동역학적 방법을 이용한 GPS(Global Positioning System) 위성궤도 결정을 위해 양방향 적분이 가능한 multi-step 방식의 수치적분기를 개발하였으며, 이는 GPS 위성 고도에서 마이크로미터 수준의 정확도를 보였다. 가속도 모델링에서 달, 태양 이외의 천체에 의한 인력은 매우 작으므로 태양복사압에서 경험적 모델로 대체하였다. 위성궤도 미지수는 수치적분된 위성궤도와 IGS(International GNSS Service) 정밀궤도를 이용하여 최소제곱방법으로 결정했다. 이를 위해서는 수치적분기에서 가속도와 함께 미지수에 대한 편미분값을 동시에 적분해야 한다. 추정된 위성궤도 미지수를 이용하여 계산한 잔차의 RMS(Root Mean Squares error)로 부터 위성궤도의 정확도를 검증했다. 2009년 3월 한달의 평균적인 궤도오차 RMS는 5.2mm 였으며, 궤도오차의 절대적인 크기는 위성체의 종류 및 위성진행방향기준 좌표계 상에서 특별히 편향된 형태를 보이지는 않는 것으로 나타났다. 본 연구에서 적용한 태양복사압 모델은 상수항 및 궤도당 1주기에 대한 변화만을 포함하고 있으므로, 궤도당 2주기에 해당하는 궤도오차 양상을 크게 보이고 있으며 이에 대한 추가적인 연구가 필요할 것으로 판단된다.
Research and interest in sustainable printing are increasing in the packaging printing industry. Currently, predicting the amount of ink required for each work is based on the experience and intuition of field workers. Suppose the amount of ink produced is more than necessary. In this case, the rest of the ink cannot be reused and is discarded, adversely affecting the company's productivity and environment. Nowadays, machine learning models can be used to figure out this problem. This study compares the ink usage prediction machine learning models. A simple linear regression model, Multiple Regression Analysis, cannot reflect the nonlinear relationship between the variables required for packaging printing, so there is a limit to accurately predicting the amount of ink needed. This study has established various prediction models which are based on CART (Classification and Regression Tree), such as Decision Tree, Random Forest, Gradient Boosting Machine, and XGBoost. The accuracy of the models is determined by the K-fold cross-validation. Error metrics such as root mean squared error, mean absolute error, and R-squared are employed to evaluate estimation models' correctness. Among these models, XGBoost model has the highest prediction accuracy and can reduce 2134 (g) of wasted ink for each work. Thus, this study motivates machine learning's potential to help advance productivity and protect the environment.
A more accurate understanding of the irrigation water supply is necessary for efficient agricultural water management. Although we measure water levels in an irrigation canal using ultrasonic water level gauges, some errors occur due to malfunctions or the surrounding environment. This study aims to apply CNN (Convolutional Neural Network) Deep-learning-based image classification and segmentation models to the irrigation canal's CCTV (Closed-Circuit Television) images. The CCTV images were acquired from the irrigation canal of the agricultural reservoir in Cheorwon-gun, Gangwon-do. We used the ResNet-50 model for the image classification model and the U-Net model for the image segmentation model. Using the Natural Breaks algorithm, we divided water level data into 2, 4, and 8 groups for image classification models. The classification models of 2, 4, and 8 groups showed the accuracy of 1.000, 0.987, and 0.634, respectively. The image segmentation model showed a Dice score of 0.998 and predicted water levels showed R2 of 0.97 and MAE (Mean Absolute Error) of 0.02 m. The image classification models can be applied to the automatic gate-controller at four divisions of water levels. Also, the image segmentation model results can be applied to the alternative measurement for ultrasonic water gauges. We expect that the results of this study can provide a more scientific and efficient approach for agricultural water management.
Xiu Wang;Zhenhu Zhang;Yamin Shi;Wenjuan Zhang;Chongyi Su;Dong Wang
Journal of Microbiology and Biotechnology
/
제34권5호
/
pp.1164-1177
/
2024
Esophageal squamous cell carcinoma (ESCC) is among the most common malignant tumors of the digestive tract, with the sixth highest fatality rate worldwide. The ESCC-related dataset, GSE20347, was downloaded from the Gene Expression Omnibus (GEO) database, and weighted gene co-expression network analysis was performed to identify genes that are highly correlated with ESCC. A total of 91 transcriptome expression profiles and their corresponding clinical information were obtained from The Cancer Genome Atlas database. A mitochondria-associated risk (MAR) model was constructed using the least absolute shrinkage and selection operator Cox regression analysis and validated using GSE161533. The tumor microenvironment and drug sensitivity were explored using the MAR model. Finally, in vitro experiments were performed to analyze the effects of hub genes on the proliferation and invasion abilities of ESCC cells. To confirm the predictive ability of the MAR model, we constructed a prognostic model and assessed its predictive accuracy. The MAR model revealed substantial differences in immune infiltration and tumor microenvironment characteristics between high- and low-risk populations and a substantial correlation between the risk scores and some common immunological checkpoints. AZD1332 and AZD7762 were more effective for patients in the low-risk group, whereas Entinostat, Nilotinib, Ruxolutinib, and Wnt.c59 were more effective for patients in the high-risk group. Knockdown of TYMS significantly inhibited the proliferation and invasive ability of ESCC cells in vitro. Overall, our MAR model provides stable and reliable results and may be used as a prognostic biomarker for personalized treatment of patients with ESCC.
하단배출 형태의 연직수문을 대상으로 퇴적토 배출특성에 따른 두부침식 거리비, 퇴적토 이동거리와 이동량을 분석하기 위해 수리 모형실험과 차원해석을 수행하였다. Froude 수와 배출특성의 상관관계를 도식화하고, 퇴적토 배출특성을 지배하는 무차원 매개변수에 의한 다중회귀식을 제안하였다. 두부침식거리, 퇴적토 이동거리와 이동량에 대한 각 다중회귀 분석식의 결정계수는 각각 0.618, 0.632, 0.866으로 높게 나타났다. 개발한 퇴적토 배출특성식의 사용성을 평가하기 위해 실제 측정값과 회귀분석식에 의해 계산된 값의 95%의 예측 신뢰구간 분석을 수행하였고, 두부침식거리, 퇴적토 이동거리와 이동량에 대한 예측의 정확도 분석차원의 NSE (Nash-Sutcliffe Efficiency), RMSE (root mean square)와 MAPE (mean absolute percentage error)는 적절한 것으로 판단되었다.
최근 우리나라에서도 인공지능 모델을 이용한 수온예측 관련 연구가 활발히 진행되고 있으나 한반도 주변 해역의 수온을 예측한 대부분의 연구는 주로 해수면 온도 예측에 중점을 두고 진행되었다. 반면 본 연구는 XBT(eXpendable Bathythermograph, 소모성 연직수온측정기) 데이터와 기계 학습 모델(RandomForest, XGBoost, LightGBM)을 사용하여 잠수함 작전 및 대잠전(Anti-Submarine Warfare)에 있어서 군사적으로 중요한 동해의 수직 수온분포를 예측하였다. 동해 특정해역의 해수면부터 수심 200m까지 측정된 XBT 데이터를 이용하여 모델을 학습시키고 절대 평균 오차(MAE, Mean Absolute Error)와 수직 수온분포 그래프를 통해 예측정확도를 평가하였다.
본 연구에서는 번들조정 과정에서 요구되는 GCP의 수를 줄이기 위해 동일궤도 상의 개별 영상 대신 스트립을 스트립을 모델링 할 수 있는 가능성을 조사한다. 이를 위해 먼저 동일 궤도상에 존재하는 각 개별영상의 RFM(Rational function model)으로부터 스트립에 대한 RFM을 생성하였다. 다음으로, 생성된 스트립 이미지 간의 번들 조정을 통해 모델 보정계수를 산출하였다. 실험을 위해 각 3개의 Scene 영상으로 구성된 KOMPSAT-3A 스테레오 스트립을 사용하였다. 실험을 통해 스트립의 특정지역에 위치한 기준점만을 사용하여 초기모델 개선이 가능함을 확인하였다. 또한 12개의 지상기준점을 사용한 스트립 번들조정 수행 결과 수평 수직 방향으로 약 2 m의 3차원 위치 결정이 가능함을 확인하였다. 이를 통해 단일 영상 기반 번들조정보다 스트립 번들조정이 더 효율적일 수 있음을 확인하였다.
본 연구의 목적은 앙상블 칼만필터 기법과 연속형 저류함수모형을 연계하여 개발한 추계학적 연속형 저류함수모형의 적용성을 평가하고자 하는데 있다. 대상유역은 안동댐과 임하댐을 포함하는 지보 수위관측소 상류유역을 선정하였으며 2006년과 2007년 홍수기에 대해 분석을 수행하였다. 확정론적 모형을 적용한 결과 장기간의 모의기간에 대해 유출해석이 가능한 것을 확인하였다. 앙상블 칼만필터 기법을 적용하기 위해 Monte Carlo 모의기법을 적용하여 모형입력자료와 매개변수들에 대해 앙상블 멤버를 생성하였다. 추계학적 모형과 확정론적 모형의 누적절대오차를 비교한 결과 안동댐과 임하댐의 2007년 사상에서 각각 17.5 %와 18.3 %의 정확도가 향상되고 지보수위관측소에서는 40 % 이상의 정확도가 향상되는 것으로 나타났다. 이상의 결과로부터 관측유량과의 오차가 큰 모의결과에 있어서는 추계학적 모형이 보다 향상된 결과를 도출하는 것을 확인하였다.
Muhammad Naqeeb Nawaz;Song-Hun Chong;Muhammad Muneeb Nawaz;Safeer Haider;Waqas Hassan;Jin-Seop Kim
Geomechanics and Engineering
/
제33권1호
/
pp.1-9
/
2023
The unconfined compression strength (UCS) of soils is commonly used either before or during the construction of geo-structures. In the pre-design stage, UCS as a mechanical property is obtained through a laboratory test that requires cumbersome procedures and high costs from in-situ sampling and sample preparation. As an alternative way, the empirical model established from limited testing cases is used to economically estimate the UCS. However, many parameters affecting the 1D soil compression response hinder employing the traditional statistical analysis. In this study, gene expression programming (GEP) is adopted to develop a prediction model of UCS with common affecting soil properties. A total of 79 undisturbed soil samples are collected, of which 54 samples are utilized for the generation of a predictive model and 25 samples are used to validate the proposed model. Experimental studies are conducted to measure the unconfined compression strength and basic soil index properties. A performance assessment of the prediction model is carried out using statistical checks including the correlation coefficient (R), the root mean square error (RMSE), the mean absolute error (MAE), the relatively squared error (RSE), and external criteria checks. The prediction model has achieved excellent accuracy with values of R, RMSE, MAE, and RSE of 0.98, 10.01, 7.94, and 0.03, respectively for the training data and 0.92, 19.82, 14.56, and 0.15, respectively for the testing data. From the sensitivity analysis and parametric study, the liquid limit and fine content are found to be the most sensitive parameters whereas the sand content is the least critical parameter.
Kim, So-Yeun;Lee, So-Hyoun;Cho, Seong-Keun;Jeong, Chang-Mo;Jeon, Young-Chan;Yun, Mi-Jung;Huh, Jung-Bo
The Journal of Advanced Prosthodontics
/
제6권1호
/
pp.1-7
/
2014
PURPOSE. The accuracy of a gypsum model (GM), which was taken using a conventional silicone impression technique, was compared with that of a polyurethane model (PM), which was taken using an iTero$^{TM}$ digital impression system. MATERIALS AND METHODS. The maxillary first molar artificial tooth was selected as the reference tooth. The GMs were fabricated through a silicone impression of a reference tooth, and PMs were fabricated by a digital impression (n=9, in each group). The reference tooth and experimental models were scanned using a 3 shape convince$^{TM}$ scan system. Each GM and PM image was superimposed on the registered reference model (RM) and 2D images were obtained. The discrepancies of the points registered on the superimposed images were measured and defined as GM-RM group and PM-RM group. Statistical analysis was performed using a Student's T-test (${\alpha}=0.05$). RESULTS. A comparison of the absolute value of the discrepancy revealed a significant difference between the two groups only at the occlusal surface. The GM group showed a smaller mean discrepancy than the PM group. Significant differences in the GM-RM group and PM-RM group were observed in the margins (point a and f), mesial mid-axial wall (point b) and occlusal surfaces (point c and d). CONCLUSION. Under the conditions examined, the digitally fabricated polyurethane model showed a tendency for a reduced size in the margin than the reference tooth. The conventional gypsum model showed a smaller discrepancy on the occlusal surface than the polyurethane model.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.