• 지능정보연구
• /
• 제20권2호
• /
• pp.149-162
• /
• 2014

수강지도는 학생의 졸업인증이나 공학교육인증 이수를 위해 수강 신청 이전에 수행되는 과정을 지칭한다. 수강지도는 학생의 수강이력 점검과 향후 수강 과목의 안내 등을 포함하여 학생들의 졸업 및 교과과정 인증과 관련된 중요한 역할을 하고 있다. 현재 대부분 대학에서는 수강지도를 위한 전산시스템의 부재로 인해 지도교수가 직접 수동적으로 수강지도를 진행하고 있다. 하지만 이러한 수동적인 방식의 수강지도는 지도교수가 각 학생에 대한 정보를 분석해야 하고, 때때로 휴먼에러를 일으키게 된다. 수강신청이 학기 단위로 이루어지기 때문에 휴먼에러로부터 발생된 피해는 원상태로 되돌리는 것이 거의 불가능하다. 따라서 수강지도를 진행함에 있어 자동화된 시스템은 필수적인 요소로 판단된다. 관계 데이터 모델을 이용한 수강지도 시스템의 도입은 수동적인 수강지도의 문제점을 해결할 수 있게 해준다. 하지만 교육과정 및 인증제도의 변화에 따라 기존 시스템의 스키마 변경이 요구되고, 수강 과목 사이에 존재하는 관계 및 의미적인 검색을 제공하는 것이 어렵다는 한계가 존재한다. 본 논문에서는 수강지도 시스템을 위한 수강지도 온톨로지를 모델링하고, 온톨로지 기반의 수강지도 시스템을 설계한다. 온톨로지 인스턴스 생성을 위해 JENA 프레임워크를 이용하여 온톨로지 생성 모듈을 개발하였고, 실험에 참가한 학생의 수강 이력 데이터를 기반으로 온톨로지 인스턴스를 생성하고 추론과정을 통해 트리플 저장소에 저장하였다. 실험은 제안하는 시스템이 학생들이 향후 수강할 수 있는 과목을 모두 제공하는지 여부와 제공되는 과목에 대한 정보 및 학점 계산들이 정확한 지를 측정하였다. 실제 학생의 수강내역을 이용한 실험의 결과는 온톨로지 기반의 수강지도 시스템이 현 수강지도 시스템의 수동적 방법을 해결하고, 사람이 지도한 내용과 같은 내용을 도출하는 것을 확인함으로써 제안하는 시스템의 유효성을 보여준다.

• 한국기록관리학회지
• /
• 제10권2호
• /
• pp.75-99
• /
• 2010

인터넷과 컴퓨터의 발전으로 다양한 환경이 끊임없이 제공되고, 이로 인해 대량의 디지털 리소스가 축적, 발신되고 있다. 이는 다양한 문제를 가져왔고, 우리는 디지털 리소스를 미래에 이용가능하도록 지속하고 보존하기 위한 기본적인 문제에 직면하게 되었다. 디지털 리소스를 장기간 보존하기 위해서는 리소스에 적합한 보존 방침과 방법이 필요하고, 따라서 여러 스탠다드가 개발되고 사용되어지고 있다. 메타데이터는 디지털 리소스를 장기간 유지하기 위한 디지털 아카이브에서 가장 중요한 구성요소 중 하나 이다. 디지털 리소스의 아카이빙과 보존을 위해 사용되는 메타데이터는 많이 있다. 그러나 각각의 스탠다드 는 주된 어플리케이션에 따라 각각의 특징을 가지고 있다. 이는 각각의 스키마가 특정한 어플리케이션에 따라 적절하게 선택하고 맞춰지지 않으면 안 되는 것을 의미한다. 경우에 따라서는DCMI의 어플리케이션 프레임워크와 METS와 같이, 스키마는 거대한 프레임워크와 컨테이너 메타데이터로 결합되어 있다. 다양한 메타데이터가 있는 가운데, 본 논문에서는 아카이브를 행하기 위해 용이되어 있는 메타데이터 스키마로, 공문서 혹은 행정문서등의 아카이브를 위해 기술하고 있는 ISAD(G), 디지털 리소스를 위해 작성된 EAD, 보존한 디지털 리소스를 위해 메타데이터 프레임워크를 정의하고 있는 OAIS, 디지털 리소스의 보존을 위한 PREMIS, 그리고 리소스의 관리와 검색을 위해 작성된 AGLS Metadata를 사용하여, '보존해야 되는 리소스에 하나의 메타데이터만을 선택해서 이용한다면 어떠한 문제가 생기는 가'라고 하는 의문을 바탕으로 접근하였다. 본 논문은　기록 생애주기 모델을 기초로, 스탠다드의 특징분석을 통해서 알게 된 메타데이터 스탠다드의 특징을 보여주고 있다. 특징은 이들 스탠다드의 메타데이터 기술요소가 기록 생애주기에서의 작업(task)에 관련하는 것을 간단하게 단일의 프레임워크로 보여줬다. 메타데이터 기술요소의 상세한 분석을 통해서, 우리는 기술 생애주기의 단계와 기술요소 간의 관계의 관점에서부터 스탠다드의 특징을 확실하게 할 수 있었다. 메타데이터 스키마간의 매핑은 다른 스키마가 기록 생애주기에서 사용되기에 장기 보존과정에 있어 자주 요구된다. 따라서 이러한 스키마의 상호운용성을 향상시키기 위해서는 통일된 프레임워크를 구축하는 것이 중요하다. 이 연구에서는 디지털 아카이빙과 보존에 사용되는 다른 메타데이터 스키마의 상호운용성을 기초로 제시한다.

• 한국토양비료학회지
• /
• 제42권1호
• /
• pp.21-28
• /
• 2009

토양정보는 식량생산, 지속적인 토지이용 계획, 종다양성 평가에 사용되는 기본적인 자료이다. 본 논문에서는 우리나라 토양조사의 역사, 다양한 축척의 토양도 구축과 토양검정, 토양도와 토양검정 자료의 특성, 농업환경 변동 모니터링을 통한 일반농경지 및 취약농경지 토양, 토양정보의 전산화에 따른 토양데이터베이스와 토양정보시스템 소개, 구축된 토양정보의 활용과 향후 방향에 대해 논하였다. 40여년 동안 수행되었던 국책 토양조사 사업 결과 두 종류의 토양 데이터베이스가 구축되었는데, 다양한 축척의 토양도(1:250,000, 1:50,000, 1:25,000, 1:5,000)를 GIS DB로 전산화한 수치토양도 DB와 필지단위로 조사된 화학성 위주의 토양분석 성적을 구축한 토양비옥도 DB이다. 최근에는 친환경농업육성법 시행령에 따른 경작형태 및 오염원별 농경지 토양의 이화학성 및 중금속 함량 조사 자료를 GIS DB로 구축하여 공간적인 분포와 시계열적인 변화를 분석하는 자료로 활용하고 있다. 한국토양정보시스템(http://asis.rda.go.kr)에서 제공하는 토양전자지도는 총 89종으로 토성, 경사, 지형, 모재, 배수등급, 자갈함량, 유효토심 등 토양 GIS 주제도 50종, 사과, 배, 마늘, 수박 등 작물 재배적지 39종 이고, 62종의 토양통계 정보를 제공하고 있다. 토양 변동 정보는 농업환경자원 인벤토리에 기반하여 국립농업과학원에서 구축중인 농업환경자원정보시스템을 통하여 일반농경지의 화학성의 공간적인 분포와 시간적인 변화 정보를 제공될 예정이다. 또한, 기존의 자료를 기반으로 최소한의 실측 자료만으로도 토양의 기능과 환경변화를 예측을 할 수 있는 디지털 지도 작성 기술이 절실히 요구되고 있어 정보시스템은 이를 뒷받침할 수 있어야 할 것이다.

• 한국농림기상학회지
• /
• 제26권1호
• /
• pp.1-30
• /
• 2024

국제사회는 IPCC를 중심으로 SSP (Shared Socioeconomic Pathways) 기후변화 시나리오를 새로운 온실가스 변화 경로로 채택하고, 신기후변화 시나리오 기반으로 다양한 규모와 형태로 기후변화를 전망하고 분석하고 있다. 국립농업과학원은 이러한 국제적 동향을 반영하고 농업부문 기후변화 적응대책 지원을 위한 노력의 일환으로 신규 온실가스 경로에 기반한 한반도 상세(1km) 기후변화 시나리오를 산출하였다. 본 논문은 2022년 "국가 기후변화 표준 시나리오" 로 인증받은 국립농업과학원의 SSP 기후변화 시나리오 자료를 소개하고, 기후변화 전망 결과를 보여주고자 한다. 한반도의 미래 기후 변화에 대한 전망 정보를 생산하기 위해 CMIP6에 참여한 18개의 GCM 모형에서 생산된 전지구 규모의 기후 자료를 과거기간(1985-2014)과 미래기간(2015-2100)에 대해 수집하고, 1km 격자형 한반도 전자기후도와 SQM 방법을 이용하여 한반도 영역에 대해 통계적 상세화를 수행하였다. 21세기 후반기(2071~2100년), 한반도의 연평균 최고, 최저기온은 온실가스 배출 정도에 따라 각각 2.6~6.1 ℃, 2.5~6.3 ℃ 상승하고, 연강수량은 21.5~38.7 % 상승하는 것으로 전망되었다. 저탄소 시나리오(SSP1-2.6)의 경우 기온과 강수량 상승이 적게 나타나, 탄소 배출을 감축하는 경우에 상승 폭을 억제할 수 있을 것으로 전망되었다. 21세기 후반기의 우리나라 평균 풍속과 일사량은 상대적으로 현재 대비 미래에 큰 변화가 없을 것으로 전망하고 있다. 이 자료는 기후변화에 따를 미래의 불확실성을 이해하고 기후변화 적응을 위한 합리적인 의사결정에 기여할 수 있을 것으로 기대된다.

• 한국지구과학회지
• /
• 제45권2호
• /
• pp.136-146
• /
• 2024

본 논문은 서해 군산분지 퇴적층 내에서 발견되는 다양한 화성암들을 탄성파 반사상에 따라 분류하고 그 공간적 분포 양상을 도시하는 과정에 대해 상술한다. 연구지역인 서해 대륙붕 군산분지의 북동소분지, 남서소분지, 남동소분지 내에서 총 6종류의 분출 화성암 반사상과 3종류의 관입 화성암 반사상이 중생대 후기 백악기, 신생대 에오세 및 전기 마이오세, 신생대 제4기 층에서 발견되었다. 분출 화성암은 그 크기, 외형, 내부 층리구조에 따라 (1) 높이 200 m 이하의 고깔형 화산체들로 1회성 단성화산 분화를 통해 형성된 것으로 추정되는 단성화산체(E.mono), (2) 단성화산체들이 모여 높이 500 m 이내의 하나의 화산체를 형성하는 단성화산복합체(E.comp), (3) 높이 1 km 이상 직경 15 km 이상으로 내부에 복수의 층이 인지되는 성층화산체(E.strato), (4) 기반암 저지대의 정단층 주변에서 고반사 특성을 보이는 열극 분출암(E.fissure), (5) 저각 사면부와 내부에 직경 약 2 km 화도 구조를 보여주는 마르-다이아트림(E.maar), (6) 퇴적층을 교란하는 직경 1 km 이내 파이프형 구조를 갖는 열수분출공(E.vent)으로 구성된다. 관입 화성암은 상부 퇴적층의 변형구조를 통해 인지되며, (1) 수평형, 계단형, 종지형 등 다양한 수직/수평 관입 기하를 나타내는 암맥 및 암상(I.dike/sill), (2) 직경 1-3 km의 뿔 또는 기둥 모양 관입암체인 화성암주(I.stock), (3) 상부 퇴적층을 광범위하게 변형시키는 폭 10 km 이상의 관입암체인 저반/병반(I.batho/lac)으로 구성된다. 분출 화성암은 주로 군산분지 남서소분지 내 백악기 및 신생대 고제3기 에오세 층 내에서 인지되며, 관입암체는 주로 남동 및 남서 소분지 내에서 발견된다. 열수분출공은 군산분지 전역에서 발견되며 활동시기는 전반적으로 중기 마이오세 이후로 일부는 현재까지 활동중인 것으로 보인다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.