• Clinics in Shoulder and Elbow
• /
• 제18권2호
• /
• pp.61-67
• /
• 2015

Background: The purposes of the study were to examine rotator cuff tendon degeneration with respect to harvesting location, to determine a rationale for debridement of the torn end, and thus, to determine adequate debridement extent. Methods: Twenty-four patients with a full-thickness rotator cuff tear were included in the study. Tendon specimens were harvested during arthroscopic rotator cuff repair from three locations; from torn ends after minimal regularization of fraying (native end group, NE group), from torn ends after complete freshening of the frayed end (freshened end group, FE group), and from the macroscopically intact portion just distal to the musculotendinous junction (musculotendinous junction group, MTJ group). Control samples were harvested from patients admitted for surgery for proximal humerus fracture. Harvested samples were evaluated using a semi-quantitative grading scale. Results: Mean total degeneration scores in the NE group ($13.3{\pm}3.21$), the FE group ($12.5{\pm}2.30$), and in the MTJ group ($10.8{\pm}3.10$) were significantly higher than those in the normal control group ($5.0{\pm}2.87$; all p<0.001). Mean total degeneration score in the NE group was significantly higher than that in the MTJ group (p=0.012), but was not from that of the FE group. Mean total degeneration score in the FE group was not significantly different from that of the MTJ group. Conclusions: Tendon degeneration exists throughout the entire tendon to the macroscopically intact portion of full-thickness rotator cuff tear. Therefore, aggressive debridement to grossly normal appearing, bleeding tendon is unnecessary for enhancing healing after repair.

• 한국컴퓨터그래픽스학회논문지
• /
• 제22권5호
• /
• pp.1-16
• /
• 2016

본 논문에서는 최소자승법에 기반한 효율적인 곡선 복구 기법을 제안한다. 구체적으로는, 법선 벡터를 포함한 평면상의 샘플포인트가 주어졌을 때 계층적인 ZP(Zwart-Powell)-스플라인의 레벨로 곡선을 복구하는데, 세밀한 부문을 복구하면서도 비교적 큰 구멍도 효율적으로 메꾸고 있다. 정규화를 위해서는, (1) 선형시스템의 특이성을 피하기 위한 티코노프 정규항과 (2) 아이소커브를 부드럽게 하기 위한 이산 라플라스 정규항 두 가지를 사용하고 있다. 정량적인 벤치마크 테스트를 통해 비교한 결과, 본 방법은 다항식에 기반한 기법들에 비해 훨씬 우수한 결과를 보여준다는 것을 확인할 수 있다. 구멍이 있는 데이터의 경우, 계층적인 B-스플라인과 비교해본 결과 엇비슷한 품질을 보이지만 약 90%의 계산량만을 필요로 한다.

• Membrane and Water Treatment
• /
• 제9권2호
• /
• pp.115-121
• /
• 2018

Artificial neural network (ANN) simulation is used to predict the dynamic change of permeate flux during wheat starch industry wastewater microfiltration with and without static turbulence promoter. The experimental program spans range of a sedimentation times from 2 to 4 h, for feed flow rates 50 to 150 L/h, at transmembrane pressures covering the range of $1{\times}10^5$ to $3{\times}10^5Pa$. ANN predictions of the wastewater microfiltration are compared with experimental results obtained using two different set of microfiltration experiments, with and without static turbulence promoter. The effects of the training algorithm, neural network architectures on the ANN performance are discussed. For the most of the cases considered, the ANN proved to be an adequate interpolation tool, where an excellent prediction was obtained using automated Bayesian regularization as training algorithm. The optimal ANN architecture was determined as 4-10-1 with hyperbolic tangent sigmoid transfer function transfer function for hidden and output layers. The error distributions of data revealed that experimental results are in very good agreement with computed ones with only 2% data points had absolute relative error greater than 20% for the microfiltration without static turbulence promoter whereas for the microfiltration with static turbulence promoter it was 1%. The contribution of filtration time variable to flux values provided by ANNs was determined in an important level at the range of 52-66% due to increased membrane fouling by the time. In the case of microfiltration with static turbulence promoter, relative importance of transmembrane pressure and feed flow rate increased for about 30%.

• 한국융합학회논문지
• /
• 제11권11호
• /
• pp.257-267
• /
• 2020

본 연구는 우리나라 수출 분야의 산업별 고용비중을 다양한 머신러닝 기법을 활용하여 예측하고, 예측성능을 높이기 위하여 머신러닝 기법 예측값들에 예측조합 기법을 적용하였다. 특히, 본 연구에서는 각 머신러닝 기법 예측값들에 부여되는 가중치의 합을 1로 설정하는 제약하의 예측조합 기법을 사용하여 예측의 정확성과 안정성을 확보하고자 하였다. 또한, 본 연구는 산업별 고용비중에 영향을 주는 다양한 변수를 고려하기 위하여 재귀적특성제거 방법을 사용하여 주요 변수를 선별한 후, 머신러닝 기법에 적용함으로써 예측과정 상에서의 효율성을 높였다. 분석결과, 예측조합 방법에 따른 예측값은 머신러닝 기법의 예측값들보다 실제의 산업 고용비중에 근접한 것으로 나타났으며, 머신러닝 기법의 예측값들이 큰 변동성을 보이는 것과 달리 제약하의 예측조합 기법은 안정적인 예측값을 나타내었다.

• 한국통신학회논문지
• /
• 제34권4C호
• /
• pp.414-423
• /
• 2009

본 논문은 최대 전송률에 가까운 성능을 보이는 선형 preceding 기법을 제안한다. MMSE preceding은 ZF preceding 방식보다 우수한 평균 자승 오차 성능을 가진다. 반면 MMSE preceding 방식의 전송률은 낮은 SNR 범위에서는 ZF 방식에 비해 개선된 성능을 보여주지만 높은 SNR에서는 오히려 성능 열화현상을 보인다. 이와 같은 사실에 착안하여 본 논문에서는 최대 전송률에 근접하는 선형 preceding 기법을 제안한다. 제안된 방식은 ZF precoding방식에서 사용되는 역행렬 연산을 전송율이 최대화될 수 있도록 정규화하는 방식이고 이를 위한 간단한 수치 알고리즘이 제안된다. 또한 그 과정에서 낮은 복잡도를 가지는 간단한 전력 재할당에 의한 정규화 방식이 제안된다. 시뮬레이션과 성능분석을 통해 제안된 방식이 모든 SNR 범위에서 기존의 ZF preceding 방식과 MMSE preceding방식보다 높은 전송률을 가짐을 보인다. 또한 제안된 방식은 채널 추정 오차가 존재하는 경우에도 기존의 선형 preceding 방식들과 비교하여 성능 이득을 유지하면서 채널 추정 오차에 강인함을 가진다.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.200-209
• /
• 2019

미래 값을 예측할 때, 학습 오차(training error)를 최소화하여 추정된 모형은 보통 많은 테스트 오차(test error)를 야기할 수 있다. 이것은 추정 모델이 주어진 데이터 집합에만 집중하여 발생하는 모델 복잡성에 따른 과적합(overfitting) 문제이다. 일부 정규화 및 리샘플링 방법은 이 문제를 완화하여 테스트 오차를 줄이기 위해 도입되었지만, 이 방법들 또한 주어진 데이터 집합에서만 국한 되도록 설계되었다. 본 논문에서는 테스트 오차 최소화 문제를 학습 오차 최소화 문제로 변환하여 테스트 오차를 줄이기 위한 새로운 최적화 방법을 제안한다. 이 변환을 수행하기 위해 주어진 데이터 집합에 대해 의사(pseudo) 데이터라고 하는 새로운 데이터를 추가하였다. 그리고 적절한 의사 데이터를 만들기 위해 결측 데이터 보정법의 세 가지 유형을 사용하였다. 예측 모델로서 선형회귀모형, 자기회귀모형, ridge 회귀모형을 사용하고 이 모형들에 의사 데이터 방법을 적용하였다. 또한, 의사 데이터로 조정된 최적화 방법을 활용하여 환경 데이터 및 금융 데이터에 적용한 사례를 제시하였다. 결과적으로 이 논문에서 제시된 방법은 원래의 예측 모형보다 테스트 오차를 감소시키는 것으로 나타났다.

• 한국콘텐츠학회논문지
• /
• 제9권2호
• /
• pp.10-17
• /
• 2009

본 논문에서는 915MHz 대역 IEEE 802.15.4b LR-WPAN(Low-Rate Wireless Personal Area Network) 비동기 DSSS O-QPSK 기반 수신 시스템의 주파수 옵셋 영향을 분석하고, 차분 필터를 추가 함으로써 주파수 옵셋을 보상할 수 있는 방법을 제시한다. IEEE 802.15.4b 915MHz 규격에서는 DSSS PSSS-ASK 변조방식과 DSSS O-QPSK 변조방식을 채용하여 250kbps의 전송율을 갖는 새로운 방식을 제시하고 있다. 본 논문에서 사용한 DSSS O-QPSK 변조방식은 40ppm(주파수 옵셋 36.6kHz)까지는 BER에 변화가 없으나, 그 이상의 주파수 옵셋이 발생하면 BER이 높아져 안정적인 수신이 어려운 문제가 있다. 이 문제를 해결하기 위해 DSSS O-QPSK 기반 수신기의 상관기에 MDDF(Multiple Delay Differential Filter)를 적용하여 ${\pm}80ppm$에서도 안정적인 수신이 가능함을 보인다. 제안 알고리즘의 성능을 검증하기 위해, 다양한 AWGN 및 주파수 옵셋 환경을 가정한 컴퓨터 모의실험의 결과를 제시하고, 그 유효성을 입증한다.

• 지구물리와물리탐사
• /
• 제6권2호
• /
• pp.95-100
• /
• 2003

본 연구에서는 복잡한 지질구조에 대해서도 신속하고 효율적으로 주시를 계산할 수 있는 Straight Ray Technique(SRT)을 이용한 반사주시 토모그래피 역산 알고리듬을 개발하였다. 역산을 위한 초기 속도모델은 지층경계면에 임피던스 변화를 갖는 상속도 모델을 사용하였다. 실제 속도모델의 반사주시와 초기 속도모델의 반사주시 차이를 계산하여 각각의 요소마다 주시의 오차를 줄이는 방법인 가우스-뉴튼 알고리듬을 이용하여 역산온 수행하였다. 자코비안의 요소는 파선이 지나가는 거리함수로 구성되며, 이를 최소자승형태의 근사 헤시안 행렬로 구성하여 역산을 수행하였다. 역산시 해가 수렴할 수 있도록 근사 헤시안 행렬의 대각성분에 일정한 감쇠인자를 더하였다. 역산된 속도모델을 이용하여 Kirchhoff구조보정을 실시한 결과 실제 속도모델구조에 근사한 단면영상을 얹을 수 있었다.

• 지구물리와물리탐사
• /
• 제14권3호
• /
• pp.214-219
• /
• 2011

본 논문에서는 시간영역에서 분리된 잔여 파동장을 이용하여 주파수영역 파형역산을 수행하였다. 시간영역 잔여 파동장들을 절대값의 크기에 따라 정렬하여 분류하고, 이를 여러 개의 그룹으로 분리하였다. 분리된 잔여 파동장들은 각 그룹별로 목적함수의 경사 방향을 정규화한 후 평균하기 때문에 통상적인 잔여 파동장에서 작은 크기를 가지는 파동장들을 상대적으로 강조하는 효과가 있고, 이는 파형역산 시 심부구조의 이미지 향상에 도움을 준다. 파형역산은 시간영역에서 분리된 잔여 파동장을 이용하여 주파수영역에서 수행되며, 목적함수의 경사방향은 구조보정에서 많이 쓰이는 역전파 기법을 적용하여 계산된다. 본 연구에서 제안한 알고리듬의 타당성을 확인하기 위하여 SEG/EAGE 암염 모델과 Marmousi 모델을 이용하여 파형역산을 수행하였다. 역산 결과를 통해 제안된 알고리즘이 일반적인 주파수영역 파형역산에 비해 심부구조에 대하여 향상된 결과를 제시함을 확인하였다.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.305-312
• /
• 2023

기포 크기 분포를 음파 감쇄 손실을 이용하여 역산하기 위해 Physics-Informed Neural Network(PINN)을 사용하였다. 역산에 사용되는 선형시스템을 풀기 위해 이미지 처리 분야에서 선형시스템 문제를 해결한 Adaptive Learned Iterative Shrinkage Thresholding Algorithm(Ada-LISTA)를 PINN의 신경망 구조로 이용하였다. 더 나아가, PINN의 손실함수에 선형시스템 기반의 정규항을 포함함으로써 PINN의 해가 기포 물리 법칙을 만족하여 더 높은 일반화 성능을 가지도록 하였다. 그리고 기포 추정값의 불확실성을 계산하기 위해 딥앙상블 기법을 이용하였다. 서로 다른 초기값을 갖는 20개의 Ada-LISTA는 같은 훈련데이터를 이용하여 학습되었다. 이 후 테스트시 훈련데이터와 다른 경향의 감쇄 손실을 입력으로 사용하여 기포 크기 분포를 추정하였고, 추정값과 이에 대한 불확실성을 20개 추정값의 평균과 분산으로 각각 구하였다. 그 결과 딥앙상블이 적용된 Ada-LISTA는 기존 볼록 최적화 기법인 CVX보다 기포 크기 분포를 역산하는데 더 우수한 성능을 보였다.