• 지능정보연구
• /
• 제22권2호
• /
• pp.127-142
• /
• 2016

딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.

• 한국자원식물학회지
• /
• 제32권1호
• /
• pp.53-62
• /
• 2019

본 연구는 우리나라에 자생하고 있는 비비추속 식물 6종(일월비비추, 주걱비비추, 다도해비비추, 좀비비추, 한라비비추, 흑산도비비추)의 정단을 이용하여 대량증식과 품종개발 등을 위한 기내증식체계를 확립하고자 하였다. 정단은 0.5, 1.0, 2.0, 4.0 mg/L BA와 0.1, 0.5, 1.0, 2.0 mg/L TDZ를 0.1 mg/L NAA와 각각 혼용한 조건과 PGRs을 무첨가한 조건(control)의 MS배지에 배양하였다. 배양 8주 후에 embryogenic callus, somatic embryo, crown bud, 그리고 신초와 뿌리의 분화 및 생육, 생체중 등에 대하여 조사하였다. 6종의 비비추 식물 모두에서 control에 비하여 PGRs 처리구의 embryogenic callus와 somatic embryo 형성율, 다신초 분화율이 높았다. 분화된 신초의 개수는 일월비비추는 2.0 mg/L TDZ에서 5.4개, 주걱비비추와 다도해비비추는 1.0 mg/L TDZ에서 각각 3.3개, 5.8개, 좀비비추는 0.5mg/L BA에서 11.1개, 흑산도비비추는 0.5 mg/L TDZ에서 9.8개, 한라비비추는 1.0 mg/L BA, 0.1 mg/L TDZ에서 8.1개로 가장 많았다. Somatic embryo 형성에서는 다도해비비추와 흑산도비비추가 처리한 PGRs에 대해 효과적이었고, 일월비비추, 주걱비비추, 좀비비추, 한라비비추에서는 상대적으로 효과가 적었다. 4종의 자생 비비추(일월비비추, 주걱비비추, 다도해비비추, 흑산도비비추)에서 조사된 crown bud도 control에 비하여 PGRs 처리구에서 더많이 형성되었다. 주걱비비추는 cytokinin의 종류 및 농도와 상관없이 callus와 신초 분화에 큰 효과가 나타나지 않았지만, crown bud의 형성에는 TDZ에서 약간 증가하였다.

• 한국해안·해양공학회논문집
• /
• 제35권6호
• /
• pp.109-120
• /
• 2023

광해역의 표층 해수유동을 준 실시간으로 측정하는 장비인 해양 고주파 레이다(High Frequency Radar, HFR)는 특정 전파대역(HF)의 주파수를 해수면으로 발사하고 후방으로 산란된 전파를 분석하여 표층 유속 벡터를 측정한다(Crombie, 1955; Barrick, 1972). 본 연구에서 사용되는 Codar사의 Seasonde HF radar의 경우, 무지향성 안테나에서 송·수신한 전파의 브래그 피크(Bragg peak)의 강도와 다중신호분류(Mutiple Signal Classification, MUSIC) 알고리즘을 통하여 방사형 해류(Radial Vector)의 속도와 위치를 결정하게 된다. 이때 생산된 해류는 관측 전파 수신 환경의 특성이 고려되지 않은 이상적인 전파환경(Ideal Pattern)이 적용된 자료로써 이를 보정하기 위하여 안테나 패턴 측정(Antenna Pattern Measurement, APM)을 시행하여 보정된 방사해류장(Measured Radial Vector)을 계산하게 된다. APM의 관측원리는 안테나로부터 수신되는 각 위치별 신호 강도값을 측정하여 해류의 위치 및 위상 정보를 수정하는 것으로 일반적으로 선박에 안테나를 설치하여 실험을 진행한다. 하지만 선박을 활용할 시, 기상조건과 해양 상황 등 다양한 환경에 의해 최적의 APM 결과를 산출하기까지 많은 제약이 따른다. 따라서 APM 실험에 대하여 해상 상황에 대한 의존도를 낮추고 경제적인 효율성을 높이기 위하여 무인항공기인 드론을 이용한 APM 활용 가능성을 검토하였다. 본 연구에서는 전남 완도군 당사리 당사도등대에 설치된 고주파레이다를 활용하여 선박을 활용한 APM 실험과 드론을 활용한 APM 실험을 진행하였으며 선박과 드론으로 관측된 결과가 적용된 방사형 해류와 계류된 고정부이를 활용하여 그 결과를 비교 분석하였다.