• 한국전자통신학회논문지
• /
• 제15권4호
• /
• pp.725-732
• /
• 2020

본 논문은 소외계층 아동의 운동학습프로그램에서 체력 활동 중 나를 잘 따른다(0-9), 마음의 결정을 내리는데 많은 시간이 걸린다(0-9), 맥빠진(0-9) 등을 변수로 사용하여 '성별', '체육교실', 나이의 '상중하'를 분류하고 스포츠 재활치료를 통한 자아 탄력(ego-resiliency)과 자아 통제(self-control)의 변화를 관찰하여 정신 건강 변화를 알아본다. 이를 위해 취득한 데이터를 병합하고 Label encoder와 One-hot encoding을 사용하여 숫자의 크고 작음의 특성을 제거한 후 MLP, SVM, Dicesion tree, RNN, LSTM의 각각의 알고리즘을 적용하여 성능을 평가하기 위해 Train, Test 데이터를 75%, 25% 스플릿 한 뒤 Train 데이터로 알고리즘을 학습하고 Test 데이터로 알고리즘의 정확성을 측정한다. 측정 결과 성별에서는 LSTM, 체육 교실은 MLP와 LSTM, 나이는 SVM이 가장 우수한 결과를 보임을 확인하였다.

• 한국융합학회논문지
• /
• 제10권4호
• /
• pp.17-23
• /
• 2019

본 논문은 온도 등 7 가지의 IoT 센서에서 수집된 기상데이터의 각 기상요소에 대하여 품질관리(Quality Control; QC)를 하였다. 또한, 우리는 측정된 값에 오류가 있는 데이터를 기계학습으로 의미있게 추정하는 방법을 제안한다. 수집된 기상데이터를 기본 QC 결과를 바탕으로 오류 데이터를 선형 보간하여 기계학습 QC를 진행하였으며, 기계학습 기법으로는 대표적인 서포트벡터회귀, 의사결정테이블, 다층퍼셉트론을 사용했다. 기본 QC의 적용 유무에 따라 비교해 보았을 때, 우리는 기본 QC를 거쳐 보간한 기계학습 모델들의 평균절대오차(MAE)가 21% 낮은 것을 확인할 수 있었다. 또한, 기계학습 기법에 따라 비교하여 서포트벡터회귀 모델을 적용하였을 때가, 모든 기상 요소에 대하여 MAE가 평균적으로 다층신경망은 24%, 의사결정테이블은 58% 낮은 것을 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제26권3호
• /
• pp.333-340
• /
• 2022

코로나19는 모두로 하여금 초조하고 불안하게 만들고, 사람들간에는 거리두기가 필요하다. 코로나19로 인해 심리적으로 초조하고 불안 해 지고 거리두기가 필요해졌다. 대학교에서는 학기 초에 정신건강에 대한 단체 평가와 검사가 이루어진다. 본 연구에서는 다층감지기 신경망 모델을 채택하고 훈련시켜 딥러닝을 진행했다. 훈련이 끝난 후, 실제 사진과 동영상을 입력하고, 안면탐지를 진행하고, 표본에 있는 사람의 얼굴 위치를 알아낸 후, 그 감정을 다시 분류하고, 그 표본의 예측한 감정 결과를 그림으로 보여주었다. 결과는 다음과 같다. 테스트 시험에서는 93.2%의 정확도를 얻었고, 실제 사용에서는 95.57%의 정확도를 얻었다. 그중 분노의 식별율은 95%, 혐오의 식별율은 97%, 행복의 식별율은 96%, 공포의 식별율은 96%, 슬픔의 식별율은 97%, 놀라움의 식별율은 95%, 중립의 식별율은 93%이었다. 본 연구의 고효율적 정서 식별 기술은 학생들의 부정적 정서를 포착하는 객관적 데이터를 제공 할 수 있다. 딥러닝의 감정식별 시스템은 심리건강을 향상하기 위한 데이터들을 제공할 수 있다.

• 품질경영학회지
• /
• 제50권4호
• /
• pp.701-716
• /
• 2022

Purpose: This study aims to predict the dry cargo transportation market economy. The subject of this study is the BDI (Baltic Dry Index) time-series, an index representing the dry cargo transport market. Methods: In order to increase the accuracy of the BDI time-series, we have pre-processed the original time-series via time-series decomposition and data augmentation techniques and have used them for ANN learning. The ANN algorithms used are Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short-Term Memory (LSTM) to compare and analyze the case of learning and predicting by applying time-series decomposition and data augmentation techniques. The forecast period aims to make short-term predictions at the time of t+1. The period to be studied is from '22. 01. 07 to '22. 08. 26. Results: Only for the case of the MAPE (Mean Absolute Percentage Error) indicator, all ANN models used in the research has resulted in higher accuracy (1.422% on average) in multivariate prediction. Although it is not a remarkable improvement in prediction accuracy compared to uni-variate prediction results, it can be said that the improvement in ANN prediction performance has been achieved by utilizing time-series decomposition and data augmentation techniques that were significant and targeted throughout this study. Conclusion: Nevertheless, due to the nature of ANN, additional performance improvements can be expected according to the adjustment of the hyper-parameter. Therefore, it is necessary to try various applications of multiple learning algorithms and ANN optimization techniques. Such an approach would help solve problems with a small number of available data, such as the rapidly changing business environment or the current shipping market.

• Geomechanics and Engineering
• /
• 제28권5호
• /
• pp.505-520
• /
• 2022

In recent years, geotextile-encased gravel columns (usually called stone columns) have become a popular method to increasing soil shear strength, decreasing the settlement, acceleration of the rate of consolidation, reducing the liquefaction potential and increasing the bearing capacity of foundations. The behavior of improved loose base-soil with gravel columns under shear loading and the shear stress-horizontal displacement curves got from large scale direct shear test are of great importance in understanding the performance of this method. In the present study, by performing 36 large-scale direct shear tests on sandy base-soil with different fine-content of zero to 30% in both not improved and improved with gravel columns, the effect of the presence of gravel columns in the loose soils were investigated. The results were used to predict the shear stress-horizontal displacement curve of these samples using support vector machines (SVM). Variables such as the non-plastic fine content of base-soil (FC), the area replacement ratio of the gravel column (Arr), the geotextile encasement and the normal stress on the sample were effective factors in the shear stress-horizontal displacement curve of the samples. The training and testing data of the model showed higher power of SVM compared to multilayer perceptron (MLP) neural network in predicting shear stress-horizontal displacement curve. After ensuring the accuracy of the model evaluation, by introducing different samples to the model, the effect of different variables on the maximum shear stress of the samples was investigated. The results showed that by adding a gravel column and increasing the Arr, the friction angle (ϕ) and cohesion (c) of the samples increase. This increase is less in base-soil with more FC, and in a proportion of the same Arr, with increasing FC, internal friction angle and cohesion decreases.

• 한국전자통신학회논문지
• /
• 제18권1호
• /
• pp.29-38
• /
• 2023

인간의 생체 신호 데이터가 인간의 상태를 가장 잘 설명할 수 있다 할지라도 실제 운전 중에 운전자의 생체 데이터를 얻어 운전자의 상태를 판단하는 일은 쉽지 않다. 본 논문에서는 이러한 한계를 극복하기 위한 방법 중 하나로 운전자의 주행 정보를 이용한 운전자 스트레스 모니터링 시스템을 제안한다. 운전자의 주행 정보는 OBD-II 스캐너를 통해 취득하고, 실제 운전자의 운전 스트레스 여부는 E4 밴드를 통해 취득한 EDA 데이터를 이용하여 판단한다. 스트레스 감지 모델은 MLP 신경망 모델을 사용하였으며 약 한 달 간의 운행 데이터를 이용하여 학습시켰다. 제안한 시스템을 평가하기 위하여 약 1시간의 운행 데이터를 사용하였고 약 92%의 정확도를 얻을 수 있었다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.85-98
• /
• 2021

COVID-19의 대유행은 컨테이너를 사용하는 국가 간 수출입 물동량 불균형을 더욱 악화시켰으며, 이는 공컨테이너 수급의 문제까지 이어지게 되었다. 적정 수요만큼의 공컨테이너 확보는 안정적이고 효율적인 항만 운영을 위해 필수적인 요소이다. 지금까지 여러 기법을 사용한 공컨테이너 수요예측 방안이 연구되어 왔다. 그러나 항만 및 선사에서 직접 활용 가능한 수요예측 보다는 월 혹은 연 단위의 장기적인 예측에 머루르고 있었다. 본 연구에서는 실제 인공신경망을 이용한 일별, 주별 단위 예측 방안을 제시한다. 이를 위해 머신러닝 기법 중 다층 퍼셉트론과 회귀분석을 활용하여 수요예측을 진행하였으며, 데이터 부족 문제를 해결하기 위해 적컨테이너와 공컨테이너의 입항 후 다시 항만으로 유입되는 과정을 기반으로 데이터를 재가공하였다. 이를 통해, 정확도가 매우 높지는 않지만, 현장에서는 활용 가능한 일별 및 주별 수요 예측 모델을 개발할 수 있었다.

• 생물환경조절학회지
• /
• 제28권2호
• /
• pp.95-103
• /
• 2019

온도와 상대습도는 작물 재배에 있어서 중요한 요소로써, 수량과 품질의 증대를 위해서는 적절히 제어 되어야 한다. 그리고 정확한 환경 제어를 위해서는 환경이 어떻게 변화할지 예측할 필요가 있다. 본 연구의 목적은 현시점의 환경 데이터를 이용한 다층 퍼셉트론(multilayer perceptrons, MLP)을 기반으로 미래 시점의 기온 및 상대습도를 예측하는 것이다. MLP 학습에 필요한 데이터는 어윈 망고(Mangifera indica cv. Irwin)을 재배하는 8연동 온실($1,032m^2$)에서 2016년 10월 1일부터 2018년 2월 28일까지 10분 간격으로 수집되었다. MLP는 온실내부 환경 데이터, 온실 외 기상 데이터, 온실 내 장치의 설정 및 작동 값을 사용하여 10~120분 후 기온 및 상대습도를 예측하기 위한 학습을 진행하였다. 사계절이 뚜렷한 우리나라의 계절에 따른 예측 정확도를 분석하기 위해서 테스트 데이터로 계절별로 3일간의 데이터를 사용했다. MLP는 기온의 경우 은닉층이 4개, 노드 수가 128개일 때($R^2=0.988$), 상대습도는 은닉층 4개, 노드 수 64개에서 가장 높은 정확도를 보였다($R^2=0.990$). MLP 특성상 예측 시점이 멀어질수록 정확도는 감소하였지만, 계절에 따른 환경 변화에 무관하게 기온과 상대습도를 적절히 예측하였다. 그러나 온실 내 환경 제어 요소 중 분무 관수처럼 특이적인 데이터의 경우, 학습 데이터 수가 적기 때문에 예측 정확도가 낮았다. 본 연구에서는 MLP의 최적화를 통해서 기온 및 상대습도를 적절히 예측하였지만 실험에 사용된 온실에만 국한되었다. 따라서 보다 일반화를 위해서 다양한 장소의 온실 데이터 이용과 이에 따른 신경망 구조의 변형이 필요하다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1605-1613
• /
• 2023

해양 내의 다양한 물리적 변화는 수온과 염분의 지속적인 변동에 의해 결정된다. 수온과 더불어 넓은 영역의 염분 변화를 파악하기 위해서는 인공위성 자료에 의존할 수밖에 없다. 그럼에도 불구하고 염분을 관측하는 위성인 Soil Moisture Active Passive (SMAP)는 낮은 시·공간 해상도로 인해 연안 근처에서 빠르게 변화하는 해양환경을 관측하기에는 어렵다는 한계가 존재한다. 이러한 한계를 극복하기 위해 본 연구에서는 천리안 해양 관측 위성의 정지궤도 해색 센서인 Geostationary Ocean Color Imager-II (GOCI-II) 원격반사도 자료를 입력자료로 하여 고해상도 표층 염분을 산출하는 Multi-layer Perceptron Neural Network (MPNN) 기반의 알고리즘을 개발하였다. SMAP과 비교한 결과 coefficient of determination (R²)는 0.94, root mean square error (RMSE)는 0.58 psu 그리고 relative root mean square error (RRMSE)는 1.87%였으며, 공간적인 분포 또한 매우 유사한 결과를 나타냈다. R²의 공간 분포는 0.8 이상을 보여주었으며 RMSE는 전반적으로 1 psu 이하의 낮은 값을 보여주었다. 이어도 과학기지에서의 실측 염분값과도 비교하였지만 상대적으로 조금 낮은 결과를 보여주었다. 이에 대한 원인을 분석하였으며, 산출된 GOCI-II 기반 고해상도 염분 자료를 활용하여 2022년 11호 태풍 힌남노에 의한 하루 동안의 동중국해 표층 염분 변화를 표준편차로 계산하였다. 그 결과 SMAP에서 관측할 수 없는 시공간의 염분 변화를 고해상도의 GOCI-II 기반 염분 산출물을 통해 확인할 수 있었다. 따라서 본 연구를 통해 시간 단위로 변화하는 해양환경 모니터링에 큰 기여를 할 것으로 기대된다.

• 한국초지조사료학회지
• /
• 제43권1호
• /
• pp.1-10
• /
• 2023

본 연구는 우리나라(1982-2014년)의 오차드그라스 생산량에 대한 기후 및 재배관리 요인의 중요도를 확인하는 것을 목적으로 수행하였다. 기후는 1월 평균기온(MTJ, ℃), 1월 최저기온(LTJ, ℃), 생육일수 0-5일(GD 1, 일), 생육일수 5-25일(GD 2, 일), 하고일수(SSD, day), 강우일(RD, day), 누적강우량(AR, mm), 일조시간(SD, hr)을 고려하였다. 관리는 조성연차(EP, 0-6년)과 예취횟수(NC, 2-5년)를 측정하였다. 퍼셉트론 방법을 사용한 신경망 모델을 사용하여 오차드그라스의 생산량에 대한 중요도를 추정하였다. 그 결과 EP가 가장 중요한 변수(100%)였으며, RD(82.0%), AR(79.1%), NC(69.2%), LTJ(66.2%), GD 2(63.3%), GD 1 순이었다. (61.6%), SD(58.1%), SSD(50.8%) 및 MTJ(41.8%). 이는 EP, RD, AR, NC가 다른 것보다 중요하다는 것을 의미한다. 우리나라의 연간 강수량은 과수원의 생육에 필요한 양을 초과하므로 배수관리를 통해 적정량 이상의 호우로 인한 피해를 줄일 수 있다. 이는 과수원을 재배할 때 통제 가능한 요인이 상대적으로 중요하다는 것을 의미한다. 비록 본 연구가 신경망 모델에 의해 기후가 생산량에 미치는 구체적인 영향을 해석하는데 한계가 있지만, 주요 요인 선정을 통해 향후 수량 예측 및 기후변화에 의한 피해 추정 연구에 도움이 될 것으로 기대된다.