• 디지털융복합연구
• /
• 제11권11호
• /
• pp.661-666
• /
• 2013

본 연구의 목적은 전북지역 성인들의 사위와 융합여력의 특성을 알아보자 하였다. 사시안, 안질환이 없는 20세에서 44세까지의 근시안을 가진 성인 116명을 대상으로 교정시력, 교정굴절력, 사위검사, 융합여력검사를 실시하였다. 프리즘분리법에 의한 수평사위검사에서 정위(26.7%) 외사위 (52.5%),내사위(20.7%)명이었다. 38.8%는 근거리에서 정상으로 간주되는 0-6${\Delta}$의 외사위를 가지고 있었고, 61.2%는 정상범위를 벗어난 사위를 가지고 있었다. 융합여력의 크기는 사위량이 많을수록 적어졌다. 사위안의 융합여력이 안정피로에 연관성이 있음을 알 수 있었고, 사위 처방시 융합여력을 검사하여야 할 것으로 생각된다. 또한 그래디앤트법으로 AC/A비를 측정한 결과 4.03이었으며, 굴절 이상과는 특별한 관계를 발견할 수 없었다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1329-1341
• /
• 2022

해양환경 및 해양생태계를 파괴하고 해양사고의 원인이 되는 해양쓰레기는 매년 늘어나고 있으나 그 중 해양침적쓰레기는 해저에 위치해 있어 파악과 수거에 어려움이 있다. 이에 효율적인 수거와 분포량 파악을 위해 수중촬영 이미지를 이용하여 폐그물과 폐밧줄을 대상으로 딥러닝 기반의 의미론적 분할을 실험하였다. 분할에는 최신 딥러닝 기법인 high-resolution network (HRNet)을 사용하고 최적화 알고리즘(optimizer) 별 성능 비교를 하였다. 분할 결과 그물에서는 adaptive moment estimation (Adam), Momentum, stochastic gradient descent(SGD) 순으로 F1 score=(86.46%, 86.20%, 85.29%), IoU=(76.15%, 75.74%, 74.36%) 이며, 밧줄은 F1 score=(80.49%, 80.48%, 77.86%), IoU=(67.35%, 67.33%, 63.75%)로 그물과 밧줄에서 모두 Adam의 결과가 가장 높게 나타났다. 연구 결과를 통해 optimizer 별 분할 성능 평가와 최신 딥러닝 기법의 해양침적쓰레기 분할에 대한 가능성을 확인하였다. 이에 따라 수중촬영 이미지를 통한 해양침적쓰레기 식별에 최신 딥러닝 기법을 적용시킴으로써 육안을 통한 식별보다 정확하고 효율적인 식별을 통해 해양침적쓰레기의 분포량 산정에 기여할 수 있을 것으로 사료된다.

• 대한토목학회논문집
• /
• 제33권1호
• /
• pp.241-249
• /
• 2013

"교통약자의 이동편의 증진법"이 제정됨에 따라, 각 지자체에서는 교통약자의 이동권을 보장하고자 다양한 노력을 해오고 있다. 그러나, 지역여건 및 교통수단 특성 등 교통약자의 교통수단 도입과 관련한 주변 상황은 고려되지 않아 교통약자 이동편의 증진 시책은 그 실효성이 매우 미흡한 상태이다. 따라서, 본 연구에서는 부산광역시를 대상으로 행정동별 경사도와 저상버스 운행여건, 특별교통수단 이용실태 등 교통약자의 교통수단 이용특성을 고찰하였다. 또한, 교통약자의 교통수단 이동지수 개념을 도입하여 지역별 교통약자의 교통수단 이용여건을 수량화하여 비교분석함으로써 지역특성에 부합하는 교통약자의 교통수단 이용편의 증진방안을 제시하였다.

• 응용통계연구
• /
• 제28권6호
• /
• pp.1063-1073
• /
• 2015

우리나라 노인장기요양보험에서는 수급자와 그 가족부양자가 수급자의 심신기능 상태와 욕구에 따라 불이익이나 불편함이 없이 비용-효과적으로 장기요양 급여를 이용할 수 있도록 지원하고자 이용지원 상담을 제공하고 있다. 본 연구는 재가급여 이용자의 이용지원 정기상담 대상자 선정시 상담 대상자의 욕구를 반영하지 않아 이용지원 상담의 만족도와 효율성이 낮은 문제를 통계학적 모형을 활용하여 해결하고자 수행되었다. 모형 개발을 위해 2013년 3월 장기요양 재가급여를 이용한 수급자와 가족부양자를 대상으로 이용지원 상담에 대한 욕구와 관련 변수를 조사하였으며, 2,000명이 조사를 완료하였다. 조사 자료를 바탕으로 이용지원 상담 대상자 선정모형을 다양한 데이터마이닝 기법(로지스틱 회귀모형, 의사결정 나무모형, Lasso 모형, 자동 신경망모형, 그래디언트 부스팅, 앙상블 모형)을 통해 개발하였고, 이중 가장 안정적이고 현장 적용이 쉽고 성능이 좋은 Lasso 모형 결과를 최종모형으로 선정하였다. 본 연구가 이용지원 상담의 만족도를 높이고 업무를 효율화 하는데 기여할 것으로 기대된다.

• Journal of Ecology and Environment
• /
• 제39권1호
• /
• pp.17-29
• /
• 2016

We conducted the study on the relationship between the distribution of coastal sand dune plants and edaphic factors from the shoreline to inland in sand dune ecosystem. The application of TWINSPAN classification based on 10 species, led to the recognition of three vegetative groups (A-C), which associated with their habitats (foredune, hummuck in semistable zone and stable zone). The associations were separated along soil gradient far from the seashore. The relationships between species composition and environmental gradients were explained by canonical correspondence analysis (CCA). Distance from the shoreline was an important indicator to determine soil properties (pH, total ion contents, sand particle sizes, organic matters and nitrogen contents) from the seaward area to inland area and distribution pattern of coastal sand dune plants. Group A is foredune zone, characterized by Calystegia soldanella; group included typical foredune species such as Elymus mollis, Carex kobomugi, Ixeris repens, C. soldanella and Glehnia littoralis. Group B on semi-stabilized zone was characterized by Vitex rotundifolia, a perennial woody shrub. This group was associated the proportion of fine sand size (100 to 250 μm). The results on the proportion of soil particle size showed a transition in sand composition, particularly with respect to the proportion of fine sand size that occurred from the foredune ridge at 32.5 m to the Vitex rotundifolia community at 57.5 m from the shoreline. Group C on stabilized zone was characterized by Zoysia macrostachya, Lathyrus japonicus and Cynodon dactylon and were associated soil organic matter and nitrogen contents. The spatial distribution of plants in the Goraebul coastal sand dune system may result from the interactions between the plant species and environmental heterogeneity.

• 디지털융복합연구
• /
• 제19권10호
• /
• pp.253-263
• /
• 2021

기계학습은 학습에 이용되는 학습 데이터와 데이터를 예측할 인공신경망을 이용하여 비용함수를 만들고, 비용함수를 최소화시키는 파라미터들을 찾는 과정이다. 파라미터들은 비용함수의 그래디언트 기반 방법들을 이용하여 변화하게 된다. 디지털 신호가 복잡할수록, 학습하고자 하는 문제가 복잡할수록, 인공신경망의 구조는 더욱 복잡해지고 깊어진다. 복잡하고, 깊어지는 인공신경망 구조는 과적합(Over-fitting) 문제를 발생시킨다. 과적합 문제를 해결하기 위하여 파라미터의 가중치 감소 정규화 방법이 사용되고 있다. 우리는 이러한 방법에서 추가로 비용함수의 값을 이용한다. 이러한 방법으로 기계학습의 정확도가 향상되는 결과를 얻었으며 이는 수치 실험을 통하여 우수성이 확인된다. 이러한 결과는 기계학습을 통한 인공지능의 폭넓은 데이터에 대한 정확한 값을 도출한다.

• 융합정보논문지
• /
• 제11권11호
• /
• pp.44-50
• /
• 2021

최근 빅데이터를 수용하기 위한 대용량 저장 장치가 필요한 엔터프라이즈 저장 시스템에서는 비용과 크기 대비 직접도가 높은 대용량의 플래시 메모리 기반 저장 장치를 많이 사용하고 있다. 본 논문에서는 엔터프라이즈 대용량 저장 장치의 신뢰도와 이용성에 직접적인 영향을 주는 플래시 메모리 미디어의 수명을 극대화 하기 위해 경사하강법을 적용한 고효율 수명 예측 방법을 제안한다. 이를 위해 본 논문에서는 불량 발생 빈도를 학습하기 위한 메타 데이터를 저장하는 매트릭스의 구조를 제안하고 메타데이터를 이용한 비용 모델을 제안한다. 또한 학습된 범위를 벗어난 불량이 발생 했을 때 예외 상황에서의 수명 예측 정책을 제안한다. 마지막으로 시뮬레이션을 통해 본 논문에서 제안하는 방법이 이전까지 플래시 메모리의 수명 예측을 위해 사용되어 온 고정 횟수 기반 수명 예측 방법과 예비 블록의 남은 비율을 기반으로 하는 수명 예측 방법 대비 수명을 극대화 할 수 있음을 증명하여 우수성을 확인했다.

• 디지털융복합연구
• /
• 제17권8호
• /
• pp.337-346
• /
• 2019

본 연구에서는 2007년-2017 국민건강영양조사를 이용하여 우리나라의 사회경제적 수준별 당뇨 유병률 격차의 추세 및 당뇨 관리실태 격차의 추세를 살펴보고자 하였다. 사회경제적 수준의 지표로는 가구소득수준을 이용하였으며, 30세 이상 성인을 대상으로 가구소득수준별 당뇨병 연령표준화 유병률, 인지율, 치료율, 혈당조절률을 산출하고 연도별 추세 및 조사연도와 소득수준간의 교호작용을 살펴보았다. 지난 11년간, 우리나라에서 소득수준별 당뇨 유병의 격차는 남녀 모두에서 지속적으로 나타났으며, 남성에서는 소득수준별 격차가 증가하였다 (p for interaction=0.034). 그러나 당뇨의 관리지표인 인지율, 치료율, 혈당조절률은 같은 기간 동안 뚜렷한 소득수준별 격차나 소득수준별 격차의 증감을 보여주지 않았다. 향후 개인의 건강행태, 의료접근성, 지역사회 자원 등 당뇨의 사회경제적 격차를 심화시킬 수 있는 여러 요인들에 대한 생애 전주기적인 심층 연구가 필요하며, 당뇨병 예방관리 정책 수립의 기초자료로서 사회경제적 불평등 추세에 대한 지속적인 모니터링이 필요할 것으로 생각된다.

• 디지털융복합연구
• /
• 제19권6호
• /
• pp.251-258
• /
• 2021

본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 향상시키기 위해 residual learning을 활용한 인코더-디코더 구조의 모델을 제안하였다. U-Net은 딥러닝 기반의 semantic segmentation 방법이며 자율주행 자동차, 의료 영상 분석과 같은 응용 분야에서 주로 사용된다. 기존 U-Net은 인코더의 얕은 구조로 인해 특징 압축 과정에서 손실이 발생한다. 특징 손실은 객체의 클래스 분류에 필요한 context 정보 부족을 초래하고 segmentation 정확도를 감소시키는 문제가 있다. 이를 개선하기 위해 제안하는 방법은 기존 U-Net에 특징 손실과 기울기 소실 문제를 방지하는데 효과적인 residual learning을 활용한 인코더를 통해 context 정보를 효율적으로 추출하였다. 또한, 인코더에서 down-sampling 연산을 줄여 특징맵에 포함된 공간 정보의 손실을 개선하였다. 제안하는 방법은 Cityscapes 데이터셋 실험에서 기존 U-Net 방법에 비해 segmentation 결과가 약 12% 향상되었다.

• 디지털융복합연구
• /
• 제20권4호
• /
• pp.389-396
• /
• 2022

딥러닝(Deep Learning)은 퍼셉트론을 기반으로 하고 있으며 현재에는 이미지 인식, 음성 인식, 객체 검출 및 약물 개발 등과 같은 다양한 영역에서 사용되고 있다. 이에 따라 학습 알고리즘이 다양하게 제안되었고 신경망을 구성하는 뉴런수도 연구자마다 많은 차이를 보이고 있다. 본 연구는 현재 대표적으로 사용되고 있는 확률적 경사하강법(SGD), 모멘텀법(Momentum), AdaGrad, RMSProp 및 Adam법의 뉴런수에 따른 학습 특성을 분석하였다. 이를 위하여 1개의 입력층, 3개의 은닉층, 1개의 출력층으로 신경망을 구성하였고 활성화함수는 ReLU, 손실 함수는 교차 엔트로피 오차(CEE)를 적용하였고 실험 데이터셋은 MNIST를 사용하였다. 그 결과 뉴런수는 100~300개, 알고리즘은 Adam, 학습횟수(iteraction)는 200회가 딥러닝 학습에서 가장 효율적일 것으로 결론을 내렸다. 이러한 연구는 향후 새로운 학습 데이터가 주어졌을 경우 개발될 알고리즘과 뉴런수의 기준치에 함의를 제공할 것이다.