• Geophysics and Geophysical Exploration
• /
• v.25 no.1
• /
• pp.26-37
• /
• 2022

Recently, multiple methods using small aircraft for geophysical exploration have been suggested as a result of the development of information and communication technology. In this study, we introduce the hybrid unmanned aircraft electromagnetic system of the Korea Institute of Geosciences and Mineral resources, which is under development. Additionally, data processing and interpretation methods are suggested via the analysis of datasets obtained using the system under development to verify the system. Because the system uses a three-component receiver hanging from a drone, the effects of rotation on the obtained data are significant and were therefore corrected using a rotation matrix. During the survey, the heights of the source and the receiver and their offsets vary in real time and the measured data are contaminated with noise. The noise makes it difficult to interpret the data using the conventional method. Therefore, we developed a recurrent neural network (RNN) model to enable rapid predictions of the apparent resistivity using magnetic field data. Field data noise is included in the training datasets of the RNN model to improve its performance on noise-contaminated field data. Compared with the results of the electrical resistivity survey, the trained RNN model predicted similar apparent resistivities for the test field dataset.

• Journal of Korea Water Resources Association
• /
• v.56 no.8
• /
• pp.471-484
• /
• 2023

Deep learning models based on generative adversarial neural networks are specialized in generating new information based on learned information. The deep generative models (DGMR) model developed by Google DeepMind is an generative adversarial neural network model that generates predictive radar images by learning complex patterns and relationships in large-scale radar image data. In this study, the DGMR model was trained using radar rainfall observation data from the Ministry of Environment, and rainfall prediction was performed using an generative adversarial neural network for a heavy rainfall case in August 2021, and the accuracy was compared with existing prediction techniques. The DGMR generally resembled the observed rainfall in terms of rainfall distribution in the first 60 minutes, but tended to predict a continuous development of rainfall in cases where strong rainfall occurred over the entire area. Statistical evaluation also showed that the DGMR method is an effective rainfall prediction method compared to other methods, with a critical success index of 0.57 to 0.79 and a mean absolute error of 0.57 to 1.36 mm in 1 hour advance prediction. However, the lack of diversity in the generated results sometimes reduces the prediction accuracy, so it is necessary to improve the diversity and to supplement it with rainfall data predicted by a physics-based numerical forecast model to improve the accuracy of the forecast for more than 2 hours in advance.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10c
• /
• pp.257-259
• /
• 2000

VOD나 영상회의 등과 같은 실시간 서비스를 이용하는 사용자가 급속도로 증가함에 따라 QoS 보장이라는 새로운 요구사항이 등장하였지만 현재 인터넷의 Best-effort 방법으로는 QoS 보장을 완전히 지원하지 않고 있다. 이를 해결하기 위한 방법에는 망 차원의 QoS 아키텍처 이외에도 사용자가 원하는 QoS 보장을 위한 애플리케이션 레벨 QoS 정의와 DiffServ와 같은 새로운 망에서의 QoS 지원을 위한 체계적 정보가 필요하며 이러한 정보를 저장하고 관리할 실시간 서비스에 맞는 정보 저장소가 요구되고 있다. 따라서 본 논문에서는 대표적인 실시간 서비스인 VOD 서비스의 QoS 보장을 위해 필요한 정보들을 추출하여 디렉토리 객체로 정의하고, 효율적인 탐색이 가능한 확장된 디렉토리 시스템을 설계한다. LEAP(Lightweight Directory Access Protocol)을 이용하여 정보를 액세스하는 디렉토리 시스템은 저장소의 물리적 위치에 대한 제약 없이 정보의 분산 및 접근을 용이하게 하며, 논리적인 트리 구조에 따르는 빠른 검색을 가능하게 한다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.9
• /
• pp.27-35
• /
• 2021

Artificial life is used in various fields of applied science by evaluating natural life-related systems, their processes, and evolution. Research has been actively conducted to evolve physical body design and behavioral control strategies for the dynamic activities of these artificial life forms. However, since co-evolution of shapes and neural networks is difficult, artificial life with optimized movements has only one movement in one form and most do not consider the environmental conditions around it. In this paper, artificial life that co-evolve bodies and neural networks using predator-prey models have environmental adaptive movements. The predator-prey hierarchy is then extended to the top-level predator, medium predator, prey three stages to determine the stability of the simulation according to initial population density and correlate between body evolution and population dynamics.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.135-135
• /
• 2018

한강의 잠수교는 평상시에는 사람과 차의 통행이 가능하나 예측수위가 5.5m일 경우, 보행자통제, 6.2m일 경우, 차량통제를 실시한다. 잠수교는 국토교통부의 홍수예보 지점은 아니지만 그 특수성으로 인해 정확한 홍수위 예측을 통해 선행시간을 확보할 필요가 있다. 일반적으로 하천 홍수위 예측을 위해서는 강우-유출 모형과 하도추적을 위한 수리모형을 결합한 모델링이 요구되나 잠수교는 하류부 조위로 인한 배수 및 상류부 팔당댐 방류량의 영향을 받아 물리적 수리 수문모형의 구축이 상당히 제약적이다. 이에 본 연구에서는 딥러닝 오픈 라이브러리인 Tensorflow 기반의 LSTM 심층신경망(Deep Neural Network) 모형을 구축하여 잠수교의 수위예측을 수행한다. LSTM 모형의 학습과 검증을 위해 2011년부터 2017년까지의 10분단위의 잠수교 수위자료, 팔당댐의 방류량과 월곶관측소의 조위자료를 수집한 후, 2011년부터 2016년까지의 자료는 신경망 학습, 2017년 자료를 이용하여 학습된 모형을 검증하였다. 민감도 분석을 통해 LSTM 모형의 최적 매개변수를 추정하고, 이를 기반으로 선행시간(lead time) 1시간, 3시간, 6시간, 9시간, 12시간, 24시간에 대한 잠수교 수위를 예측하였다. LSTM을 이용한 1~6시간 선행시간에 대한 수위예측의 경우, 모형평가 지수 NSE(Nash-Sutcliffe Efficiency)가 1시간(0.99), 3시간(0.97), 6시간(0.93)과 같이 정확도가 매우 우수한 것으로 분석되었으며, 9시간, 12시간, 24시간의 경우, 각각 0.85, 0.82, 0.74로 선행시간이 길어질수록 심층신경망의 예측능력이 저하되는 것으로 나타났다. 하천수위 또는 유량과 같은 수문시계열 분석이 목적일 경우, 종속변수에 영향을 미칠 수 있는 가용한 모든 독립변수를 데이터화하여 선행 정보를 장기적으로 기억하고, 이를 예측에 반영하는 LSTM 심층신경망 모형은 수리 수문모형 구축이 제약적인 경우, 홍수예보를 위한 활용이 가능할 것으로 판단된다.

• Progress in Medical Physics
• /
• v.15 no.4
• /
• pp.228-236
• /
• 2004

Retinal ganglion cells transmit visual scene as an action potential to visual cortex through optic nerve. Conventional recording method using single intra- or extra-cellular electrode enables us to understand the response of specific neuron on specific time. Therefore, it is not possible to determine how the nerve impulses in the population of retinal ganglion cells collectively encode the visual stimulus with conventional recording. This requires recording the simultaneous electrical signals of many neurons. Recent advances in multi-electrode recording have brought us closer to understanding how visual information is encoded by population of retinal ganglion cells. We examined how ganglion cells act together to encode a visual scene with multi-electrode array (MEA). With light stimulation (on duration: 2 sec, off duration: 5 sec) generated on a color monitor driven by custom-made software, we isolated three functional types of ganglion cell activities; ON (35.0$\pm$4.4%), OFF (31.4$\pm$1.9%), and ON/OFF cells (34.6$\pm$5.3%) (Total number of retinal pieces = 8). We observed that nearby neurons often fire action potential near synchrony (< 1 ms). And this narrow correlation is seen among cells within a cluster which is made of 6～8 cells. As there are many more synchronized firing patterns than ganglion cells, such a distributed code might allow the retina to compress a large number of distinct visual messages into a small number of ganglion cells.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.399-401
• /
• 2024

본 논문에서는 텍스처 합성 기술을 활용하여 가상의 거품 패턴 텍스처를 생성하기 위한 합성 데이터 구축 방법을 소개한다. 물리 기반 유체 시뮬레이션에서 거품 표현은 2차 효과(Secondary effects)로 분류되며, 그만큼 계산량이 큰 작업이다. 게임 업계에서는 저사양 디바이스에서도 실시간으로 게임이 실행되어야 하므로 상대적으로 계산량이 큰 물리 기반 시뮬레이션을 통해 거품을 표현하기 어렵다. 대부분 사용자가 임의로 그린 거품 패턴을 화면에 매핑하여 적은 계산량을 통해 거품을 표현하지만, 시뮬레이션을 통해 만들어진 데이터가 아니기 때문에 품질을 보장하기 어렵다. 본 논문에서는 물리 기반 시뮬레이션을 통해 만들어진 거품 패턴을 텍스처 합성 기술을 통해 재생산(Reproduction)함으로써 수작업으로 그린 거품 패턴에서는 표현하기 어려운 고품질 거품 패턴 텍스처를 만들어 낸다.

• Review of KIISC
• /
• v.29 no.3
• /
• pp.37-43
• /
• 2019

딥러닝을 비롯한 인공기능과 영상처리 분야의 접목은 기존 물리보안의 기술적 한계를 뛰어넘어 새로운 기회의 장을 마련하고 있다. 하지만 딥러닝 기반 영상분석 기술도 지능형 영상감시가 필요한 실제 현장에서는 다양한 환경의 제약사항으로 인해 성능이 저하될 가능성이 높다. 본 논문에서는 실제 CCTV 환경의 영상 데이터를 확보하여 신경망을 이용한 지속적인 학습을 통해 영상분석의 성능을 개선하는 클라우드 기반 지능형 영상보안 플랫폼을 소개한다. 클라우드 기반 지능형 영상보안 플랫폼은 지자체 통합관제센터에서 수집한 CCTV 영상을 학습 데이터로 활용하여, 현장에서 신뢰받을 수 있는 사람 검출, 사람/차량 재식별, 열악 차량번호판 탐지 등의 지능형 영상분석 서비스를 제공할 수 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.8 no.8
• /
• pp.1732-1739
• /
• 2004

In this paper, we proposed a visualization system with ANN algorithm that traits the motion of particles that move colliding in the water, where we got a great deal of variable information and predicts the distribution of particles according to the flowing of water and the pattern of their precipitation. We adopted ART2 to detect sensitively the collision between particles in this visualzation. Various particles and their mutual collision influencing the force such as buoyancy force, gravitational force, and the pattern of precipitation are considered in this system. Flowing particles whose motion is changed with the environment can be visualized in the system presented here as they are in real water.

• The Journal of the Acoustical Society of Korea
• /
• v.42 no.4
• /
• pp.305-312
• /
• 2023

Physics-Informed Neural Network (PINN) is used to invert bubble size distributions from attenuation losses. By considering a linear system for the bubble population inversion, Adaptive Learned Iterative Shrinkage Thresholding Algorithm (Ada-LISTA), which has been solved linear systems in image processing, is used as a neural network architecture in PINN. Furthermore, a regularization based on the linear system is added to a loss function of PINN and it makes a PINN have better generalization by a solution satisfying the bubble physics. To evaluate an uncertainty of bubble estimation, deep ensemble is adopted. 20 Ada-LISTAs with different initial values are trained using the same training dataset. During test with attenuation losses different from those in the training dataset, the bubble size distribution and corresponding uncertainty are indicated by average and variance of 20 estimations, respectively. Deep ensemble Ada-LISTA demonstrate superior performance in inverting bubble size distributions than the conventional convex optimization solver of CVX.