• 콘크리트학회논문집
• /
• 제20권4호
• /
• pp.513-522
• /
• 2008

섬유복합재료의 우수한 인장 성능은 섬유가 매트릭스의 균열 면에서 가교작용을 함으로써 발현되기 때문에 섬유의 분포 특성이 복합재료의 성능에 결정적인 영향을 미치게 된다. 그러나 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 경우 PVA 섬유와 매트릭스 사이의 낮은 명암비와 PVA의 비전도성 특징으로 인하여 섬유의 위치 및 분포특성을 정량적으로 평가히는 방법은 연구가 미흡한 실정이다. 이 연구에서는 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 섬유 분포 특성 등을 평가할 때 가장 중요한 과정인 섬유의 검출에 대하여 검출 성능을 향상 시킬 수 있는 알고리즘을 제시하였다. 제안한 알고리즘은 형광 현미경을 사용하여 얻은 섬유 이미지를 유형별로 분류하고, 분류된 분류된 섬유 이미지의 특성에 따라 분수령 알고리즘 (watershed algorithm)과 형태학적 재구성 (morphological reconstruction)을 이용하여 보다 정확히 섬유를 검출하는 과정으로 구성된다. 이 과정에서 섬유 이미지를 총 5가지 유형으로 분류하였으며, 인공신경회로망(ANN)을 분류기로 활용하기 위하여 형상 특성을 나타내는 5가지 특징값 즉, $F_s$, $F_c$, $F_p$, $F_l$과 $F_{rl}$을 추출하였다. 추출된 특징값에 대한 데이터베이스를 구축하여 ANN을 학습하여 분류기를 구축함으로써 섬유의 유형을 자동으로 분류할 수 있도록 하였다. 또한 5가지 섬유 이미지 유형 중에서 잘못 검출된 섬유이미지를 분수령 알고리즘과 형태학적 재구성을 통하여 섬유를 정확히 검출할 수 있는 기법을 제안하였다.

• 한국측량학회지
• /
• 제37권4호
• /
• pp.219-231
• /
• 2019

간판은 유형마다 간판의 규격이 정해져 있으나 실제 설치된 간판은 형태와 크기가 일정하지 않다. 또한, 간판은 간판 내부의 색상에 대한 규정이 정해져 있지 않기 때문에 다양한 색상을 갖고 있다. 간판을 인식하기 위한 방법은 도로표지판과 차량번호판을 인식하는 유사한 방법으로 생각할 수 있으나 간판의 특성으로 인해 도로표지판과 차량번호판과 유사한 방법으로 간판을 인식할 수 없는 한계점이 있다. 이에 본 연구에서는 딥러닝 기반의 Faster R-CNN 알고리즘을 이용하여 불법 및 노후 간판의 주요 대상이 되는 판류형 간판을 인식하고 간판의 영역을 자동으로 추출하는 방법론을 제안하였다. 스마트폰 카메라를 이용하여 촬영한 간판 영상을 통해 판류형 간판을 인식하는 과정은 2가지의 순서로 나뉜다. 먼저, 다양한 유형의 간판 영상에서 판류형 간판을 인식하기 위해 딥러닝을 이용하여 간판의 유형을 인식하였으며 그 결과는 약 71%의 정확도로 나타났다. 다음으로 판류형 간판의 경계영역을 인식하기 위해 간판 영역 인식 알고리즘을 적용하였을 때 85%의 정확도로 판류형 간판의 경계영역을 인식하였다.

• 한국항해항만학회지
• /
• 제46권3호
• /
• pp.280-288
• /
• 2022

본 연구는 정상 가동 중에도 회전수가 변하는 기기의 이상 및 고장 진단 방안을 다루고 있다. 회전수가 변함에 따라 비정상적 시계열 특성을 내포한 센서 데이터에 기계학습을 적용할 수 있는 절차를 제시하고자 하였다. 기계학습으로는 k-Nearest Neighbor(k-NN), Support Vector Machine(SVM), Random Forest을 사용하여 이상 및 고장 진단을 수행하였다. 또한 진단 정확성을 비교할 목적으로 이상 감지에 오토인코더, 고장진단에는 합성곱 기반의 Conv1D도 추가로 이용하였다. 비정상적 시계열로부터 통계 및 주파수 속성으로 구성된 시계열 특징 벡터를 추출하고, 추출된 특징 벡터에 정규화 및 차원 축소 기법을 적용하였다. 특징 벡터의 선택과 정규화, 차원 축소 여부에 따라 달라지는 기계학습의 진단 정확도를 비교하였다. 또한, 적용된 학습 알고리즘 별로 초매개변수 최적화 과정과 적층 구조를 설명하였다. 최종적으로 기존의 심층학습과 비교하여, 기계학습도 가변 회전기기의 고장을 정확하게 진단할 수 있는 절차를 제시하였다.

• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1283-1293
• /
• 2022

본 연구는 정수장의 수처리 공정에서 계측되고 있는 수량 및 수질데이터의 활용과 수처리 공정제어의 지능화를 위한 것으로 정수장에서 전염소 공정이 수반되는 처리공정에서 침전지 유출수 잔류염소농도 안정화를 위하여 이를 추정할 수 있는 모형을 구축하고자 하였다. 정수장 침전지 유출수의 잔류염소농도를 예측하기 위하여 중회귀모형과 인공지능 알고리즘 중 다층퍼셉트론 신경망, 랜덤포레스트 및 장단기기억(Long Short Term Memory; LSTM) 모형을 활용하였고 그 결과를 비교, 평가하였다. 모형의 입력변수로는 전염소 공정이 도입된 정수장에서의 잔류염소농도, 수온, 탁도, pH, 전기전도도, 유량, 알칼리도 등이 사용되었고 전염소에 따른 침전지의 안정적 운영을 위해 요구되는 침전지 잔류염소농도를 출력변수로 구성하였다. 적용 결과에서는 랜덤포레스트 모형이 가장 양호한 결과를 보여 주었으며 다음으로 LSTM, 다층퍼셈트론 신경망 순으로 나타났다. 수학적 모형인 중회귀모형은 적합도 측면에서 가장 낮은 결과를 보여 주었는데, 이는 수량과 수질데이터의 수치적인 규모나 차원의 차이뿐만 아니라 계절별 수질특성에 따라 염소소비 특성이 매우 다양하게 반응하기 때문으로 판단된다. 따라서 정수장 수처리 공정에서 인공지능 알고리즘의 적용을 위해서는 랜덤포레스트와 같이 의사결정 트리구조의 도입과 적용이 타당한 것으로 나타났다. 본 연구에서 분석된 결과를 근거로 전염소 공정이 도입된 정수장 수처리 공정에서 염소주입량을 실시간으로 예측 가능하게 함으로써 침전지 유출수에서 잔류염소농도를 일정하게 유지하는데 기여할 수 있을 것으로 기대된다.

• 한국재난정보학회 논문집
• /
• 제19권2호
• /
• pp.334-343
• /
• 2023

연구목적: 본 연구에서는 지반공동탐사로 발견된 공동자료를 지하시설물과의 원인별 상관관계로 분석하고, AI 알고리즘 기반으로 지반침하 예측지도를 검증하여 시민에게 안전한 도로 환경을 제공하고자한다. 연구방법: 위험도 평가 관련 데이터조사와 빅데이터 수집, AI분석을 위한 데이터 전처리, 그리고 AI 알고리즘을 이용하여 지반침하 위험도 예측지도 검증 등 3가지 단계로 연구를 수행하였다. 연구결과:작성한 지반침하 위험 예측지도를 분석하여 부산시 부산진구와 사하구에 대해 긴급, 우선, 일반 3단계의 공동관리 위험등급 분포를 확인 할 수 있었다. 또한, 지반침하 위험 등급 예측 값을 도로노선의 구간별로 정리하여 긴급 등급이 포함된 도로가 부산진구는 총 61개구간 중 3개소, 사하구는 총 68개구간 중 7개소임을 확인하였으며 각 도로노선별 지반침하 위험 예측 순위를 파악하였다. 결론: 도출된 지반침하 위험 예측지도를 바탕으로 효율적으로 탐사구간을 설정하여 우선 조사, 선제 조치함으로써 시민들의 불안을 해소하고 효율적인 도로유지관리 및 보수, 제도의 개선 등의 부수적인 효과를 얻을 수 있다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

• 대한교통학회지
• /
• 제22권3호
• /
• pp.145-157
• /
• 2004

국내 실시간 신호제어시스템은 주요교차로의 검지체계에서 산출되는 포화도 정보 및 실시간 신호운영자료를 토대로 차기 주기길이를 설계하고 있다. 이러한 국내 실시간 신호제어시스템의 주기길이 설계모형에 의해 설계되는 차기주기길이는 교통량이 증가하면 주기길이도 증가한다는 주기길이 결정 기본원리를 따르고 있으나 해당 주기길이 설계모형으로 결정되는 주기길이가 과연 지체최소화 주기인지 검토가 요구된다. 또한 국내 실시간 신호제어시스템의 주기길이 설계모형에는 운영자 결정 변수가 있어 차기 주기길이 설계가 비효율적일 수 있으므로 운영자 결정 변수를 제외한 주기길이 설계모형 개발이 필요하다. 이에 본 연구에서는 (1)국내 실시간 신호제어시스템의 주기길이 설계모형을 검토하고, (2)운영자 결정변수를 제외한 주기길이 설계모형을 개발한다. 국내 실시간신호제어시스템의 주기길이 설계모형을 검토한 결과 (1)교차로의 운영상태가 비포화일 경우 지체최소화 주기보다 큰 주기길이를 설계하는 것으로 검토되었고, (2)교차로의 현재 신호주기가 90초 이상일 경우 목적 운영포화도(Target operational volume-to-capacity ratio)가 0.90을 유지하는 반면 신호주기가 90초 미만일 경우 목적운영포화도가 0.90보다 작아지는 것으로 검토되었다. 본 연구는 이러한 점을 고려, 신경망을 이용하여 운영자 결정변수를 제외한 국내 실시간 신호제어시스템을 위한 지체 최소화 주기길이 설계 모형을 개발하였다. 모형 검증결과 본 연구에서 개발된 신경망 모형은 국내 실시간 신호 제어시스템과는 달리 지체최소화 주기길이와 유사한 패턴으로 주기길이를 설계한다는 결과를 도출하였다.택배서비스시장도 성장한 것으로 나타났다. 특히 정부주도에 의한 정보화추진이 전자상거래를 촉진시켜 택배서비스시장에 영향을 미친 것으로 분석되었다.수 있는 Load Balancing System을 제안한다.할 때 가장 효과적인 라우팅 프로토콜이라고 할 수 있다.iRNA 상의 의존관계를 분석할 수 있었다.수안보 등 지역에서 나타난다 이러한 이상대 주변에는 대개 온천이 발달되어 있었거나 새로 개발되어 있는 곳이다. 온천에 이용하고 있는 시추공의 자료는 배제하였으나 온천이응으로 직접적으로 영향을 받지 않은 시추공의 자료는 사용하였다 이러한 온천 주변 지역이라 하더라도 실제는 온천의 pumping 으로 인한 대류현상으로 주변 일대의 온도를 올려놓았기 때문에 비교적 높은 지열류량 값을 보인다. 한편 한반도 남동부 일대는 이번 추가된 자료에 의해 새로운 지열류량 분포 변화가 나타났다 강원 북부 오색온천지역 부근에서 높은 지열류량 분포를 보이며 또한 우리나라 대단층 중의 하나인 양산단층과 같은 방향으로 발달한 밀양단층, 모량단층, 동래단층 등 주변부로 NNE-SSW 방향의 지열류량 이상대가 발달한다. 이것으로 볼 때 지열류량은 지질구조와 무관하지 않음을 파악할 수 있다. 특히 이러한 단층대 주변은 지열수의 순환이 깊은 심도까지 가능하므로 이러한 대류현상으로 지표부근까지 높은 지온 전달이 되어 나타나는 것으로 판단된다.의 안정된 방사성표지효율을 보였다. $^{99m}Tc$-transferrin을 이용한 감염영상을 성공적으로 얻을 수 있었으며, $^{67}Ga$-citrate 영상과 비교하여 더 빠른 시간 안에 우수한 영상을 얻을 수

• 대한의용생체공학회:의공학회지
• /
• 제25권5호
• /
• pp.421-430
• /
• 2004

임상적으로 의사가 청진기를 이용해 초기 혈전이 생긴 기계식 판막 음향신호의 변화를 구분하기는 쉽지 않다. 기계식 판막의 이상은 환자의 죽음을 의미하기 때문에 기계식 판막의 신뢰성과 초기 혈전 현상을 비관혈적으로 조기 진단하는 방법은 매우 중요하다. 이 논문은 컴퓨터 보조진단 시스템과 음향신호의 주파수 스펙트럼의 이동을 관찰하여 기계식 판막의 혈전 현상을 비관혈적으로 평가하는 것을 목적으로 한다. 혈전 모델은 상용화된 기계식 판막에 폴리우레세인과 실리콘을 이용하여 제작하였다. 판막의 표면에는 폴리우레세인을 코팅하고, 봉합링에는 실리콘을 코팅하였다. 봉합링의 주위에서 혈전이 발생하고, 20％, 40％, 60％로 자라나는 현상은 실리콘을 이용하여 제작하였다. 실험 시스템에서 판막의 음향 신호는 마이크로폰과 증폭기를 사용하여 측정하였고, 마이크로폰에는 주위잡음을 제거하기 위해 커플러를 장착하였다. 측정된 음향신호는 A/D 컨버터를 이용하여 샘플링하고, 스펙트럼을 분석하였다. 정상적인 판막과 혈전이 형성된 판막의 주파수 구분을 위해 인공신경망을 구성하였고, 연속적으로 판막의 운동 주기성을 확인하기 위하여 return map을 사용하였다. 생체 내 실험에서는 기계식 판막을 사용하는 순환장치를 장착한 동물과 기계식 판막을 치환 받은 지 1년 이내와 1년이 넘은 환자에게서 데이터를 채집하였다. 실험에서 얻은 데이터 스펙트럼은 두 가지 형태의 첨두치를 보였고, 이중에서 두 번째 첨두치는 혈전의 모델에 따라 변화를 보였다. 생체 내, 외 실험에서 얻은 데이터를 인공신경망에 적용한 결과 정상 판막과 혈전이 생성된 판막을 구분하였고, 환자를 대상으로 한 실험에서는 10명 중 1명이 두 번째 첨두치가 이동하는 결과를 보였지만 다른 방법으로 확인하지는 못했다. 본 논문의 결과는 기계식 판막의 혈전현상을 비침습적으로 조기 진단하고, 상태를 지속적으로 감시할 수 있는 기술적 토대를 제공할 것이다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.