• 생명과학회지
• /
• 제18권2호
• /
• pp.206-212
• /
• 2008

인간이 서로 간의 의사소통을 위해 언어를 사용하듯이, 세균의 경우도 외부 환경 변화를 신속히 감지하여 서로 효과적으로 대응하기 위해서 주변 세포들과 소통할 수 있는 세균만의 독특한 화학적 언어를 사용하는 것으로 알려져 있다. 특히, 일정 세포 농도에 도달했을 때 자체적으로 생산된 화학적 신호를 통해 개체 수를 인지하고 그에 따라 특정 유전자의 발현을 동시에 조절하는 quorum sensing (QS) 기작은 다양한 세균 종들에서 광범위하게 존재한다. 본 연구는 다양한 천연물 추출물들을 대상으로 QS 저해 활성을 확인하였는데 QS 지시균주인 Agrobacterium tumefaciens NT1과 화학적으로 합성한 QS autoinducers을 사용한 bioassay를 수행하였다. 그 결과 양배추, 파, 양파의 추출물들에서 QS 저해 활성을 확인하였고, recycling preparative HPLC (prep-HPLC)를 통한 정제 과정을 통해, 83분 지점의 peak에 해당하는 성분들이 공통으로 QS 저해 활성을 가지고 있음을 확인하였다. 따라서 그 QS 저해 성분을 QSI-83으로 지정하고 thin layer chromatography (TLC)를 통해 P. syringae pv. tabaci의 autoinducers 합성을 저해하는 활성을 가지고 있음을 확인하였다. 또한 열에 대한 안정성과 세균 생장에서의 영향을 조사하였는데, 그 결과 QSI-83은 열에 안정하며 세균의 생장에는 영향을 끼치지 않는 물질임을 확인하였다. 따라서 우리는 천연물로부터 분리된 새로운 성분이 QS 저해제로서 이용될 수 있음을 제안한다.

• 한국통신학회논문지
• /
• 제18권1호
• /
• pp.110-122
• /
• 1993

음성이 패킷망을 통해 전송될때 각각의 call들에 의해서 발생되는 패킷들은 statistical multiplexer에 의해 다중화 되는데 이때 overload control이 필요하다. Overload control 방식은 음성 traffic을 coding하는 방식과 밀접한 관계가 있으며 그동안 많은 연구가 진행되어 왔다. CCITT에서는 최근에 packetized voice protocol에 대한 권고안 초안인 G.764를 작성하였는데 여기에서 embedded coding을 사용하는 경우에 bit dropping 방식을 사용하면 매우 훌륭하게 overload control을 할 수 있다는 사실을 언급하였다. 이에 따라 본 논문에서는 음성을 embedded ADPCM으로 coding하여 CCITT권고안 G.764에 따라 전송하는 경우에, bit dropping 방식에 따른 overload control 방식을 사용하는 패킷 multiplexer의 성능을 분석하고자 한다. 성능 분석을 위해서는 먼저 multiplexer에 도착하는 중첩된 packet arrival process에서 패킷들의 interarrival time들 간에 존재하는 큰 correlation을 정확히 나타낼 수 있는 수학적인 model이 필요하다. 본 논문에서는 Poisson process나 birth-and-death process에 비해 이들 packet arrival process를 상대적으로 정확히 표현할 수 있는 Makov-modulated Poisson Process(MMPP)를 사용하여 모델링을 하였다.따라서 성능분석은 MMPP/G/1 queueing system에 대한 분석과 비슷하다. 다만 서비스 시간의 분포가 시스템의 상태에 따라 달라지는데 이러한 경우에 대해서는 기존의 논문에서 분석되지 않았다. 성능분석을 통하여 queue에서 서비스를 기다리는 패킷의 수에 대한 분포의 Z-transform을 구하고 이를 이용하여 임의의 시간에서의 queue length와 waiting time의 평균과 표준편차를 구하였다. 이를 통하여 bit dropping 방식에 의한 overload control이 음성의 질을 많이 저하시키지 않으면서도 overload control을 하지 않을 때에 비해 statistical multiplexer에서 훨씬 많은 수의 call을 수용할 수 있도록 하는 효과를 가진다는 사실을 확인 하였다. 또한 패킷이 queue에서 떠난 직후와 임의의 시간에서 구한 queue length와 waiting time의 평균과 표준편차가 매우 비슷하다는 사실을 알 수 있었다. 본 논문에서와 마찬가지로 임의의 시간에서의 분석은 매우 복잡한 경우가 대부분이므로 이러한 사실을 이용하면 매우 간단히 성능분석을 할 수 있을 것이다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.

• 한국산림과학회지
• /
• 제37권1호
• /
• pp.1-16
• /
• 1978

우리나라에서는 최근(最近)에 경부고속도로(京釜高速道路)를 비롯한 경인(京仁), 호남(湖南), 남해(南海), 영동(嶺東), 구마고속도로(邱馬高速道路)의 건설(建設)을 위해서 자연산지(自然山地) 사면(斜面) 절취(切取)하여 대규모(大規模)의 인공(人工) 암벽사면(岩壁斜面) 발생(發生) 노출(露出)되어 국토보전(國土保全)과 환경녹화면(環境綠化面)에서 국가적(國家的) 과제(課題)로 다루어지고 있다. 뿐만 아니라 관안산(冠岳山)과 백운산(白雲山)과 같은 기존 암석산지(岩石山地)의 녹화기술(綠化技術) 개발문제(開發問題)도 큰 과제중(課題中)의 하나로 중요시(重要視)되고 있으므로 이러한 문제(問題)에 대한 해결방법(解決方法)의 일환(一環)으로 만경식물(蔓莖植物)의 이용법(利用法)에 관(關)해서, 특(特)히 담쟁이덩굴류(類)의 이용성(利用性) 개발(開發)에 관(關)한 연구(硏究)를 수행(遂行)하였다. 담쟁이덩굴류(類)의 환경녹화면(環境綠化面)에서의 이용개발(利用開發) 가능성(可能性)과 그 효용(効用)을 검토(檢討)하기 위하여 담쟁이덩굴류(類)의 분류학상(分類學上)의 특징(特徵) 및 종류(種類), 생태적(生態的)인 특징(特徵) 및 번식기술(繁殖技術), 그리고 이용성(利用性) 개발(開發) 및 녹화상(綠化上)의 특징(特徵)에 대(對)한 조사(調査) 시험(試驗) 수행(遂行)하였다. 이 연구(硏究)에서 조사(調査)된 담쟁이덩굴류(類)에는 우리나라 담쟁이덩굴, 미국담쟁이, 중국담쟁이, 톰손담쟁이, 칠엽(七葉)담쟁이, 숲담쟁이, 덴마크담쟁이, 히마라야당쟁이와 같은 8종(種)이 있으며, 또 담쟁이덩굴의 3 변종(變種)과 미국담쟁이의 3 변종(變種)에 대(對)해서도 조사(調査)되었다. 담쟁이덩굴속(屬)은 포도과(科)에 속하는 다년생목본(多年生木本) 덩굴식물(植物)로서 일반적(一般的) 줄기에 덩굴손(부착근(付着根))과 겁반(昅瀊)을 가지고, 벽면(壁面)이나 바위 또는 나무줄기위를 기어 올라가서 환경(環境) 녹화(綠化)하며, 가을에는 아름다운 홍엽(紅葉)이 되고 겨울에는 다량(多量)의 장과(奬果)를 나무에 부착하고 있으므로 야생동물(野生動物)의 먹이로 이용(利用) 될 수 있다. 우리나라의 국토녹화(國土綠化) 및 환경보전면(環境保全面)에서 가장 유용(有用)한 담쟁이종(種)은 우리나라 자생종(自生種)이며, 이것은 암벽면녹화공법개발(岩壁面綠化工法開發)에 이용(利用)할 수 있는 대단히 효과적(効果的)인 식물(植物)임이 밝혀 졌다.