시공간 트랜스포머의 성능이 가장 우수하였다. 데이터 기반의 예측을 통하여 운영되는 스마트 공기질 관리 시스템은 미세먼지 예측의 정확도가 향상될수록 더욱더 효과적이고 에너지 효율적으로 운영될 수 있다. 본 연구 결과는 스마트 공기질 관리 시스템의 효율적 운영에 기여할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.631-640
• /
• 2017

쌀 생산량 예측 및 조사는 농가 소득 보전 및 농업 분야 기관에 영향을 주고 수급 조절과 가격 예측 등 정부의 정책 수립과 관련하여 중요한 의미를 갖는다. 이에 따라 작황 추정 모델의 구축이 필요하며 과거로부터 기상 자료 및 위성 자료를 통해 경험적 통계 모델 또는 인공신경망 알고리즘을 기반으로 한 연구가 다수 진행되었다. 현재 인공신경망 모델을 기반으로 개발된 딥 러닝 알고리즘이 패턴 인식, 컴퓨터 비전, 음성 인식 등의 분야에서 폭넓게 사용되며 뛰어난 성능을 보이고 있다. 최근 다양한 딥 러닝 알고리즘 중 SSAE 알고리즘이 시계열 자료를 통한 예측 분야에서 적용 가능성이 확인되었으며 본 연구에서는 SSAE를 통해 남한 전역에 대한 쌀 생산량 추정 연구를 진행하였다. 입력 변수로 기상자료와 위성자료를 사용하였으며 남한 벼의 생육 기간을 고려하여 입력 자료를 기간별로 나누고 최적의 입력 자료롤 찾고자 하였다. 실험 결과, 5월부터 9월까지의 위성 자료와 16일 평균값을 사용한 기상 자료와의 조합을 사용하였을 경우 평균 연도별 %RMSE, 시군구 %RMSE 각각 7.43%, 7.16%로 가장 좋은 성능을 보였으며 이를 통해 쌀 생산량 추정 분야에 대한 SSAE 알고리즘의 적용 가능성을 확인할 수 있었다.

• BMB Reports
• /
• 제53권2호
• /
• pp.100-105
• /
• 2020

While liver histopathology is heterogeneous in diabetes, the underlying mechanisms remain unclear. We investigated whether glycemic variation resulting from differential diets can induce heterogeneity in diabetic liver and the underlying molecular mechanisms. We generated end-stage non-obese diabetic model rats by subtotal-pancreatectomy in male Sprague-Dawley rats and ad libitum diet for 7 weeks (n = 33). The rats were then divided into three groups, and fed a standard- or a low-protein diet (18 or 6 kcal%, respectively), for another 7 weeks: to maintain hyperglycemia, 11 rats were fed ad libitum (18AL group); to achieve euglycemia, 11 were calorie-restricted (18R group), and 11 were both calorie- and protein-restricted with the low-protein diet (6R group). Overnight-fasted liver samples were collected after the differential diets together with sham-control (18S group), and histology and molecular changes were compared. Hyperglycemic-18AL showed glycogenic hepatopathy (GH) without steatosis, with the highest GSK-3β inactivation because of Akt activation during hyperglycemia; mitochondrial function was not impaired, compared to the 18S group. Euglycemic-18R showed neither GH nor steatosis, with intermediate GSK-3β activation and mitochondrial dysfunction. However, euglycemic-6R showed both GH and steatosis despite the highest GSK-3β activity and no molecular evidence of increased lipogenesis or decreased ApoB expression, where mitochondrial dysfunction was highest among the groups. In conclusion, heterogeneous liver histopathology developed in end-stage non-obese diabetic rats as the glycemic levels varied with differential diets, in which protein content in the diets as well as glycemic levels differentially influenced GSK-3β activity and mitochondrial function in insulin-deficient state.

• 재활치료과학
• /
• 제3권2호
• /
• pp.5-48
• /
• 2014

서론: 작업치료에서는 수행기술을 매우 중요하며, 이런 수행기술에는 감각 인지 기술, 운동실행 기술, 감정 조절기술, 인지기술, 소통 사회 기술 등이 있다. 모든 수행기술은 통합된 신경처리를 통해 이루어진다. 본론: 입체해석학(stereology)란 신경세포, 대뇌 겉질, 기능과 관련되어 뇌의 특정 영역의 형태 변화를 알아 낼 수 있는 과학적 방법이다. 입체해석학은 평면으로 잘려진 생물학적 샘플을 확률이론과 과학적 추출방법을 사용하여 3 차원적으로 분석하는 다학문분야이다. 편견 없는 입체해석학적 방법은 확률이론을 바탕으로하며, 생물학적 영역의 해부학적 형태적 변화를 예측할 수 있다. 부피, 숫자, 길이와 같은 세포구조적변화는 뇌의 기능에 영향을 미치게 된다. 작업치료사들은 신경계환자들의 뇌 기능을 향상시켜 참여를 증진하는 것을 목적으로 한다. 뇌기능 장애 환자들에게 있어 기능적 증진은 뇌의 변화를 의미한다. 그러므로 신경학적 변화와 기능적 증진에 대한 두 가지 증거는 신경계 환자들의 작업치료에 매우 중요한 기초적 치료 근거가 된다. 비록 입체해석학 자체가 실험이나 인체 사후 검사에 많이 쓰일지라도 입체해석학은 신경계 환자들의 작업치료에 근본적 지식들 제공한다. 결론: 그러므로 입체해석학은 신경과학의 지식들을 경험의존가소성과 수행기술에 대한 뇌의 구조-기능관계를 바탕으로 작업치료에 전달해 준다고 볼 수 있다.

• 한국정보처리학회논문지
• /
• 제7권12호
• /
• pp.3866-3873
• /
• 2000

본 논문에서는 경제시계열 데이타중에 하나인 환율데이타(Yen/Dollar)의 장기기억성과 정답율을 조사했다. 통상 단기 기억성을 가진 대표적 모델 AR 모델로 부터 생성되는 시계열에는 두종류의 프랙탈차원이 존재하는 경우가 많다. 두차원으로 분리되는 샘플 간격을 $k^{crossover}$라고 한다면, 통계모델에서K < $k^{crossover}$일때의 프랙탈차원을 $D_1$, K > $k^{crossover}$일때의 프랙차원을 $D_2$라고 한다면 $ D_1이면서 $D_2\cong2$ 인 관계를 가진다. 그러나 일본경제평균등 실제의 시계열에서는 이것에 반대되는 결과가 나타났다. 그 한 예로써 환율데이타에서는 $D_1>D_2$라는 관계를 가진다는 것을 알았다. 이것은 데이타 사이의 시간 간격이 멀어지는데 오히려 상관은 강해지는 현상을 나타내는 것이다. 환율 시계열을 뉴럴네트워크를 이용해서 예측한 결과, 예측오차로부터 얻어진 지수(指數) $\beta$와 D가 프랙탈성질을 가진 비선형 모델로 부터 구한 관계식 $\beta$=2-2D을 정확히 만족 시키는 것을 확인했다. 그리고 프랙탈차원의 차이가 정답율에서도 나타남을 확인했다.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.1141-1141
• /
• 2001

The aim of the study was to evaluate the performance of 3 calibration methods, modified partial least squares (MPLS), local PLS (LOCAL) and artificial neural network (ANN) on the prediction of chemical composition of forages, using a large NIR database. The study used forage samples (n=25,977) from Australia, Europe (Belgium, Germany, Italy and Sweden) and North America (Canada and U.S.A) with information relative to moisture, crude protein and neutral detergent fibre content. The spectra of the samples were collected with 10 different Foss NIR Systems instruments, which were either standardized or not standardized to one master instrument. The spectra were trimmed to a wavelength range between 1100 and 2498 nm. Two data sets, one standardized (IVAL) and the other not standardized (SVAL) were used as independent validation sets, but 10% of both sets were omitted and kept for later expansion of the calibration database. The remaining samples were combined into one database (n=21,696), which was split into 75% calibration (CALBASE) and 25% validation (VALBASE). The chemical components in the 3 validation data sets were predicted with each model derived from CALBASE using the calibration database before and after it was expanded with 10% of the samples from IVAL and SVAL data sets. Calibration performance was evaluated using standard error of prediction corrected for bias (SEP(C)), bias, slope and R2. None of the models appeared to be consistently better across all validation sets. VALBASE was predicted well by all models, with smaller SEP(C) and bias values than for IVAL and SVAL. This was not surprising as VALBASE was selected from the calibration database and it had a sample population similar to CALBASE, whereas IVAL and SVAL were completely independent validation sets. In most cases, Local and ANN models, but not modified PLS, showed considerable improvement in the prediction of IVAL and SVAL after the calibration database had been expanded with the 10% samples of IVAL and SVAL reserved for calibration expansion. The effects of sample processing, instrument standardization and differences in reference procedure were partially confounded in the validation sets, so it was not possible to determine which factors were most important. Further work on the development of large databases must address the problems of standardization of instruments, harmonization and standardization of laboratory procedures and even more importantly, the definition of the database population.

• 제어로봇시스템학회논문지
• /
• 제7권9호
• /
• pp.723-732
• /
• 2001

경로 추적의 성능을 향상시키기 위해서 이 논문에서는 광유도식 무인방송차(AGV)의 뉴로퍼지 컨트롤러를 제안한다. 2바퀴 각각 조향 기능이 있는 AGV의 전방과 후방에 센서들이 장작되어 있으며, 그 센서들의 정보를 이용하여 AGV의 경로를 유도하게 된다. 측정된 광센서가 연속적인 데이터가 아니기 때문에 광유도식 AGV 는 쉽게 경로를 이탈하게 되고 경로 추적 성능은 떨어지게 된다. 광센서의정보들은 on/off 신호에 의해 발생되므로 비연속적으로 얻어지게 되고, 동적 오착가 측정되어진다. 센서에 의해 정보를 얻은 후 동적 오차는 좌우측 바퀴의 각 속도를 이용한 데드 레코닝(Dead Reckoning) 방법에 의해 연속적으로 계산되어진다. 여기서, 추정 윤곽 오차는 측정 윤관오차를 윤곽오차의증북(Variation)의 합의로 정의된다. 뉴로퍼지 시스템은 퍼지 제어기와 신경회로망으로 이루어졌다. 추정 윤곽 오차를 줄이기 위해 역전파 (Back-Propagation) 학습에 의해 퍼지 맴버쉽 함수의 계수들은 적응적으로 조정된다. 제안된 기존의 퍼지 제어기와 비교분석된다. 성능 분석을 위해 제안된 제어 이론은 모의 실험에 의해 검증된다.

• Investigative Magnetic Resonance Imaging
• /
• 제15권2호
• /
• pp.110-122
• /
• 2011

목적 : 본 연구의 목적은 확산텐서영상에 기반하여 한국 아동 집단의 해부학적 뇌연결성 지도를 확립하고 뇌신경망의 효율성을 평가하는 기법을 개발하는 것이다. 대상 및 방법 : 건강한 아동 12명에서 얻은 확산텐서영상과 뇌구획영상을 바탕으로 구조 연결 행렬을 구하여 집단의 구조 연결성을 평가하였다. 일표본 t-검정을 시행하여 평균적인 구조 연결성을 파악하였고 이 때 얻은 각 피험자의 백질 다발을 표준공간으로 정규화하여 집단의 해부학적 뇌연결망 지도를 확립했다. 뇌신경망의 군집정도(clustering coefficient), 평균이동거리(characteristic path length), 전체/부분 연결망 효율성(global/local efficiency) 등 연결망 속성을 계산한 후 시각화 하였다. 결과 : 연결망 측면에서 한국 아동 집단의 뇌연결성이 작은세상속성을 가짐을 밝혔다. 또한 해부학적 뇌연결망 지도를 얻었는데 대뇌 반구 내의 연결성이 높게 나타남과 뇌간과 운동/감각 영역간에 많은 신경 연결이 집중되어 있음을 확인하였다. 결론 : 한국 아동 집단의 해부학적 뇌연결망 지도를 작성하는 방법론을 제시하여 뇌를 연결성 측면에서 이해하고 발달 장애와 성인 뇌신경망의 효율성을 평가할 수 있는 기본 도구를 확립하게되었다.