• 대한기계학회논문집B
• /
• 제23권5호
• /
• pp.610-620
• /
• 1999

Recently, numerous modifications of low Reynolds number $k-{\epsilon}$ model have boon carried out with the aid of DNS data. However, the previous models made in this way are too intricate to be used practically. To overcome this shortcoming, a new low Reynolds number $k-{\epsilon}$ model has boon developed by considering the distribution of turbulent properties near the wall. This study proposes the revised a turbulence model for prediction of turbulent flow with adverse pressure gradient and separation. Nondimensional distance $y^+$ in damping functions is changed to $y^*$ and some terms modeled for one dimensional flow in $\epsilon$ equations are expanded into two or three dimensional form. Predicted results by the revised model show an acceptable agreement with DNS data and experimental results. However, for a turbulent flow with severe adverse pressure gradient, an additive term reflecting an adverse pressure gradient effect will have to be considered.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1255-1263
• /
• 2021

안개는 대체수자원이 될 수 있으나 교통사고 위험을 높이고 공항 운영에 제약을 가하는 사회적 영향이 큰 기상현상이다. 본 연구에서는 1 km 미만 가시거리(시정)로 정의되는 안개 발생을 기상자료로 예측하는 지역 기계학습모형을 개발하고 그 예측력을 평가하였다. 전라북도 지역의 10개 기상청 지상관측소의 2017-2019년 시정 및 기상관측자료로 앙상블 분류기법인 Extreme Gradient Boosting (XGB), Light Gradient Boosting(LGB), Random Forests (RF)를 학습시켜 지역 안개 모형을 개발하였고 독립적인 2020년 자료로 모형의 사용성을 평가하였다. 그 결과, 학습·검증기간(2017-2019)에는 True Skill Score를 기준으로 가장 높은 예측력을 보인 방법은 LGB 기법이었지만 다른 두 모형에 비해 False Alarm Ratio가 컸다. RF 모형과 XGB 방법 역시 기존 연구에 상응하는 예측성능을 보이는 것으로 확인되었다. 2020년 자료를 입력해 안개 발생을 모의했을 때 세 모형의 예측성능은 2017-2019년 기간보다 떨어졌지만 모두 관측 안개일수의 공간분포와 일관되는 안개 위험을 예측했다. 세 기계학습모형은 안개위험이 상대적으로 높은 지역을 추출하는 기법으로 사용이 가능할 것으로 보인다.

• 응용통계연구
• /
• 제19권3호
• /
• pp.461-479
• /
• 2006

본 논문에서는 이원오차성분을 갖는 패널회귀모형에서 모형식별을 위하여 LM 검정통계량을 유도하고 검정통계량의 연산을 위하여 인공회귀방법(Double-Length Artificial Regression, DLR)을 이용한다. 모의 실험 결과, 소표본의 경 우에는 Outer-Product Gradient(OPG)에 근거한 LM 검정통계량은 유위수준이 과대기각하는 경향을 보인 반면 DLR에 근거한 LM 검정통계량은 명목유의수준을 잘 유지하고 검정력도 높게 나타났다.

• 한국광학회지
• /
• 제18권2호
• /
• pp.167-170
• /
• 2007

젊은 한국인 정시안에 대한 임상 자료를 가지고 구면수차 이외에 비축수차인 비점수차, 상면만곡과 왜곡수차들을 포함하는 실안의 광학적 성능과 유사한 정밀모형안을 설계하였다. 또한 수정체가 갖는 Gradient index 형태의 매질을 광학적으로 조사하였고, GRIN 매질을 수정체에 도입하여 정밀모형안을 설계하였다.

• 대한의용생체공학회:의공학회지
• /
• 제18권3호
• /
• pp.243-251
• /
• 1997

본 연구에서는 유체보상 경사자장 기법(flow-compensation-gradient of gradient-moment nulling method)을 이용하지 않은 Tailored RF를 이용한 TRFGE(tailored rf gradient echo) 영상에는 유체유입효과(in-flow effect)가 나타나지 않지만 절편(slice)내에서 판독경사자장(reading gradient)과 같은 방향으로 흐르는 유체는 신호가 강조가 됨을 이론과 실험으로 보였다. 절편 내에서 판독경사자장과 같은 방향으로 흐르는 유체의 신호가 TRFGE 영상에서 강조되는 이유를 이론적으로 설명하였으며 이 이론을 뒷받침 할 실험을 위해 유체 모형을 제작하였다. 원통 모양의 물 모형 중앙으로 유체 관을 통해 식염수(saline)가 주자장(B$B_0$)와 평행인 z 축 방향으로 흐를 수 있도록 하였다. 유체가 흐를 때와 흐르지 않을 때 CGE(conventional gradient echo) 영상과 TRFGE 영사을 얻어 각각 비교하였다. 유체 유입효과를 관찰하기 위해서는 횡단면(axial)의 영상을 얻었고 절편 내에서 판독경사자장과 같은 방향으로 흐르는 유체의 영상신호를 관찰하기 위해서 시상면(sagittal) 영상을 얻었다.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1123-1130
• /
• 2020

본 연구는 고속도로 교통사고 심각도 예측모델을 구축하기 위해 다섯가지 머신러닝 기반의 분류모형 적용하였다. 2015년~2017년 동안 전국 고속도로에서 발생한 사고 데이터 21,013건을 5가지의 분류 모형을 적용한 결과 LightGBM(Light Gradient Boosting Model)이 가장 좋은 성능을 나타내는 것으로 나타났다. LightGBM에서는 교통사고심각도 추정에 있어 우선순위 요인으로 사고차량 수, 사고유형, 사고지점, 사고차로유형, 사고차량 유형 순으로 나타났다. 이러한 모형의 결과를 기반으로 일관적인 사고심각도 예측 과정을 통하여 교통사고대응관리 전략 수립에 활용할 수 있다. 본 연구는 국내 기계학습을 활용한 사례가 적은 여건에서 향후 빅데이터 기반의 다양한 기계학습 기법을 활용이 가능함을 제시하고 있다.

• 대한교통학회지
• /
• 제27권6호
• /
• pp.147-156
• /
• 2009

본 논문에서는 기 운영되고 있는 도시부 대중교통을 대상으로 노선의 운행빈도 설계 문제의 모델링 및 해법 개발을 위한 방법론을 제시하였다. 개발된 운행빈도 모형은 이중구조 모형으로서 상위 운영자 모형은 이용 가능한 총 차량 대수제약과 최소/최대 운행빈도 제약 하에 비용과 수익을 모두 포함한 순비용을 최소화하는 비선형 최적화 모형이고, 하위 사용자 모형은 가변수요와 용량제약으로 인한 노선의 혼잡, 그리고 노선 간환승에 따른 지체를 고려한 확률적 사용자 평형수단/경로선택 모형이다. 모형의 해법으로는 상위 모형의 경우 목적함수의 그레디언트를 기반으로 하는 "그레디언트 투사 해법"을 제안하였고, 하위모형의 경우는 기존의 "반복조정해법"을 활용하였다. 또한, 구축된 모형과 해법을 소규모 예제네트워크에 적용하여 그 수렴성과 도출된 해를 분석하였다. 본 논문의 운행빈도 설계방법론은 노선의 운영 효율성을 진단 평가하고, 투입 차량대수 제약 하에 대중교통 운영 효율을 개선하는 방안을 마련하는 데 있어 이론적인 토대로 활용될 수 있을 것으로 기대된다.

• 응용통계연구
• /
• 제28권5호
• /
• pp.933-949
• /
• 2015

최근 상업방송의 도입과 채널의 다양화로 국내 드라마 시장의 시청률 경쟁이 심화되었다. 이에 시청률에 대한 실증적인 연구의 필요성이 대두되고 있다. 본 연구의 목적은 다양한 데이터마이닝 기법을 이용하여 최근 방송시장의 변화를 고려한 국내 드라마 시청률 예측 모형을 제시하고 시청률에 유의한 영향을 미치는 변수들을 도출하는 데 있다. 모형 적합 시 선형회귀모형, LASSO 회귀모형, 랜덤 포레스트, 그래디언트 부스팅 등과 같은 다양한 분석 방법을 고려하였다. 이 때 드라마 방영 전 알 수 있는 기본 정보들만을 고려하여 드라마의 초반 시청률을 예측하는 모형을 적합한 후 방영 초기의 여론을 고려한 평균 시청률 예측 모형을 적합하였다. 그 결과 드라마 초반 시청률은 방송사, 방송시간, 드라마 방영 이전 드라마 관련 검색량 등 드라마의 구조적 요인과 임소문 효과의 영향을 크게 받으며, 평균 시청률은 드라마 초반 시청률과 드라마 방영 이후 드라마 관련 검색량 등 방영 초기의 여론에 큰 영향을 받는 것으로 나타났다.

• 디지털융복합연구
• /
• 제19권7호
• /
• pp.271-282
• /
• 2021

본 연구는 미숙아의 재원일수 예측 모형을 머신러닝 기법을 통해 개발하기 위해 수행 되었다. 모형 개발을 위해 질병관리본부에서 수집한 퇴원손상심층조사 자료의 2011년부터 2016년까지 퇴원한 미숙아 6,149건을 이용하였다. 입원 초기 신경망 모형은 설명력(R²)이 0.75로 다른 모형에 비해 우수 하였다. 입원 초기 변수에 임상진단을 CCS(Clinical class ification software)로 변환하여 추가 투입한 모형은 큐비스트(Cubist) 모형의 설명력(R²)이 0.81로 랜덤 포레스트(Random Forests), 그라디언트 부스트(Gradient boost), 신경망(neural network), 벌점화 회귀(Penalty regression) 모형에 비해 성능이 우수 하였다. 본 연구는 전국단위 데이터를 이용한 미숙아의 재원일수 예측 모형을 머신러닝을 통해 제시하고 그 활용 가능성을 확인하였다. 하지만 임상정보, 부모정보 등 데이터의 한계로 향후 성능 향상을 위한 추가 연구가 필요하다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.