• 전자공학회논문지
• /
• 제53권3호
• /
• pp.67-75
• /
• 2016

본 논문에서는 인공개체의 진화를 셀 수준에서 모사하는 프레임워크 상에서 인공개체가 자신의 행위를 기억하는 회로가 있는 경우 환경에 어떻게 적응적으로 진화하는지를 연구하였다. 이는 기존에 제안한 인공개체가 단순히 현재 상황 입력에 대한 대응행위를 결정하고 행동하는 것에서 나아가 자신의 이전의 행위를 기억할 경우 어떤 진보된 대응행위로 진화할 수 있는지 그리고 이전 행위를 기억하지 못하는 인공개체에 비하여 어떤 장점을 갖는지를 분석할 수 있다. 이러한 분석을 위하여 특정 먹이패턴에서 다양한 실험을 수행하고 그 결과를 살펴보았다. 먼저 이전 행동을 4단계까지 기억하는 개체와 기억회로가 없는 개체부터 3단계까지 기억하는 개체별로 경쟁력 실험을 해보았다. 그 결과 대부분 4단계까지 기억하는 개체가 우수하였다. 그러나 2단계까지 기억하는 개체가 4단계까지 기억하는 개체보다 더 우수했는데, 이는 실험한 먹이패턴 하에서는 2단계까지 기억하는 개체가 더 빨리 좋은 행위를 갖는 개체로 진화되기 때문으로 분석되었다. 두 번째로 모든 개체를 같이 진화시킨 실험에서도 T2 가 가장 우수한 결과를 보였다. 이를 통하여 행위기억회로를 갖는 개체가 더 우수하며 먹이패턴 복잡도에 적합한 단계까지 기억하는 개체가 가장 좋은 결과를 보임을 확인하였다.

• 응용통계연구
• /
• 제33권4호
• /
• pp.511-526
• /
• 2020

단세포 RNA 시퀀싱 데이터(single-cell RNA-sequencing data, 이하 단세포 RNA 데이터)는 세포 조직으로부터 추출한 각 단세포 별 유전자의 신호를 기록한 데이터로, 세포 간의 이질성을 파악하는 것을 주요 목적으로 한다. 그러나 단세포 RNA 데이터는 샘플링 및 기술적인 한계로 인해 결측비율이 높고, 노이즈가 크다. 이러한 이유 때문에 기존의 군집화 방법을 적용하는 데에 한계가 존재한다. 본 논문에서는 단세포 RNA 데이터 분석에서 모티브를 얻어 스펙트럼 군집화(spectral clustering) 기반의 방법을 제안한다. 특히 유사도 행렬(similarity matrix) 계산에서 유전자 별로 가중치를 부여하여 기존의 단세포 데이터 분석 방법과 차별화하였다. 제안하는 군집화 방법은 유전자별 가중치를 부여함과 동시에 세포를 군집화한다. 군집화는 반복 알고리즘을 통해 제안하는 비볼록식(non-convex optimization)을 풀어 진행한다. 또한 실데이터 적용과 시뮬레이션을 통해 제안하는 군집화 방법이 기존의 방법보다 군집을 잘 구분하는 것을 보인다.

• 한국물환경학회지
• /
• 제31권2호
• /
• pp.181-195
• /
• 2015

Algal blooms in lakes are one of major environmental issues in Korea. A three-dimensional, hydrodynamic and water quality model was developed and tested in Lake Euiam to assess the performance and limitations of numerical modeling with multiple algal groups using field data commonly collected for algal management. In this study, EFDC was adopted as the basic model framework. Simulated vertical profiles of water temperature, dissolved oxygen and nutrients monitored at five water quality monitoring stations from March to October 2013, which are closely related to algal dynamics simulation, showed good agreement with those of observed data. The overall spatio-temporal variations of three algal groups were reasonably simulated against the chlorophyll-a levels of those estimated from the limited monitoring data (chlorophyll-a level and cell numbers of algal species) with the RMSEs ranging from 2.6 to $17.5mg/m^3$. Also, note that $PO_4-P$ level in the water column was a key limiting factor controlling the growth of three algal groups during most of simulation period. However, the algal modeling results were not fully attainable to the levels of observation during short periods of time showing abrupt increase in algae throughout the lake. In particular, the green algae/cyanobacteria and diatom simulations were underestimated in late June to early July and early October, respectively. The results shows that better understanding of internal algal processes, neglected in most algal modeling studies, is necessary to predict the sudden algal blooms more accurately because the concentrations of external $PO_4-P$ and specific algal groups originated from the tributaries (mainly, dam water releases) during the periods were too low to fully capture the sharp rise of internal algal levels. In this respect, this study suggests that future modeling efforts should be focused on the quantification of internal cycling processes including vertical movement of algal species with respect to changes in environmental conditions to enhance the modeling performance on complex algal dynamics.