• Advances in pediatric surgery
• /
• 제9권1호
• /
• pp.45-51
• /
• 2003

본 조사 결과는 32개 병원의 39명의 회원에 의해 수술받은 환자 348명의 기록과 회원 37명의 설문 응답자를 분석한 것으로 많은 수의 기록지가 내용이 불충분하거나 일치되지 않은 기술로 인해 자료로서의 한계가 있었다. 특히 췌담관합류 이상에 대한 기록 중 약 절반이 미상으로 기록된 것에서 알 수 있드시 자료가 매우 미흡하였고, 담관낭종의 유형을 정하는 것 예후 인자 및 산 전 진단된 담관낭종의 수술 적기등에 대하여도 회원마다 견해 차이가 있으나 심도있는 토론이 이루어지지 않았다. 따라서 이 결과를 외국의 통계 분석과 비교하는 것 보다는 회원들의 향 후 진료와 연구에 참고가 될 수 있다는 것에 의미를 두고자 하며, 회원들이 동일한 등록지를 작성하는 전향적 연구로 우리나라 담관낭종에 대한 분류, 췌담관 합류이상, 예후 인자들에 대한 재 논의의 출발점이 되기를 기대한다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2011년도 제36회 춘계학술대회논문집
• /
• pp.1-2
• /
• 2011

Hybrid rockets have lately attracted attention as a strong candidate of small, low cost, safe and reliable launch vehicles. A significant topic is that the first commercially sponsored space ship, SpaceShipOne vehicle chose a hybrid rocket. The main factors for the choice were safety of operation, system cost, quick turnaround, and thrust termination. In Japan, five universities including Hokkaido University and three private companies organized "Hybrid Rocket Research Group" from 1998 to 2002. Their main purpose was to downsize the cost and scale of rocket experiments. In 2002, UNISEC (University Space Engineering Consortium) and HASTIC (Hokkaido Aerospace Science and Technology Incubation Center) took over the educational and R&D rocket activities respectively and the research group dissolved. In 2008, JAXA/ISAS and eleven universities formed "Hybrid Rocket Research Working Group" as a subcommittee of the Steering Committee for Space Engineering in ISAS. Their goal is to demonstrate technical feasibility of lowcost and high frequency launches of nano/micro satellites into sun-synchronous orbits. Hybrid rockets use a combination of solid and liquid propellants. Usually the fuel is in a solid phase. A serious problem of hybrid rockets is the low regression rate of the solid fuel. In single port hybrids the low regression rate below 1 mm/s causes large L/D exceeding a hundred and small fuel loading ratio falling below 0.3. Multi-port hybrids are a typical solution to solve this problem. However, this solution is not the mainstream in Japan. Another approach is to use high regression rate fuels. For example, a fuel regression rate of 4 mm/s decreases L/D to around 10 and increases the loading ratio to around 0.75. Liquefying fuels such as paraffins are strong candidates for high regression fuels and subject of active research in Japan too. Nakagawa et al. in Tokai University employed EVA (Ethylene Vinyl Acetate) to modify viscosity of paraffin based fuels and investigated the effect of viscosity on regression rates. Wada et al. in Akita University employed LTP (Low melting ThermoPlastic) as another candidate of liquefying fuels and demonstrated high regression rates comparable to paraffin fuels. Hori et al. in JAXA/ISAS employed glycidylazide-poly(ethylene glycol) (GAP-PEG) copolymers as high regression rate fuels and modified the combustion characteristics by changing the PEG mixing ratio. Regression rate improvement by changing internal ballistics is another stream of research. The author proposed a new fuel configuration named "CAMUI" in 1998. CAMUI comes from an abbreviation of "cascaded multistage impinging-jet" meaning the distinctive flow field. A CAMUI type fuel grain consists of several cylindrical fuel blocks with two ports in axial direction. The port alignment shifts 90 degrees with each other to make jets out of ports impinge on the upstream end face of the downstream fuel block, resulting in intense heat transfer to the fuel. Yuasa et al. in Tokyo Metropolitan University employed swirling injection method and improved regression rates more than three times higher. However, regression rate distribution along the axis is not uniform due to the decay of the swirl strength. Aso et al. in Kyushu University employed multi-swirl injection to solve this problem. Combinations of swirling injection and paraffin based fuel have been tried and some results show very high regression rates exceeding ten times of conventional one. High fuel regression rates by new fuel, new internal ballistics, or combination of them require faster fuel-oxidizer mixing to maintain combustion efficiency. Nakagawa et al. succeeded to improve combustion efficiency of a paraffin-based fuel from 77% to 96% by a baffle plate. Another effective approach some researchers are trying is to use an aft-chamber to increase residence time. Better understanding of the new flow fields is necessary to reveal basic mechanisms of regression enhancement. Yuasa et al. visualized the combustion field in a swirling injection type motor. Nakagawa et al. observed boundary layer combustion of wax-based fuels. To understand detailed flow structures in swirling flow type hybrids, Sawada et al. (Tohoku Univ.), Teramoto et al. (Univ. of Tokyo), Shimada et al. (ISAS), and Tsuboi et al. (Kyushu Inst. Tech.) are trying to simulate the flow field numerically. Main challenges are turbulent reaction, stiffness due to low Mach number flow, fuel regression model, and other non-steady phenomena. Oshima et al. in Hokkaido University simulated CAMUI type flow fields and discussed correspondence relation between regression distribution of a burning surface and the vortex structure over the surface.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1259-1268
• /
• 2021

'천리안 해양위성 2호(2nd Geostationary Ocean Color Imager: GOCI-II)는 천리안 해양위성 1호(GOCI)의 후속위성으로 1개의 근자외 채널(380 nm), 8개의 가시광 채널(412, 443, 490, 510, 555, 620, 660, 680 nm), 3개의 근적외 채널(709, 745, 865 nm)의 총 12개 파장대에서 다분광 관측을 하며, 1시간 간격의 시간 해상도로 한반도 주변 동북아 해양, 1일 간격으로 반구(full disk)영역의 해양 환경 자료를 생산한다. 해색 자료처리의 첫 단계로 대기 상층 복사휘도에서 해수표면 반사도를 계산하는 대기보정을 수행하며, GOCI-II의 표준 대기보정은 GOCI 대기보정 방법에 이론적인 기반을 두고 있으며, GOCI-II에 새로 추가된 밴드 중 620, 709 nm를 이용하여 탁도가 높은 해역에서의 대기보정 성능을 향상시켰다. 본 연구에서는 GOCI-II 지상국 시스템에 구현 되어있는 대기보정 알고리즘을 우선 소개하고, 현장 측정 원격반사도 자료를 이용하여 초기단계 검증을 수행하였다. 검증은 1차적으로 대양에서 수집된 현장 자료와의 비교를 통해 수행하였으며 여기서의 대기보정 정확도는 대양 대기보정 정확도 요구범위인 청색 파장대 오차율 5% 이내의 범위를 만족시켰다. 그러나 연안의 해양관측타워에 설치된 무인 관측장비인 AERONET-OC로 수집된 원격반사도 자료를 이용한 추가적인 검증결과에서는 대양과 달리 높은 오차율을 보여주었다. 연안에서의 대기보정 정확도는 추후 추가적인 근적외 파장대 대리교정을 통해 보완이 가능할 것으로 보이며, 지속적인 검보정 활동을 통해 수집된 현장자료들을 이용할 경우 연안뿐 아니라 전체적인 대기보정 성능 향상이 가능할 것으로 기대된다. 이후 검보정 활동을 통해 개선된 대기보정은 주기적으로 GOCI-II 지상국 시스템에 반영하여 재처리 및 재 배포를 수행할 예정이다.

• 자원환경지질
• /
• 제54권1호
• /
• pp.49-60
• /
• 2021

금화광상은 백악기 경상퇴적분지 내에 분포하는 진주층 퇴적암 내에 발달한 열극을 충진하여 생성된 함 금-은 열수 맥상광상으로, 괴상, 각력상 및 호상 및 정동 조직 등 복합적인 조직적 특성을 보여준다. 금화광상 맥상 광화작용은 지구조적 운동(tectonic break)에 의하여 광화 1기(stage I)와 광화 2기(stage II)로 구분된다. 광화 1기는 금-은 광화작용이 진행된 주 광화시기로, 석영맥 내에 주된 함 금·은 광물인 에렉트럼과 함께 황화광물, 산화광물 및 황염광물 등이 산출한다. 광화 2기는 주 광화작용 이후 금속 광화작용이 이루어지지 않은 방해석맥의 생성 시기이다. 광화 1기는 광물 광생관계와 산출하는 광물 조합 특성 등에 의하여 3개의 세부 광화시기(초기, 중기, 후기)로 구분된다. 광화 1기의 초기에는 주로 황철석, 황동석 등의 황화광물이 철망간중석, 자철석 등의 산화광물을 수반하여 산출한다. 광화 1기 중기는 주된 금·은 광화작용이 광화 1기의 초기 말부터 계속하여 진행된 시기이다. 주로 에렉트럼과 함께 황동석, 섬아연석 등의 황화광물과 자철석 등의 산화광물이 산출되며, 텐난타이트 및 테트라히드라이트 등의 황염광물이 소량 수반되어 산출된다. 광화 1기 후기에는 방연석, 적철석과 함께 소량의 함 비스무스 황염광물이 산출하며 풍화작용 관련 이차광물의 생성이 진행되었다. 금화광상 광물 공생관계 변화는 열수계의 온도와 황 분압 조건의 감소 및 이에 수반된 산소 분압 조건의 증가 등의 환경변화가 반영된 결과이다. 유체포유물 실험·연구 결과를 종합하면, 초기 금화 열수계는 ≥410℃ 온도 조건에서 하부 마그마로부터 용리된 고 염농도(≥44 wt. % NaCl)를 갖는 유체와 금화광상 생성 심도 하부까지 순환하여 물-암석 반응이 진행된 천수 기원의 중 내지 저 염농도(≈7.0 wt. % NaCl)의 열수가 함께 유입되어 형성되었다. 그 이후 금화 열수계는 유체의 냉각, 비등작용 및 천수 혼입 등에 의하여 진화되었으며, 이들 진화기구에 수반된 냉각작용 및 화학성 변화 등에 의하여 온도 감소(≤200℃)와 염농도 변화(≤1.0 equiv. wt. % NaCl)가 야기되었다. 이러한 금화 열수계의 형성 및 진화 특성은 함 금-은 열수 맥상광상인 금화광상이 초기 천부 관입 마그마의 영향으로 마그마 우세 열수계로 부터 광화 후기 천수의 유입이 우세해지는 천열수계로 변환되는 점이적인 생성환경에서 생성된 맥상광상임을 지시한다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.