• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.49-59
• /
• 2022

본 논문에서는 2020년 기준 단백질 서열을 이용한 기능과 구조 예측 분야에서 가장 많이 사용되고 있는 딥러닝 모델인 CNN과 LSTM/GRU 모델을 동일한 조건 하에 비교 평가한 연구를 토대로 새로운 효소 기능 예측 모델인 PSCREM을 설계하였다. CNN 합성곱 시 누락되는 세부 패턴을 보존하기 위하여 서열 진화정보를 이용하였으며 중첩 RNN을 통해 기능적으로 중요한 의미를 가지는 아미노산 간의 관계 정보를 추출하고 특징 맵 제작에 참조하였다. 사용된 RNN 계열의 알고리즘은 LSTM과 GRU로 보통 stacked RNN 기법으로 100 units 이상 2~3회 쌓는 것이 일반적이나 본 논문에서는 10, 20 unit으로 구성한 뒤 중첩시켜서 특징 맵 제작에 사용하였다. 모델에 들어가는 데이터는 단백질 서열 데이터로 PSSM profile로 가공한 뒤 사용되었다. 실험 결과 효소 번호 첫 번째 자리를 예측하는 문제에 대해 86.4%의 정확도를 나타냄을 입증하였고, 효소 번호 3번째 자리까지 예측 정확도 84.4%의 성능을 내는 것을 확인하였다. PSCREM은 Overlapped RNN을 통해 단백질 기능에 관련된 고유 패턴을 더 잘 파악하며 Overlapped RNN은 단백질 기능 및 구조 예측 추출 분야에 새로운 방법론으로서 제안된다.

• 인터넷정보학회논문지
• /
• 제22권6호
• /
• pp.141-150
• /
• 2021

인공지능(Artificial Intelligence) 기술을 활용하여 인공지능 기반의 전쟁 (AI-enabled warfare)가 미래전의 핵심이 될 것으로 예상한다. 자연어 처리 기술은 이러한 AI 기술의 핵심 기술로 지휘관 및 참모들이 자연어로 작성된 보고서, 정보 및 첩보를 일일이 열어확인하는 부담을 줄이는데 획기적으로 기여할 수 있다. 본 논문에서는 지휘관 및 참모의 정보 처리 부담을 줄이고 신속한 지휘결심을 지원하기 위해 언어 모델 기반의 다출처 정보 통합 (Language model-based Multi-source Information Integration, LAMII) 프레임워크를 제안한다. 제안된 LAMII 프레임워크는 자기지도 학습법을 활용한 언어 모델에 기반한 표현학습과 오토인코더를 활용한 문서 통합의 핵심 단계로 구성되어 있다. 첫 번째 단계에서는, 자기지도 학습 기법을 활용하여 구조적으로 이질적인 두 문장간의 유사 관계를 식별할 수 있는 표현학습을 수행한다. 두 번째 단계에서는, 앞서 학습된 모델을 활용하여 다출처로부터 비슷한 내용 혹은 토픽을 함양하는 문서들을 발견하고 이들을 통합한다. 이 때, 중복되는 문장을 제거하기 위해 오토인코더를 활용하여 문장의 중복성을 측정한다. 본 논문의 우수성을 입증하기 위해, 우리는 언어모델들과 이의 성능을 평가할 때 활용되는 대표적인 벤치마크 셋들을 함께 활용하여 이질적인 문장간의 유사 관계를 예측의 비교 실험하였다. 실험 결과, 제안된 LAMII 프레임워크가 다른 언어 모델에 비하여 이질적인 문장 구조간의 유사 관계를 효과적으로 예측할 수 있음을 입증하였다.

• 대한토목학회논문집
• /
• 제43권5호
• /
• pp.555-566
• /
• 2023

본 연구에서는 콘크리트 부재에 저온 적용을 위해 SOL-GEL 기법을 이용하여 제조된 열에너지 저장 복합상변화물질(CPCM)를 개발하였다. 코어는 테트라데칸, 지지재는 활성탄(AC)을 각각 사용하였다. 진공 함침법을 이용하여 AC의 다공성 구조에 테트라데칸 상변화 물질(PCM)을 함침시키고, 테트라에틸오르토실리케이트(TEOS)를 사용한 SOL-GEL 공정을 이용하여 제조된 복합체에 실리카 겔을 얇게 코팅하였다. CPCM의 열 성능은 시차주사열량계(DSC)과 열 중량분석(TGA)을 통해 분석했다. DSC 결과 테트라데칸 PCM은 용융 및 동결 온도가 각각 6.4℃ 및 1.3℃이고 해당 엔탈피는 각각 226J/g 및 223.8J/g인 것으로 나타났다. CPCM은 7.1℃ 및 2.4℃에서 용융 및 동결 과정에서 각각 32.98J/g 및 27.7J/g의 엔탈피를 나타내었다. TGA 시험 결과 AC는 500℃까지 열적으로 안정하며, 이는 120℃ 정도인 순수 테트라데칸의 분해 온도보다 훨씬 높은 것으로 나타났다. 또한, AC-PCM과 CPCM의 경우 각각 80℃와 100℃에서 열분해가 시작되었다. CPCM의 화학적 정성 분석을 위해 푸리에 변환 적외선(FT-IR) 분광법을 이용하였으며, 그 결과 개발된 복합체가 화학적으로 안정함을 확인하였다. 마지막으로, SOL-GEL 공정 후 AC 표면에 실리카 겔의 얇은 층이 존재함을 확인하기 위해 주사전자현미경(SEM)을 이용하여 AC와 CPCM의 표면 형태를 분석하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권7호
• /
• pp.303-314
• /
• 2023

음성 변환(Voice Conversion)은 개인의 음성 데이터를 다른 사람의 음향적 특성(음조, 리듬, 성별 등)으로 재생성할 수 있는 기술로, 교육, 의사소통, 엔터테인먼트 등 다양한 분야에서 활용되고 있다. 본 논문은 StarGAN-VC 모델을 기반으로 한 접근 방식을 제안하여, 병렬 발화(Utterance) 없이도 현실적인 음성을 생성할 수 있다. 고정된 원본(source) 및 목표(target)화자 정보의 원핫 벡터(One-hot vector)를 이용하는 기존 StarGAN-VC 모델의 제약을 극복하기 위해, 본 논문에서는 사전 훈련된 Rawnet3를 사용하여 목표화자의 특징 벡터를 추출한다. 이를 통해 음성 변환은 직접적인 화자 간 매핑 없이 잠재 공간(latent space)에서 이루어져 many-to-many를 넘어서 any-to-any 구조가 가능하다. 기존 StarGAN-VC 모델에서 사용된 손실함수 외에도, Wasserstein-1 거리를 사용하여 생성된 음성 세그먼트가 목표 음성의 음향적 특성과 일치하도록 보장했다. 또한, 안정적인 훈련을 위해 Two Time-Scale Update Rule (TTUR)을 사용한다. 본 논문에서 제시한 평가 지표들을 적용한 실험 결과에 따르면, 제한된 목소리 변환만이 가능한 기존 StarGAN-VC 기법 대비, 본 논문의 제안 방법을 통해 다양한 발화자에 대한 성능이 개선된 음성 변환을 제공할 수 있음을 정량적으로 확인하였다.

• 대한토목학회논문집
• /
• 제26권4B호
• /
• pp.389-398
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측모형을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저 갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 연속적으로 선행 유출량을 나타내는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 예측모형의 전처리 과정으로 이용하였다. 먼저, 본 연구에서 제안한 방법은 SOM에 의해 강우-유출 관계를 분류하고, SOM에 의한 분류에 따라 각각의 모형을 구성한다. 개별적으로 구축된 모형은 유출량의 예측을 위해 각각의 양상에 따라 분류된 자료를 이용한다. 결과적으로 본 연구에서 제안한 방법은 과거의 인공신경망의 일반적인 적용에 의한 결과보다 더 나은 예측능력을 보여주었으며, 더불어 유출량의 과소 및 과대추정과 Persistence 현상과 같은 문제점이 나타나지 않았다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.273-275
• /
• 2022

임산부에게 약물을 사용하는 것은 태아에게 잠재적인 위협이 될 수 있으므로 임산부가 복용을 피해야 할 약물을 분류하는 것은 필수적이다. 하지만 많은 화합물이 태아에게 독성을 나타낼 수 있는지에 대한 근거가 불분명하며, 그것을 밝혀내기 위해서는 많은 시간과 비용이 투자된다. In silico 기반 가상 스크리닝은 광범위한 화합물에 대해서 적은 비용과 시간으로 어떤 화합물이 태아에게 높은 위험을 보일 수 있는지 예측하는데 활용될 수 있다. 우리는 한국과 호주 정부의 임신 중 약물 처방을 위한 위험 분류 리스트를 활용해 약물의 분류 등급 정보를 가져왔다. 약물의 구조적 특징과 화학적 특징을 기반으로 다양한 머신 러닝 기법을 적용하여 약물의 태아 독성 여부를 예측하는 모델을 생성하였으며, 정량적 성능 평가를 수행하였다. 나아가, attention 알고리즘을 활용하여 제안하는 모델이 약물의 태아 독성을 예측하는 과정에서 화합물의 어떤 하위 분자 구조가 중요하게 활용되었는지 확인하였다. 해당 연구를 통해 광범위한 화합물에 대해 높은 태아 독성 위험도를 가진 약물을 머신 러닝을 통해 예측할 수 있는 것을 확인하였다. 우리의 연구는 단순한 약물의 태아 독성 예측에서 나아가, 유의미한 하위 분자구조를 제공함으로써 연구자들이 약물의 태아 독성을 증명하기 위해 수행하는 실험에서 핵심적인 역할이 가능할 것이다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.867-873
• /
• 2023

본 연구는 감기약의 품질관리를 위한 기초자료서, HPLC를 이용하여 감기약의 4가지 주요 성분인 아세트아미노펜(Acetaminophen), 카페인(Caffeine), 메틸 파라벤(Methly paraben), 프로필 파라벤(Propyl paraben)을 동시 분석하였다. 시료는 4가지 성분을 전처리한 후, 액체크로마토그래피(HPLC)를 사용하여 정량분석 하였다. 감기약의 분석은 상업용 C18 칼럼과 이동상으로 아세토니트릴(Acetonitrile) 과 증류수(H₂O)을 사용하였으며, 아이소그라틱 기법(Isocratic Elution)을 사용하였다. 검출기는 PDA 및 UV detector를 사용하였으며, 유속은 1.0mL/min, 주입부피는 10uL, 칼럼오븐의 온도는 35℃, 파장은 270nm에서 수행하였다. 실험 결과 Resolution의 값이 각각 4.983, 1.596, 5.519, 1.678으로 Rs >1.5 이상으로 나타나 분리능이 우수하고 Symmetry factor 값은 1.056, 1.069, 1.032, 1.133으로 안정적인 대칭을 갖는 것을 알 수 있었다. 모든 표준성분의 검량선 값은 R² > 0.9995 ~ 0.9999로 나타나 우수한 직선성을 나타내었다. 또한 검출한계(Llimit of detection) 와 정량한계(Limit of quantification)는 각각 0.0118 ~ 1.5973mg/mL 및 0.0353 ~ 4.7919㎍/mL, 회수율은 79.6% ~ 120.5%로 안정적인 값을 얻었다. 본 연구 결과는 실험적으로 입증한 감기약 성분의 동시 분석법에 의한 품질평가가 효율적임을 보여주었다

• 문화기술의 융합
• /
• 제9권5호
• /
• pp.597-603
• /
• 2023

군사 작전의 패러다임은 정보기술의 발전으로 플랫폼 중심전에서 네트워크 중심전, 그리고 정보 중심전으로 진화해왔다. 최근 몇 년간 빅 데이터, 인공지능, 사물인터넷(IoT)과 같은 첨단 기술의 발전으로 인해 군사 작전은 인공지능 기반의 지식 중심전(KCW)으로 진화하고 있다. 이에 따라 군은 신뢰성 있는 C4I (Command, Control, Communication, Computer, Intelligence) 시스템 구축을 위해 첨단 정보통신기술(ICT)의 통합에 큰 비중을 두고 있다. 본 연구는 C4I 시스템의 전투 능력 향상, 네트워크 기반 환경에서의 최적 활용, 정보 흐름의 효율적인 부하분산, 원활한 의사소통, 지식공유의 효과적인 구현 등을 분석하고 평가하기 위해 데이터 마이닝 기법을 적용할 필요성을 강조한다. 데이터 마이닝은 현대 빅 데이터 분석의 핵심 기술로, 본 연구는 데이터 마이닝을 활용하여 실제 사례를 분석하고 군의 지휘 통제체계의 효율성을 극대화하는 실용적인 전략을 제안하였다. 연구 결과는 C4I 시스템의 성능을 더 깊게 이해하고 현대 군사 작전에 지식 중심전을 강화하는 데 유용한 통찰을 제공할 것으로 기대한다.

• 지능정보연구
• /
• 제29권4호
• /
• pp.31-49
• /
• 2023

레스토랑 산업의 성장과 함께 레스토랑 오프라인 매장 수는 점차 증가하지만, 소비자는 자신의 선호도에 적합한 레스토랑을 선택하는 데 어려움을 경험하고 있다. 따라서 소비자의 선호도에 맞는 레스토랑을 추천하는 개인화된 추천 서비스의 필요성이 대두하고 있다. 기존 연구에서는 설문조사 및 평점 정보를 활용하여 소비자 선호도를 조사했으나, 이는 소비자의 구체적인 선호도를 효과적으로 반영하는데 어려움이 존재한다. 이러한 배경하에 온라인 리뷰는 방문 동기, 음식 평가 등 레스토랑에 대한 소비자 구체적인 선호도를 효과적으로 반영하기 때문에 필수적인 정보이다. 한편, 일부 연구에서는 리뷰 텍스트에 전통적인 기계학습 기법을 적용하여 소비자의 선호도를 측정하였다. 그러나 이러한 접근 방식은 주변 단어나 맥락을 고려하지 못하는 한계점이 존재한다. 따라서 본 연구는 딥러닝을 효과적으로 활용하여 온라인 리뷰에서 소비자의 선호도를 정교하게 추출하는 리뷰 텍스트 기반 레스토랑 추천 모델을 제안한다. 본 연구에서 제안된 모델은 추출된 높은 수준의 의미론적 표현과 소비자-레스토랑 상호작용을 연결하여 소비자의 선호도를 정확하고 효과적으로 예측한다. 실험 결과에 따르면 본 연구에서 제안된 추천 모델은 기존 연구에서 제안된 여러 모델에 비해 우수한 추천 성능을 보이는 것으로 나타났다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.392-399
• /
• 2023

본 논문에서는 김치 제조 공정 중 배추 심 제거 공정의 로봇 자동화를 위한 배추 심 영역 및 깊이를 판별하는 딥러닝 모델을 제안하는 것이다. 또한 계측된 배추의 심 깊이를 예측하는 것이 아닌 discrete 클래스로 변환하여 영역 검출 및 분류를 동시에 하는 모델을 제시하였다. 딥러닝 모델 학습 및 검증을 위하여 전처리 과정을 거지치 않고 수확된 배추 522 포기에 대한 RGB 영상을 획득하였다. 획득한 영상으로부터 심 영역 및 깊이 라벨링 그리고 데이터 증강 기법을 적용하였다. 제안하는 YOLO-v4 딥러닝 모델 기반 배추 심 영역 검출 및 분류 모델의 성능을 평가하기 위하여 mAP, IoU, accuracy, sensitivity, specificity 그리고 F1-score로 선정하였다. 그 결과 배추 심 영역 검출은 mAP 그리고 IoU 값이 각각 0.97 그리고 0.91로 나타났으며, 심 깊이 분류의 경우 accuracy 그리고 F1-score 값이 각각 96.2% 그리고 95.5%로 나타났다. 본 연구 결과를 통하여 배추의 심 영역 검출 및 깊이 정보 분류가 가능하며, 추후 배추 심 제거 공정의 로봇-자동화 시스템 개발에 활용될 수 있는 가능성을 확인하였다.