본 논문은 제조공정이 단순하고, 공정시간도 매우 짧아 제조원가를 절감할 수 있는 고분자 유기하드마스크를 합성하는데 목적을 두었다. 승화 정제 장치를 통한 잔류금속을 측정한 결과, 9-Naphthalen-1-ylcarbazole(9-NC)은 4th zone에서 101.75ppb, 2-Naphthol(2-NA)은 5th zone에서 306.98ppb, 9-Fluorenone(9-F)는 4th zone에서 5th zone 사이에서 129.05ppb로 측정되었다. 그리고 합성된 유기하드마스크를 필터 시스템을 거친 후 잔류금속을 측정한 결과 9 ~ 7ppb 측정되었다. 또 열분석 변화를 측정한 결과, 2.78%로 감소하였고 분자량은 942로 측정되었고 탄소 함량은 89.74%이고 수율은 72.4%로 나타났다. 에칭 속도는 평균 18.22Å/s로 측정되었고 코팅 두께 편차는 평균 1.19로 측정되었다. 유기하드마스크의 입자크기가 0.2㎛ 이하에서는 입자가 존재하지 않았다. 코팅 속도를 1,000, 1,500, 1,800rpm으로 변화를 주어 코팅 두께를 측정한 결과, 수축률은 17.9에서 20.8%까지 측정되었고 코팅 결과 SiON과 접착력이 우수하고 유기하드마스크가 균일하게 도포되었음을 알 수 있었다.

본 논문에서는 벡터제어 기법을 적용하는 교류 전동기 PI(비례-적분) 전류제어를 위한 주요 시스템 파라미터를 측정하는 방법을 제시한다. 전류제어를 위해서 PI 제어입력은 여러 선택적 방법에 의해 튜닝될 수 있다. 그 여러 방법들 중에서 주요 계통 파라미터인 권선 저항과 인덕턴스를 이용하는 방법이 빈번히 사용된다. 본 연구에서는 단순 궤환 제어의 결과들을 통해서 이 두 파라미터를 분석, 계측하는 기법을 제시한다. 이 분석적 측정 방법은 단위 계단 또는 다중 계단 기준 명령에 대해 단순 비례 궤환 이득을 이용하는 P 제어의 출력들을 분석하여 단계적으로 파라미터들을 계측해 내는 방법이다. 이 기법은 실시간적인 해석적 계측 방법으로 추가 계측 회로들 및 복잡한 계측 알고리즘들을 사용하지 않고 교류전동기의 벡터제어를 위한 토크성분과 자속성분 전류 제어이득을 같이 연산할 수 있는 방법이다.

식품제조 중소기업들은 원물 투입부터 최종 팔렛타이징까지 대부분 노동집약적이고 수작업으로 구성되어 있다. 최근 로봇과 센서 데이터 기술요소 적용으로 스마트화 디지털화로 변화하는 추세이다. 본 연구에서는 식품제조기업에서 적용 설비 역량보다 작업자가 속도를 따라가지 못하는 반복작업 공정 2가지를 선정하였으며, 이를 3D 시뮬레이션을 활용하여 개선 효과성을 규명하고자 한다. 꼬치 조립 후 작업자들이 계량 후 포장하는 공정과 무작위로 공급되는 냉동식품류를 계량-내·외포장-팔렛타이징 일괄 수작업 공정 2개를 선정하였다. 가동률, 생산량, 투입 작업자 수를 검증 지표로 선정하였다. 3D 개선 공정 시뮬레이션 결과 생산량은 각각 기존보다 13.5%, 56.8% 증가했으며, 특히 팔렛타이징 로봇 적용 공정에서 높은 효과성을 보였다. 두 공정 모두 가동률과 투입인력 수는 감소함에 따라 작업자에게 피로도가 높은 공정을 로봇으로 대체 적용할 수 있어 작업 과부하를 개선할 수 있는 결과를 나타냈다. 본 연구 결과를 바탕으로 3D 시뮬레이션을 활용하여 식품계량 및 포정 공정에 로봇을 도입함으로써 개선된 공정의 성능을 정량적으로 사전 검증의 가능성을 확인할 수 있었다.

본 논문에서는 오디오 부호화기를 위한 스펙트럼 변화 파라미터와 Mel Frequency Cepstral Coefficients(MFCC) 파라미터를 이용하여 음성과 음악 신호를 분류하는 개루프 방식의 알고리즘을 제안한다. 반응성을 높이기 위해 단구간 특징 파라미터로 MFCC를 사용하고 정확도를 높이기 위해 장구간 특징 파라미터로 스펙트럼 변화를 사용하였다. 전체적인 음성/음악 신호 분류 결정은 단구간 분류와 장구간 분류를 결합하여 이루어진다. 패턴인식을 위해 Gaussian Mixed Model(GMM)을 사용하였고, Expectation Maximization(EM) 알고리즘을 사용하여 최적의 GMM 파라미터를 추출하였다. 제안된 장단구간 결합 음성/음악 신호 분류 방법은 다양한 오디오 음원에서 평균적으로 1.5% 분류 오류율을 보였고 단구간 단독 분류 방법 보다 0.9%, 장구간 단독 분류 방법보다 0.6%의 분류 오류율의 성능 개선을 이룰 수 있었다. 제안된 장단구간 결합 음성/음악 신호 분류 방법은 USAC 오디오 분류 방법보다 타악기 음악 신호에서 9.1% 분류 오류율, 음성신호에서 5.8% 분류 오류율의 성능 개선을 이룰 수 있었다.

메타버스 내의 가상현실 공간 형성을 위해서는 정확한 트래킹 센서와 구현이 필요하다. 대부분 국가 기관 및 기업들은 바이브와 같은 자체 트래킹 센서와 베이스 스테이션을 사용하여 트래킹을 수행한다. 바이브 방식은 공간적 제약, 주변에 장애물이나 구조물이 있을 경우 트래킹에 문제가 발생할 수 있고, 공간 내에서 수용 가능한 인원도 제한된다. 본 논문에서는 공간 가상현실 메타버스를 자유롭게 트래킹 할 수 있도록 IR센서 트래킹 시스템을 이용하여 메타버스를 구성하고, 필요에 따라 바닥과 천장에 IR센서를 추가 배치하여 메타버스 공간을 유연하게 구성하여 컨텐츠를 실험하였다. 실험한 결과 바이브 방식에 비해 IR-트래킹 시스템 방식이 바이브 방식보다 약 12% 정도 추적 안정성이 높았다. 또한 바닥추적 센서를 더 추가면 추적 안정성이 더 높아 안정적으로 가상공간을 표현할 수 있다.

농촌의 인구 감소, 고령화에 따른 농촌 인력 부족, 기후 변화에 따른 병해충 증가로 인해 어려움을 격고 있는 농업에 생산성을 높이고, 농산물의 품질을 향상시키는 기술 중 하나가 IoT를 활용한 스마트 팜 기술이다. 기존의 IoT를 활용한 스마트 팜은 단순히 농장을 모니터링하거나, 스마트 식물 재배기 구현, 온실 자동 개폐 시스템 등이 있다. 본 논문은 사물 인터넷의 산업 표준 프로토콜인 MQTT와 사물 인터넷의 대표적인 개발 미들웨어인 Node-RED을 기반한 스마트 팜 시스템을 구현한다. 먼저, 아두이노 센서들로 데이터를 추출하고, MQTT 프로토콜을 사용하여 IoT 디바이스에서 데이터를 수집하고 전송한다. 그런 다음, Node-RED를 사용하여 MQTT 메시지를 처리하고 데이터를 저장하기 위해 대표적인 NoSQL인 MongoDB에 실시간적으로 센싱 데이터를 저장한다. 농장 관리자는 본 스마트 팜 시스템을 통해 컴퓨터나 모바일 폰을 이용하여 시간과 공간에 제약없이 언제 어디든지 실시간적으로 스마트 팜에 센싱 정보를 확인할 수 있다.

최근, 정보통신기술의 발달로 위치 정보 서비스가 점차 확대되고 있으며, 실내외 위치를 추출하기 위해 RSSI가 많이 활용되고 있다. RSSI를 이용한 실내외 위치추정법은 전파경로 및 간섭, 주변의 무선기기 장치 등의 영향을 받아 정확도가 떨어진다. 이러한 문제점을 개선하기 위해 전파 환경을 고려한 거리 추정법이 필요하다. 따라서 본 연구에서는 전파 환경을 고려하기 거리 추정 알고리즘을 제안한다. 제안된 방법은 확률적 특성을 가진 RBF 신경망과 전파 환경이 반영된 RSSI 입력과 출력을 학습하여 거리를 추정하도록 한 것이다. 제안된 방법의 성능을 평가하기 위해 BLE 비컨 송신기와 수신기를 이용하여 최대 55[m] 범위 내의 수신기의 위치를 추정하는 성능을 기존의 평균 필터, 칼만 필터 등과 비교평가 하였다. 그 결과 제안된 방법의 거리 추정정확도가 6.7배로 높은 결과를 보였다. 이 성능평가의 결과와 같이 본 연구의 방법을 위치 서비스에 적용한다면 더 정확한 위치추정이 가능할 것으로 사료된다.

사람의 인지기능을 구성하는 중요한 요소인 주의력은 감각기관을 통한 다양한 자극에서 필요한 자극에만 의식을 집중하는 중요한 인지기능이다. 다양한 환경 요건이 주의력에 영향을 미친다는 다양한 연구 결과가 있으나 피부에 직접 냉각요법을 적용하는 것이 주의력에 영향을 미치는 바는 많이 연구되지 않았다. 36명의 피평가자를 대상으로 학습 및 휴식 활동 중 냉동요법 적용 시점 및 여부에 따른 주의력의 차이를 살펴보았다. 시각적 주의력 평가도구인 FAIR 주의력 검사를 실시하였으며 해당 평가도구의 주의력 지수인 능력지수, 통제지수, 지속성지수 결과에 대한 통계적 분석을 실시하였다. 휴식 활동을 수행한 피평가자 사이에서는 냉동요법의 적용이 모든 하위지수에 영향을 미치지 않는 것으로 나타났다. 학습 활동을 수행한 피평가자 사이에서는 사전 냉동요법을 적용한 집단(P=469.0, C=435.4))과 사후 냉동요법을 적용한 집단(P=457.4, C=425.4)이 냉동요법을 실시하지 않은 집단(P=335.8, C=301.7)에 비해 능력지수와 지속성지수가 높게 나타났다. 이러한 결과로부터 냉동요법이 제한적으로나마 주의력의 수준을 유지 시켜주고, 주의를 환기해 준다는 결론 도출할 수 있다.

최근 몇 년 동안 언어 모델 기반의 생성형 인공지능 기술은 눈에 띄게 발전하고 있다. 특히, 요약, 코드 작성과 같은 다양한 분야에서 활용 가능성이 증가하고 있어 큰 관심을 받고 있다. 이러한 관심의 반영으로, 생성형 인공지능 관련 특허 출원이 급격히 증가하는 추세를 보인다. 이러한 동향을 파악하고 이에 따른 전략을 수립하기 위해 미래 예측이 핵심적이다. 예측을 통해 해당 기술 분야의 미래 동향을 정확히 파악하여 더 효과적인 전략을 수립할 수 있다. 본 논문에서는 언어 모델 기반 생성형 인공지능 발전 방향을 확인하기 위해 현재까지 출원된 특허들을 분석하였다. 특히, 각 국가에서의 연구 및 발명 활동을 깊게 살펴보았으며, 연도별 및 세부 기술별 출원 동향을 중점적으로 분석하였다. 이러한 분석을 통해 핵심 특허들이 포함하고 있는 세부 기술을 이해하고, 향후 생성형 인공지능의 기술 개발 트렌드를 예측해 보고자 하였다.

본 논문에서는 생성형 인공지능 관련 특허에서, 기술의 핵심 구성 요소에 기반하여 수립된 정성적 평가 지표를 활용해 특허 발굴 방법과 전략을 제시한다. 현재 특허 품질에 대한 평가는 정량적 지표에 의존하고 있으나, 기존의 정량적 지표는 생성형 인공지능 기술의 특성을 대표할 수 없어 정확한 평가가 어렵다. 이에 실제 특허의 강약을 알 수 있는 특허 청구범위를 기준으로 하여, 기술적 특성을 고려한 정성적 지표가 추가로 필요하다. 본 논문에서는 생성형 인공지능의 기술적 특성을 고려하여 새로운 평가 지표를 제안한다. 제안한 평가 지표를 활용하여 핵심 특허를 선정하였으며, 선정된 핵심 특허에 대하여 기존의 정량적 평가 방법을 통해 제안한 지표가 적합한지 확인하였다.

Attention is a fundamental aspect in the cognitive process of human. Cognitive system of human body requires to focus on selected information among a vast amount of information from sensory organs. It has widely studied that various environmental factors affected the level of attention; however, few researches have aimed to the effect of direct cryotherapy. In this research, level of attention was studied comparing sub-indexes of FAIR test between groups with different duration of direct cryotheapy to the back of neck. FAIR test is a evaluation tool for visual attention consisting of three sub-indexes. Selective attention, accuracy of attention, and persistence of attention can be independently analyzed by FAIR test. In the analysis of selective attention, cryotherapy for 5 to 20 minutes showed higher result than cryotherapy for 40 minutes. In the analysis of persistence of attention, cryotherapy for 5 to 15 minutes showed higher result than cryotherapy for 40 minutes. Overall, selective attention and persistence of attention turns out to be maximized between 5 to 20 minutes of cryotherapy and tends to decrease afterwards. However, accuracy of attention does not seem to be affected by the duration of cryotherapy. Correlation between selective attention and the skin temperature by cryotherapy tends to be negative supporting the findings by ANOVA and post-hoc test. Correlation between persistence of attention and the skin temperature showed similar results.

슈퍼컴퓨팅 기술 및 하드웨어 기술이 발전함에 따라 기후 예측 모델도 고도화되고 있다. 한국 기상청 역시 영국 기상청으로부터 GloSea5을 도입하였고 한국 기상 환경에 맞추어 업데이트된 GloSea6를 운용 중이다. 각 대학 및 연구기관에서는 슈퍼컴퓨터보다는 사양이 낮은 중소규모 서버에서 활용하기 위해 저해상도 결합모델인 Low-GloSea6를 구축하여 사용하고 있다. 본 논문에서는 중소규모 서버에서의 기상 연구의 효율성을 위한 Low-GloSea6 소프트웨어를 분석하여 가장 많은 CPU Time을 점유하는 대기 모델의 tri_sor.F90 모듈의 tri_sor_dp_dp 서브루틴을 Hotspot으로 검출하였다. 해당 함수에 머신러닝의 한 종류인 선형 회귀 모델을 적용하여 해당 기법의 가능성을 확인한다. 이상치 데이터를 제거 후 선형 회귀 모델을 학습한 결과 RMSE는 2.7665e-08, MAE는 1.4958e-08으로 Lasso 회귀, ElasticNet 회귀보다 더욱 좋은 성능을 보였다. 이는 Low-GloSea6 수행 과정 중 Hotspot으로 검출된 tri_sor.F90 모듈에 머신러닝 기법 적용 가능성을 확인하였다.

본 논문에서는 UKF(unscented Kalman filter)와 연동된 입자필터를 이용한 단안시 카메라의 실시간 자세추정 기법을 제안한다. 단안시 카메라 자세 추정 기법에는 주로 카메라 영상과 자이로스코프, 가속도센서 데이터 등을 연동하는 방법이 많이 이용되고 있으나 본 논문에서 제안하는 방법은 별도의 센서 없이 카메라 영상에서 취득되는 2차원 시각 정보만을 이용하는 것을 목표로 한다. 제안된 방법은 카메라 영상 이외의 부가적인 장비를 이용하지 않고 별도의 센싱 정보 없이 2차원 영상만으로 카메라 추적이 가능하며, 따라서 기존에 비해 하드웨어 구성이 단순해질수 있다는 장점을 갖고 있다. 제안된 방법은 UKF와 연동된 입자필터를 기반으로 한다. 입자필터의 각 입자마다 개별적으로 정의된 UKF로부터 카메라의 상태를 추정한 다음 입자필터의 전체 입자로부터 카메라 상태에 대한 통계데이터를 산출하고 이로부터 카메라의 실시간 자세정보를 계산한다. 기존의 방법과 달리 제안된 방법은 카메라의 급격한 흔들림이 발생하는 경우에도 카메라 추적이 가능함을 보여주며, 영상 내의 특징점 대다수가 가려지는 환경에서도 카메라 추적에 실패하지 않음을 실험을 통하여 확인하였다. 또한 입자의 개수가 35개인 경우 프레임 당 소요 시간이 약 25ms이며 이로부터 실시간 처리에 문제가 없음을 확인할 수 있었다.

본 논문은 머신러닝을 활용하여 교량 데이터 설계 시 기존 엔지니어의 구조해석결과 또는 경험 및 주관에 따라 슬래브 두께를 예측하여 왔던 프로세스를 머신러닝 기법을 적용하여 디지털 기반 의사결정이 가능하도록 제시한다. 본 연구에서는 슬래브 두께 선정을 구조해석 외에 머신러닝 기법을 활용하여 엔지니어에게 가이드 값을 제공하게 함으로써 신뢰성 있는 설계 환경을 구축하고자 한다. 교량 데이터 중 가장 많은 비중을 차지하고 있는 거더교를 기준으로 상부구조물 중 슬래브 두께를 예측하기 위한 예측모델 프로세스를 정의 하였다. 각 프로세스 별 예측 값을 산출하기 위하여 다양한 머신러닝 모델 (Linear Regress, Decision Tree, Random Forest, Muliti-layer Perceptron)을 프로세스별 경합하여 최적의 모델을 도출하였다. 본 연구를 통해 기존 구조해석을 통해서만 슬래브 두께 예측을 하였던 영역에 머신러닝 기법의 적용 가능성을 확인하였으며 정확도 또한 95.4%를 도출하였다, 향후 프로세스 확장 및 데이터를 지속 확보하여 예측모델 정확도를 향상시킨다면 공사 환경에 머신러닝 모델이 지속 활용될 수 있을 것으로 기대된다.

본 논문에서는 근감소증의 발병 여부와 정도를 확인하기 위해 3번 요추부 (L3) CT 영상을 검출하는 딥러닝 모델을 제안하는 것이다. 또한, CT 데이터 내에 L3 레벨과 L3 레벨이 아닌 부분의 데이터 불균형으로 인한 성능 저하의 문제점을 오버샘플링 비율과 클래스 가중치를 설계변수로 하는 최적화 기법을 제시하고자 한다. 모델 학습 및 검증을 위하여 강릉아산병원에 내원한 전립선암 환자 104명, 방광암 환자 46명의 총 150명의 전신 CT 영상이 활용되었다. 딥러닝 모델은 ResNet50을 활용하였으며, 최적화기법의 설계변수로는 모델 하이퍼파라미터 5종과 데이터 증강비율 및 클래스 가중치로 선정하였다. 제안하는 최적화 기반의 L3 레벨 추출 모델은 대조군 (하이퍼파라미터 5종만을 최적화한 모델)과 비교하여 중간 L3 오차가 약 1.0 슬라이스 감소한 것을 확인할 수 있었다. 본 연구결과를 통하여 정확한 L3 슬라이스 검출이 가능하며, 추가적으로 데이터 증강을 통한 오버 샘플링과 클래스 가중치 조절을 통해 데이터 불균형 문제를 효과적으로 해결할 수 있는 가능성을 제시할 수 있다.

등척성 팔굽 굽힘시 전완길이(florearm length)는 전완에 가해진 힘의 방향이 직각일 때 관절토크 뿐만 아니라 최대근지구력시간(maximum endurance time: MET)을 결정하는 중요한 요소이다. 본 연구의 목표는 전완의 등척성 수축시 MET의 대표적인 두 가지 실증적 모델인 지수모델과 거듭제곱모델에 전완길이를 추가요소로 적용했을 때 미치는 영향을 검토하는 것이다. 30명의 자원자가 실험에 참여하였으며, 요소변수로 사용할 참여자의 상완 및 전완의 둘레 및 길이들과 최대자율수축강도의 백분율(percent of maximum voluntary contraction intensity: %MVC)에 따른 MET를 측정하였다. 실험과정에서 ln(MET)의 다중선형회귀모델에서 유의확률을 산츨한 결과 %MVC와 전완길이가 유의한 독립변수임을 확인하였다 (P<0.05). 또한, 측정 MET와 기존의 두 가지 실증적 모델들 사이의 평균절대편차는 19.4초 였으나 전완길이를 적용한 모델을 이용한 경우 16.2초로 감소하였으며, 상관계수과 급내상관계수는 모두 평균 0.87 이었으나 전완길이를 적용했을 때 평균 0.91로 모두 증가하였다. 실험결과로부터 전완의 길이가 실증적 모델에 유의한 추가 요소임을 확인하였다.

양식장에서 물고기의 성장을 측정하는 작업은 아직도 사람의 손이 많이 가는 방식을 사용한다. 이 방식은 많은 노동력이 필요하고, 물고기가 스트레스를 받아 폐사율에 악영향을 준다. 이러한 문제를 해결하기 위해 물고기의 성장도를 자동화하기 위한 시스템 FGRS(Fish Growth Regression System)를 제안한다. FGRS는 두 개의 모듈로 구성된다. 첫째는 Yolo v8 기반의 물고기를 디텍팅하는 모듈이고, 둘째는 물고기 영상 데이터를 CNN 기반의 신경망 모델을 이용하여 물고기의 성장도를 예측하는 모듈로 구성된다. 시뮬레이션 결과 학습전에는 예측 오차가 평균 134.2일로 나왔지만 학습 이후 평균 오차가 39.8일 까지 감소했다. 본 논문에서 제안한 시스템을 이용해 생육일을 예측하여 물고기의 성장예측을 활용해 양식장에서의 자동화에 기여할 수 있고, 많은 노동력 감소와 비용 절감 효과를 가져 올 수 있을 것이라 기대한다.

빅데이터 분석 시스템들은 다양한 형태의 방대한 데이터를 저장 및 처리, 분석을 위해 MongoDB와 같은 NoSQL 데이터베이스를 적용한다. MongoDB는 환경 구성에 따라 분산 처리 및 데이터 복제를 통해 확장성과 빠른 데이터 처리 속도를 제공한다. 본 논문에서는 구현하는 빅데이터 분석 시스템에 적합한 MongoDB 환경 구성에 대해 연구한다. 성능 평가를 위한 환경은 크게 싱글 노드와 다중 노드 환경으로 구성하였으며, 다중 노드 환경은 데이터 노드의 수를 2대에서 3대까지 확장하여 각 환경별 성능을 측정하였다. 분석 결과, 3차원 이상의 복잡한 데이터 구조의 데이터 처리 속도는 싱글 노드 환경이 2개의 데이터 노드 환경에 비해 약 5.75% 빠르게 처리하지만,3개의 데이터 노드 환경은 싱글 노드 환경에 비해 약 25.15% 이상 빠르게 처리한다. 그러나 데이터 구조가 단순한 1차원 데이터 구조는 다중 노드 환경이 싱글 노드 환경에 비해 약 28.63% 빠르게 처리한다. 향후 본 연구를 기반으로 다양한 데이터 구조 및 방대한 양의 데이터를 통한 실질적인 검증이 필요하다.

본 논문에서는 초광대역 안테나에 적용되는 임펄스 신호의 특성에 대해 기술하였다. 초광대역 안테나에 적용되는 펄스의 형태는 시영역에서 나노초 또는 피코초 이하의 펄스폭을 가지며 주파수 영역에서는 광대역의 특성을 가진다. 임펄스 생성회로를 설계하여 10MHz의 정현파를 입력 파형으로 하였을 때 출력으로 펄스폭이 130ps 및 대응되는 대역폭으로는 4GHz 정도의 임펄스가 생성됨을 측정을 통해 확인하였다. 저항이 장하된 초광대역 안테나에서 단위 길이당 저항 값을 파라미터로 설정하였을 때 수신되는 임펄스의 특성을 시영역에서는 펄스의 충실도, 주파수 영역에서는 피크 값 대비 -10dB 대역폭으로 확인하였다. 저항이 장하되는 값이 커질수록 임펄스는 생성된 임펄스와 유사한 파형으로 수신되며 이는 충실도 0.98로 산출되었고 해당하는 대역폭은 3.4GHz로 측정되어 실험으로 확인하였다.