• 한국음향학회지
• /
• 제29권4호
• /
• pp.278-285
• /
• 2010

훈련 환경과 인식 환경의 차이가 음성인식 성능저하의 주요요인이다. 이러한 환경의 불일치를 줄이기 위한 방법으로 다양한 묵음특징 정규화 방법이 제안되고 있다. 기존의 묵음특징 정규화 방법은 낮은 SNR (Signal-to-Noise Ratio)에서 묵음구간의 에너지 레벨이 증가하여 음성/묵음 분류의 정확도가 떨어짐으로 인해 인식성능이 저하되는 문제점이 있었다. 본 논문에서는 로그 에너지와 음성/묵음(또는잡음)의 켑스트럼 특징의 분포 특성의 차이를 나타내는 켑스트럼 유클리디언(Euclidean) 거리를 결합하여 음성/묵음을 분류하는 묵음특징 정규화 방법 (Cepstral distance and Log-energy based Silence Feature Normalization)을 제안하였다. 제안한 방법은 높은 SNR에서는 로그 에너지 특징이 잡음의 영향을 적게 받는 특성을 반영하여 기존의 묵음 특징 정규화 (Silence Feature Normalization)방법의 우수성을 그대로 유지하는 반면, 낮은 SNR에서는 로그 에너지 대신 음성/묵음 분류의 분별력이 우수한 켑스트럼 거리 정보를 이용함으로써 인식성능을 향상시킬 수 있다. 인식실험결과 기존의 SFN-I/II, CSFN 방법에 비해 전반적으로 향상된 인식성능을 얻을 수 있어 그 유효성을 확인할 수 있었다.

• IMMUNE NETWORK
• /
• 제23권4호
• /
• pp.33.1-33.13
• /
• 2023

Vaccination against severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has been acknowledged as an effective mean of preventing infection and hospitalization. However, the emergence of highly transmissible SARS-CoV-2 variants of concern (VOCs) has led to substantial increase in infections among children and adolescents. Vaccine-induced immunity and longevity have not been well defined in this population. Therefore, we aimed to analyze humoral and cellular immune responses against ancestral and SARS-CoV-2 variants after two shots of the BNT162b2 vaccine in healthy adolescents. Although vaccination induced a robust increase of spike-specific binding Abs and neutralizing Abs against the ancestral and SARS-CoV-2 variants, the neutralizing activity against the Omicron variant was significantly low. On the contrary, vaccine-induced memory CD4⁺ T cells exhibited substantial responses against both ancestral and Omicron spike proteins. Notably, CD4⁺ T cell responses against both ancestral and Omicron strains were preserved at 3 months after two shots of the BNT162b2 vaccine without waning. Polyfunctionality of vaccine-induced memory T cells was also preserved in response to Omicron spike protein. The present findings characterize the protective immunity of vaccination for adolescents in the era of continuous emergence of variants/subvariants.

• 디지털융복합연구
• /
• 제21권3호
• /
• pp.1-14
• /
• 2023

변기업은 변화하는 환경 속에서 생존하기 위해 다양한 전략으로 경쟁우위를 창출하고자 한다. 이에, 경쟁우위를 창출하는 방법에 대한 연구도 끊임없이 전개되고 있다. 이러한 상황은 기업의 혁신능력을 강화하도록 촉구하며 또한 지식창출의 변화가 매우 중요한 역할이 되었다는 것을 의미한다. 본 연구는 자원기반 관점을 바탕으로 지적자본과 흡수능력 프레임워크가 경쟁우위에 미치는 영향을 살펴보는 것을 목적으로 한다. 이에, 한국 중소기업의 샘플을 통해 지식흡수능력, 지식 창출, 지적 자본 및 내/외부 소스의 경쟁 우위 사이의 연계를 수행하는지 확인해보고자 한다. 이러한 목적을 검증하기 위해 15개 산업에서 106개의 공급업체의 설문이 수집되었다. 연구 모델은 SEM(구조 방정식 모델링)을 채택하고 AMOS 22를 적용하여 분석하였다. 분석 결과, 모든 가설은 채택되었다. 따라서 본 연구는 흡수 능력이 공급업체의 경쟁 우위를 키우는 데 있어 중요한 요소임을 의미한다. 또한, 지적 자본은 공급업체의 지식 재고의 중요한 구성 요소로 간주되어야 하며, 이것이 경쟁력에 대한 흡수 능력 영향을 크게 강화한다는 것을 제시한다. 향후 연구는 연구 모델을 다양한 국제적 환경이나 다국적 기업에서 검증하여 일반화 가능성을 향상시키는 것을 목표로 할 것이다.

• Imaging Science in Dentistry
• /
• 제54권1호
• /
• pp.81-91
• /
• 2024

Purpose: The objective of this study was to propose a deep-learning model for the detection of the mandibular canal on dental panoramic radiographs. Materials and Methods: A total of 2,100 panoramic radiographs (PANs) were collected from 3 different machines: RAYSCAN Alpha (n=700, PAN A), OP-100 (n=700, PAN B), and CS8100 (n=700, PAN C). Initially, an oral and maxillofacial radiologist coarsely annotated the mandibular canals. For deep learning analysis, convolutional neural networks (CNNs) utilizing U-Net architecture were employed for automated canal segmentation. Seven independent networks were trained using training sets representing all possible combinations of the 3 groups. These networks were then assessed using a hold-out test dataset. Results: Among the 7 networks evaluated, the network trained with all 3 available groups achieved an average precision of 90.6%, a recall of 87.4%, and a Dice similarity coefficient (DSC) of 88.9%. The 3 networks trained using each of the 3 possible 2-group combinations also demonstrated reliable performance for mandibular canal segmentation, as follows: 1) PAN A and B exhibited a mean DSC of 87.9%, 2) PAN A and C displayed a mean DSC of 87.8%, and 3) PAN B and C demonstrated a mean DSC of 88.4%. Conclusion: This multi-device study indicated that the examined CNN-based deep learning approach can achieve excellent canal segmentation performance, with a DSC exceeding 88%. Furthermore, the study highlighted the importance of considering the characteristics of panoramic radiographs when developing a robust deep-learning network, rather than depending solely on the size of the dataset.

• 산업과 과학
• /
• 제3권1호
• /
• pp.23-29
• /
• 2024

본 연구에서는 자율 주행을 위한 지능형 교통 시스템(ITS)을 최적화하는 데 있어 엣지 컴퓨팅의 혁신적인 잠재력을 연구하였다. 방대한 양의 데이터를 로컬에서 실시간으로 처리하는 엣지 컴퓨팅의 능력은 신속한 의사 결정 및 향상된 안전 조치를 포함하여 자율주행차의 중요한 요구 사항을 해결하는 데 필수 요소이다. 엣지 컴퓨팅과 기존 ITS 인프라의 통합을 탐구하고, 현지화된 데이터 처리가 대기 시간을 크게 줄여 자율주행차의 반응성을 향상시키는 방법을 강조한다. 실시간 교통 관리, 충돌 방지 시스템 및 동적 경로 최적화를 지원하는 강력한 프레임워크를 집합적으로 형성하는 엣지서버, 센서 및 V2X(Vehicle-to-Everything) 통신 기술의 배포를 검토한다. 또한 본 연구는 보안, 데이터 통합, 시스템 확장성 등 ITS에서 엣지 컴퓨팅을 구현하는 데 있어 가장 중요한 과제를 다루며 잠재적인 솔루션과 향후 연구 방향에 대한 통찰력을 제공한다. 이 논문은 완전 자율 주행이라는 비전을 실현하는 데 있어 엣지 컴퓨팅의 중추적인 역할을 강조하고, 보다 안전하고 효율적이며 지속 가능한 교통 시스템을 달성하는 데 기여하는 논문이다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.209-223
• /
• 2024

4차 산업혁명 시대에 접어들어 데이터 기반의 의사결정이 보편화되고 있다. 하지만 데이터 품질이 확보되지 않은 채 수행되는 데이터 분석은 왜곡된 결과를 낳을 가능성이 존재한다. 수자원 관리의 기초가 되는 수위 데이터도 마찬가지로 결측, 스파이크, 잡음 등 다양한 품질 문제를 가진다. 본 연구에서는 잡음으로 인해 발생하는 데이터 품질 문제를 해결하고자 하였다. 잡음은 데이터의 트렌드 분석을 어렵게 하고 비정상적인 이상치를 생성할 가능성이 있다. 본 연구는 이러한 문제를 해결하기 위해 Wavelet Transform을 이용한 잡음 제거 접근 방안을 제안한다. Wavelet Transform은 신호처리에 주로 사용되는 방법으로 잡음 제거에 효과적인 것으로 알려져 있으며 수집된 데이터의 정답 데이터(True value) 수집을 요구하지 않으므로 시간과 비용을 줄일 수 있다는 점에서 적용이 용이한 편이다. 본 연구는 Wavelet Transform의 성능 평가를 위해 대표적인 머신러닝 기반 잡음 제거 방법인 Denoising Autoencoder와 성능 비교를 수행하였다. 그 결과 Wavelet Transform 중 Coiflets 함수는, Denoising Autoencoder에 비해 Mean Absolute Error, Mean Absolute Percentage Error, Mean Squared Error 등 모든 측면에서 우수한 성능을 보이는 것으로 나타났다. 이러한 결과는 환경에 맞는 적절한 웨이블릿 함수의 선택을 통한 잡음 문제를 효과적으로 해결할 수 있음을 시사한다. 본 연구는 수위 데이터의 품질을 향상시켜 수자원 관리 결정의 신뢰성에 기여하는 강력한 도구로서 Wavelet Transform의 잠재력을 확인한 의의가 있다.

• 한국과학교육학회지
• /
• 제44권2호
• /
• pp.219-229
• /
• 2024

본 연구의 목적은 2022 개정 과학과 교육과정에 의한 통합과학 교과서를 개발하는 저자들이 교육과정을 이해하고 적용하는 과정에서 느낀 고민과 어려움을 분석하는 것이다. 이를 위하여 교육과정에 제시된 용어 및 서술어의 이해, 학습 내용의 구성, 탐구 및 활동, 학습내용의 수준과 범위 등으로 범주로 교과서 저자들의 의견 89개를 분석하였다. 분석 결과 교과서 저자들은 학습 내용의 수준과 범위를 정하는데 가장 많은 어려움을 나타내었다. 그리고 용어와 서술어의 중의적 표현과 모호함에 대해 많은 고민과 어려움을 나타내었다. 학습 내용의 구성 측면에서는 성취기준의 반복적 기술, 성취기준의 배열 순서가 학습의 흐름과 일치하지 않은 점과 관련한 어려움이 제시되었으며, 탐구 및 활동과 관련해서는 체험하거나 실제 구현하기 어려운 탐구 활동 제시, 학습량 적정화에 따른 활동 구성의 제약 등과 관련하여 교과서 집필의 어려움이 제시되었다. 국가적으로 양질의 교과서 개발은 양질의 과학 교육을 위해 필요하기 때문에, 교육과정 개발 주체와 교과서 저자와의 교육과정 이해를 위한 소통이 필요하며, 교과서 개발을 위한 지원 체제가 요구된다

• 지역연구
• /
• 제40권1호
• /
• pp.37-51
• /
• 2024

국내 지방소멸에 대한 위기 의식이 확산됨에 따라 최근 메가시티 조성 등 지역활성화를 위한 다양한 정책 방안이 논의되고 있다. 한국은 행안부 주도로 '21년 인구감소지역을 지정하고 '22년 지방소멸대응기금을 신설하여 지원하고 있으나, 도입 초기 단계에 있어 현재까지 중앙정부 수준의 정책적 특징 및 변화를 파악하기는 어려운 상황이다. 지방소멸 측면에서 한국과 유사한 특성을 보이는 일본은 지방창생법, 마을·사람·일자리 창생 종합전략 등 정부 주도의 유기적 대응 체계를 구축하고 있어, 중앙정부 수준의 정책적 특징과 함의를 파악하기에 적절한 사례로 여겨진다. 이에, 본 연구는 일본의 지방소멸 대응 정책인 제1기, 제2기 마을·사람·일자리 창생 종합전략 및 기본방침을 대상으로 텍스트 분석의 효율성 및 정확성을 높이는 토픽모델링을 사용하여 지방소멸 대응 정책의 특징 및 변화를 분석하였다. 나아가, 일본 지방소멸 분야의 전문가 심층인터뷰를 수행하여 분석결과의 타당성을 검증하였다. 분석결과, 1기 전략의 토픽으로는 경제·사회, 창업, 지방자치단체, 정주여건, 서비스, 산업이 도출되었으며, 2기의 토픽으로는 자원, 뉴노멀, 여성, 디지털 전환, 산업, 지역, 민관협력, 인구가 도출되었다. 1기 및 2기 전략의 정책적 변화에 영향을 미친 주요 요소로는 정책 대상, 시책 방향성, 환경 변화가 나타났으며, 이에 국내 지방소멸 대응 정책에 주는 함의로 인구감소지역의 특성에 따른 지원 정책의 차별화, 목적에 적합한 지방소멸 대응 접근(인구사회정책, 지역개발정책)의 적용, 유관 법정 계획과의 연계를 통한 지원 체계의 마련이 제시되었다.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.39-57
• /
• 2022

본 연구에서는 범주 불균형 문제가 내재된 기업부도 예측 AdaBoost 앙상블 모형의 성과를 개선하기 위하여 GMOPTBoost 알고리즘을 제안한다. AdaBoost 알고리즘은 오분류 표본에 대하여 강건한 학습기회를 제공한다는 장점이 있지만, 산술평균 정확도에 기반하기 때문에 범주 불균형 문제를 효과적으로 해결하지 못한다는 한계점이 존재한다. GMOPTBoost는 가우시안 경사하강법(Gaussian gradient descent)을 적용하여 기하평균 정확도를 최적화하고 범주 불균형 문제를 효과적으로 해결할 수 있다는 장점이 있다. 본 연구에서는 첫째, 범주 불균형 문제가 예측 모형의 성과에 미치는 효과와 GMOPTBoost의 성과 개선 효과를 검증하기 위하여 5개의 범주 불균형 데이터를 구성하였으며, 둘째, 범주 균형 데이터에 대한 GMOPTBoost의 성과 개선 효과를 검증하기 위하여 데이터 샘플링 기법을 통하여 구성된 균형 데이터를 구성하였다. 30회의 교차타당성 분석의 주요 결과는 다음과 같다. 첫째, 범주 불균형 문제는 예측 성과에 부정적인 영향을 미친다. 둘째, GMOPTBoost는 불균형 데이터에 적용된 AdaBoost의 성과를 유의적으로 개선시키는 긍정적인 효과를 제공한다. 셋째, 데이터 샘플링 기법은 성과 개선에 긍정적인 영향을 미친다. 마지막으로 데이터 샘플링 기법을 적용한 범주 균형 데이터에서도 GMOPTBoost는 유의적인 성과 개선에 기여한다.

• 한국전자통신학회논문지
• /
• 제19권2호
• /
• pp.335-343
• /
• 2024

본 논문은 FMCW LiDAR의 실시간 표적 신호처리 기법에 관해 기술하고 있다. FMCW LiDAR는 높은 검출민감도를 가져 낮은 출력만으로 장거리 측정이 가능하면서도 눈, 비, 안개 등 열악한 환경에서 강건한 검출성능을 가져 자율주행자동차용 차세대 LiDAR로 주목받고 있다. 본 논문은 주파수 영역의 신호처리를 위해 필요한 고속 데이터 획득, 전송 및 병렬 신호처리를 위한 하드웨어 구조에 대해 기술하였다. 획득된 시계열 신호로부터 주파수 특성을 분석하기 위하여, 푸리에 변환 연산을 FPGA로 구현하였다. 변환된 주파수영역 데이터로부터 강건한 표적검출 성능을 확보하기 위한 C-FAR 알고리즘에 대해 기술하였다. 표적의 스펙트럼 신호로부터 주파수 측정값의 해상도를 향상하고, 측정된 주파수 값을 표적의 거리 및 속도 정보로 변환하는 과정에 대해 상세히 기술하였다. 스캐너 2D 위치 및 표적의 거리 정보를 활용하여 3차원 영상으로 변환하고 이를 전시하였다. 제안된 FPGA 구조의 병렬 신호처리 알고리즘 적용을 통하여 FMCW LiDAR의 실시간 표적 신호처리 및 고해상도 영상획득 성능을 확인하였다.