• Geomechanics and Engineering
• /
• 제37권6호
• /
• pp.539-554
• /
• 2024

This study explores development of prediction model for seismic site classification through the integration of machine learning techniques with horizontal-to-vertical spectral ratio (HVSR) methodologies. To improve model accuracy, the research employs outlier detection methods and, synthetic minority over-sampling technique (SMOTE) for data balance, and evaluates using seven machine learning models using seismic data from KiK-net. Notably, light gradient boosting method (LGBM), gradient boosting, and decision tree models exhibit improved performance when coupled with SMOTE, while Multiple linear regression (MLR) and Support vector machine (SVM) models show reduced efficacy. Outlier detection techniques significantly enhance accuracy, particularly for LGBM, gradient boosting, and voting boosting. The ensemble of LGBM with the isolation forest and SMOTE achieves the highest accuracy of 0.91, with LGBM and local outlier factor yielding the highest F1-score of 0.79. Consistently outperforming other models, LGBM proves most efficient for seismic site classification when supported by appropriate preprocessing procedures. These findings show the significance of outlier detection and data balancing for precise seismic soil classification prediction, offering insights and highlighting the potential of machine learning in optimizing site classification accuracy.

• 한국수산과학회지
• /
• 제32권1호
• /
• pp.98-104
• /
• 1999

제주도 서부 연안역인 한림 정치망어장의 해황특성을 규명하기 위해 1995년과 1996년에 실시한 정선, 정점조사의 수온, 염분자료, 시계열분석, 해수유동 상황 둥을 정리 분석한 결과를 요약하면 다음과 같다. 1. 한림 정치망어장은 하계에 수온, 염분의 일교차 (수온 $0.4\~9^{\circ}C$, 염분 $0.20\~7.50\%_{\circ}$)가 매우 크고 단기적인 수온, 염분변화가 심하다. 즉 이 어장은 외측의 중$\cdot$저층수 (저온, 고염분수)와 연안 수 (고온, 저염분수)가 조류 방향에 따라 교호로 출현하고, 조류의 강약이나 바람 등에 의한 연직혼합의 정도에 따라 수온, 염분변화의 크기에 차가 나기 때문이라고 해석된다. 2. 한림 정치망에서 실시한 22일 (1996년 8월 19일$\~$9월 10일)간의 mooring 결과에 의하면 소조기의 썰물과 밀물의 평균유속과 유향은 각각 9.1cm/sec의 남서류, 11.6cm/sec의 북 또는 북동류이며 최강유속은 썰물 때 157cm/sec, 밀물 때 22.6cm/sec 이다. 대조기의 썰물과 밀물의 평균유속과 유향은 각각 10.4cm/sec의 남서류, 12.3cm/sec 북 또는 북동류이며 최강유속은 썰물 때 19.4cm/sec, 밀물 때 20cm/sec로 대조기와 소조기의 유속차가 크지 않고 밀물의 유속이 썰물의 유속보다 약간 빠르다. 반일주조 ($M_2$)의 장축방향의 유속벡터가 일주조. ($K_1$)의 그것에 비해 1.5정도 크며 두성분의 장축방향은 서북서$\~$동남동이고 북서방향으로 3.25cm/sec의 항류성분이 나타났다. 비양도와 차귀도 사이의 제주도 서부 연안역에서 3일간 (1996년 7월 25일$\~$27일)실시한 TGPS Buoy 추적결과에 지하면 연안역의 평균유속과 유향은 썰물 때 1.6 knot의 남서류, 순간 최대 유속은 4.8 knot 밀물 때 1.3 knot의 북동류, 순간최대유속은 3.7 knot였으며 외해측 (연안에서 2mile정도)의 밀물 때 평균유속과 유향은 1.7 knot의 북서 내지 북동류였고 0.3 knot 정도의 북동방향의 항류가 나타났다.

• 한국문헌정보학회지
• /
• 제40권3호
• /
• pp.175-190
• /
• 2006

최근 수년간 한국어를 위한 어휘의미망에 대한 관심은 꾸준히 높아지고 있지만. 그 결과물을 어떻게 평가하고 활용할 것인가에 대한 방안은 이루어지지 않고 있다. 본 논문에서는 단어클러스터링 시스템 개발을 통하여, 어휘의미망에 의해 확장되기 전후의 클러스터링을 수행하여 데이터를 서로 비교하였다 단어클러스터링 시스템 개발을 위해 사용된 학습 데이터는 신문 말뭉치 기사로 총 68.455.856 어절 규모이며, 특성벡터와 벡터공간모델을 이용하여 시스템A를 완성하였다. 시스템B는 구축된 '(-하)동사류' 3,656개의 어휘의미를 포함하는 동사 어휘의미망을 활용하여 확장된 것으로 확장대상정보를 선택하여 특성벡터를 재구성한다. 대상이 되는 실험 데이터는 '다국어 어휘의미망-코어넷'으로 클러스터링 결과 나타난 어휘의 세 번째 층위까지의 노드 동일성 석부로 정확률을 검수하였다. 같은 환경에서 시스템A와 시스템B를 비교한 결과 단어클러스터링의 정확률이 45.3%에서 46.6%로의 향상을 보였다. 향후 연구는 어휘의미망을 활용하여 좀 더 다양한 시스템에 체계적이고 폭넓은 평가를 통해 전산시스템의 향상은 물론. 연구되고 있는 많은 어휘의미망에 의미 있는 평가 방안을 확대시켜 나가야 할 것이다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.239-242
• /
• 1996

본 논문에서는 BP(Back Propagation)에 비해서 빠른 학습시간과 다른 경쟁학습 신경회로망 알고리즘에 비해서 비교적 우수한 성능으로 패턴인식 등에 많이 이용되고 있는 LVQ(Learning Vector Quantization) 알고리즘의 성능을 향상시키기 위한 방법을 논의하고자 한다. 일반적으로 LVQ는 음(negative)의 학습을 하기 때문에 초기 가중치가 제대로 설정되지 않으면 발산할 수 있다는 단점이 있으며, 경쟁학습 계열의 신경망이기 때문에 출력 층의 뉴런 수에 따라 성능에 큰 영향을 받는다고 알려져 있다.[1]. 지도학습 형태를 지닌 LVQ의 경우에 학습패턴이 n개의 클래스를 가지고, 각 클래스 별로 학습패턴의 수가 같은 경우에 일반적으로 전체 출력뉴런에 대해서 (출력뉴런수/n)개의 뉴런을 각 클래스의 목표(desired) 클러스터로 할당하여 학습을 수행하는데, 본 논문에서는 각 클래스에 동일한 수의 출력뉴런을 할당하지 않고, 학습데이터에서 각 클래스의 분산을 추정하여 각 클래스의 분산을 추정분산에 비례하게 목표 출력뉴런을 할당하고, 초기 가중치도 추정분산에 비례하게 각 클래스의 초기 임의 위치 입력백터를 사용하여 학습을 수행하는 방법을 제안한다. 본 논문에서 제안하는 방법은 분류하고자 하는 데이터에 대해서 필요한 최적의 출력뉴런 수를 찾는 것이 아니라 이미 결정되어 있는 출력뉴런 수에 대해서 각 클래스에 할당할 출력 뉴런 수를 데이터의 추정분산에 의해서 결정하는 것으로, 추정분산이 크면 상대적으로 많은 출력 뉴런을 할당하고 작으면 상대적으로 적은 출력뉴런을 할당하고 초기 가중치도 마찬가지 방법으로 결정하며, 이렇게 하면 정해진 출력뉴런 개수 안에서 각 클래스 별로 분류의 어려움에 따라서 출력뉴런을 할당하기 때문에 미학습 뉴런이 줄어들게 되어 성능의 향상을 기대할 수 있으며, 실험적으로 제안된 방법이 더 나은 성능을 보임을 확인했다.initially they expected a more practical program about planting than programs that teach community design. Many people are active in their own towns to create better environments and communities. The network system "Alpha Green-Net" is functional to support graduates of the course. In the future these educational programs for citizens will becomes very important. Other cities are starting to have their own progrms, but they are still very short term. "Alpha Green-Net" is in the process of growing. Many members are very keen to develop their own abilities. In the future these NPOs should become independent. To help these NPOs become independent and active the educational programs should consider and teach about how to do this more in the future.단하였는데 그 결과, 좌측 촉각엽에서 제4형의 신경연접이 퇴행성 변화를 나타내었다. 그러므로 촉각의 지각신경세포는 뇌의 같은 족 촉각엽에 뻗어와 제4형 신경연접을 형성한다고 결론되었다.$/ 값이 210 $\mu\textrm{g}$/$m\ell$로서 효과적인 저해 활성을 나타내었다 따라서, 본 연구에서 빈

• Parasites, Hosts and Diseases
• /
• 제29권1호
• /
• pp.67-86
• /
• 1991

경북지역에서의 뇌염매개모기, 작은빨간집모기 (Culex tritaeniorhynchus)의 계절적 출현 소장과 군집변동이 일본뇌염 발생과 유행에 미치는 영향을 규명하기 위해서 1984년부터 1990년까지 경산군 1 개소에 유문등으로 1주일에 한번씩 성충을, 1990년 4월부터 9월까지 경북농촌진흥원 부속농장에서 모기유충을 채집하였다. 1984년부터 1990연까지 유문등에 처음으로 작은빨간집모기가 채집되는 날짜는 연도별로 큰 차이를 나타내었으며, 6월 4일부터 28일 사이에 채집되었고, 가장 높은 군집밀도를 보인 것은 8월 중순에서 9월초였고, 그 후 점점 감소하여 10월 말에는 채집되지 않았다. 작은빨간집모기의 채집되는 수는 1985년 이후 급격히 감소하여, 1989년에는 가장 적은 수가 채집되었다. 첫 3년 동안은 최고 군집밀도가 8월에 관찰되었고, 그 이후해에서 모기수의 감소와 함께 늦어지는 것을 알았다. 야간활동성은 저녁 8∼9시 사이에 가장 왕성하며, 그 후 점차 감소하다가 새벽 4∼5시 다시 약간 증가하였다. 작은빨간집모기 유충은 7월 중순에 논에서 처음으로 발견되었고, 그 밀도는 8월 중순에 가장 높았으며, 최고 군집밀도는 1m2당 평균수는 14,900마리였다. 9월 하구 이후부터는 그 밀도가 현저히 감소하였다. 작은빨간집모기 유충은 5종의 유기린제에 대하여 높은 저항성을 나타내었다. 곤충 사육실내에서 작은빨간집모기, 경산 종의 생명표 특성에서 평균수명은 암컷은 59.8일이었고, 수컷은 28.3일이 었으며, Net reproductive rate는 7.8, Generation time은 15.5일였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권3호
• /
• pp.65-74
• /
• 2021

3차원 형상 복원(3D reconstruction)은 이미지 또는 영상 속 물체를 3차원 형상으로 복원하는 것을 말한다. 본 연구는 물체의 전반적 형상을 넘어 세부적인 모습까지 복원할 수 있는 표현력을 가진 3차원 형상 복원 네트워크인, 점진적 점유 네트워크를 제안한다. 본 연구가 제안하는 네트워크는 이미지 전체의 정보를 담고 있는 특징(feature)을 사용하는 기존 점유 네트워크와 달리, 수용 영역(receptive field)의 크기에 따라 다양한 수준의 이미지 특징을 추출해서 사용한다. 그리고, 다양한 수준의 이미지 특징을 디코더(decoder) 내 디코더 블록(decoder block)들에 순차적으로 반영하여, 형상 복원의 품질이 단계적으로 개선하는 네트워크 구조를 제안한다. 본 연구는 또한, 다양한 수준의 이미지 특징을 적절히 조합하여 사용하는 디코더 블록구조를 제안한다. 본 연구는 제안하는 네트워크의 성능 검증을 위해 ShapeNet 데이터 세트를 사용하였으며, 기존의 점유 네트워크(ONet) 및 다양한 수준의 이미지 특징을 사용하는 최신 연구(DISN)와 성능 비교하였다. 그 결과, 기존 점유 네트워크 대비 세 가지 검증 지표 모두에서 높은 성능을 달성하였으며, DISN과는 대등한 수준의 성능을 보여주었다. 그리고 복원 형상의 시각적 비교 결과, 본 연구의 점진적 점유 네트워크가 기존 점유 네트워크 대비, 물체의 세부 모습을 잘 복원하는 것을 확인하였다. 또한, DISN이 복원 실패한 물체의 얇은 부분 또는 이미지에서 가려진 부분을 본 연구의 네트워크는 잘 잡아내는 결과를 확인할 수 있었다. 이러한 결과는 본 연구가 제안하는 점진적 점유 네트워크의 유용성을 검증하는 결과다.

• 전기전자학회논문지
• /
• 제26권2호
• /
• pp.160-168
• /
• 2022

본 논문에서는 딥러닝과 구체의 형태 변형 방법을 이용한 단일 이미지에서의 3D mesh 재구축 기법을 제안한다. 제안한 기법은 기존의 방식과 다른 다음과 같은 독창성이 있다. 첫 번째, 기존의 근처의 가까운 점들을 연결하여 모서리 또는 면을 구축하는 방식과 다르게 딥러닝 네트워크을 통하여 구체의 꼭짓점의 위치를 사물의 3D 포인트 클라우드와 매우 유사하게 수정한다. 3D 포인트 클라우드를 이용하므로 메모리가 적게 필요하며 구체의 꼭짓점에 오프셋 값 사이에 덧셈 연산만을 수행하기 때문에 더 빠른 연산이 가능하다. 두 번째, 수정한 꼭짓점에 구체의 면 정보를 씌워 3D mesh를 재구축한다. 구체의 꼭짓점의 위치를 수정하여 생성한 3D 포인트 클라우드의 점들의 간격이 일정하지 않을 때에도 이미 점들 사이의 연결 여부를 나타내는 구체의 면 정보라는 3D mesh의 면 정보를 가지고 있어 표현의 단순화나 결손을 방지할 수 있다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 공개된 표준 데이터셋인 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 IoU 값이 0.581로, chamfer distance 값은 0.212로 산출되었다. IoU 값은 수치가 높을수록, chamfer distance 값은 수치가 낮을수록 우수한 결과를 나타내므로 다른 논문에서 발표한 기법들보다 3D mesh 재구축의 결과에서 성능의 효율성이 입증되었다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.508-518
• /
• 2023

이 논문은 LiDAR 스캔 또는 사진측량 기술에 의해 재구성된 3D 디지털 모델을 기반으로 터널 벽면의 불연속면을 자동으로 매핑하는 새로운 접근 방식을 제안한다. 본 제안에서는 U-Net이라 불리는 딥러닝 시맨틱 영역분할 모델을 사용하며, 터널 막장면의 3D 지형 모델에서 불연속면 영역을 식별해 낸다. 제안된 딥러닝 모델은 투영된 RGB 이미지, 면의 깊이 이미지 및 국부적인 면의 표면 속성 이미지(즉, 법선 벡터 및 곡률 이미지)를 포함한 다양한 정보를 종합 학습하여 기본 3차원 이미지에서 불연속면 영역을 효과적으로 분할한다. 이후 영역분할 결과는 면의 깊이 맵과 투영 행렬을 사용하여 3D 모델로 다시 투영시키고, 3D 공간 내에서 불연속면의 위치 및 범위를 정확하게 표현한다. 영역분할 모델의 성능은 영역 분할된 결과를 해당 지면 실측 값과 비교함으로써 평가하였으며, IoU(intersection-over-union) 값이 약 0.8 정도로 나타나 영역분할 결과의 높은 정확성을 확인하였다. 여전히 학습데이터가 제한적 이었음에도 불구하고, 제안 기법은 3D 모델의 점군 데이터를 불연속면의 유사군으로 그룹화하기 위해 전 막장면의 법선 벡터와 클러스터링과 같은 비지도 학습기반 알고리즘에만 의존하던 기존 접근 방식의 한계의 극복 가능성을 보여주었다.

• Journal of Plant Biotechnology
• /
• 제44권1호
• /
• pp.89-96
• /
• 2017

CRISPR/Cas9 기술은 생명공학을 활용한 신품종 작물육성에 있어 패러다임 변혁을 가져다 줄 핵심 기반기술이다. 본 연구에서는 CRISPR/Cas9를 이용하여 유전자편집기술을 기존에 알려진 방법보다 쉽고 정확하게 실험 할 수 있도록 sgRNA 디자인, 벡터구축, 형질전환체 육성 및 분석 등을 자세히 기술하였다. sgRNA는 http://www.rgenome.net/ 사이트에서 NGG 영역을 중심으로 하여 target-up: 5'-ggcaGNNNNNNNNNNNNNNNNNNNN-3'과 target-down: 5'-aaacNNNNNNNNNNNNNNNNNNNNC-3'의 올리고를 디자인하였다. 식물형질전환용 벡터는 pPZP-Cas9-RGEN을 기본으로 하였으며, sgRNA의 프로모터는 OsU3를 이용하여 pPZP::35S::Cas9::PinII-OsU3::sgRNA::Bar-Gen 순으로 구축하였다. 형질전환체의 육성은 단기형질전환 Agrobacterium 법을 사용하였으며 재분화 식물체를 얻는데48일 정도 소요되었다. 형질전환체 유무는 genomic PCR 분석으로 single copy 선발은 TaqMan PCR로 분석하였다. 정밀유전자편집 식물체는 T1 세대에서 T-DNA 삽입되지 않은 식물체를 Bar-strip에 의해 선발하였다. 선발된 식물체의 sgRNA 영역의 염기배열 조사에 의해 유전자 편집 식물체를 육성하였다. 따라서 본 연구에서 CRISPR/Cas9 system에 의한 정밀유전자편집 기술을 이용하여 보다 빠르고 쉽고 경제적으로 유전자가 편집된 개체를 확보할 수 있었다. 본 실험에서 확립된 system은 상업용 식물 계통육성에 이용 가능하여 육종적 가치가 매우 클 것으로 사료된다.

• 생물환경조절학회지
• /
• 제33권1호
• /
• pp.63-70
• /
• 2024

본 연구는 오픈소스 라이브러리인 OpenCV를 활용해 다양한 시설과채류의 표현형 분석에 적용 가능한 컴퓨터 비전 기술을 탐구하였다. 토마토에 대해서는 이미지의 색상을 분석하여 숙성도를 판정하며, support vector machine(SVM) and histogram of oriented gradients 기법을 통해 숙성된 토마토를 효과적으로 검출하였다. 파프리카의 경우, 색상 분포를 시각화한 후, 가우스 혼합 모델로 클러스터링을 실행하여 수확 파프리카의 색상 특성을 분석하였다. 네트 멜론의 품질 평가에서는 LAB 색상 공간, 이진화 이미지 및 깊이 매핑을 활용하여 멜론의 네트 패턴을 정량화하였다. 추가로, 오이 온실에서 화방 검출을 위해 깊이 정보와 색상 정보를 조합하여 다양한 크기와 거리의 화방을 성공적으로 검출하였다. 이 연구의 결과로, 해당 컴퓨터 비전 기술들이 시설과채류의 생장 모니터링, 숙성 및 품질 평가 등에서의 유효성을 확인하였다. 농산업에서 컴퓨터 비전의 효과적 적용을 위해, 후속 연구자나 개발자들이 재배 생리와 연관된 지표를 기반으로 이 기술들을 보완할 경우, 실제 농업 현장 및 연구에서 널리 활용될 가능성이 크다.