• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2017년도 하계학술대회
• /
• pp.221-224
• /
• 2017

본 논문은 사용자 수준에 적합한 맞춤형 학습코스를 추천하여 학습효과를 향상시킬 수 있는 추천모델을 개발하고, 효과분석을 위한 방안을 제시한다. 학습자 개개인의 학습수준이나 학습내용 등에 따라 적합한 학습주제를 선정하여 제공하는 것은 중요하나, 일반적인 추천은 전문가 그룹을 활용한 사람중심의 추천으로 시간이 오래 걸리는 등 자원의 비효율적 한계점[1]을 가지고 있다. 이를 극복하기 위해, TF-IDF를 이용해 단어별 가중치를 계산하여 고빈도 단어를 추출하여 벡터 공간에 배치시키고, Cosine Similarity 기법을 이용해 벡터간의 유사도를 측정하였다. 학습자 프로파일을 분석하고, 학습스킬간의 연관성을 고려하여 맞춤형 학습코스를 추천하기 위해, 워드 임베딩 기법을 적용하였고, 이를 위해 오픈소스 Gensim[2]을 이용하였다. 맞춤형 학습코스 추천 모델의 효과를 분석하기 위한 실험을 설계하고 평가 문항지를 개발하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.691-693
• /
• 2005

본 연구에서는 FMM 신경망의 학습 알고리즘에서 하이퍼박스 확장과정에 수반되는 중첩현상을 분석하고, 이에 대한 축소 과정의 특성과 이를 보완하기 위한 새로운 활성화 함수에 관하여 고찰한다. 하이퍼박스 중첩 영역에 속하는 패턴 데이터는 그 분류 결과가 왜곡될 수 있다. 왜냐하면 학습과정에서 하이퍼박스상의 특징범위는 특징값의 빈도요소를 고려하지 않음으로 인하여 극소수의 비정상적 데이터에 관해서도 동일 수준으로 민감하게 확장되기 때문이다. 본 논문에서는 특징집합에서 가중치와 빈도요소를 반영하는 모델로서 이러한 중첩현상의 영향을 개선하는 방법론을 소개한다. 제안된 이론은 단순화된 패턴집합에 대하여 그 유용성을 이론적으로 고찰하며, 실제 패턴분류 문제에 적용하여 실험적으로 평가한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (A)
• /
• pp.878-880
• /
• 2003

대부분의 진단 알고리즘은 PMC 모델을 바탕으로 결함의 개수가 t개를 초과하지 않는다는 t-진단가능 시스템의 특성을 이용한다. 하지만, 병렬처리 시스템의 규모가 커짐에 따라 시스템 내에서 발생되는 결함의 빈도가 높아지게 된다. 즉, 진단 알고리즘에서 가정하는 결함의 개수 t는 병렬처리 시스템 안에 있는 노드의 수에 비해 상당히 작은 개수이며, 결함의 개수가 t를 초과할 경우는 거의 고려하지 않았다. 본 논문에서는 결함의 개수가 t개를 초과하는 경우에 대하여 진단의 정확여부를 판단할 수 없는 충분히 작은 개수의 노드가 존재한다는 것을 허락함으로서, 진단 가능한 결함의 최대 수를 증가시키는 알고리즘을 제안한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 춘계학술발표논문집
• /
• pp.133-137
• /
• 2001

본 논문에서는 해프톤 영상의 칼라 분포 특성을 이용하여 해프톤 영상과 비해프톤 영상을 분류하는 방법에 대해 연구하였다. 이를 위해 스캐닝한 RGB 해프톤 영상을 HSV 칼라 모델로 변환한 후, Hue에 대한 히스토그램에서 해프톤 영상이 갖는 고유한 칼라분포 특성을 분석하였다. 일반적으로 해프톤 영상에서는 인쇄시 사용된 칼라들로 인해 특정 Hue 값을 갖는 픽셀의 빈도가 비해프톤 영상과 달리 피크(peak) 형태로 높게 나타나는 특성이 있다. 본 논문에서는 이러한 특성을 고려하여 해프톤 영상과 비해프톤 영상을 구분할 수 있는 분류 방법을 개발하였으며, 실험을 통해 그 타당성을 검토하였다. 제안한 방법은 내용기반 검색시스템에서의 영상분류과정과 문서영상분할 분야 등에서 활용할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.428-428
• /
• 2022

본 연구에서는 최근 RCM을 이용하여 생산된 미래 강우자료를 1시간강우량으로 변환하기 위한 Neyman-Scott Rectangular Pulse(NSRP) 모델 기반의 강우분해기법을 개발하고 이를 기반으로 짧은 지속시간에 대한 확률강우량이 어떻게 변화하는지 전망해보고자 하였다. 강우분해기법의 성능평가는 관측자료를 이용하여 수행되었으며, 관측 시계열을 우수하게 모의했으나 일최대 시간 강수량이 20mm를 초과하는 경우 불확실성이 증가함에 따라 사용에 주의가 필요할 것으로 판단된다. 미래 확률강우량 전망결과는 모든 지점(울산, 부산, 창원, 밀양)에서 향후 재현기간별 1시간 확률강우량이 증가될 것으로 전망되었다. 울산과 밀양 지점의 경우, 재현기간에 클수록 증가율 또한 증가하는 경향이 뚜렷하게 나타났는데 이는 상대적으로 복잡한 산악지역 내 위치하고 있고, 다른 지점보다 산지효과 영향이 크기 때문으로 판단된다. 부산과 창원지점은 다른 두 지점에 비해 재현 기간별 확률강우량의 변동성이 크게 나타났는데, 이는 해안에 가깝에 위치해 있어 RCM별 불확실성이 다소 크게 작용한 것으로 판단된다. 특히 과거 200년 빈도 확률강우량 보다 미래 50년미만 빈도 확률 강우량이 더 커질 수 있는 가능성을 확인하였다. 다양한 불확실성이 포함되어 있는 결과이긴 하나 이러한 결과를 기반으로 곧 도래할 미래의 도시유역 방재성능 재정비가 필요할 것으로 사료된다. 아울러, 극한 강우발생 가능성이 높아질 수 있음을 의미하기 때문에 이에 대한 새로운 수자원의 이수와 치수 대비를 위한 구조적/비구조적 대책이 시급할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.463-463
• /
• 2016

최근 도시물순환 복원 및 치 이수효과 증대를 위해 저영향개발기법(Low Impact Development) 연구가 활발하게 진행 중이다. 하지만 대부분이 수치모델을 활용한 설계프로그램 개발에 대한 연구에 집중되어 있는 실정이며, 이러한 프로그램을 활용한 설계 시 최적의 매개변수 결정에 한계가 있다. 이러한 이유로 본 연구에서는 건축형 LID 요소 중 하나인 식생여과장치(Planter Box)의 모형실험을 통해 프로그램 모의에 필요한 매개변수를 추정하고, 모의를 수행한 후 모형실험 결과와 프로그램 모의 결과를 비교하여 최종적으로 식생여과장치의 설계 매개변수를 산정하고자 한다. 식생여과장치의 모형실험을 위하여 가로 1.5m, 세로 1.5m, 높이 1.5m로 실험 장치를 제작하였으며, 강우-유출수 실험 전 시료의 침투율, 함수비 등을 체크한 후 지속시간 1시간의 재현빈도 5년, 10년, 20년, 50년에 해당하는 강우강도에 대해 실험을 수행하였다. 실험결과로 나타난 자료는 SWMM 모형과 비교분석해 모형에 적용된 매개변수의 적합성을 분석하였으며, 재현빈도 5년, 10년, 20년의 경우 $R^2$ 값이 0.88~0.97로 실험 값과 모의 값의 연관성이 높게 나타났으며, 재현 빈도 50년의 경우 0.7835로 비교적 연관성이 낮게 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.122-122
• /
• 2021

전 세계적인 기후변화로 인해 태풍과 집중호우의 빈도와 규모가 증가하고 있으며 그로 인해 수재해 대응과 수자원 관리에 많은 어려움이 따른다. 댐 운영은 이러한 수자원 관리의 중요한 요소이며 정확한 댐 유입량의 예측은 효율적인 댐 운영과 관리의 필수적인 부분이다. 최근에는 여러 분야에서 활용되고 있는 딥러닝 모델을 활용하여 댐 유입량 예측에 관한 다수의 연구들이 수행되고 있다. 특히, 수문 시계열의 장기적인 특성과 비선형적인 관계를 고려하기 위해 연속형 모의를 기반으로 하는 딥러닝 모델의 적용 및 평가와 관련 연구의 필요성이 대두되고 있다. 본 연구에서는 연속형 모의를 기반으로 하는 딥러닝 모델을 활용하여 댐 유입량 예측을 수행하고자 하며 이의 적용성을 평가하고자 한다. 적용 대상 지역으로는 안동댐 상류 유역을 선정하였으며 2006년부터 2020년까지의 시 단위 강우 및 댐 유입량 자료를 활용하였다. 선행시간(1~6시간)별 예측 유입량과 관측 유입량의 비교를 통한 정량적 평가를 수행하였다. 또한 입력 자료에 대한 과거 기간, 모델 구성, 손실함수 등에 대한 조건별 평가를 통해 예측 정확도의 변화에 대한 분석을 수행하였다. 본 연구결과를 통해, 딥러닝 기반의 댐 유입량 예측 정확도에 대한 향상과 실시간 예측을 위한 딥러닝 모델의 활용성 증대에 기여할 것으로 기대된다. 향후, 강우 예보 자료를 연계한 딥러닝 기반의 실시간 댐 유입량 예측 기법을 제안하고 이의 활용성을 평가하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.194-194
• /
• 2021

최근 지구온난화 및 이상기후 현상으로 인하여 집중호우의 빈도와 강도가 급증하고 있다. 그리고 급격한 도시화로 불투수 면적이 증가하여 도시지역에 침수피해가 빈번하게 발생하고 있는 실정이다. 이러한 침수피해를 방지하기 위하여 침수위험지구, 재해위험지구를 선정하여 집중호우에 대하여 집중관리를 하고 있지만 위험지구이외의 곳에서 침수가 발생할 경우 신속하게 대처하지 못하는 문제가 발생하고 있다. 또한, 하천이 범람하여 발생하는 외수침수의 경우 수위를 실시간으로 확인할 수 있어 미리 대응이 가능하지만, 내수침수의 경우 지하에 매설되어 있는 관로의 상태를 확인할 수 없기 때문에 순간적으로 발생하는 침수에 대하여 신속하게 대처를 해야 한다. 현재 침수 피해를 신속하게 대처하기 위하여 CCTV를 활용해 침수의 발생여부를 모니터링 하고 있지만 CCTV설치 지역에 비하여 적은 인력으로 모든 CCTV를 확인하지 못하여 침수피해를 신속하게 대처하지 못하고 있는 실정이다. 본 연구에서는 침수사진 자료를 CNN(Convolutional Neural Network)기법을 이용하여 학습시켜 침수의 발생여부를 판단하는 모델을 제안하였다. 딥러닝 기법의 CNN은 이미지의 특징을 추출하여 학습하는 과정을 가지게 되는데 학습이 완료된 모델은 침수사진의 특징을 파악하여 침수가 발생하였는지에 대한 여부를 자동적으로 판단하게 된다. 본 연구결과를 CCTV관재센터 혹은 지자체와의 연계를 통하여 침수의 발생여부를 자동적으로 판단해주는 시스템이 개발된다면 신속한 침수피해 대처가 이루어 질 수 있을 것이라 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.42-42
• /
• 2023

최근 IPCC 6차 보고서에서는 전 지구의 온도가 0.5℃가 증가할 때마다 기상학적 가뭄 지역이 증가하며, 인위적 강제력은 가뭄 현상의 강도와 빈도를 증가하는 것으로 밝혔다. 봄철(3월-5월) 동남아시아(남중국, 필리핀 등)에 비해 상대적으로 건조한 동북아시아(동중국, 한반도, 일본) 지역은 가뭄에 취약하며 기후 변화에 따라 가뭄으로 인한 피해가 커질 것으로 전망된다. 그러므로 이 지역은 봄철 가뭄으로 인한 피해를 완화하기 위해 봄철 강수량에 대한 신뢰할 만한 계절적 예보 기술이 꼭 필요하다. 본 연구에서는 1992-2022년 봄철의 Standardized Precipitation Index(SPI) 값을 기준으로 2001년과 2011년 동북아시아 가뭄이 발생한 것을 확인하였으며, 각 해의 3월에 관측된 기상학적 초기 조건으로부터 다중 기후 예보 모델들의 봄철 강수량의 계절적 예측성을 정량적으로 평가하였다. 관측자료로부터 2001년 가뭄은 동북아시아 대기 상층의 저기압성 순환의 강화로 인한 제트류(Jet stream)의 강화와 연관되어 있었으며, 2011년 가뭄은 제트류 강화와 함께 태평양 열대 지역 기류 강화가 동반되어 발생하였음을 알 수 있었다. North American Multi-Model Ensemble 기후 예보 모델들은 2011년 가뭄에 비해 2001년 가뭄에 대한 예측성이 높았으며, 그 이유로는 대기 상층 순환의 예측성과 연관이 있음을 밝혔다. 또한, 봄철 대기-해양 상호 패턴을 관측과 유사하게 재현한 GFDL-SPEARS 모델이 가뭄 해의 대기 상층 저기압성 순환과 강수 예측성이 가장 높은 것을 보였다. 본 연구의 결과들을 통해 동북아시아 봄철 가뭄과 같은 극한 기상의 강수량 예측성 향상에 있어서 기후 예보 모델들의 현실적인 대기-해양 결합 과정 모사 능력의 중요성을 밝혔다. 본 연구에서 제안된 방안들은 기후 예측 모델 개선을 위한 전략적인 정보를 제공할 것으로 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.312-312
• /
• 2019

지구온난화로 인하여 기상학적 변동성 증가 및 수질, 수자원, 생태계 등의 다양한 영역에 영향을 야기하고 있으며, 이를 통한 피해가 전 세계적으로 증가하고 있는 추세이다. 이에 본 연구에서는 최근 다양한 분야에서 수문학적 빈도에 영향을 미친다고 알려진 AO(Arctic Oscillation), NAO(North Atlantic Oscillation), ENSO(El $Ni{\tilde{n}}o$-Southern Oscillation), PDO(Pacific Decadal Oscillation), MJO(Madden-Julian Oscillation)등의 외부인자중 SST, MJO를 활용하여 계절단위의 수문량 정도에서 기상학적 변량과 관측유역 강수량의 관계를 정립하고 발생 가능한 24시간 지속시간 극치강수량을 모의하였다. 이를 위하여 Bayesian 통계기법을 이용한 비정상성 빈도해석모형을 근간으로 외부 기상인자에 의한 계절강수량 예측모형인 계층적 베이지안 네트워크(Hierarchical Bayesian Network, HBN)를 구축한 후 산정된 결과를 입력 자료로 하여 직접적으로 일단위 이하의 극치강수량을 상세화 시킬 수 있는 베타 모델(four parameter beta, 4PB)을 연계한 계층적 베이지안 네트워크 베타모델(Hierarchical Bayesian Network-4beta Model, HBN4BM)을 개발하여 기상변동성을 고려한 상세화 모형을 개발하였다. 여름강수량 산정 결과 한강 유역의 경우 2016년은 관측값 573.85mm, 모의 값 567.15mm를 나타내어 약 1.2%의 오차를 나타냈으며, 2017년 및 2018년은 4.5%, 6.8%의 오차에서 모의가 이루어졌다. 금강의 경우 2016년은 다른 연도에 비하여 35.2%라는 큰 오차를 보였지만 불확실성 구간에서 모의가 이루어 졌으며, 2017년 및 2018년은 0.3%, 2.1%의 작은 오차가 발생하였다. 24시간 모의 결과는 최소 0.7%에서 최대 27.1%의 오차를 나타냈으며, 평균적으로 16.4%의 오차 결과가 모의되어 모형의 신뢰성을 확인하였다.