• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1009-1029
• /
• 2023

도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R², 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R², 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.

• Computers and Concrete
• /
• 제32권2호
• /
• pp.149-163
• /
• 2023

One of the main design parameters traditionally utilized in projects of geotechnical engineering is the uniaxial compressive strength. The present paper employed three artificial intelligence methods, i.e., the stochastic fractal search (SFS), the multi-verse optimization (MVO), and the vortex search algorithm (VSA), in order to determine the compressive strength of concrete (CSC). For the same reason, 1030 concrete specimens were subjected to compressive strength tests. According to the obtained laboratory results, the fly ash, cement, water, slag, coarse aggregates, fine aggregates, and SP were subjected to tests as the input parameters of the model in order to decide the optimum input configuration for the estimation of the compressive strength. The performance was evaluated by employing three criteria, i.e., the root mean square error (RMSE), mean absolute error (MAE), and the determination coefficient (R²). The evaluation of the error criteria and the determination coefficient obtained from the above three techniques indicates that the SFS-MLP technique outperformed the MVO-MLP and VSA-MLP methods. The developed artificial neural network models exhibit higher amounts of errors and lower correlation coefficients in comparison with other models. Nonetheless, the use of the stochastic fractal search algorithm has resulted in considerable enhancement in precision and accuracy of the evaluations conducted through the artificial neural network and has enhanced its performance. According to the results, the utilized SFS-MLP technique showed a better performance in the estimation of the compressive strength of concrete (R²=0.99932 and 0.99942, and RMSE=0.32611 and 0.24922). The novelty of our study is the use of a large dataset composed of 1030 entries and optimization of the learning scheme of the neural prediction model via a data distribution of a 20:80 testing-to-training ratio.

• 융합정보논문지
• /
• 제8권3호
• /
• pp.175-181
• /
• 2018

본 연구의 목적은 학습자 역량을 선별, 그 역량에 대한 중요도-수행도 인식 차이를 알아보고, 교육요구도를 분석하여 학습지원 프로그램의 방향성을 제고하고자 함이다. 설문도구를 활용하여 온라인 방식(이메일 발송)과 오프라인 방식(서면 설문)을 병행하여 수합된 159부를 최종 분석에 사용하였다. 기술통계, 대응표본 t-검정(paired t-test), Borich 공식을 활용한 교육요구도 분석을 실시하였다. 연구결과, 1) 3개 영역, 10개 역량별 역량 중요도와 역량 수행도 인식 차이에 있어 모두 유의미한 결과를 확인하였고, 2) Borich 공식을 활용하여 10개 역량별 전체 교육요구도를 살펴본 결과, '전공분야 지식'이 1순위, '창의성'이 2순위, '문제해결력'이 3순위, '글로벌 역량'이 4순위, '테크놀로지 역량'이 5순위 등의 순으로 나타났다. 본 연구결과는 대학생 학습지원 프로그램을 기획 설계하는 측면에서 고려해야 할 학습자의 역량과 교육요구도에 따른 주제의 우선순위를 결정하고, 실행 평가하는 측면에서 프로그램 효과성을 판단하는데 실제적 준거로 활용될 수 있을 것으로 기대한다.

• Geomechanics and Engineering
• /
• 제37권4호
• /
• pp.307-321
• /
• 2024

This paper delves into the critical assessment of predicting sidewall displacement in underground caverns through the application of nine distinct machine learning techniques. The accurate prediction of sidewall displacement is essential for ensuring the structural safety and stability of underground caverns, which are prone to various geological challenges. The dataset utilized in this study comprises a total of 310 data points, each containing 13 relevant parameters extracted from 10 underground cavern projects located in Iran and other regions. To facilitate a comprehensive evaluation, the dataset is evenly divided into training and testing subset. The study employs a diverse array of machine learning models, including recurrent neural network, back-propagation neural network, K-nearest neighbors, normalized and ordinary radial basis function, support vector machine, weight estimation, feed-forward stepwise regression, and fuzzy inference system. These models are leveraged to develop predictive models that can accurately forecast sidewall displacement in underground caverns. The training phase involves utilizing 80% of the dataset (248 data points) to train the models, while the remaining 20% (62 data points) are used for testing and validation purposes. The findings of the study highlight the back-propagation neural network (BPNN) model as the most effective in providing accurate predictions. The BPNN model demonstrates a remarkably high correlation coefficient (R2 = 0.99) and a low error rate (RMSE = 4.27E-05), indicating its superior performance in predicting sidewall displacement in underground caverns. This research contributes valuable insights into the application of machine learning techniques for enhancing the safety and stability of underground structures.

• 동의생리병리학회지
• /
• 제25권4호
• /
• pp.691-696
• /
• 2011

In order to the neuroprotective effect of electroacupuncture (EA), the present study examined the effects of electroacupuncture inacupoint ST36 (Stomach 36) on trimethyltin chloride (TMT)-induced cognitive impairments rat using the Morris water maze (MWM) task and immunohistochemistry staining. The rats were randomly divided into the following groups: naive rat (Normal), TMT injection rat (Control), TMT injection + EA treated rat inacupoint ST36 (ST36) and TMT injection + EA treated rat in non-acupoint, base of tail (Non-AC). Electroacupuncture (2Hz, 2mA, and 10 minutes)was applied either to the acupuncture point ST36 or the nonacupuncture point in the tail for the last 14 days. In the water maze test, the animals were trained to find a platform in a fixed position during 4d and then received 60s probe trial on the $5^{th}$ day following removal of platform from the pool. Rats with TMT injection showed impaired learning and memory of the tasks and treatment with EA in acupoint ST36 (P<0.05) produced a significant improvement in escape latency to find the platform after $2^{nd}$ day and retention trial in the Morris water maze. Consistent with behavioral data, treatment with EA in acupoint ST36 also significantly increased expression of Choline acetyltransferase (ChAT) and Acetylcholinesterase (AChE) immunoreactive neurons in the hippocampus compared to the Control group. These results demonstrated that EA in acupoint ST36 has a protective effect against TMT-induced neuronal and cognitive impairments. The present study suggests that EA in acupoint ST36 might be useful in the treatment of TMT-induced learning and memory deficit.

• Structural Engineering and Mechanics
• /
• 제71권6호
• /
• pp.739-749
• /
• 2019

This article deals with the application of reliability analysis for determining the safety of simply supported beam under the uniformly distributed load. The uncertainties of the existing methods were taken into account and hence reliability analysis has been adopted. To accomplish this aim, Generalized Regression Neural Network (GRNN), Extreme Learning Machine (ELM) and Gaussian Process Regression (GPR) models are developed. Reliability analysis is the probabilistic style to determine the possibility of failure free operation of a structure. The application of probabilistic mathematics into the quantitative aspects of a structure and improve the qualitative aspects of a structure. In order to construct the GRNN, ELM and GPR models, the dataset contains Modulus of Elasticity (E), Load intensity (w) and performance function (${\delta}$) in which E and w are inputs and ${\delta}$ is the output. The achievement of the developed models was weighed by various statistical parameters; one among the most primitive parameter is Coefficient of Determination ($R^2$) which has 0.998 for training and 0.989 for testing. The GRNN outperforms the other ELM and GPR models. Other different statistical computations have been carried out, which speaks out the errors and prediction performance in order to justify the capability of the developed models.

• 한국의학물리학회지:의학물리
• /
• 제30권4호
• /
• pp.94-103
• /
• 2019

Purpose: To evaluate the clinical feasibility of knowledge-based planning (KBP) for volumetric-modulated arc radiotherapy (VMAT) in spine stereotactic body radiotherapy (SBRT). Methods: Forty-eight VMAT plans for spine SBRT was studied. Two planning target volumes (PTVs) were defined for simultaneous integrated boost: PTV for boost (PTV-B: 27 Gy/3fractions) and PTV elective (PTV-E: 24 Gy/3fractions). The expert VMAT plans were manually generated by experienced planners. Twenty-six plans were used to train the KBP model using Varian RapidPlan. With the trained KBP model each KBP plan was automatically generated by an individual with little experience and compared with the expert plan (closed-loop validation). Twenty-two plans that had not been used for KBP model training were also compared with the KBP results (open-loop validation). Results: Although the minimal dose of PTV-B and PTV-E was lower and the maximal dose was higher than those of the expert plan, the difference was no larger than 0.7 Gy. In the closed-loop validation, D_1.2cc, D_0.35cc, and D_mean of the spinal cord was decreased by 0.9 Gy, 0.6 Gy, and 0.9 Gy, respectively, in the KBP plans (P<0.05). In the open-loop validation, only D_mean of the spinal cord was significantly decreased, by 0.5 Gy (P<0.05). Conclusions: The dose coverage and uniformity for PTV was slightly worse in the KBP for spine SBRT while the dose to the spinal cord was reduced, but the differences were small. Thus, inexperienced planners could easily generate a clinically feasible plan for spine SBRT by using KBP.

• 정보보호학회논문지
• /
• 제32권2호
• /
• pp.439-446
• /
• 2022

웹사이트나 메일의 첨부 파일을 이용해 문서형 악성코드의 유포가 활발하게 이루어지고 있다. 문서형 악성코드는 실행 파일이 직접 실행되는 것이 아니므로 보안 프로그램의 우회가 비교적 쉽다. 따라서 문서형 악성코드는 사전에 탐지하고 예방해야 한다. 이를 탐지하기 위해 문서의 구조를 파악하고 악성으로 의심되는 키워드를 선정하였다. 문서 내의 스트림 데이터를 아스키코드값으로 변환하여 데이터셋을 만들었다. CNN 알고리즘을 이용하여 문서의 스트림 데이터 내에 존재하는 악성 키워드의 위치를 확인하고 인접 정보를 활용하여 이를 악성으로 분류했다. 파일 내의 스트림 단위로 악성코드를 탐지한 결과 0.97의 정확도를 보였고, 파일 단위로 악성코드를 탐지한 결과 0.92의 정확도를 보였다.

• 대한공업교육학회지
• /
• 제42권1호
• /
• pp.106-124
• /
• 2017

이 연구는 초 중등 발명 지식재산교육의 목표 및 교육과정에 대한 적정 편성 방안을 도출하기 위하여 전문가 대상으로 2차 델파이 조사를 실시하였다. 이를 통한 연구의 결론은 다음과 같다. 첫째, 이 연구에서 제안한 학교급별 발명 지식재산교육의 핵심 목적은 타당한 것으로 나타났다. 핵심 목적은 초등학교가 '발명 인식과 태도 함양'(M=4.5), 중학교가 '발명 과정과 기법 이해'(M=4.2), 일반계고가 '발명 기법 적용 및 평가'(M=4.1), 특성화고가 '직무 발명 이해와 적용'(M=4.6)으로 나타났다. 학교급별 교육목적 및 목표도 타당한 것으로 분석되었다. 둘째, 이 연구에서 제안한 초 중등 발명 지식재산교육의 핵심 학습요소에 대한 적정 편성 방안은 선행문헌의 편성 실태와 대동소이하게 나타났으나, 학교급별 발명 지식재산교육의 목적 및 목표에 따른 각 학습요소의 편성 비중은 전반적인 개선이 필요한 것으로 나타났다. 초등학교와 중학교의 경우 발명의 기본적인 학습요소(발명의 이해(A), 창의성 이해와 활동(B), 문제 인식과 활동(C), 문제해결과 활동(D), 발명 융합 지식(E), 발명 기법과 실제(F))에 집중하여 편성하고(73.2%, 65.1%), 고등학교는 초 중학교에서 집중했던 기본 학습요소의 비중을 낮추며(51.0%) 발명과 진로(H), 특허 출원(K) 등 발명과 연계되어 확장된 학습요소들의 비중을 높여 편성하는 것이 적정한 것으로 분석되었다. 셋째, 초 중등 발명 지식재산교육 체계는 학교급별 발명 지식재산교육의 목적 및 목표를 지향점으로 설정하고, 이를 달성하기 위해 핵심 학습요소는 계속성, 계열성, 통합성 등 타일러(Tyler)의 학습조직 원리에 근거하여 학교급별로 적정 편성 방안을 구축해야 한다. 특히 특성화고는 초 중학교뿐만 아니라 일반계고와의 차별화가 필요하며 직무 발명 이해와 적용을 위한 중등 단계 직업교육에서의 발명 지식재산교육체계 구축이 필요하다.

• Fisheries and Aquatic Sciences
• /
• 제25권3호
• /
• pp.151-157
• /
• 2022

Various approaches have been applied to transform aquaculture from a manual, labour-intensive industry to one dependent on automation technologies in the era of the fourth industrial revolution. Technologies associated with the monitoring of physical condition have successfully been applied in most aquafarm facilities; however, real-time biological monitoring systems that can observe fish condition and behaviour are still required. In this study, we used a video recorder placed on top of a fish tank to observe the swimming patterns of rock bream (Oplegnathus fasciatus), first one fish alone and then a group of five fish. Rock bream in the video samples were successfully identified using the you-only-look-once v3 algorithm, which is based on the Darknet-53 convolutional neural network. In addition to recordings of swimming behaviour under normal conditions, the swimming patterns of fish under abnormal conditions were recorded on adding an anaesthetic or lowering the salinity. The abnormal conditions led to changes in the velocity of movement (3.8 ± 0.6 cm/s) involving an initial rapid increase in speed (up to 16.5 ± 3.0 cm/s, upon 2-phenoxyethanol treatment) before the fish stopped moving, as well as changing from swimming upright to dying lying on their sides. Machine learning was applied to datasets consisting of normal or abnormal behaviour patterns, to evaluate the fish behaviour. The proposed algorithm showed a high accuracy (98.1%) in discriminating normal and abnormal rock bream behaviour. We conclude that artificial intelligence-based detection of abnormal behaviour can be applied to develop an automatic bio-management system for use in the aquaculture industry.