• 제목/요약/키워드: network performance

검색결과 13,802건 처리시간 0.045초

MLP 기반의 서울시 3차원 지반공간모델링 연구 (MLP-based 3D Geotechnical Layer Mapping Using Borehole Database in Seoul, South Korea)

  • 지윤수;김한샘;이문교;조형익;선창국
    • 한국지반공학회논문집
    • /
    • 제37권5호
    • /
    • pp.47-63
    • /
    • 2021
  • 최근 디지털 트윈 관점의 3차원 지하공간 지도의 수요 및 유관분야의 연계 활용 요구가 증대되고 있다. 그러나 전국단위의 지반조사 자료의 방대함과 이를 활용함에 있어 공간적/추계학적 기법 적용의 불확실성으로 인해 신뢰도 높은 지역적 지반특성화 연구와 그에 따른 최적화 모델 제시에 어려움이 있다. 따라서 본 연구에서는 서울지역 3차원 지하공간의 공학적 지층분류를 위해 다층 퍼셉트론(MLP) 기반의 최적 학습모델을 구축하였다. 먼저, 서울지역에 분포하는 시추공별 층상구조 및 3차원 공간좌표를 표준화 서식에 따라 지반정보 데이터베이스로 구축하고 기계학습을 위한 결측치 보정, 정규화 등의 데이터 전처리를 하였다. MLP 모델의 파라미터 최적화와 정밀도 및 정확도 관련 모델 성능 평가를 통해 최적의 피팅 모델을 설계하였다. 이후 3차원 지반 공간레이어 구축을 위한 수치표고모델 기반 격자망을 구성하고, 단위격자별 MLP기반 예측모델 적용을 통한 층상구조를 결정하고 이를 가시화하였다. 구축된 3차원 지반모델은 범용적인 지구통계학적 공간보간 기법의 적용 결과 및 지질도의 표토층 성상과 비교하여 그 성능을 평가하였다.

관계형 강화 학습을 위한 도메인 지식의 효과적인 활용 (Effective Utilization of Domain Knowledge for Relational Reinforcement Learning)

  • 강민교;김인철
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제11권3호
    • /
    • pp.141-148
    • /
    • 2022
  • 최근 들어 강화 학습은 심층 신경망 기술과 결합되어 바둑, 체스와 같은 보드 게임, Atari, StartCraft와 같은 컴퓨터 게임, 로봇 물체 조작 작업 등과 같은 다양한 분야에서 매우 놀라운 성공을 거두었다. 하지만 이러한 심층 강화 학습은 행동, 상태, 정책 등을 모두 벡터 형태로 표현한다. 따라서 기존의 심층 강화 학습은 학습된 정책의 해석 가능성과 일반성에 제한이 있고, 도메인 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 한계점들을 해결하기 위해 제안된 새로운 관계형 강화 학습 프레임워크인 dNL-RRL은 센서 입력 데이터와 행동 실행 제어는 기존의 심층 강화 학습과 마찬가지로 벡터 표현을 이용하지만, 행동, 상태, 그리고 학습된 정책은 모두 논리 서술자와 규칙들로 나타내는 관계형 표현을 이용한다. 본 논문에서는 dNL-RRL 관계형 강화 학습 프레임워크를 이용하여 제조 환경 내에서 운송용 모바일 로봇을 위한 행동 정책 학습을 수행하는 효과적인 방법을 제시한다. 특히 본 연구에서는 관계형 강화 학습의 효율성을 높이기 위해, 인간 전문가의 사전 도메인 지식을 활용하는 방안들을 제안한다. 여러 가지 실험들을 통해, 본 논문에서 제안하는 도메인 지식을 활용한 관계형 강화 학습 프레임워크의 성능 개선 효과를 입증한다.

Cardioprotective effect of ginsenoside Rb1 via regulating metabolomics profiling and AMP-activated protein kinase-dependent mitophagy

  • Hu, Jingui;Zhang, Ling;Fu, Fei;Lai, Qiong;Zhang, Lu;Liu, Tao;Yu, Boyang;Kou, Junping;Li, Fang
    • Journal of Ginseng Research
    • /
    • 제46권2호
    • /
    • pp.255-265
    • /
    • 2022
  • Background: Ginsenoside Rb1, a bioactive component isolated from the Panax ginseng, acts as a remedy to prevent myocardial injury. However, it is obscure whether the cardioprotective functions of Rb1 are related to the regulation of endogenous metabolites, and its potential molecular mechanism still needs further clarification, especially from a comprehensive metabolomics profiling perspective. Methods: The mice model of acute myocardial ischemia (AMI) and oxygen glucose deprivation (OGD)-induced cardiomyocytes injury were applied to explore the protective effect and mechanism of Rb1. Meanwhile, the comprehensive metabolomics profiling was conducted by high-performance liquid chromatography and quadrupole time-of-flight mass spectrometry (HPLC-Q/TOF-MS) and a tandem liquid chromatography and mass spectrometry (LC-MS). Results: Rb1 treatment profoundly reduced the infarct size and attenuated myocardial injury. The metabolic network map of 65 differential endogenous metabolites was constructed and provided a new inspiration for the treatment of AMI by Rb1, which was mainly associated with mitophagy. In vivo and in vitro experiments, Rb1 was found to improve mitochondrial morphology, mitochondrial function and promote mitophagy. Interestingly, the mitophagy inhibitor partly attenuated the cardioprotective effect of Rb1. Additionally, Rb1 markedly facilitated the phosphorylation of AMP-activated protein kinase α (AMPKα), and AMPK inhibition partially weakened the role of Rb1 in promoting mitophagy. Conclusions: Ginsenoside Rb1 protects acute myocardial ischemia injury through promoting mitophagy via AMPKα phosphorylation, which might lay the foundation for the further application of Rb1 in cardiovascular diseases.

반려동물용 자동 사료급식기의 비용효율적 사료 중량 예측을 위한 딥러닝 방법 (A Deep Learning Method for Cost-Effective Feed Weight Prediction of Automatic Feeder for Companion Animals)

  • 김회정;전예진;이승현;권오병
    • 지능정보연구
    • /
    • 제28권2호
    • /
    • pp.263-278
    • /
    • 2022
  • 최근 IoT 기술의 발달로 외출 중에도 반려동물에 급여하도록 자동 사료급식기가 유통되고 있다. 그러나 자동급식에서 중요한 중량을 측정하는 저울 방식은 쉽게 고장이 나고, 3D카메라 방식은 비용이 든다는 단점이 있으며, 2D카메라 방식은 중량 측정의 정확도가 떨어진다. 특히 사료가 복합된 경우 중량 측정 문제는 더욱 어려워질 수 있다. 따라서 본 연구의 목적은 2D카메라를 사용하면서도 중량을 정확하게 추정할 수 있는 딥러닝 접근법을 제안하는 것이다. 이를 위해 다양한 합성곱 신경망을 이용하였으며, 그중 ResNet101 기반 모델이 3.06 gram의 평균 절대 오차와 3.40%의 평균 절대비 오차를 기록하며 가장 우수한 성능을 보였다. 본 연구의 결과로 사료와 같이 규격화된 물체의 중량을 확보가 용이한 2D 이미지를 통해서만 예측할 필요가 있을 경우 유용한 정보로 활용될 수 있다.

유튜브 이용자의 제20대 대통령선거 이슈 이용: '대장동 개발 사업' 사례를 중심으로 (Use of the 20th Presidential Election Issues on YouTube: A Case Study of 'Daejang-dong Development Project')

  • 김춘식;홍주현
    • 문화기술의 융합
    • /
    • 제8권4호
    • /
    • pp.435-444
    • /
    • 2022
  • 이 논문의 주요 관심사는 세 가지이다. 첫째, 유튜브 이용자가 제20대 대통령선거의 주요 의제이자 후보자 선택의 기준인 '대장동 개발 사업' 콘텐츠를 어떤 채널을 통해 시청했는지 확인했다. 둘째, 연이어 '대장동 개발 사업' 동영상을 시청했을 때 후속 동영상의 정치적 논조가 최초 시청 동영상의 정치적 논조와 일치하는지 비교했다. 셋째, 최초 동영상과 후속 시청 동영상에 달린 댓글에 담긴 정서 유인가를 살폈다. 네트워크 분석과 내용분석 결과에 따르면 '김어준의 뉴스공장'과 'TV조선 뉴스'가 진보와 보수를 대표하는 채널이었다. 그리고 연이어 시청한 후속 채널의 정치적 성향은 진보와 보수 채널 이용자 모두 중립의 비율이 가장 높았다. 둘째, 보수 채널 이용자의 75.9%, 그리고 진보 채널 이용자의 18.5%가 동일한 논조의 후속 동영상에 댓글을 남겼다. 셋째, 진보와 보수 채널 이용자의 약 80%가 최초 시청 동영상에 남긴 댓글의 정서는 이용 채널의 정치적 성향과 일치했고, 동일한 논조의 후속 동영상을 연이어 시청했을 때도 남겨진 댓글의 90% 이상이 이용 채널의 정치적 성향과 일치했다. 연구자들은 유튜브 정치 정보 이용의 부정적 영향을 최소화하는 방안으로 뉴스 채널의 고품질 저널리즘 실천을 제안한다.

주기성을 갖는 입출력 데이터의 연관성 분석을 통한 회귀 모델 학습 방법 (Learning Method for Regression Model by Analysis of Relationship Between Input and Output Data with Periodicity)

  • 김혜진;박예슬;이정원
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제11권7호
    • /
    • pp.299-306
    • /
    • 2022
  • 최근 로봇이나 설비, 회로 등에 센서 내장이 보편화 되고, 측정된 센서 데이터를 학습하여 기기의 고장을 진단하기 위한 연구가 활발하게 수행되고 있다. 이러한 고장 진단 연구는 고장 상황이나 종류를 예측하기 위한 분류(Classification) 모델 개발과 정량적으로 고장 상황을 예측하기 위한 회귀(Regression) 모델 개발로 구분된다. 분류 모델의 경우, 단순히 고장이나 결함의 유무(Class)를 확인하는 반면, 회귀 모델은 무수히 많은 수치 중에 하나의 값(Value)을 예측해야 하므로 학습 난이도가 더 높다. 즉, 입력과 출력을 대응시켜 고장을 예측을 할 때, 유사한 입력값이 동일한 출력을 낸다고 결정하기 어려운 불규칙한 상황이 다수 존재하기 때문이다. 따라서 본 논문에서는 주기성을 지닌 입출력 데이터에 초점을 맞추어, 입출력 관계를 분석하고, 슬라이딩 윈도우 기반으로 입력 데이터를 패턴화 하여 입출력 데이터 간의 규칙성을 확보하도록 한다. 제안하는 방법을 적용하기 위해, 본 연구에서는 MMC(Modular Multilevel Converter) 회로 시스템으로부터 주기성을 지닌 전류, 온도 데이터를 수집하여 ANN을 이용하여 학습을 진행하였다. 실험 결과, 한 주기의 2% 이상의 윈도우를 적용하였을 때, 적합도 97% 이상의 성능이 확보될 수 있음을 확인하였다.

딥러닝 모델 기반 위성영상 데이터세트 공간 해상도에 따른 수종분류 정확도 평가 (The Accuracy Assessment of Species Classification according to Spatial Resolution of Satellite Image Dataset Based on Deep Learning Model)

  • 박정묵;심우담;김경민;임중빈;이정수
    • 대한원격탐사학회지
    • /
    • 제38권6_1호
    • /
    • pp.1407-1422
    • /
    • 2022
  • 본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SE-Inception을 활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는 Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종 분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그중약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F1은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한 수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을 수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.

이기종 머신러닝기법을 활용한 KOSPI200 옵션변동성 예측 (Estimation of KOSPI200 Index option volatility using Artificial Intelligence)

  • 신소희;오하영;김장현
    • 한국정보통신학회논문지
    • /
    • 제26권10호
    • /
    • pp.1423-1431
    • /
    • 2022
  • 블랙숄즈모형에서 옵션가격을 결정하는 변수 중 기초자산의 변동성은 현재 시점에서는 알 수 없고, 미래시점에 실현된 변동성을 사후에야 알 수 있다. 하지만 옵션이 거래되는 시장에서 관찰되는 가격이 있기 때문에 가격에 내재된 변동성을 역으로 산출한 내재변동성은 현재 시점에 구할 수 있다. 내재변동성을 구하기 위해서는 옵션가격과, 블랙숄즈 모형의 변동성을 제외한 옵션가격결정변수인 기초자산가격, 무위험이자율, 배당률, 행사가격, 잔존기간이 필요하다. 블랙숄즈모형의 변동성은 고정된 상수이나, 내재변동성 산출시 행사가격에 따라 변동성이 다르게 산출되는 변동성스마일현상을 보이기도 한다. 따라서 내재변동성 산출시 옵션 단일 종목이 아닌 시장전반의 변동성을 감안하는 것이 필요하다고 판단하여 본 연구에서는 V-KOSPI지수도 설명변수로 추가하였다. 머신러닝기법 중 지도학습방법을 사용하였으며, Linear Regression 계열, Tree 계열, SVR과 KNN 알고리즘 및 딥뉴럴네트워크로 학습 및 예측하였다. Training성능은 Decision Tree모형이 99.9%로 가장 높았고 Test성능은 Random Forest 알고리즘이 96.9%로 가장 높았다.

SNS 데이터를 활용한 관광지 혼잡도 및 방문자 특성 분석에 관한 연구 (A Study on the Analysis of the Congestion Level of Tourist Sites and Visitors Characteristics Using SNS Data)

  • 이상훈;김수연
    • 한국산업정보학회논문지
    • /
    • 제27권5호
    • /
    • pp.13-24
    • /
    • 2022
  • SNS는 일상생활에 매우 밀접한 서비스가 되었다. SNS를 통해 마케팅이 이루어지면서 흔히 핫플레이스라 불리는 장소가 생겨나고, 이곳으로 사용자들이 몰리고 있다. 하지만 단기간 많은 사람이 몰리며 혼잡한 경우가 빈번하게 발생하여 방문자와 서비스 제공자 모두 부정적인 경험을 하게 되는 경우가 많다. 이러한 문제를 개선하기 위해 혼잡도를 파악해야 하지만 개인적 수준에서 특정 지역의 혼잡도를 알아볼 방법은 매우 한정적이다. 이에 본 연구에서는 SNS상의 데이터를 활용하여 특정 관광지에 대한 혼잡도 정보 및 방문자들의 특성을 파악할 수 있는 시스템을 제시하고자 하였다. 이를 위해 사용자들이 업로드한 포스팅 데이터와 이미지 분석을 사용하였으며 네이버 DataLab 시스템을 이용하여 제안 시스템의 성능을 검증하였다. 관광지 유형별로 3개 장소를 선정하여 비교 검증한 결과 본 연구에서 산출한 결과와 DataLab에서 제공하는 혼잡도 수준이 유사한 것으로 나타났으며, 특히 본 연구는 특정 기업이나 서비스에 종속되지 않는 사용자의 실 데이터에 기반한 혼잡도를 제공하였다는 것에 의의가 있다.

딥러닝을 이용한 소도체 영상의 등급 분석 및 단계별 평가 (Grade Analysis and Two-Stage Evaluation of Beef Carcass Image Using Deep Learning)

  • 김경남;김선종
    • 문화기술의 융합
    • /
    • 제8권2호
    • /
    • pp.385-391
    • /
    • 2022
  • 소도체의 품질평가는 축산업 분야의 중요한 문제이다. 최근 인공지능을 기반으로 한 AI 모니터 시스템을 통해 품질 관리사는 소도체 영상의 분석이나 결과 정보를 기반으로 정확한 판단에 도움을 받을 수 있다. 이러한 인공지능의 데이터셋은 성능을 판단하는 중요한 요소이다. 기존의 데이터셋은 표면의 방향이나 해상도가 달라질 수 있다. 본 논문에서는 딥러닝을 이용한 소도축 영상의 등급을 효율적으로 관리할 수 있는 단계별 분류 모델을 제안하였다. 그리고 기존의 세그멘테이션 추출된 영상의 데이터셋의 다양한 조건의 일관성을 위해 새로운 데이터셋 1,300장을 구성하였다. 새로운 데이셋을 이용한 5등급 분류에 대한 딥러닝의 인식률은 72.5%를 얻었다. 제안된 단계별 분류는 1++, 1+, 1등급과 2, 3등급의 차이가 크다는 것을 이용한 방안이다. 이로 인해 제안된 2단계 모델의 두 가지 방법에 따른 실험 결과, 73.7%, 77.2%의 인식률을 얻을 수 있었다. 이처럼 1단계 인식률을 100%를 갖는 데이터셋을 가진다면 더욱 효율적인 방법이 될 것이다.