• Journal of Advanced Marine Engineering and Technology
• /
• 제40권7호
• /
• pp.580-586
• /
• 2016

추진효율 향상을 위해 개발된 초장행정 엔진은 저속에서도 큰 출력을 낼 수 있는 장점이 있는 반면에 이전에 비해 비틀림진동의 기진력은 상당히 증가하였다. 따라서 이전에는 튜닝 휠 또는 플라이휠만으로도 제어가 가능하였던 선박들도 연료절약형 초장행정 엔진이 탑재되는 경우에는 비틀림진동 댐퍼를 적용해야만 제어가 가능하다. 본 논문에서는 비틀림진동 제어를 위해 적용된 점성-스프링 댐퍼의 동특성을 확인하고 해당 축계에 최적 동특성을 갖는 점성-스프링 댐퍼를 설계하여 비틀림진동 특성을 검토하였다. 또한, 일부 엔진증속 지연현상을 지닐 우려가 있는 선박의 경우에는 대상축계의 진동 특성을 고려하여 최적댐퍼 설계이론에 따라 선정된 파라미터를 적절히 조정함으로써 과도한 피로누적에 따른 축 절손현상을 방지할 수 있는 축계 비틀림진동 제어 방안을 제시하였다.

• 전자공학회논문지D
• /
• 제36D권8호
• /
• pp.36-44
• /
• 1999

본 논문에서는 Ka-밴드 위성중계기용 듀플렉서의 설계를 위해 모드정합법에 의해 산란행렬을 계산하여 설계한 필터의 전달특성을 분석하고, 설계 방법의 타당성 여부 검증을 위해 대칭적 유도성 아이리스 구조와 전계면 금속삽입 구조로 설계된 2개의 대역통과 필터를 자계면 T-접합에 의한 합성방법으로 Ka-밴드 위성 중계기용 듀플렉서를 설계, 제작하였다. 제작된 듀플렉서는 위성체에서 송${\cdot}$수신 필터의 개별 사용에 따른 크기 및 두께의 증가를 효과적으로 감소시킬 수 있으며, 송신필터의 경우 아이리스를 도파관 자계면 외벽으로 돌출시키는 구조로 설계함으로써 필터 자체가 방열판 구실을 하여 고전력 전송에 따른 필터의 특성 변화를 최소화하였다. 또한 대부분의 도파관 필터에서 동작특성을 보정하기 위해 사용되는 미세 보정 나사의 사용을 배제함으로써 제작의 단순화와 위성중계기용으로서의 내구성과 신뢰도를 향상시켰다. 제작된 ,Ka-밴드 위성중계기용 듀플렉서는 2개의 필터(Rx : 30.485 ${\pm}$ 0.4 GHz, Tx : 20.755 ${\pm}$ 0.4 GHz) 모두 통과대역에서 1.2dB 미만의 삽입손실(insertion loss)과 15 dB 보다 좋은 반사손실(return loss) 특성을 얻었고, 송${\cdot}$수신 필터간 65 dB 이상의 분리도(isolation)를 나타내었다.

• 국제지역연구
• /
• 제22권3호
• /
• pp.255-292
• /
• 2018

이 논문의 목적은 1990년대 발생한 광우병 위기 이후 유럽연합이 식품안전을 강화하기 위해 도입한 정책을 사회후생 및 정치경제적 관점에서 평가하는 것이다. 2002년 일반식품법 도입 이후 입법화된 식품안전과 관련된 공동체 법규들의 주요 특징은 모든 회원국이 반드시 지켜야하는 동시에 식품산업 전반에 적용되는 수평적 규제라는 것이다. 역선택 문제를 해결하거나 식품소비 시 발생하는 부정적 외부효과를 줄이기 위한 식품안전규제는 관련 식품 분야의 구체적인 수요 및 비용 조건에 따라 미세 조정되어야한다는 이론적 연구들에 비추어 볼 때 2002년 이후 강화된 식품안전관련 공동체 법규는 사회후생의 관점에서 과규제된 것이다. 본 연구에서는 정치경제적 관점을 택하여 유럽연합 회원국 정부들뿐만 아니라 식품가공 및 유통업자, 소비자, 농축산업자 등 다양한 이해집단이 공동체 식품안전 규제들을 수용하게 된 배경을 설명하고, 이 규제들이 비회원국, 특히 개발도상국 생산자들에게 보호주의적이었다는 것을 보여준다. 유럽연합의 설립목적이 기본적으로 단일시장을 형성하여 공동의 경제적 이득을 추구하는 것이라면 지나치게 제한적인 식품안전규제의 부정적 영향을 줄이기 위한 정책적 조치가 필요하다.

• 산업진흥연구
• /
• 제7권1호
• /
• pp.59-74
• /
• 2022

『주역(周易)』을 해석하는 방법은 크게 세 가지로 나뉜다. 첫째는 수(數)로 해석하는 방법이고, 둘째는 괘(卦)가 상징하는 이미지로 가지고 해석하는 방법이며, 셋째는 그 안에 담긴 도덕적인 이치로 해석하는 방법이다. 율려(律呂)가 『주역(周易)』만큼 널리 알려지지는 않았으나 고대의 그 활용 방법은 주역과 마찬가지였다. 첫째, 악기의 조율을 위한 삼분손익법을 이용한 수리 해석법, 둘째, 율려가 상징하는 음악적 의미를 이용한 상징해석법, 셋째, 율려 안에 담긴 도덕적인 이치로 확장하는 응용해석법이 그러했다. 이 논문의 목적은 율려(律呂)의 사전적 의미와 고대 율려에 대한 다양한 의미를 정리하고자 한다. 또한 율려가 갖는 술수역학(術數易學)과 고법 명리학의 기원인 납음오행(納音五行)이 갖는 의미에 대하여 고대의 문헌을 연구하여 이를 세분하게 분류 해석하고 이를 통해 더 나아가 율려가 술수역학 및 명리학에 응용되는 방안을 모색하고자 한다. 이 연구로 인하여 율려를 더욱 깊이 이해하고 향후 술수역학 및 명리학 연구 등 관련 연구에 작은 도움이 되길 바란다.

• 정보교육학회논문지
• /
• 제26권3호
• /
• pp.197-207
• /
• 2022

본 논문에서는 코딩 학습 중 학습자의 인지 부하 감소를 목적으로 자연어 처리 모델을 이용하여 전이학습 및 미세조정을 통해 블록 프로그래밍 환경에서 이미 이루어진 학습자의 블록을 학습하여 학습자에게 다음 단계에서 선택 가능한 블록을 생성하고 추천해 주는 머신러닝 기반 블록 코드 생성 및 추천 모델을 개발하였다. 모델 개발을 위해 훈련용 데이터셋은 블록 프로그래밍 언어인 '엔트리' 사이트의 인기 프로젝트 50개의 블록 코드를 전처리하여 제작하였으며, 훈련 데이터셋과 검증 데이터셋 및 테스트 데이터셋으로 나누어 LSTM, Seq2Seq, GPT-2 모델을 기반으로 블록 코드를 생성하는 모델을 개발하였다. 개발된 모델의 성능 평가 결과, GPT-2가 LSTM과 Seq2Seq 모델보다 문장의 유사도를 측정하는 BLEU와 ROUGE 지표에서 더 높은 성능을 보였다. GPT-2 모델을 통해 실제 생성된 데이터를 확인한 결과 블록의 개수가 1개 또는 17개인 경우를 제외하면 BLEU와 ROUGE 점수에서 비교적 유사한 성능을 내는 것을 알 수 있었다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.309-328
• /
• 2022

본 연구는 자연어처리의 분석목적과 추론데이터 성격에 적합한 한국어 사전훈련 언어모델의 특성을 실증분석했다. 이를 위해 자연어생성이 가능한 대표적 사전훈련 언어모델인 BART와 GPT 모델을 실험에 사용했다. 구체적으로 한국어 텍스트를 BART와 GPT 모델에 학습한 사전훈련 언어모델을 사용해 문서요약 생성 성능을 비교했다. 다음으로 추론데이터의 특성에 따라 언어모델의 성능이 어떻게 달라지는지 확인하기 위해 6가지 정보전달성과 4가지 창작물 유형의 한국어 텍스트 문서에 적용했다. 그 결과, 모든 문서유형에서 인코더와 디코더가 모두 있는 BART의 구조가 디코더만 있는 GPT 모델보다 더 높은 성능을 보였다. 추론데이터의 특성이 사전훈련 언어모델의 성능에 미치는 영향을 살펴본 결과, KoGPT는 데이터의 길이에 성능이 비례한 것으로 나타났다. 그러나 길이가 가장 긴 문서에 대해서도 KoGPT보다 KoBART의 성능이 높아 다운스트림 태스크 목적에 맞는 사전훈련 모델의 구조가 자연어생성 성능에 가장 크게 영향을 미치는 요소인 것으로 나타났다. 추가적으로 본 연구에서는 정보전달성과 창작물로 문서의 특징을 구분한 것 외에 품사의 비중으로 문서의 특징을 파악해 사전훈련 언어모델의 성능을 비교했다. 그 결과, KoBART는 어미와 형용사/부사, 동사의 비중이 높을수록 성능이 떨어진 반면 명사의 비중이 클수록 성능이 좋았다. 반면 KoGPT는 KoBART에 비해 품사의 비중과 상관도가 낮았다. 이는 동일한 사전훈련 언어모델이라도 추론데이터의 특성에 따라 자연어생성 성능이 달라지기 때문에 다운스트림 태스크에 사전훈련 언어모델 적용 시 미세조정 외에 추론데이터의 특성에 대한 고려가 중요함을 의미한다. 향후 어순 등 분석을 통해 추론데이터의 특성을 파악하고, 이것이 한국어 생성에 미치는 영향을 분석한다면 한국어 특성에 적합한 언어모델이나 자연어생성 성능 지표 개발이 가능할 것이다.

• 한국융합학회논문지
• /
• 제12권11호
• /
• pp.35-43
• /
• 2021

최근 다언어모델(Cross-lingual language model)을 활용하여 한 번도 보지 못한 특정 언어의 하위 태스크를 수행하는 제로샷 교차언어 전이(Zero-shot cross-lingual transfer)에 대한 관심이 증가하고 있다. 본 논문은 기계번역 품질 예측(Quality Estimation, QE)을 학습하기 위한 데이터 구축적 측면에서의 한계점을 지적하고, 데이터를 구축하기 어려운 상황에서도 QE를 수행할 수 있도록 제로샷 교차언어 전이를 수행한다. QE에서 제로샷을 다룬 연구는 드물며, 본 논문에서는 교차언어모델을 활용하여 영어-독일어 QE 데이터에 대해 미세조정을 실시한 후 다른 언어쌍으로의 제로샷 전이를 진행했고 이 과정에서 다양한 다언어모델을 활용하여 비교 연구를 수행했다. 또한 다양한 자원 크기로 구성된 언어쌍에 대해 제로샷 실험을 진행하고 실험 결과에 대해 언어별 언어학적 특성 관점으로의 분석을 수행하였다. 실험결과 multilingual BART와 multillingual BERT에서 가장 높은 성능을 보였으며, 특정 언어쌍에 대해 QE 학습을 전혀 진행하지 않은 상황에서도 QE를 수행할 수 있도록 유도하였다.

• 한국과학교육학회지
• /
• 제43권6호
• /
• pp.573-582
• /
• 2023

본 연구는 영재학교 학생들의 논문 초록의 구조를 파악하여 그 특성을 분석하고, 인공지능을 활용하여 초록을 구성하는 여러 요소를 추출하여 그 성능을 비교함으로써 과학영재교육에서 인공지능의 활용 가능성을 모색하는 것을 목적으로 하였다. 이에 따라 S 영재학교의 2017~2021년의 5년간 졸업 논문 263건을 대상으로 초록에 포함된 배경, 목적, 방법, 결과, 논의의 빈도나 유형이 어떠한지 분석하고 이를 파인튜닝 및 프롬프트를 활용한 인공지능을 활용한 분류 방법을 통해 그 정확도를 평가하였다. 연구 결과, 영재 학생들이 작성한 과학 논문의 초록 요소의 출현 빈도는 목적, 방법, 결과, 배경, 논의(D)의 순이었고, 목적, 방법, 결과 등 초록에서 필수적으로 포함되어야 하는 요소를 모두 담은 경우는 전체 57.4%에 불과하였다. 인공지능을 활용한 이러한 요소를 분류한 결과, 파인튜닝을 이용한 경우가 가장 정확도가 높았으며 5가지 요소 중 배경, 목적, 결과는 비교적 높은 성능을 보였으나 방법, 논의에 대해서는 정확히 분류하지 못하는 경우가 많 았다. 이러한 결과는 여러 요소의 분포 비율이나 학습을 위한 적절한 데이터셋이나 정보를 제공해 인공지능을 활용해야 보다 효과적인 수단으로 활용될 수 있음을 의미하며, 이에 대한 교육적 시사점을 제시하였다.

• Korean Journal of Radiology
• /
• 제24권6호
• /
• pp.541-552
• /
• 2023

Objective: Detection of pneumoperitoneum using abdominal radiography, particularly in the supine position, is often challenging. This study aimed to develop and externally validate a deep learning model for the detection of pneumoperitoneum using supine and erect abdominal radiography. Materials and Methods: A model that can utilize "pneumoperitoneum" and "non-pneumoperitoneum" classes was developed through knowledge distillation. To train the proposed model with limited training data and weak labels, it was trained using a recently proposed semi-supervised learning method called distillation for self-supervised and self-train learning (DISTL), which leverages the Vision Transformer. The proposed model was first pre-trained with chest radiographs to utilize common knowledge between modalities, fine-tuned, and self-trained on labeled and unlabeled abdominal radiographs. The proposed model was trained using data from supine and erect abdominal radiographs. In total, 191212 chest radiographs (CheXpert data) were used for pre-training, and 5518 labeled and 16671 unlabeled abdominal radiographs were used for fine-tuning and self-supervised learning, respectively. The proposed model was internally validated on 389 abdominal radiographs and externally validated on 475 and 798 abdominal radiographs from the two institutions. We evaluated the performance in diagnosing pneumoperitoneum using the area under the receiver operating characteristic curve (AUC) and compared it with that of radiologists. Results: In the internal validation, the proposed model had an AUC, sensitivity, and specificity of 0.881, 85.4%, and 73.3% and 0.968, 91.1, and 95.0 for supine and erect positions, respectively. In the external validation at the two institutions, the AUCs were 0.835 and 0.852 for the supine position and 0.909 and 0.944 for the erect position. In the reader study, the readers' performances improved with the assistance of the proposed model. Conclusion: The proposed model trained with the DISTL method can accurately detect pneumoperitoneum on abdominal radiography in both the supine and erect positions.

• Korean Journal of Radiology
• /
• 제24권4호
• /
• pp.294-304
• /
• 2023

Objective: We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segmentation across various reconstruction methods. Materials and Methods: We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and monoenergetic images with 40, 60, and 80 keV. A deep learning based image conversion algorithm was developed to standardize the CT images using 142 CT examinations (128 for training and 14 for tuning). A separate set of 43 CT examinations from 42 patients (mean age, 10.1 years) was used as the test data. A commercial software program (MEDIP PRO v2.0.0.0, MEDICALIP Co. Ltd.) based on 2D U-NET was used to create liver segmentation masks with liver volume. The original 80 keV images were used as the ground truth. We used the paired t-test to compare the segmentation performance in the Dice similarity coefficient (DSC) and difference ratio of the liver volume relative to the ground truth volume before and after image standardization. The concordance correlation coefficient (CCC) was used to assess the agreement between the segmented liver volume and ground-truth volume. Results: The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5.40%-91.27%] vs. [standardized, 93.16%-96.74%], all P < 0.001). The difference ratio of liver volume also decreased significantly after image conversion (original, 9.84%-91.37% vs. standardized, 1.99%-4.41%). In all protocols, CCCs improved after image conversion (original, -0.006-0.964 vs. standardized, 0.990-0.998). Conclusion: Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion may have the potential to improve the generalizability of the segmentation network.