• 대한토목학회논문집
• /
• 제28권1B호
• /
• pp.95-109
• /
• 2008

본 연구에서는 LDS 난류응력 모형, Van Rijn의 pick up 함수를 활용하여 일정 경사부에서의 파랑의 이행과 천수, 연이은 쇄파현상, plunging breaker에 후행하는 해저질의 역동적인 부유와 down rush와 후행 파랑에 의한 표사의 재분배를 수치모의 하였다. 이 과정에서 해저질과 소통하는 저면 유체력에 대한 quadratic law를 중심으로 한 기존의 연구 성과들은 정상상태에 기초하여 급속히 가속되고 감속되는 swash 대역의 수리특성을 반영할 수 없다는 결론에 도달하고 이러한 인식에 기초하여 새로운 산출방법이 제시되었다. 새로운 산출방법을 토대로 수치모의하여 비선형 천수과정의 일반적인 특징, 동조 비동조 고차 조화성분으로 전이된 파랑에너지로 인해 상당히 예리하고 왜도된 파형, 파형의 마루로부터 시작되는 물입자 자유낙하, 착수로 인한 커다란 물보라의 형성, 물보라 형성층의 해변으로의 이행, wave finger (Narayanaswamy와 Dalrymple, 2002), swash 대역에서 진행되는 부유사 순환과정, swash 대역에서 처오름으로 인해 부유된 부유사 무리의 off shore 방향으로의 순 이동 등이 비교적 정확히 재현되는 등 상당히 고무적인 결과를 얻을 수 있었다. 이러한 결과는 기존의 Euler 좌표계에서 정의되는 파랑모형과 이동경계 기법의 한계를 뛰어 넘는 것으로 향후 보다 정확한 침식해석이 가능 할 것으로 판단된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.109-125
• /
• 2019

지능형 전자상거래 검색 엔진에 대한 관심이 커지면서, 검색 상품의 특징을 지능적으로 추출하고 활용하기 위한 연구들이 수행되고 있다. 특히 전자상거래 지능형 검색 엔진에서 상품을 검색 할 때, 제품의 색상은 상품을 묘사하는 중요한 특징 중에 하나이다. 따라서 사용자의 질의에 정확한 응답을 위해서는 사용자가 검색하려는 색상과 그 색상의 동의어 및 유의어에 대한 처리가 필요하다. 기존의 연구들은 색상 특징에 대한 동의어 처리를 주로 사전 방식으로 다뤄왔다. 하지만 이러한 사전방식으로는 사전에 등록되지 않은 색상 용어가 질의에 포함된 경우 처리하지 못하는 한계점을 가지고 있다. 본 연구에서는 기존에 사용하던 방식의 한계점을 극복하기 위하여, 실시간으로 인터넷 검색 엔진을 통해 해당 색상의 RGB 값을 추출한 후 추출된 색상정보를 기반으로 유사한 색상명들을 출력하는 모델을 제안한다. 본 모델은 우선적으로 기본적인 색상 검색을 위해 671개의 색상명과 각 RGB값이 저장된 색상 사전을 구축하였다. 본 연구에서 제시한 모델은 특정 색상을 검색하는 것으로 시작하며, 검색된 색상이 색상 사전 내 존재하는 지 유무를 확인한다. 사전 내에 검색한 색상이 존재한다면, 해당 색상의 RGB 값이 기준 값으로 사용된다. 만일 색상사전 내에 존재하지 않는다면, Google 이미지 검색 결과를 크롤링하여 각 이미지의 특정 영역 내 RGB값들을 군집화하여 구한 평균 RGB값을 검색한 색상의 기준 값으로 한다. 기준 RGB값을 앞서 구축한 색상 사전 내의 모든 색상의 RGB 값들과 비교하여 각 R, G, B 값에 있어서 ${\pm}50$ 내의 색상 목록을 정렬하고, RGB값 간의 유클리디안 거리 유사도를 활용하여 최종적으로 유사한 색 상명들을 출력한다. 제안 방안의 유용성을 평가하기 위해 실험을 진행하였다. 피설문자들이 생각하는 300 개의 색상 이름과 해당 색상 값을 얻어, 본 연구에서 제안한 방안을 포함한 총 네가지 방법을 통해 얻은 RGB 값들과 피설문자가 지정한 RGB값에 대한 비교를 진행했다. 인간의 눈을 반영하는 측정 기준인 CIELAB의 유클리드안거리는 평균 13.85로 색상사전만을 활용한 방안의 30.88, 한글 동의어사전 사이트인 워드넷을 추가로 활용한 방안의 30.38에 비해 비교적 낮은 색상 간의 거리 값을 보였다. 연구에서 제시하는 방안에서 군집화 과정을 제외한 방안의 색 차는 13.88로 군집화 과정이 색 차를 줄여준다는 것을 확인할 수 있었다. 본 연구에서는 기존 동의어 처리 방식인 사전 방식이 지닌 한계에서 벗어나기 위해, 사전 방식에 새로운 색상명에 대한 실시간 동의어 처리 방식을 결합한 RGB값 기반의 새로운 색상 동의어 처리 방안을 제안한다. 본 연구의 결과를 활용하여 전자상거래 검색 시스템의 지능화에 크게 기여할 수 있을 것이다.

• 한국초지조사료학회지
• /
• 제4권3호
• /
• pp.194-200
• /
• 1984

종자(種子) coating이 겉뿌린 목초(牧草)의 정착개체수(定着個體數), 초기생육(初期生育) 및 수량(收量)에 미치는 영향을 구명(究明)코저 60% lime, 20% Phosphate 및 20% peatmoss(w/w)의 증량피복재료(增量被覆材料)와 13% arabic gum및 2% methyl cellulose (w/v)를 접착제(接着劑)로 사용(사용)하여 종자(種子)와 피복재료(被覆材料)의 무게 44를 1 : 20(w/w)으로 coating하여 pot, soil box 및 field에서 시험(試驗)한 결과(結果)는 다음과 같다. 1. 종자(種子) coating은 겉뿌린 수준(水準)의 초기(初期) 생육(生育)을 촉진(促進)하였다(Table 2와 3). 2. 종자(種子) coating은 겉뿌린 목초(牧草)의 초기(初期) 정착개체수(定着個體數)를 15%정도 증가시켰고, orchardgrass, perennial ryegrass 및 kentucky bluegrass의 정착개체수(定着個體數)를 증가시킨 반면 대립종(大粒種)의 tall fescue 및 소립종(小粒種)의 ladino clover에는 큰 차이(差異)가 없었다. 3. 종자(種子) coating은 겉뿌린 목초(牧草)의 식생비율(植生比率)을 증가시켰다. 4. 종자(種子) coating은 겉뿌림 초지(草地)의 조성당년(造成當年)의 건물수량(乾物收量)을 17%정도 증가시켰다(P<0.05). 5. 종자(種子) coating시(時) 증량피복물질(增量被覆物質)은 토양(土壤) 및 식물체(植物體)의 화학성분(化學成分)에 영향을 주었다(Table 8). 6. 환경조건이 불량(不良)한 지역(地域)에서의 겉뿌림 초지개량시(草地改良時) 종자(種子) coating은 관행적(慣行的)인 겉뿌림 방법보다 목초(牧草)의 정착개체수(定着個體數), 초기생육(初期生育) 및 수량(收量)을 증가시킬 수 있는 확실한 방법(方法)이라 할 수 있다.率)과의 관계를 주의깊게 고려해야 할 것이다. 생산(生産)할 수 있다고 사료(思料)된다.향이 없었으나 골목 $m^3$당 접종량(接種量) 4.0kg구가 1.63g로 가장 큰 것으로 나타났다.과(結果)를 종합(綜合)해 보면 전호(前胡)의 용도별(用途別) 적정(適正) 재식거리(栽植距離)는 채소형(菜蔬型) $30\times20cm$, 약재형(藥材型) $60\times30cm$, 채소(菜蔬) 약재(藥材) 복합형(複合型) $45\times20cm$에서 지하부(地下部) 생육(生育)이 양호(良好)하면서 생엽(生葉) 및 건근(乾根) 수량(收量)이 증수(增收)되는 경향(傾向)을 보였다.퇴비(堆肥) 등(等) 유기질(有機質) 비료(肥料) 시용(施用)이 효고적(效果的)이었다.DS-PAGE법(法)으로 단백질(蛋白質) 양상을 등숙시기별(等熟時期別)로 조사(調査)한 결과(結果) 두 계통간(系統間) 질적(質的)인 차이(差異)는 보이지 않았으나 시기별(時期別)로는 양적차이(量的差異)를 나타냈다.間)에는 부(負)(-)의 상관(相關)이 있다.($P{\leq}0.01%$). 5. NEL 및 starch value 환경온도(環境溫度)가 상승(上昇)됨에 따라 감소(減少)된다. 4 엽기(葉期) sorghum식물(植物)의 환경온도(環境溫度)를 달리 하였을 때 NEL가치(價値)는 각각(各各) 4.87MJ($30/25^{\circ}C$), 5.46MJ($25/20^{\circ}C$) 및 5.81MJ/kg($18/8^{\circ}C$)로 변(變)하여 고온(高溫)에서 net energy lactation 축적(蓄積)이 크게 감소(減少)되었다.다. 그러나 기온(氣溫)이 낮은 조건(條件)에서는 예취관리(刈取管理)에 따른 비구조성(非構造性) 탄수화물(炭水化物)의 함량변화(含量變化)

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.