• 천문학회지
• /
• 제56권2호
• /
• pp.213-224
• /
• 2023

Type II solar radio bursts show frequency drifts from high to low over time. They have been known as a signature of coronal shock associated with Coronal Mass Ejections (CMEs) and/or flares, which cause an abrupt change in the space environment near the Earth (space weather). Therefore, early detection of type II bursts is important for forecasting of space weather. In this study, we develop a deep-learning (DL) model for the automatic detection of type II bursts. For this purpose, we adopted a 1-D Convolution Neutral Network (CNN) as it is well-suited for processing spatiotemporal information within the applied data set. We utilized a total of 286 radio burst spectrum images obtained by Hiraiso Radio Spectrograph (HiRAS) from 1991 and 2012, along with 231 spectrum images without the bursts from 2009 to 2015, to recognizes type II bursts. The burst types were labeled manually according to their spectra features in an answer table. Subsequently, we applied the 1-D CNN technique to the spectrum images using two filter windows with different size along time axis. To develop the DL model, we randomly selected 412 spectrum images (80%) for training and validation. The train history shows that both train and validation losses drop rapidly, while train and validation accuracies increased within approximately 100 epoches. For evaluation of the model's performance, we used 105 test images (20%) and employed a contingence table. It is found that false alarm ratio (FAR) and critical success index (CSI) were 0.14 and 0.83, respectively. Furthermore, we confirmed above result by adopting five-fold cross-validation method, in which we re-sampled five groups randomly. The estimated mean FAR and CSI of the five groups were 0.05 and 0.87, respectively. For experimental purposes, we applied our proposed model to 85 HiRAS type II radio bursts listed in the NGDC catalogue from 2009 to 2016 and 184 quiet (no bursts) spectrum images before and after the type II bursts. As a result, our model successfully detected 79 events (93%) of type II events. This results demonstrates, for the first time, that the 1-D CNN algorithm is useful for detecting type II bursts.

• 디지털융복합연구
• /
• 제11권6호
• /
• pp.129-135
• /
• 2013

SNS의 활용이 급격히 증가하면서, 소비자와 생산자 모두에게 구전(word-of-mouse)의 중요성과 유용성은 그 어느 때보다 커지고 있다. 이 연구에서는 메시지의 방향성(긍정, 부정, 중립)과 유형(사실적, 평가적)이 SNS를 통한 구전에 어떠한 영향을 미치는지 정량적으로 분석하였다. 이를 위해 대표적 SNS인 트위터 메시지 1천3백만 개를 수집하였으며, 이중 1번 이상 리트윗(retweet)된 1백만 개 메시지를 분석하였다. 분석결과, 메시지 방향성과 유형, URL, 해시태그 포함여부가 구전범위(리트윗 횟수)에 유의한(<0.01) 영향을 미치는 것으로 나타났으며, 메시지 방향성은 다른 세 개 요인들과 유의한 교호작용 효과를 가지는 것으로 관찰되었다. 또한 메시지 유형과 URL, 해시태그 포함여부는 구전속도(리트윗 속도)에 유의한(<0.05) 영향을 미치는 것으로 나타났다.

• 융합신호처리학회논문지
• /
• 제20권2호
• /
• pp.78-83
• /
• 2019

소리 기반 기계 고장 진단은 기계의 음향 방출 신호에서 비정상적인 소리를 자동으로 감지하는 것이다. 수학적 모델을 사용하는 기존의 방법은 기계 시스템의 복잡성과 잡음과 같은 비선형 요인이 존재하기 때문에 기계 고장 진단이 어려웠다. 따라서 기계 고장 진단의 문제를 패턴 인식 문제로 해결하고자 한다. 본 논문에서 DWT와 인공신경망 기반 패턴 인식 기법을 이용한 자동화 기계 고장 진단 기법을 제안한다. 기계의 결함을 효과적으로 탐지하기 위해 DWT를 이용해 대역별 분해 후 최상위 고주파 부대역과 최하위 저주파 부대역을 제외한 나머지 부대역의 PSD를 구하여 인공신경망 기반 분류기의 입력으로 사용한다. 그 결과 본 연구에서 제안한 방법은 효과적으로 결함을 탐지할 뿐만 아니라 소리 기반의 다양한 자동 진단 시스템에도 효과적으로 활용될 수 있음을 보여준다.

• 농업과학연구
• /
• 제46권1호
• /
• pp.67-78
• /
• 2019

The purpose of this study was to predict the water quality using the RNN (recurrent neutral network) and LSTM (long short-term memory). These are advanced forms of machine learning algorithms that are better suited for time series learning compared to artificial neural networks; however, they have not been investigated before for water quality prediction. Three water quality indexes, the BOD (biochemical oxygen demand), COD (chemical oxygen demand), and SS (suspended solids) are predicted by the RNN and LSTM. TensorFlow, an open source library developed by Google, was used to implement the machine learning algorithm. The Okcheon observation point in the Geum River basin in the Republic of Korea was selected as the target point for the prediction of the water quality. Ten years of daily observed meteorological (daily temperature and daily wind speed) and hydrological (water level and flow discharge) data were used as the inputs, and irregularly observed water quality (BOD, COD, and SS) data were used as the learning materials. The irregularly observed water quality data were converted into daily data with the linear interpolation method. The water quality after one day was predicted by the machine learning algorithm, and it was found that a water quality prediction is possible with high accuracy compared to existing physical modeling results in the prediction of the BOD, COD, and SS, which are very non-linear. The sequence length and iteration were changed to compare the performances of the algorithms.

• 한국산업정보학회논문지
• /
• 제27권5호
• /
• pp.145-156
• /
• 2022

최근 ESG (Environmental, Social, and Governance)에 대한 관심이 고조되는 가운데 기업경영의 방향성이 주주의 이익 극대화에서 관련한 다양한 이해관계자들의 이익 극대화로 변화하고 있다. ESG 경영은 기업의 공급망 관리 분야에도 다양한 영향을 주고 있다. 본 연구의 목적은 ESG 경영관점에서 공급망 관리 분야의 이슈들과 과제들에 대해서 탐색하는 것이다. 국내 기사자료 3226편을 대상으로 네트워크 텍스트 분석과 토픽모델링 분석을 시행한 결과, '협력사', '지속가능', '동반성장' '탄소중립', '안전보건', 'Responsible Business Alliance', '공급망 실사법' 등이 주요 이슈인 것으로 파악하였다. 공급망에서의 ESG 노력은 개별기업의 노력만으로 이루어지는 것이 아니기 때문에 향후 연구에서는 복잡한 다계층 공급망에서 ESG 경영 전파를 하는데 어떠한 어려움과 이슈들이 있으며 이를 극복하기 위한 전략들은 무엇들이 있는지 분석할 필요가 있음을 본 연구를 통해 확인하였다.

• 대한토목학회논문집
• /
• 제43권5호
• /
• pp.675-687
• /
• 2023

한반도 비무장지대에 인접한 접경지역은 DMZ(DemilitarizedZone) 그린평화 지대화를 위한 그린데탕트(GreenDétent) 실천무대로 주목 받고있다. 본논문은 접경지역에 계획된 생태·환경 분야 산업·인프라 사업의 복합적 성격을 판단 할 수있는 항목으로 구성된 프로슈밍지표(Prosuming-index)를 제안하고, 이 를 통해 그린데탕트 실천 대상지로서의 잠재력과 방향성을 시각화 하였다. 그 결과, 접경 지역중 인천·강화 지역은 '물류·인적 네트워크 중심 권역이자 특화 농수산물 생산지' 로서, 경기 북부지역은 '스마트기술 활용 산업을 기반으로하는 교류 네트워크 중심권역' 으로서, 강원 서부지역과 경기 연천 지역은 '탄소 감축 기술을 골자로 하는 생산-소비 복합권역' 으로서, 강원 동부지역은 '재생에너지 산업을 통한 유휴·노후 인프라의 그린 인프라 전환권역' 으로서, 크게 4가지 권역으로 그린데탕트 실천 잠재력을 유형화 할 수 있었다.

• 한국초지조사료학회지
• /
• 제43권3호
• /
• pp.168-176
• /
• 2023

Silicon (Si) has the potential to improve plant growth and stress tolerance. The study aimed to explore Si-involving plant responses and molecular characterization of different Si-responsive genes in alfalfa. In this study, the exogenous supplementation of Si enhanced plant growth, and biomass yield. Si-acquisition in alfalfa root and shoot was higher in Si-supplemented compared to silicon deficient (-Si) plants, implying Si-acquisition has beneficial on alfalfa plants. As a consequence, the quantum efficiency of photosystem II (Fv/Fm) was significantly increased in silicon-sufficient (+Si) plants. The quantitative gene expression analysis exhibited a significant upregulation of the Lsi1, Lsi2, Lsi3, NIP5;1, and NIP6;1 genes in alfalfa roots, while BOR1, BOR4, NIP2, and NIP3 showed no significant variation in their expression. The MEME results further noticed the association of four motifs related to the major intrinsic protein (MIP). The interaction analysis revealed that NIP5;1 and Lsi1 showed a shared gene network with NIP2, BOR1, and BOR4, and Lsi2, Lsi3 and NIP3-1, respectively. These results suggest that members of the major intrinsic proteins (MIPs) family especially Lsi1, Lsi2, Lsi3, NIP5;1, and NIP6;1 genes helped to pass water and other neutral solutes through the cell membrane and those played significant roles in Si uptake and transport in plants. Together, these insights might be useful for alfalfa breeding and genome editing approaches for alfalfa improvement.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.57-66
• /
• 2023

본 연구에서는 딥러닝 기법과 정서적 AI를 적용하여 사용자의 감정 상태를 추정하고 이를 추천 과정에 반영할 수 있는 추천 시스템에 대한 새로운 연구 프레임워크를 제안한다. 이를 위해 분노, 혐오, 공포, 행복, 슬픔, 놀람, 중립의 7가지 감정을 각각 분류하는 감정분류모델을 구축하고, 이 결과를 추천 과정에 반영할 수 있는 모형을 제안한다. 그러나 일반적인 감정 분류 데이터에서는 각 레이블 간 분포 비율의 차이가 크기 때문에 일반화된 분류 결과를 기대하기 어려울 수 있다. 본 연구에서는 감정 이미지 데이터에서 혐오감 등의 감정 개수가 부족한 경우가 많으므로 데이터 증강을 이용한다. 마지막으로, 이미지 증강을 통해 데이터 기반의 감정 예측 모델을 추천시스템에 반영하는 방법을 제안한다.

• 한국인터넷방송통신학회논문지
• /
• 제24권2호
• /
• pp.65-70
• /
• 2024

근래에 와서 유틸리티들을 무선으로 원격제어 하는 스마트 팩토리 무선 이동 통신 기술에 대한 연구가 활발히 진행되고 있다. Wi-SUN(Wireless Smart Utility Network) 얼라이언스에서는 EEE802.15.4g/e에 기반한 새로운 무선통신 표준화 규격으로 스마트팩토리와 같은 플랫폼 구축에 적합한 Wi-SUN 프로토콜 구조를 제시하였다. IEEE802.15.4e의 RIT(Receiver Initiated Transmission) 모드 MAC(Media Access Control)의 throughput 및 지연시간 측면의 성능을 분석하고 효율적 운용을 위한 고려 사항을 살펴본다. RIT 모드는 체크 인터벌이 길어질수록 지연시간과 throughput이 떨어짐을 볼 수 있다. 트래픽 부하가 커질수록 RIT 체크 인터벌을 짧게 운용하면 지연시간도 짧아지면서 throughput을 높일수 있음을 보였다. RIT 모드는 전력소모가 작은 장점을 가지고 있으면서 지연시간이나 throughput 측면에서 IEEE802.15.4와 CSL 모드 사이의 중립적 특징을 가지는 것을 볼 수 있었다.

• International Journal of Computer Science & Network Security
• /
• 제24권2호
• /
• pp.79-88
• /
• 2024

The use of the social media has become part of our daily life activities. The social web channels provide the content generation facility to its users who can share their views, opinions and experiences towards certain topics. The researchers are using the social media content for various research areas. Sentiment analysis, one of the most active research areas in last decade, is the process to extract reviews, opinions and sentiments of people. Sentiment analysis is applied in diverse sub-areas such as subjectivity analysis, polarity detection, and emotion detection. Stance classification has emerged as a new and interesting research area as it aims to determine whether the content writer is in favor, against or neutral towards the target topic or issue. Stance classification is significant as it has many research applications like rumor stance classifications, stance classification towards public forums, claim stance classification, neural attention stance classification, online debate stance classification, dialogic properties stance classification etc. This research study explores different feature sets such as lexical, sentiment-specific, dialog-based which have been extracted using the standard datasets in the relevant area. Supervised learning approaches of generative algorithms such as Naïve Bayes and discriminative machine learning algorithms such as Support Vector Machine, Naïve Bayes, Decision Tree and k-Nearest Neighbor have been applied and then ensemble-based algorithms like Random Forest and AdaBoost have been applied. The empirical based results have been evaluated using the standard performance measures of Accuracy, Precision, Recall, and F-measures.