• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 한국재난정보학회 논문집
• /
• 제15권2호
• /
• pp.223-238
• /
• 2019

연구목적: 본 논문은 재난의 복잡다단한 맥락을 구성하는 정치 경제 사회의 다양한 이해관계자들이 생성해내는 담론과 사회적 실천의 함의를 파악하여 국내의 효율적 재난대응 방안 모색을 위한 기초자료를 제공하고자 한다. 연구방법: 페어클로(Fairclough)의 비판적 담론분석(Critical Discourse Analysis) 모델을 적용하여 국내 대표적인 세 일간지에 실린 2017년 11월 포항지진 관련 신문기사를 분석하였다. 연구결과: 담론분석 결과, 첫째, 세 언론사에서는 지진 발생 이후 대응의 측면에서 재난대응 매뉴얼과 대피훈련의 낮은 실효성을 지적하였다. 둘째, 지진피해 복구 측면에서 대피소 서비스 강화와 이재민 지원 확대의 필요성을 강조하였다. 셋째, 내진설계 강화 및 문자알림 서비스 질 향상 등 향후 피해를 미연에 방지하기 위한 실천 노력을 제시하였다. 결론: 본 연구에서는 효과적인 국내 재난대응을 위하여 재난 예방 대책의 현실성 실효성 제고, 유기적이고 통합적인 재난대응체계 마련, 시민의 역할과 참여 강조, 전문가 집단의 책임감 및 이에 대한 견제, 재난대응 관련 건전한 담론형성을 위한 미디어의 역할을 제안하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권1호
• /
• pp.17-28
• /
• 2019

금융투자 관리 전략 중에서 여러 금융 상품을 선택하고 조합하여 분산 투자하는 것을 포트폴리오 관리 이론이라 부른다. 최근, 블록체인 기반 금융 자산, 즉 암호화폐들이 몇몇 유명 거래소에 상장되어 거래가 되고 있으며, 암호화폐 투자자들이 암호화폐에 대한 투자 수익을 안정적으로 올리기 위하여 효율적인 포트폴리오 관리 방안이 요구되고 있다. 한편 딥러닝이 여러 분야에서 괄목할만한 성과를 보이면서 심층 강화학습 알고리즘을 포트폴리오 관리에 적용하는 연구가 시작되었다. 본 논문은 기존에 발표된 심층강화학습 기반 금융 포트폴리오 투자 전략을 바탕으로 대표적인 비동기 심층 강화학습 알고리즘인 Asynchronous Advantage Actor-Critic (A3C)를 적용한 효율적인 금융 포트폴리오 투자 관리 기법을 제안한다. 또한, A3C를 포트폴리오 투자 관리에 접목시키는 과정에서 기존의 Cross-Entropy 함수를 그대로 적용할 수 없기 때문에 포트폴리오 투자 방식에 적합하게 기존의 Cross-Entropy를 변형하여 그 해법을 제시한다. 마지막으로 기존에 발표된 강화학습 기반 암호화폐 포트폴리오 투자 알고리즘과의 비교평가를 수행하여, 본 논문에서 제시하는 Deterministic Policy Gradient based A3C 모델의 성능이 우수하다는 것을 입증하였다.

• 융합정보논문지
• /
• 제9권3호
• /
• pp.140-145
• /
• 2019

IT 기술의 발달과 함께 의료 서비스 환경이 과거에 비해 많은 변화가 일어나고 있다. 그러나, 의료 기술이 IT 기술과 융합하더라도 의료비 문제와 의료 서비스 관리에 대한 문제는 여전히 해결해야할 사항 중 하나이다. 본 논문에서는 IoT 시스템을 구축한 병원을 대상으로 의료 서비스를 제공받는 사용자의 개인 정보를 의료진이 효율적으로 분석 관리할 수 있는 모델을 제안한다. 제안 모델은 병원내 구축된 IoT 시스템을 통해서 사용자의 의료 정보를 효율적으로 체크하고 관리하는 것이 목적이다. 제안 모델은 다양한 이기종의 클라우드 환경에서 사용될 수 있으며, 사용자의 의료 정보를 추가적인 인적 물적 자원 없이 효율적이면서 빠르게 관리할 수 있다. 특히, 제안모델에서 수집된 사용자의 의료 정보는 IoT 게이트웨이를 통해 서버에 저장되기 때문에 의료진이 시간과 장소에 상관없이 사용자의 의료 정보를 정확하게 분석할 수 있다. 성능평가 결과, 제안 모델은 IoT 시스템을 사용하지 않은 기존 의료 시스템 모델보다 직군별 의료진의 의료 서비스에 대한 효율성이 19.6% 향상되었고, 의료 서비스를 제공받은 사용자의 사후 의료관리 개선율이 22.1% 향상된 결과를 얻었다. 또한, 의료진의 업무 부담률은 기존 의료 시스템 모델보다 평균 17.6% 낮게 나타났다.

• 한국기후변화학회지
• /
• 제9권4호
• /
• pp.319-324
• /
• 2018

Due to climate change, water shortages and water-related disasters will be serious. Since the damage and frequency of drought are increasing, the importance of water resource management technology is increasing. In this study, we analyzed the amount of greenhouse gas and the environmental impact caused by the production and operation system technologies of movable weir among various water resource management technologies. The research subjects were air inflatable rubber dams widely used in rivers and upright type rubber dams, which are an improvement on the existing rubber type. Each type of dam was studied at sizes of $1,500H{\times}10,000L\;mm$ and $3,000H{\times}20,000L\;mm$, and the two types and two sizes were compared and analyzed. Using life cycle assessment, we examined the environmental impacts using the amount of electricity required for operation and the discretionary amount required for production. In the '$1,500H{\times}10,000L$' dams, the global warming indexes were $9.35E+04kg\;CO_2-eq$. for upright type and $7.36E+04kg\;CO_2-eq$. for inflatable type. At size of '$3,000H{\times}20,000L$' the global warming indexes were $9.09E+05kg\;CO_2-eq$. for upright type and $1.07E+06kg\;CO_2-eq$. for inflatable type. Analysis of the life cycle environmental impact showed that the environmental impact of the air inflatable rubber dam was reduced by 39.8% at '$1,500H{\times}10,000L$' compared to the larger size. At the larger '$3,000H{\times}20,000L$' size, the upright dam showed a 10.1% smaller impact than the air inflatable rubber dam. Selection of water resource management system should consider climate change, not only management purpose and cost. Additional studies and improvements on rubber dam systems should be made.

• 한국기후변화학회지
• /
• 제2권3호
• /
• pp.203-219
• /
• 2011

최근 인벤토리 구축이 활발해짐에 따라 인벤토리의 정확도 및 신뢰도 평가에 대한 수요 역시 크게 증가하고 있다. 따라서 본 연구에서는 GHG-CAPSS의 신뢰도를 향상시키는데 지표로 활용될 GHG-CAPSS의 신뢰도를 평가하기 위한 방법론을 개발하는데 그 목적을 두고 있다. 본 논문에서는 GHG-CAPSS 신뢰도 평가 방법을 정성적 정량적으로 구분하였으며, 정성적 정량적 평가 결과를 종합하여 신뢰도를 결정할 수 있는 방법을 고안하여 액체 화석 연료 연소에 의한 $CO_2$ 배출량과 매립에 의한 $CH_4$ 배출량에 시범 적용하였다. 시범 적용 결과, 액체 화석 연료연소의 신뢰도 정성적 및 정량적 점수는 각각 25점(/50점), 50점(/50점)으로 최종적으로 75점으로 나타났으며, 매립에 의한 $CH_4$ 배출량의 신뢰도 정성적 및 정량적 점수는 각각 22점(/25점), 20점(/50점)으로 최종적으로 42점으로 평가되었다. 따라서 GHG-CAPSS의 액체화석연료 연소 부문과 매립 부문 배출량의 신뢰도를 평가한 결과, 두 배출원의 정성적 신뢰도는 비슷하였으나, 정량적 평가에서 큰 차이를 보였다. 이는 각 배출원 간의 불확도가 큰 편차를 보였기 때문으로 액체화석연료 연소에 의한 $CO_2$ 배출량의 경우, 신뢰도 향상을 위해 정성적 신뢰도 부분을 향상시키는 데 주력해야 하며, 매립에 의한 $CH_4$ 배출량의 경우 정량적 신뢰도 향상을 위한 연구가 필요할 것으로 사료된다. 또한, 두 배출원 모두, 신뢰도 정성 평가의 점수를 향상시키기 위해 품질 관리 절차 또는 지침서를 개발하여 품질 관리의 수준을 향상시킬 필요가 있는 것으로 사료된다.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.7-13
• /
• 2019

본 연구에서는 이종경량재료의 마찰교반용접을 모사할 수 있는 유한요소 해석모델을 개발하고, 이를 통해 기초분석과 실용적 적용 가능성에 대해 고찰하였다. Coupled Eulerian Lagrangian 에 기반한 유한요소모델을 구성하였으며, 해석 모델은 외연적 시간적분을 이용하여 열-온도, 변위-응력 물리계로 이루어진 다중 물리계를 복합적으로 계산하며, 용접툴 표면과 피용접 재료 간 마찰, 극심한 소성변형으로 인한 열에너지 발생, 그리고, 밑면을 통한 열에너지 소산 등 열발생원과 열전달 메카니즘이 모두 고려되었다. Al6061T6와 AZ61 판재의 맞대기용접을 고려하였으며, 주요 용접변수인 용접 속도와 용접툴 회전속도를 변화시킨 세 가지 조건에 대해 해석을 실시하였다. 각 해석은 피용접물의 온도분포, 결함의 분포, 소성변형률 분포가 출력이 가능하였다. 구축한 모델을 이용한 해석 결과 알루미늄보다는 마그네슘부에서 더 높은 온도가 발생하였으며, 회전속도가 커질수록 최대 온도가 증가하기보다는 알루미늄쪽으로 높은 온도가 분산되어 가는 경향을 보였다. 또한, 회전속도가 커질수록 피용접물 재료가 위로 올라오는 플래시 결함의 경향 예측이 가능하였으나, 툴 주변 결함 형성예측은 메시가 세밀하지 못하여 정확한 결과를 산출하기에는 부족하다고 볼 수 있다. 본 모델은 마찰교반용접 중 발생 가능한 여러 물리계의 여러 물리적 현상을 실제에 가깝게 반영하고 있으며, 실험적으로 밝히기 어려운 기초 분석에 응용될 수 있으나, 1달이 넘는 해석소요시간을 감안하면 실용적으로 최적의 용접조건 도출에 응용되기는 어렵다고 판단된다.

• 한국터널지하공간학회 논문집
• /
• 제20권6호
• /
• pp.1177-1192
• /
• 2018

본 연구의 목적은 한랭지역에서 운영 중인 터널구조물의 누수를 유도배수하기 위하여 기존 유도배수시스템을 향상시키는 것이다. 유도배수시스템은 유도배수판, 방수재료인 Hotty-gel, Hotty-gel 돌출 방지판, 공압타카, 고정핀, 집수관, 유도배수관, 철망 및 뿜어 붙임 모르타르로 구성되어 있다. 유도배수시스템은 현장 적용성 및 시공성을 평가하기 위하여 재래식 콘크리트 라이닝 터널에서 시험 시공되었다. 재령 7일, 14일, 21일, 28일, 2개월, 3개월, 4개월, 5개월, 6개월, 7개월 및 8개월에 약 1,000 ml의 붉은색 물을 유도배수시스템 배면에 주입하여 유도배수시스템의 방수과 유도배수 성능을 평가하였다. 현장 성능 평가 실험이 진행된 8개월 동안 터널이 위치한 지역의 일일 평균 온도는 $-16.0~25.6^{\circ}C$로 측정되었고, 일일 최저 온도는 $-21.3^{\circ}C$, 일일 최고 온도는 $30.8^{\circ}C$였다. 유도배수시스템의 유도배수판에서는 누수가 발생하지 않았지만 재령 14일부터 유도배수관에서 누수가 발생하였다. 유도배수관 누수는 고압의 공압타카와 고정핀 사용으로 두께 0.2 cm인 연성플라스틱 재질의 유도배수관이 변형되었고, 누수 방지를 위한 Hotty-gel의 두께와 폭이 충분하지 않아서 발생한 것으로 판단된다.

• 방송공학회논문지
• /
• 제23권6호
• /
• pp.855-865
• /
• 2018

음향 이벤트 인식은 다수의 음향 이벤트가 발생하는 환경에서 이를 인식하고 각각의 발생과 소멸 시점을 판단하는 기술로써 인간의 청각적 인지 특성을 모델화하는 연구다. 음향 장면 및 이벤트 인식 연구 그룹인 DCASE는 연구자들의 참여 유도와 더불어 음향 인식 연구의 활성화를 위해 챌린지를 진행하고 있다. 그러나 DCASE 챌린지에서 제공하는 데이터 세트는 이미지 인식 분야의 대표적인 데이터 세트인 이미지넷에 비해 상대적으로 작은 규모이며, 이 외에 공개된 음향 데이터 세트는 많지 않아 알고리즘 개발에 어려움이 있다. 본 연구에서는 음향 이벤트 인식 기술 개발을 위해 실내외에서 발생할 수 있는 이벤트를 정의하고 수집을 진행하였으며, 보다 큰 규모의 데이터 세트를 확보하였다. 또한, 인식 성능 개선을 위해 음향 이벤트 존재 여부를 판단하는 보조 신경망을 추가한 이중 CNN 구조의 알고리즘을 개발하였고, 2016년과 2017년의 DCASE 챌린지 기준 시스템과 성능 비교 실험을 진행하였다.

• 한국음향학회지
• /
• 제37권6호
• /
• pp.483-488
• /
• 2018

원거리 발성은 화자 인증 시스템의 성능을 하락시키는 주요 요인으로 알려져 있다. 본 논문에서는 교사 학생 학습을 이용하여 원거리 발성에 의한 화자 인증 시스템의 성능 하락을 보상하는 기법을 제안한다. 교사 학생 학습은 미리 학습된 교사 심층신경망의 출력과 학생 신경망의 출력이 같아지도록 학생 신경망을 학습하는 기법이다. 여기서 교사 신경망에는 근거리 발성을, 학생 신경망에는 원거리 발성을 입력한 뒤, 두 신경망의 출력을 동일하게 만드는 과정을 통해 원거리 발성을 보상할 수 있을 것이라고 기대하였다. 하지만 원거리 발성을 보상하는 과정에서, 근거리 발성에 대한 인식률이 저하되는 현상을 실험적으로 발견하였다. 위와 같은 현상을 예방하기 위해 본 논문에서는 교사 심층신경망을 학생 심층신경망의 초깃값으로 사용하는 기법과 학생 심층신경망을 근거리 발성에 대해서도 학습하는 기법을 제안하였다. 모든 실험은 원 음성을 입력 받는 심층신경망을 활용해 수행하였다. 동일한 발성을 각각 4 채널로 근거리와 원거리에서 자체적으로 수집한 문장 종속 데이터셋을 활용하였다. 동일 오류율을 기준으로 근거리 / 원거리 발성에 대한 화자 인증 성능을 평가한 결과 교사 학생 학습을 사용하지 않을 경우 2.55 % / 2.8 %, 기존의 교사 학생 학습을 사용할 경우 9.75 % / 1.8 %, 제안한 기법들을 적용한 경우 2.5 % / 2.7 %의 오류율을 확인하였다.