• 한국지반공학회논문집
• /
• 제23권12호
• /
• pp.61-73
• /
• 2007

본 논문에서는 국내 하중저항계수설계법 개발의 일환으로 구조물기초설계기준에 적용된 항타강관말뚝의 두 정역학적 지지력공식에 대하여 대표적인 신뢰성분석기법인 일차신뢰도법(FORM)과 몬테카를로 시뮬레이션(MCS)을 이용한 강도 높은 신뢰성해석을 수행하고 그 신뢰성수준을 평가하였다. 두 정역학설계법에 대한 저항편향계수는 대표 측정지지력과 설계지지력을 비교함으로써 평가하였다. 국내 정재하시험 및 지반조사 자료를 수집하여 말뚝의 측정 극한지지력을 결정하였고, 정역학적 지지력공식과 Meyerhof 경험식을 이용하여 설계 극한지지력을 산정하였다. 정확하고 효율적인 신뢰성평가를 위해 일차신뢰도법 및 몬테카를로 시뮬레이션 기반의 컴퓨터 프로그램을 개발하였다. 저항편향계수의 통계치를 이용하여 명시적 형태의 간편법인 평균일계이차모멘트법(MVFOSM)과 개선된 방법인 일차신뢰도법 및 몬테카를로 시뮬레이션에 의한 신뢰성해석을 수행하여 그 결과를 비교하였다. 또한 신뢰성 분석에 대한 주요 확률변수의 영향정도와 민감도를 파악하기 위하여 매개변수연구를 수행하였다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1321-1330
• /
• 2023

본 연구는 증강현실에서 적용할 캐릭터 생성에서 단일 이미지를 통해 여러 객체에 대한 3D 자세 추정 문제를 연구한다. 기존 top-down 방식에서는 이미지 내의 모든 객체를 먼저 감지하고, 그 후에 각각의 객체를 독립적으로 재구성한다. 문제는 이렇게 재구성된 객체들 사이의 중첩이나 깊이 순서가 불일치 하는 일관성 없는 결과가 발생할 수 있다. 본 연구의 목적은 이러한 문제점을 해결하고, 장면 내의 모든 객체에 대한 일관된 3D 재구성을 제공하는 단일 네트워크를 개발하는 것이다. SMPL 매개변수체를 기반으로 한 인체 모델을 top-down 프레임워크에 통합이 중요한 선택이 되었으며, 이를 통해 거리 필드 기반의 충돌 손실과 깊이 순서를 고려하는 손실 두 가지를 도입하였다. 첫 번째 손실은 재구성된 사람들 사이의 중첩을 방지하며, 두 번째 손실은 가림막 추론과 주석이 달린 인스턴스 분할을 일관되게 렌더링하기 위해 객체들의 깊이 순서를 조정한다. 이러한 방법은 네트워크에 이미지의 명시적인 3D 주석 없이도 깊이 정보를 제공하게 한다. 실험 결과, 기존의 Interpenetration loss 방법은 MuPoTS-3D가 114, PoseTrack이 654에 비해서 본 연구의 방법론인 Lp 손실로 네트워크를 훈련시킬 때 MuPoTS-3D가 34, PoseTrack이 202로 충돌수가 크게 감소하는 것으로 나타났다. 본 연구 방법은 표준 3D 자세벤치마크에서 기존 방법보다 더 나은 성능을 보여주었고, 제안된 손실들은 자연 이미지에서 더욱 일관된 재구성을 실현하게 하였다.

• Structural Engineering and Mechanics
• /
• 제90권6호
• /
• pp.611-633
• /
• 2024

This study intends to investigate the response of multi-cell (MC) beams to flexural loads in which the primary reinforcement is composed of both metallic and non-metallic materials. "Multi-cell" describes beam sections with multiple longitudinal voids separated by thin webs. Seven reinforced concrete MC beams measuring 300×200×1800 mm were tested under flexural loadings until failure. Two series of beams are formed, depending on the type of main reinforcement that is being used. A control RC beam with no openings and six MC beams are found in these two series. Series one and two are reinforced with metallic and non-metallic main reinforcement, respectively, in order to maintain a constant reinforcement ratio. The first crack, ultimate load, deflection, ductility index, energy absorption, strain characteristics, crack pattern, and failure mode were among the structural parameters of the beams under investigation that were documented. The primary variables that vary are the kind of reinforcing materials that are utilized, as well as the kind and quantity of mesh layers. The outcomes of this study that looked at the experimental and numerical performance of ferrocement reinforced concrete MC beams are presented in this article. Nonlinear finite element analysis (NLFEA) was performed with ANSYS-16.0 software to demonstrate the behavior of composite MC beams with holes. A parametric study is also carried out to investigate the factors, such as opening size, that can most strongly affect the mechanical behavior of the suggested model. The experimental and numerical results obtained demonstrate that the FE simulations generated an acceptable degree of experimental value estimation. It's also important to demonstrate that, when compared to the control beam, the MC beam reinforced with geogrid mesh (MCGB) decreases its strength capacity by a maximum of 73.33%. In contrast, the minimum strength reduction value of 16.71% is observed in the MC beams reinforced with carbon reinforcing bars (MCCR). The findings of the experiments on MC beams with openings demonstrate that the presence of openings has a significant impact on the behavior of the beams, as there is a decrease in both the ultimate load and maximum deflection.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• 대한핵의학회지
• /
• 제39권6호
• /
• pp.413-420
• /
• 2005

목적: 수용체 결합능 정량화를 위해서는 방사성추적자의 동태를 충분히 관찰하기 위해서 보통 뇌 PET 영상을 60-120분 정도 얻어야 한다. 이처럼 장기간 PET 영상을 얻게 되는 경우 보통 피험자의 수의적/불수의적 움직임을 피할 수 없고 이러한 피험자의 머리 움직임은 재구성된 PET 영상의 공간해상도를 저하시키고 측정된 방사능 농도의 정확성을 떨어뜨리는 요인이 된다. 이 연구에서는 동적 영상 정보만을 이용하여 피험자의 머리 움직임을 보정할 수 있는 방법을 개발하고 이를 피험자의 움직임이 불가항력적인 뇌활성화 도파민 D2 수용체 영상에 적용하여 움직임 보정이 리간드 결합능 및 외부 자극에 의한 도파민 유리(release) 정량화에 미치는 영향을 평가하였다. 대상 및 방법: 4명의 정상인 자원자에서 비디오 게임에 의한 도파민 유리를 평가하기 위한 실험으로 순간+연속 주입법을 이용하여 얻은 $[^{11}C]raclopride$ PET 영상을 이용하였으며 실제로 도파민 유리를 계산하기 위해서 필요한 프레임들만을 선별해서 영상 정합 기법을 적용하였다. 즉, $[^{11}C]raclopride$을 투여한 후 선조체에서의 리간드의 특이적 결합이 항정상태(steady state)에 최초로 도달하는 과제 수행 전 (30-50 분) 영역과, 비디오 게임 과제에 의해 도파민이 유리된 후 다시 항정상태에 도달하는 70-90분, 비디오 게임을 멈춘 후 다시 항정상태에 도달하는 110-120 분 데이터에만 움직임 보정 기법을 적용하는 방식이다. 각 항정상태 구간은 보통 2-4개의 프레임으로 구성되므로 먼저 이들 프레임들간의 영상정합을 수행(intra-condition registration)하여 평균 영상을 만들고 이들 평균 영상들을 정합하여 최종적으로 움직임 보정(inter-condition registration)을 하였다. 게임 수행 전후의 도파민유리를 평가하기 위하여 머리 움직임 보정 전후의 게임 과제 수행 전후의 결합능 백분율 변화를 구하였으며 각 조건에 대한 결합능 파라미터 영상을 구하고 움직임 보정 전후의 결합능 영상의 화소별 차이를 SPM2를 이용한 t-test(쌍체 검정)로 알아보았다. 결과: 움직임 보정 전후의 영상을 비교하였을 때, 움직임 보정 전 영상에서, 게임 수행시 영상이 게임을 위한 스크린 위치에 따른 시야 변동으로 게임 수행전 영상에 비하여 앞쪽 아래로 기울어져 있음을 알 수 있었으며 이러한 경향은 대상 피험자 모두에서 관찰되었다. 보정 전 영상으로부터 측정된 비디오 게임에 의한 도파민 유리는 putamen에서 29%, caudate head에서 57%, ventral striatum에서 17% 였으나, 보정 후 영상으로부터 구한 도파민 유리는 이들 영역에서 각각 3.9%, 14,1%, 0.6%로 움직임 보정을 하지 않은 경우 선조체 모든 구소물에서 결합능 감소, 즉 게임에 의한 도파민 유리가 과대평가됨을 알 수 있다. SPM 분석결과에서도 움직임을 보정하지 않은 영상을 이용한 경우, 선조체 구조물에서의 결합능 감소와 움직임에 의한 영상강도 저하가 복합적으로 영향을 주어 결합능 차이가 매우 유의하게 평가되었으나 움직임 보정 후 영상을 이용하여 비교한 경우, 결합능 변화가 선조체 영역에서 국한되어 나타나며 그 유의성이 움직임 보정 전에 비하여 낮음을 알 수 있었다. 결론: 뇌활성화 과제 수행시에 동반되는 피험자의 머리 움직임에 의하여 도파민 유리가 과대평가되었으며 이는 이 연구에서 제안한 영상정합을 이용한 움직임 보정기법에 의해서 개선되었다.

• 벤처창업연구
• /
• 제2권4호
• /
• pp.71-102
• /
• 2007

기존의 많은 연구에서는 R&D 투자를 포함한 기술진보 요인이 TFP의 결정요인으로 작용한다는 실증연구는 많았으나, 산업 분석에 있어서 규모의 경제가 TFP에 미치는 영향에 대한 실증분석이 많지 않고 또 이들 연구들의 대부분이 비모수적 멤퀴스트 생산성지수 분석이나 확률적 변경생산함수 모형을 사용함으로써 개별 독립변수가 TFP에 미치는 영향에 대한 실증분석이 이루어지지 않았다. 따라서 본 연구에서는 기존의 성장회계방정식 요인 분해를 통해 산업별 TFP 증가율을 도출하고, 산업별 TFP의 영향 요인으로 R&D 투자와 규모의 경제(산업별 영세성)를 고려한 실증분석 모델을 구축하여 TFP 결정요인에 대해 실증 분석하였다. 우선 전체 15개 산업 기준 TFP 증가율을 보면 1993${\sim}$1997년 연평균 약 3.8%에 불과했으나, 외환위기 이후 1999${\sim}$2000년 연평균 7.8%로 상승하였다. 한편 1993${\sim}$2000년 사이의 산업별 TFP 연평균 증가율을 보면 IT 제조업 부문인 전기전자기기제조 부문이 11.6%로 가장 높게 나타났으며, 가구 및 기타 제품 제조는 -0.4%를 나타냈다. 서비스산업의 경우에는 운수 창고 통신 부문이 7.3%로 전기 수도 가스 2.9%, 도소매 음식 숙박-3.7%보다 훨씬 높은 TFP 증가율을 보였다. TFP의 결정요인에 대한 실증분석 결과, R&D와 TFP와의 상관관계는 전반적으로는 유의성이 검증되지 않은 정(+)의 상관관계로 나타났으나, 전체 종사자 중 자영업주 및 무급가족 종사자수를 산업별 영세성을 나타내는 대리변수로 사용한 모델에서의 유의한 부(-)의 상관관계를 보였다. 한편 산업별 고유의 규모의 영세도를 대리하는 변수들의 추정 계수의 부호는 일관되게 한 산업의 규모의 영세도가 높을수록 그 산업의 TFP 증가율이 낮아짐을 나타내는 결과를 얻을 수 있었다.