• Bulletin of the Korean Space Science Society
• /
• 2011.04a
• /
• pp.22.4-22.4
• /
• 2011

위성항법시스템에서 위성 신호의 이상 발생 시 신속하게 위성시계의 고장 유무를 판단할 수 있도록 실시간 위성 시계 이상감지 시스템을 구축하였다. 위성 시계는 시스템 성능에 직접적인 영향을 미치는 핵심 요소로서 고장이나 이상 발생 시 측정치에 매우 큰 영향을 미칠 수 있다. 특정 위성 시계에 고장이나 이상이 발생한 경우 사용자들이 해당 위성의 측정치를 사용하지 않도록 가능한 빨리 이를 감지하고 공지할 수 있어야 한다. 현재 GPS의 경우 시스템 자체만으로는 위성 상태 정보가 적절한 시간 내에 제공되지 못하므로, 사용자가 직접 위성 신호의 사용 유무를 판단할 수 있는 위성 상태 감시 기능이 필요하다. 이 논문에서는 위성 시계 이상 발생 시 이를 실시간으로 감지할 수 있도록 한국항공우주연구에서 구축한 실시간 위성 시계 이상 감지 시스템에 대해 소개하고자 한다. 시스템 구현을 위해 적용한 방법은 크게 세 단계로 나뉠 수 있다. 첫 번째, 실시간으로 수신한 GPS 이중 주파수 측정치로부터 반송파 스무딩 필터를 적용하여 위성 시계 바이어스를 추정한다. 두 번째, 위성 위치 및 시계 정보의 실시간 적용을 위해 항법력보다 성능이 뛰어난 IGS Ultra-rapid 예측 정보를 활용한다. 마지막으로 위성시계 바이어스 추정치와 예측치를 비교하여 시계 이상 유무를 판별한다. 실제 위성 시계 이상이 발생한 위성의 측정치를 적용하여 시스템에 대한 검증시험을 수행하였고, 10 나노 초 수준의 위성 시계도약 현상이 발생한 위성의 감지를 통해 시스템의 성능을 확인하였다. 이는 항공항법분야와 같이 고성능의 위치 정보를 요구하는 응용분야에 신뢰성 있는 위성 정보 제공을 위해 활용될 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.686-688
• /
• 2020

본 논문에서는 U-Net 모델을 이용하여 정교하고 반복되는 패턴을 가진 인쇄물에 대한 비지도 학습을 통한 딥러닝 기반 이상치탐지(Anomaly Detection) 방법을 제안하였다. 인쇄물(카드)의 비정상 패턴 검출을 위하여 촬영한 영상으로부터 카드 영역을 분리한 이미지로 구성된 Dataset을 구축하였고 정상 이미지와 동일한 이미지를 출력하기 위해, 정상 이미지와 마스크 이미지 쌍의 Training dataset을 U-Net으로 학습하였다. Test dataset의 이미지를 입력으로 넣어 생성된 마스크 결과를 원본 마스크 이미지와 비교하여 이상 여부를 판단하는 본 논문의 방법이 정상, 비정상 인쇄물을 잘 구분하는 것을 확인하였다. 또한 정상과 비정상 이미지 각각을 학습한 지도학습 기반 CNN 분류 방법을 입력 영상과 복원 영상 간의 복원 오차를 비교하여 객체의 이상 여부를 판별하는 본 논문의 방법과 비교 평가하였다. 본 논문을 통해 U-Net을 사용하여 별도로 데이터에 대한 label 취득 없이 이상치를 검출할 수 있음을 확인할 수 있었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.469-471
• /
• 2023

본 논문에서는 기존 중고거래 플랫폼들의 불편한 점들을 해소하고 사용자들이 효율적이고 편리한 중고거래를 할 수 있도록 도와주는 플랫폼을 개발했다. 조사를 통해 기존 중고거래 플랫폼은 허위 매물, 시세 파악의 어려움, 사기 피해 등의 문제점이 존재한다는 사실을 인식했다. 문제 해결을 위해 파이썬을 활용하여 주요 중고거래 플랫폼의 상품 데이터를 수집했다. 이에 IQR을 적용하여 가격의 이상치를 판별했다. 가격 비교와 허위 매물 판별이 용이하게 되는 장점이 있다. 또한 이상치를 제거한 상품들의 시세를 계산하여 데이터를 차트로 시각화했다. 플랫폼과 지역마다 상이한 중고 상품의 신뢰성 있는 시세를 파악할 수 있고 중고거래 사기 피해를 방지할 수 있도록 사용자에게 주요 사기 수법, 뉴스 등의 정보를 제공한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.742-744
• /
• 2003

PDB로부터 얻은 51개의 단백질-RNA 복합체를 대상으로 기존 연구에서 얻은 단백질과 RNA의 결합 성향성 값과 본 논문에서 새로 구한 단백질의 표면 노출정도에 따른 결합 성향성 값을 이용하여 단백질의 결합 기대치를 구한다. 또한 구한 결합 기대치를 활용하여 새로운 단백질-RNA 복합체를 대상으로 단백질의 결합 부위 예측을 시도하였다. 결합 기대치는 0.240 이상인 경우 결합할 가능성이 높은 것으로 판별하였고, 그 결과 단백질의 결합 후보지를 전체 단백질의 25% 정도로 줄일 수 있었다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• v.2
• /
• pp.493-496
• /
• 2006

본 논문에서는 원자 시계를 이용한 위성 시계 감시 기법을 제안하고 실시간으로 구현하였다. GPS 수신기 측정치에는 궤도 오차, 이온층 지연, 대류층 지연, 다중경로, 수신기 시계 오차들이 포함되어 있어 감시국에서는 위성 시계 오차가 이러한 오차보다 커지기 전에는 검출하기가 어렵다. 따라서 천천히 변화하는 위성시계 오차를 검출하는데 긴 시간이 소요된다. 이러한 문제를 해결하기 위하여 본 논문에서는 원자시계를 이용하여 수신기 시계오차를 최소화하고, 이중 주파수 측정치를 이용하여 전리층 지연을 제거하는 등 위성 시계 오차 외의 나머지 오차 성분들을 효과적으로 제거하고 남은 오차의 특성으로부터 위성시계의 이상을 감시하는 방법을 제안하였다. 제안한 기법은 윈도우 기반 GUI형태의 소프트웨어로 구현하였고, 원자시계로부터 시각을 제공받는 GPS 수신기로 실시간으로 데이터를 수신하여 그 타당성을 확인하였다. 수신기에 원자시계를 이용함으로써 이상판별을 위한 임계치를 낮출 수 있어 천천히 변화하는 이상을 빨리 검출할 수 있어 이를 일반 사용자가 방송함으로써 사용자의 안전성을 향상시킬 수 있을 것이다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.301-301
• /
• 2022

본 연구는 운영 조건이 달라짐에 따라 회전수가 변하는 기기의 정상적 가동 여부와 고장 종류를 판별하기 위한 인공지능 알고리즘의 적용을 다루고 있다. 회전수가 변하는 장비로부터 계측된 상태 모니터링 센서의 신호는 비정상(non-stationary)적 특성이 있으므로, 상태 신호의 한계치가 고장 판별의 기준이 되기 어렵다는 점을 해결하고자 하였다. 정상 가동 여부는 이상 감지에 효율적인 오토인코더 및 기계학습 알고리즘을 적용하였으며, 고장 종류 판별에는 기계학습법과 합성곱 기반의 심층학습 방법을 적용하였다. 변하는 회전수와 연계된 주파수의 비정상적 시계열도 적절한 고장 특징 (Feature)로 대변될 수 있도록 시간 및 주파수 영역에서 특징 벡터를 구성할 수 있음을 예제로 설명하였다. 차원 축소 및 카이 제곱 기법을 적용하여 최적의 특징 벡터를 추출하여 기계학습의 분류 알고리즘이 비정상적 회전 신호를 가진 장비의 고장 예측에 활용될 수 있음을 보였다. 이 과정에서 k-NN(k-Nearest Neighbor), SVM(Support Vector Machine), Random Forest의 기계학습 알고리즘을 적용하였다. 또한 시계열 기반의 오토인코더 및 CNN (Convolution Neural Network) 적용하여 이상 감지와 고장진단을 수행한 결과를 비교하여 제시하였다.

• 대한예방의학회:학술대회논문집
• /
• 2005.10a
• /
• pp.301-301
• /
• 2005

• The korean journal of orthodontics
• /
• v.39 no.2
• /
• pp.112-119
• /
• 2009

Objective: To develop a mixed dentition analysis method in consideration of the normal variation of tooth sizes. Methods: According to the tooth-size of the maxillary central incisor, maxillary 1st molar, mandibular central incisor, mandibular lateral incisor, and mandibular 1st molar, 307 normal occlusion subjects were clustered into the smaller and larger tooth-size groups. Multiple regression analyses were then performed to predict the sizes of the canine and premolars for the 2 groups and both genders separately. For a cross validation dataset, 504 malocclusion patients were assigned into the 2 groups. Then multiple regression equations were applied. Results: Our results show that the maximum errors of the predicted space for the canine, 1st and 2nd premolars were 0.71 and 0.82 mm residual standard deviation for the normal occlusion and malocclusion groups, respectively. For malocclusion patients, the prediction errors did not imply a statistically significant difference depending on the types of malocclusion nor the types of tooth-size groups. The frequency of prediction error more than 1 mm and 2 mm were 17.3% and 1.8%, respectively. The overall prediction accuracy was dramatically improved in this study compared to that of previous studies. Conclusions: The computer aided calculation method used in this study appeared to be more efficient.

• Korean Journal of Construction Engineering and Management
• /
• v.18 no.6
• /
• pp.78-88
• /
• 2017

With the growing use of BIM in the AEC industry, various new applications are being developed to meet these specific needs. Such developments have increased the importance of Industry Foundation Classes, which is the international standard for sharing BIM data and thus ensuring interoperability. However, mapping individual BIM objects to IFC entities is still a manual task, and is a main cause for errors or omissions during data transfers. This research focused on addressing this issue by applying novelty detection, which is a technique for detecting anomalies in data. By training the algorithm to learn the geometry of IFC entities, misclassifications (i.e., outliers) can be detected automatically. Two IFC classes (ifcWall, ifcDoor) were trained using objects from three BIM models. The results showed that the algorithm was able to correctly identify 141 of 160 outliers. Novelty detection is thus suggested as a competent solution to resolve the mapping issue, mainly due to its ability to create multiple inlier boundaries and ex ante training of element geometry.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.293-296
• /
• 2021

K-water에서는 다목적댐의 관리를 위해 실시간으로 댐수위, 하천 수위 및 강우량 등을 계측하고 있으며, 계측된 값들은 댐을 효과적으로 운영하는데 필요한 데이터로 활용되고 있다. 특히 댐수위 이상 데이터를 탐지하지 못한 채 그대로 사용할 경우 댐의 방류 시기와 방류량 등을 결정하는 중요한 의사결정을 그르칠 수 있으므로 이를 신속히 탐지하는 것이 매우 중요하다. 현재의 자동화된 이상 데이터 탐지방법 중 하나는 현재 데이터가 최댓값과 최솟값을 초과할 때, 다른 하나는 현재 데이터와 일정 시간 동안의 평균값 간의 차이가 관리자가 정한 특정 값을 벗어났을 때를 기준으로 삼고 있다. 전자는 상한과 하한의 초과 여부만 판단하므로 탐지가 쉬우나 정상범위 내에서 발생한 이상 데이터는 탐지가 불가하다. 후자는 관리자의 경험을 통해 판단 조건을 정하기 때문에 객관성이 결여되는 문제가 있다. 특히 방류와 강우가 복합적으로 댐수위에 영향을 미치는 홍수기에 관리자의 경험에 기초한 이상 데이터 판별은 신뢰성의 문제가 있을 수 있다. 따라서 본 연구에서는 기계학습을 최초로 적용하여 이상 데이터를 탐지하고자 하였다. 댐수위, 누적강우량 및 누적방류량 데이터와 댐수위데이터를 가공하여 생성한 댐수위차, 댐수위차평균, 댐수위평균 등 자질들의 다양한 조합을 만든 후 이를 Random Forest, SVM, AdaptiveBoost 및 다층퍼셉트론(MLP) 등과 같은 여러 가지 기계학습모델 등을 통해 이상 데이터를 판별하는 실험(분류)을 하였다. 실험결과 댐수위, 댐수위차, 댐수위-댐수위평균, 누적강우량, 누적방류량 및 댐수위차평균을 사용하였을 때 MLP에서 가장 우수한 성능을 보였다. 이 연구를 통해서 댐수위 이상 데이터를 기계학습의 분류기능을 통해 효과적으로 탐지할 수 있다는 것과 모델의 성능은 실험에 사용한 자질의 수뿐 아니라 자질의 종류에도 큰 영향을 받는다는 것을 알 수 있었다.