• 한국지구과학회지
• /
• 제21권1호
• /
• pp.67-80
• /
• 2000

중국 북동부 대흥안령(大興安嶺) 지역 중생대 화산암류의 암석학 및 전체적인 암석화학적 특징을 파악하고, 동북아시아 지역의 중생대 화산암대의 지체구조적 환경 비교 및 성인 연구를 하였다. 주성분 화학조성의 특징은 주로 알칼리-서브알칼리계열의 현무암-현무암질 안산암-안산암-데사이트 및 유문암 조성을 보이고, 전형적인 BAR(현무암-안산암-유문암)의 암석조합을 나타낸다. 그러나, 각 화산분출 단위에서는 산성의 유문암질 성분과 염기성의 현무암질 성분이 많은 반면, 중성 성분이 비교적 결여되어 있는 바이모달 특징을 나타낸다. 미량원소 함량 조성의 전반적인 특징을 보면, Rb, Ba, Th 등 불호정성원소들이 부화되어 있으며, 불호정성이 작아지고 호정성이 증가할수록, 즉 Cr, Ni로 감에 따라 그 함량이 감소하는 특징을 보인다. 또, 희토류원소가 상당히 분화되어 있으며, LREE, Rb, Ba, Th, K 등 불호정성원소의 함량이 높으며, LILE/HFSE 비가 높은 특징을 보인다. Hf-Th-Nb 성분도에서도 본 지역의 화산암류들은 판이 침강 섭입하는 판경계부에서 생성된 마그마로부터 유래하는 조구적 위치에 도시된다. 이는 현재 대흥안령 지역의 지체구조적 위치가 아시아 대륙내부에 위치하나, 화산암류가 형성될 당시에는 지판이 섭입하는 대륙호 환경이었거나 또는 이미 침강섭입된 판으로부터 지구화학적인 혼염된 맨틀 플룸의 영향을 받았음을 추측할 수 있다.

• 방송공학회논문지
• /
• 제23권3호
• /
• pp.351-360
• /
• 2018

인간 감정 인식은 컴퓨터 비전 및 인공 지능 영역에서 지속적인 관심을 받는 연구 주제이다. 본 논문에서는 wild 환경에서 이미지, 얼굴 특징점 및 음성신호로 구성된 multi-modal 신호를 기반으로 여러 신경망을 통해 인간의 감정을 분류하는 방법을 제안한다. 제안 방법은 다음과 같은 특징을 갖는다. 첫째, multi task learning과 비디오의 시공간 특성을 이용한 준 감독 학습을 사용함으로써 영상 기반 네트워크의 학습 성능을 크게 향상시켰다. 둘째, 얼굴의 1 차원 랜드 마크 정보를 2 차원 영상으로 변환하는 모델을 새로 제안하였고, 이를 바탕으로 한 CNN-LSTM 네트워크를 제안하여 감정 인식을 향상시켰다. 셋째, 특정 감정에 오디오 신호가 매우 효과적이라는 관측을 기반으로 특정 감정에 robust한 오디오 심층 학습 메커니즘을 제안한다. 마지막으로 소위 적응적 감정 융합 (emotion adaptive fusion)을 적용하여 여러 네트워크의 시너지 효과를 극대화한다. 제안 네트워크는 기존의 지도 학습과 반 지도학습 네트워크를 적절히 융합하여 감정 분류 성능을 향상시켰다. EmotiW2017 대회에서 주어진 테스트 셋에 대한 5번째 시도에서, 제안 방법은 57.12 %의 분류 정확도를 달성하였다.

• Composites Research
• /
• 제32권1호
• /
• pp.21-28
• /
• 2019

최근 환경 규제에 의하여 자동차 업계는 차량의 연비를 높이기 위해서 복합소재를 활용한 경량화 연구가 다양하게 진행되고 있다. 하지만 샤시계 부품들은 복합소재를 활용한 경량화 연구가 미진하다. 따라서 본 연구에서는 샤시계 부품 중 서브프레임에 복합재료를 활용하여 스틸 동등 수준의 강성, 강도 그리고 NVH 성능과, 50%의 경량화를 이끌어 내는 것이 목표다. 우선, 복합재료의 Damping 특성을 확인하기 위하여, 스틸과 복합재료 시편을 활용하여 고유 진동수를 1차 비교하였다. 본격적으로 서브프레임 개발에 들어가 강성, 강도를 극대화 할 수 있는 Lay-up Sequence를 제시하였고, 제작과정 중 경화에 의한 열 수축을 피할 수 있는 Lay-up Sequence를 제시하였다. 이 과정은 구조해석을 바탕으로 설계를 하였고, Modal 해석을 바탕으로 고유 진동수와 주파수 응답 그래프를 확인하였다. 설계 안을 바탕으로 프로토 타입 서브프레임을 제작하였고 단품 모달 실험을 통하여 구조해석 설계 안을 검증하였다. 나아가서 실차에 장착하여 공진점 확인 및 아이들링, 로드 노이즈 포함하여 실내 소음 진동 응답 비교를 하였고, 기존 스틸 서브프레임과 동등한 수준의 성능임을 확인하였다. 최종적으로 경량화는 기존 부품 대비 약 50% 무게 경량화 효과를 확인하였다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.137-142
• /
• 2024

최근, 의료 데이터 표현 분야에서 딥러닝 방법들이 사실상의 표준으로 자리잡고 있다. 하지만, 딥러닝 기술은 내재적으로 많은 양의 학습 데이터를 필요로 하므로 대규모의 데이터를 확보하기 쉽지 않은 의료 분야에서는 직접적인 적용이 어려운 실정이다. 특히 뇌신호 모달리티의 경우, 변동성이 크기 때문에 여전히 데이터 부족 문제를 가진다. 이에, 최근 연구에서는 뇌신호의 시간-공간-주파수 특징을 적절하게 추출할 수 있는 딥 뉴럴 네트워크 구조를 설계하거나, 혹은 자가-지도 학습 방법을 도입하여 뇌신호의 신경생리학적 특징을 미리 학습하도록 한다. 본 논문에서는, 최근 각광받는 기술인 뇌-컴퓨터 인터페이스 및 피험자 상태 예측 등의 관점에서 소규모데이터를 다루기 위해 적용되는 방법론에 대한 분석 및 향후 기술 방향성을 제시한다. 먼저 현재 제안되고 있는 뇌신호 표현을 위한 딥 뉴럴 네트워크 구조에 대해 분석한다. 또한 뇌신호의 특성을 잘 학습하기 위한 자가-지도 학습 방법론을 분석한다. 끝으로, 딥러닝 기반 뇌신호 분석을 위한 중요 시사점 및 방향성에 관하여 논한다.