The Journal of the Convergence on Culture Technology
/
v.9
no.4
/
pp.487-494
/
2023
In this study, performance comparison was performed on R and TensorFlow, which are free deep learning tools. In the experiment, six types of deep neural networks were built using each tool, and the neural networks were trained using the 10-year Korean temperature dataset. The number of nodes in the input layer of the constructed neural network was set to 10, the number of output layers was set to 5, and the hidden layer was set to 5, 10, and 20 to conduct experiments. The dataset includes 3600 temperature data collected from Gangnam-gu, Seoul from March 1, 2013 to March 29, 2023. For performance comparison, the future temperature was predicted for 5 days using the trained neural network, and the root mean square error (RMSE) value was measured using the predicted value and the actual value. Experiment results shows that when there was one hidden layer, the learning error of R was 0.04731176, and TensorFlow was measured at 0.06677193, and when there were two hidden layers, R was measured at 0.04782134 and TensorFlow was measured at 0.05799060. Overall, R was measured to have better performance. We tried to solve the difficulties in tool selection by providing quantitative performance information on the two tools to users who are new to machine learning.
Kim, Heung-Min;Bak, Suho;Han, Jeong-ik;Ye, Geon Hui;Jang, Seon Woong
Korean Journal of Remote Sensing
/
v.38
no.6_1
/
pp.1109-1124
/
2022
This study proposes a marine debris monitoring methods using satellite and drone multispectral images. A multi-layer perceptron (MLP) model was applied to detect marine debris using Sentinel-2 satellite image. And for the detection of marine debris using drone multispectral images, performance evaluation and comparison of U-Net, DeepLabv3+ (ResNet50) and DeepLabv3+ (Inceptionv3) among deep learning models were performed (mIoU 0.68). As a result of marine debris detection using satellite image, the F1-Score was 0.97. Marine debris detection using drone multispectral images was performed on vegetative debris and plastics. As a result of detection, when DeepLabv3+ (Inceptionv3) was used, the most model accuracy, mean intersection over union (mIoU), was 0.68. Vegetative debris showed an F1-Score of 0.93 and IoU of 0.86, while plastics showed low performance with an F1-Score of 0.5 and IoU of 0.33. However, the F1-Score of the spectral index applied to generate plastic mask images was 0.81, which was higher than the plastics detection performance of DeepLabv3+ (Inceptionv3), and it was confirmed that plastics monitoring using the spectral index was possible. The marine debris monitoring technique proposed in this study can be used to establish a plan for marine debris collection and treatment as well as to provide quantitative data on marine debris generation.
Polycyclic aromatic hydrocarbons(PAHs) have been analyzed to assess vertical distribution of them with different land uses. The soils were collected from three layers; surface $(0{\sim}5cm)$, intermediate $(6{\sim}10cm)$, and deep $(11{\sim}15cm)$ layer, respectively considering land use; paddy, upland, and mountain in each site. Total 89 samples of soil from 10 sites were analyzed. Overall mean of ${\sum}PAHs$ were 137 (range $8.87{\sim}625{\mu}g\;kg^{-1}$), 203 (range $16.5{\sim}645{\mu}g\;kg^{-1}$), and $83.4{\mu}g\;kg^{-1}$ (range $6.65{\sim}667{\mu}g\;kg^{-1}$) for paddy, upland, and mountain soil, respectively. The dominant PAHs were fluoroanthene/benzo(b)fluoroanthene>pyrene>indeno(1, 2, 3-cd) pyrene in paddy, fluoroanthene/pyrene>benzo(b)fluoroanthene>chrysene in upland, and benzo(b)fluoroanthene>pyrene>chrysene in mountain soil, whereas the profile was quite similar for each other except that indeno(1, 2, 3-cd)pyrene and benzo(ghi)perylene are relatively higher in the paddy soils. Although the concentration gradient by depth was not observed in the paddy and upland soils because perturbation of soil layer by tillage, significant decrease was in the deep layer relative to the surface and intermediate layer. However, the concentration gradient of PAHs by soil depth was clearly shown in mountain soil without experiencing disturbance of tillage.
Distribution of drifting larvae of Anadara broughtnoii SCHRENCK was studied based on the planktonic sampling which has been collected in fifteen sampling areas of southern coast of Korea and Ulsan Bay during summer season from 1973 to 1977. Vertical and horizontal occurrence was analyzed related to the environmental factors such as surface water temperature, current velocity and depth of water column. High density of the larvae was observed in the Chinhae Bay which included the sampling areas Rampo, Sockcheon, Majeon, Changpo, Dangdong, Bedun, Changchoa, and Wonmun. Maximum occurrence of the farvae was accompanied with the highest water temperature of the summer season, and it was usually August when the water temperature was over 27$^{\circ}C$. In August, 1975, the highest density of the farvae was observed, when the mean surface water temperature was the highest compared to those of other years. The first appearence of the drifting larvae was also related to the surface water temperature. Each year the larae begin to appear from the late July and the ready-to-fall larvae appear in abundance from the mid-August. Vertical distribution patterns of the larvae are closely related to the depth of the water column as well as to the current velocity. In shallow water the larvae tend to aggregate in the bottom layer, while they are diffused to some extent in deep water. In shallow water column ( 8m) more or less 75% of the total larvae individuals was observed in the lower 4m layer and in deep water column ( 16m) only 45% of those was found in the lower 4m layer. In the water of lower velocity a large fraction of the larvae population is distributed in the lower depth layer.
The Journal of the Convergence on Culture Technology
/
v.9
no.6
/
pp.301-307
/
2023
Deep learning requires building a deep neural network, collecting a large amount of training data, and then training the built neural network for a long time. If training does not proceed properly or overfitting occurs, training will fail. When using deep learning tools that have been developed so far, it takes a lot of time to collect training data and learn. However, due to the rapid advent of the mobile environment and the increase in sensor data, the demand for real-time deep learning technology that can dramatically reduce the time required for neural network learning is rapidly increasing. In this study, a real-time deep learning system was implemented using an Arduino system equipped with a fine dust sensor. In the implemented system, fine dust data is measured every 30 seconds, and when up to 120 are accumulated, learning is performed using the previously accumulated data and the newly accumulated data as a dataset. The neural network for learning was composed of one input layer, one hidden layer, and one output. To evaluate the performance of the implemented system, learning time and root mean square error (RMSE) were measured. As a result of the experiment, the average learning error was 0.04053796, and the average learning time of one epoch was about 3,447 seconds.
The Sea:JOURNAL OF THE KOREAN SOCIETY OF OCEANOGRAPHY
/
v.1
no.2
/
pp.73-79
/
1996
This study was conducted to investigate the faunal composition and distribution patterns of macrobenthic community in the deep sea sediments of the KODOS area, the northeastern Pacific Ocean during May 1996. Benthic animals were collected at 25 stations using a spade type box corer. Sediments were sieved through -.3 mm mesh screen. A total of 17 faunal groups in 9 phyla and 363 specimens were identified. Nematoda was the most abundant faunal group which accounted for 30.0% of total abundance. Other dominant faunal groups were foraminiferans (25.1%), harpacticoids (10.2%), xenophyophores (5.2%), and polychaetes (4.7%), Polychaeta was a typically dominant component of macrobenthic community in the study area except traditionally recognized meiofauna taxa. Mean occurrence number of faunal taxa was ca. 6 per 0.01 m$\^$2/, and mean density was estimated as 1,288 indiv./m$\^$2/. The abundance of whole fauna and that of each faunal group was highest at the surface layer of sediment, and decreased monotonously along the sediment depth; 98% of faunal abundance was found within 10 cm depth layer.
Journal of the Korea Society of Computer and Information
/
v.28
no.7
/
pp.11-18
/
2023
In this paper, we evaluate deep learning time series forecasting models. Recent studies show that those models perform better than the traditional prediction model such as ARIMA. Among them, recurrent neural networks to store previous information in the hidden layer are one of the prediction models. In order to solve the gradient vanishing problem in the network, LSTM is used with small memory inside the recurrent neural network along with BI-LSTM in which the hidden layer is added in the reverse direction of the data flow. In this paper, we compared the performance of Informer by comparing with other models (LSTM, BI-LSTM, and Transformer) for real Nitrogen dioxide (NO2) data. In order to evaluate the accuracy of each method, mean square root error and mean absolute error between the real value and the predicted value were obtained. Consequently, Informer has improved prediction accuracy compared with other methods.
Transactions of the Korean Society of Mechanical Engineers B
/
v.32
no.10
/
pp.791-799
/
2008
We investigate the flow characteristics around a series of rectangular bodies ($40^d{\times}80^w{\times}80^h$, $80^d{\times}80^w{\times}80^h$ and $160^d{\times}80^w{\times}80^h$) placed in a deep turbulent boundary layer. The study is aiming to understand the surface pressure distribution around the bodies such as the suction pressure in the leading edge, when the flow is normal, which is responsible for producing extreme suction pressures on the roof. The experiment includes wind tunnel work by using HWA (Hot-Wire anemometry) and pressure transducers. The experiments are carried out at three different Reynolds numbers, based on the velocity U at the body height h, of $2.4{\times}10^4$, $4.6{\times}10^4$ and $6.7{\times}10^4$, and large enough that the mean flow is effectively Reynolds number independent. The results include the measurements of the growth of the turbulent boundary layer in the wind tunnel and the surface pressure around the bodies.
Park, Heung-Sik;Chi, Sang-Bum;Paik, Sang-Kyu;Kim, Woong-Seo
Ocean and Polar Research
/
v.26
no.2
/
pp.311-321
/
2004
Relationships between sedimentary environments and abundance of benthic animals were examined on the deep-sea floor, the Clarion-Clipperton Fracture Zone, in the northeast equatorial Pacific Ocean. Specimens were collected using a box corer at 8 stations by sieving through 0.3 mm mesh screen. Sediments showed finer grain size ranged from 5.63 to $7.97{\varphi}$, 83.1% of mean porosity, 1.81 kPa of mean shear strength and organic carbon content in sediment ranged from 0.97 to $1.87\;mg/cm^3$. Manganese nodules covered on the bottom layer from 4 to 57% of coverages. A total of 26 faunal groups in 6 phyla was sampled and comprised 1,467 individuals. Mean biomass were calibrated to 0.5 gWWt/$0.06\;m^2$. Small-sized animals including foraminiferans and nematods were dominated among the faunal group which comprised 49.1% (892 ind.) and 11.5% (320 ind.), respectively. In SPI-analysis, vertical bio-disturbance marks were not observed except to Beggiatoa-type bacterial mats. As the results of relationship between environments and benthos, abundance of benthic animals, especially nematode, showed only a negative correlation to the coverage of nodules, and any other sedimentary factors analyzed in this study were rarely affected to the spatial distribution of benthic animals.
Transactions of the Korean Society of Mechanical Engineers A
/
v.30
no.11
s.254
/
pp.1425-1432
/
2006
Coating layers on a coated sheet steel frequently affect distributions of strain rate of sheets and deteriorate the frictional characteristics between sheets and tools in sheet metal forming. Thus, it is important to identify the deformation behavior of these coatings to ensure the success of the sheet forming operation. In this study, the technique using nano-indentation test, FE-simulation and Artificial Neural Network(ANN) were proposed to determine the power law stress-strain behavior of coating layer and the power law behavior of extracted coating layers was examined using FE-simulation of drawing and nano-indentation process. Also, deep drawing test was performed to estimate the formability and frictional characteristic of coated sheet, which was calculated using the linear relationship between drawing force and blank holding force obtained from the deep drawing test. FE-simulations of the drawing process were respectively carried out for single-behavior FE-model having one stress-strain behavior and for layer-behavior FE-model which consist of coating and substrate separately. The results of simulations showed that layer-behavior model can predict drawing forces with more accuracy in comparison with single-behavior model. Also, mean friction coefficients used in FE-simulation signify the value that can occur maximum drawing force in a drawing test.
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.