• 마이크로전자및패키징학회지
• /
• 제30권2호
• /
• pp.33-42
• /
• 2023

전기자동차 산업은 전 세계적 환경규제 정책과 더불어 각 국 정부의 지원이 맞물려 성장이 가속화 되고 있다. 따라서 전기자동차용 배터리에 대한 수요는 지속적으로 증가할 것으로 예상된다. 전기자동차 배터리 시스템은 다수의 배터리 셀 및 모듈을 전기적으로 연결시켜 하나의 배터리 팩으로 적용된다. 이러한 배터리 셀 및 모듈을 접합하는 기술은 성능, 용량 및 안정성에 직접적인 영향을 주기 때문에 매우 중요하다. 따라서 기계적, 전기적 특성 등 여러 기준들을 고려하여 견고하게 조립되어야 한다. 각각의 접합 기술은 서로 다른 장점과 한계를 가지고 있으며, 배터리 셀에 적용할 때에는 몇 가지 기준이 고려되어야 한다. 본 논문에서는 다양한 배터리 셀 형태에 따른 접합기술의 적용 현황을 조사하고, 저항 용접 및 레이저, 초음파 등 대표적 접합기술에 대한 특징과 장단점을 제공하고자 한다.

• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.150-157
• /
• 2024

본 논문은 딥러닝 기반 객체 탐지 모델과 다항 회귀모델을 이용하여 사과나무에 열린 사과의 개수를 예측할 수 있는 새로운 알고리즘을 제안한다. 사과나무에 열린 사과의 개수를 측정하면 사과 생산량을 예측할 수 있고, 농산물 재해 보험금 산정을 위한 손실을 평가하는 데에도 활용할 수 있다. 사과 착과량 측정을 위해 사과나무의 앞면과 뒷면을 촬영하였다. 촬영된 사진에서 사과를 식별하여 라벨링한 데이터 세트를 구축하였고, 이 데이터 세트를 활용하여 1단계 객체 탐지 방식의 CNN 모델을 학습시켰다. 그런데 사과나무에서 사과가 나뭇잎, 가지 등으로 가려진 경우 영상에 포착되지 않아 영상 인식 기반의 딥러닝 모델이 해당 사과를 인식하거나 추론하는 것이 어렵다. 이 문제를 해결하기 위해, 우리는 두 단계로 이루어진 추론 과정을 제안한다. 첫 번째 단계에서는 영상 기반 딥러닝 모델을 사용하여 사과나무의 양쪽에서 촬영한 사진에서 각각의 사과 개수를 측정한다. 두 번째 단계에서는 딥러닝 모델로 측정한 사과 개수의 합을 독립변수로, 사람이 실제로 과수원을 방문하여 카운트한 사과 개수를 종속변수로 설정하여 다항 회귀 분석을 수행한다. 본 논문에서 제안하는 2단계 추론 시스템의 성능 평가 결과, 각 사과나무에서 사과 개수를 측정하는 평균 정확도가 90.98%로 나타났다. 따라서 제안된 방법은 수작업으로 사과의 개수를 측정하는 데 드는 시간과 비용을 크게 절감할 수 있다. 또한, 이 방법은 딥러닝 기반 착과량 예측의 새로운 기반 기술로 관련 분야에서 널리 활용될 수 있을 것이다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.214-224
• /
• 2024

소노부이는 수중에서 음파를 활용하여 정보 수집을 수행하는 장치로, 엔진 소음이나 다양한 음향 특성을 감지하여 수중 표적을 정확하게 탐지하는 대잠전에 효과적인 탐지체계이다. 다중상태 시스템에서의 기존 소노부이 배치 방식은 고정된 패턴이나 휴리스틱 기반의 규칙에 의존하므로, 예측하기 힘든 수중 표적의 기동으로 인해 소노부이 투하 개수 및 작전 소요 시간 측면에서 효율적인 배치를 보장하지는 못한다. 본 논문에서는 기존 소노부이 배치 방식의 한계를 극복하기 위해, 수중 표적의 이동을 고려한 시뮬레이션 기반의 실험 환경에서 강화학습을 이용한 무인항공기의 소노부이 최적 배치를 제안한다. 제안한 방법은 Unity ML-Agents를 통해 Proximal Policy Optimization(PPO) 알고리즘을 이용하여 가상 작전환경과 실시간 상호작용하며 무인항공기를 학습한다. 소노부이 투하 개수 및 음원 및 수신기 간의 비용을 고려한 보상 함수를 설계하여 효과적인 학습이 가능하게 한다. 동일한 실험 환경에서 강화학습을 적용한 배치 방식과 기존 소노부이 배치 방식을 비교한 결과, 탐지 성공률, 투하된 소노부이 개수, 작전 소요 시간 측면에서 강화학습을 적용한 배치 방식이 가장 우수한 성능을 보였다.

• 생물환경조절학회지
• /
• 제29권2호
• /
• pp.141-152
• /
• 2020

본 연구는 양액 내 존재하는 다량 영양소의 농도를 실시간으로 측정하기 위해 이온 선택 전극 (ISE) 으로 구성된 임베디드 시스템의 개발을 보여준다. NO₃, K 및 Ca 이온을 감지하기위한 PVC ISE, H₂PO₄를 감지하기위한 코발트 전극, 기준 전극, 샘플 용액이 담기는 챔버, 펌프 및 밸브를 사용하여 측정하는 시스템으로 구성된다. 양액 샘플양 조절과 데이터 수집을 위해서 데이터 Due 보드가 사용되었고, 각각의 샘플 측정 전에, 측정 중 발생하는 드리프트를 최소화시키기 위해 2 점 정규화 방법을 사용하였다. PVC 멤브레인을 기반으로 한 NO₃ 및 K 전극의 농도 예측 성능은 표준 분석기의 결과와 근접한 일치 (R² = 0.99) 나타내며 만족스러운 결과를 나타냈다. 하지만, Ca II 이온 투과체 제조된 Ca 전극은 고농도 양액 농도에서 Ca 농도를 55 %로 낮게 측정하였다. 코발트 전극 기반 인산 측정은 반복측정 중에 발생한 코발트 전극의 불안정한 신호로 인해 표준 방법과 비교하여 45 ~ 155 mg / L의 인산 농도 범위에서 24.7 ± 9.26 %의 비교적 높은 오차를 나타냈다. 수경 P 감지의 예측 능력을 향상시키기 위해 코발트 전극의 신호 컨디셔닝에 대한 추가 연구가 필요함으로 판단된다.

• 한국방사선학회논문지
• /
• 제13권1호
• /
• pp.111-118
• /
• 2019

흉부 디지털 단층영상합성장치는 기존 DR의 낮은 깊이 해상도, CT의 높은 피폭선량 문제를 해결할 수 있는 획기적인 영상장치로 대두되고 있다. 그러나 제한된 스캔 각도로 인해 프로젝션이 X 선 소스 동작 방향으로 흉부를 완전히 포함 할 수 없어 재구성 된 슬라이스의 위, 아래 방향 경계를 따라 강도의 불연속성이 발생하게 되는데 이러한 현상을 잘림 아티팩트 (Truncation artifact)라고 한다. 이 연구의 목적은 가중 정규화 접근법을 사용하여 잘림 아티팩트를 줄이고 리스템에서 개발한 프로토 타입 흉부 디지털 단층영상합성장치 시스템에 대한 이 접근법의 성능을 평가하는 것이다. 이 시스템의 source-to-image distance는 1100 mm 이고 X 선원의 회전 중심은 검출기 표면에서 100mm 위로 설정되었다. LUNGMAN 팬텀을 사용하여 ${\pm}20^{\circ}$의 투영 뷰를 $1^{\circ}$ 간격으로 41장을 얻은 후, filtered back projection 알고리즘으로 재구성했다. 정량적 평가를 위하여 시뮬레이션을 이용하여 기준영상을 재구성 후 peak signal to noise ratio와 structure similarity index 값을 평가하였으며 실제 실험 데이터를 이용하여 mean value of specific direction 값을 평가하였다. 시뮬레이션 결과로 아티팩트 보정 전 일반적인 filtered back projection 알고리즘으로 재구성 한 영상과 비교하여 peak signal to noise ratio값과 structure similarity index값 모두 각각 증가하였으며, 실제 실험 재구성 영상의 mean value of specific direction 결과는 아티팩트의 영향이 감소됨을 확인할 수 있었다. 결론적으로, 가중 정규화 방법은 잘림 아티팩트를 줄임으로써 진단의 어려움을 발생시키는 가능성을 개선시킬 수 있는 방법으로 사료된다.

• 해양환경안전학회지
• /
• 제22권5호
• /
• pp.483-489
• /
• 2016

본 연구는 USCG phase-II의 형식승인 기준인 자연상태 생물군집의 75 % 이상 유지하여야 하는 평가체계에 대비하여 자연생물군집 농축 및 선박평형수관리시스템(Ballast Water Management System, BWMS) 처리 전 후 생물사멸시험을 실시하였다. 자연 식물플랑크톤군집의 농축 조사는 중영양수계인 장목만과 부영양화수계의 마산만에서 동계에 수행하였다. 장목만과 마산만에서 1톤 기준으로 생물을 농축하였을 경우, $10-50{\mu}m$ 크기 생물 현존량은 $4.7{\times}10^4cells\;mL^{-1}$과 $0.8{\times}10^4cells\;mL^{-1}$ 이었고, 농축생물의 생존율은 90.4 %와 88.0 %로 각각 나타났다. 특히 장목만에서는 Skeletonema costatum-like species 같은 체인을 형성하는 소형 규조류가 극우점한 반면, 마산만에서는 $<10{\mu}m$보다 작은 편모조류 및 체인을 형성하지 않는 대형 와편모조류(Akashiwo sanguinea, Heterocapsa triquetra)가 우점하였다. 이와 같은 우점종 세포크기의 차이로 장목만 농축효율이 마산만보다 높게 나타났다. BWMS 장비를 통과한 처리 당일 생물 사멸률은 장목만이 90.4 %로, 마산만의 93 %보다 약간 낮았고, 장목만에서 BWMS 처리 5일 경과 후, 대조군의 대상생물의 사멸률은 6.7 %로 나타났다. 처리군에서는 >99 %로 대부분 사멸되어, 시험생물로서의 적용 가능성을 확인할 수 있었다. 결과적으로 동계와 같이 해역내 생물량이 낮을 경우, 주간 8시간 수행한 네트의 생물농축만으로 는 USCG Phase II의 형식승인 기준인 500톤 탱크에 $1.0{\times}10^3cells\;mL^{-1}$ 이상으로 자연생물 개체수 밀도를 충족하기는 쉽지 않다는 것을 파악하였고, 이를 보완하기 위해서는 일정기간 자연생물을 대량 배양 및 채집할 수 있는 시스템 도입이 필요할 것으로 판단된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.113-129
• /
• 2015

장소 브랜딩은 특정 장소에 대한 의미 부여를 통해 장소성의 정체성 및 공동가치를 생성하며 가치 창출을 하는데 중요한 활동이며, 장소 브랜드에 대한 이미지 파악을 통해 이루어진다. 이에 마케팅, 건축학, 도시건설학 등 여러 분야에서는 인상적인 장소 브랜드의 이미지를 구축하기 위하여 많은 노력을 기울이고 있다. 하지만 설문조사를 포함한 대면조사 방법은 대부분 주관적인 작업이며 측정에 많은 인력 또는 고도의 전문 인력이 소요되어 고비용을 발생시키므로 보다 객관적이면서도 비용효과적인 브랜드 이미지 조사 방법이 필요하다. 이에 본 논문은 텍스트마이닝을 통하여 장소 브랜드의 이미지 강도를 객관적이고 저비용으로 얻는 방법을 찾는 것을 목적으로 한다. 제안하는 방법은 장소 브랜드 이미지를 구성하고 있는 요인과 그 키워드들을 관련 웹문서에서 추출하며, 추출된 정보를 통해 특정 장소의 브랜드 이미지 강도를 측정하는 방법이다. 성능은 안홀트 방법에서 평가에 사용하는 전세계 50개 도시 이미지 인덱스 순위와의 일치도로 검증하였다. 성능 비교를 위해 임의로 순위를 매기는 방법, 안홀트의 설문방식대로 일반인이 평가하는 방법, 본 논문의 방법을 사용하되 안홀트의 방법으로 학습한 것으로 유의한 것으로 추정되는 평가 항목만을 반영하는 방법과 비교하였다. 그 결과 제안된 방법론은 정확성, 비용효율성, 적시성, 확장성, 그리고 신뢰성 측면에서 우수함을 보일 수 있었다. 따라서 본 연구에서 제안한 방법론은 안홀트 방식에 상호 보완적으로 사용될 수 있을 것이다. 향후에는 장소 브랜드 이미지를 형성하는 속성 별로 등장횟수를 계산 한 후에 장소 브랜드에 대한 태도, 연상, 그리고 브랜드 자산과의 인과관계를 자동으로 파악할 수 있는 부분까지 구현하고 실증적 실험을 할 예정이다.

• 지능정보연구
• /
• 제22권2호
• /
• pp.97-113
• /
• 2016

인터넷상의 데이터가 급속하게 증가함에 따라 막대한 양의 데이터를 목적에 맞게 적절히 활용하는 빅데이터 분석이 활발하게 진행되고 있다. 최근에는 기존의 정형 데이터분석이 가진 한계점을 보완하는 방법으로 비정형 데이터 분석 분야 중 하나인 텍스트마이닝 기법에 대한 연구들이 다수 이루어지고 있으며, 특히 텍스트를 기반으로 문장의 긍정, 부정을 판별하고 분류하는 감성분석과 관련된 연구들이 활발하게 이루어지고 있다. 이러한 연구의 연장선 상에서, 본 연구는 감성분석에 사용되는 감성사전을 데이터의 특성에 맞게 적절하게 변형하여 구축하는 방법을 시도하였다. 데이터가 속한 영역의 특성을 고려하지 않은 기존의 범용 감성사전을 감성분석에 사용할 경우, 해당 영역에서 쓰이는 단어 또는 감정 표현을 반영하지 못하므로 감성분석의 정확성이 떨어질 수 있다. 따라서 감성분석에 있어서 영역 맞춤형 감성사전의 사용 시 데이터 영역의 특성을 정확하게 반영해 분석의 정확성을 높여줄 것으로 기대할 수 있다. 본 연구에서는 영화 리뷰 데이터를 분석 대상으로 선정하였으며, 대표적 영화정보 사이트 IMDb에서 발생된 약 2년간의 영화리뷰 데이터를 수집 분석하였다. 분석에 앞서 영화 장르별 사용되는 단어의 의미가 각각 다를 것을 고려하여 영화를 '액션', '애니메이션', '코메디', '드라마', '공포', '과학공상' 6개 장르로 분류했다. 맞춤형 감성사전 구축을 위한 핵심 기법으로 SO-PMI(Semantic Orientation from Point-wise Mutual Information)를 활용하였으며, 어휘 간 극성이 뚜렷하게 구분되는 형용사에 한정하여 연구를 진행했다. 분석결과 맞춤형사전을 활용한 감성분석 예측정확도는 영화 장르별로 상이했다. '애니메이션'을 제외한 5개 장르에서 기존의 범용 감성사전대비 맞춤형 감성사전의 예측정확도가 통계적으로 유의한 수준의 성능 향상을 보였다. 본 연구에서는 데이터 영역의 특성에 맞는 맞춤형 사전 구축을 통한 감성분석의 예측의 성능 향상을 확인하였다. 향후 감성사전 구축 시 동사, 부사 등 다양한 품사의 어휘를 추가하여 감성분석 예측정확도를 높이는 방안을 모색할 수 있을 것이다.

• 청정기술
• /
• 제27권1호
• /
• pp.9-16
• /
• 2021

Active Matrix Organic Light-Emitting Diode (AMOLED) 봉지 공정은 수분과 산소에 매우 취약하기 때문에, 수분과 산소의 함량이 최소화된 고순도의 질소를 사용하여야 한다. 본 연구의 목적은 AMOLED 봉지 공정에 사용하는 질소에서 산소를 제거하기 위한 용도로 사용되는 구리계 촉매를 최적화하는 것이다. CuO, Al2O3, 또는 ZnO의 조성으로 이루어진 2성분계 및 3성분계 촉매를 공침법을 통해서 제조하였다. 제조된 촉매들을 BET, XRD, TPR, XRF의 분석장비를 활용하여 촉매의 특성을 분석하였다. 촉매의 산소 제거 성능을 확인하기 위해 고정층 반응기에서 촉매 산소 제거 반응 실험을 수행하고 산소 분석기를 통해 산소 함량을 측정하였다. 또한 사용된 촉매의 반복 재생을 통해 촉매의 재사용 성능을 검증하였다. CuO와 Al2O3 비율이 6 : 4, 7 : 3 및 8:2로 제조된 2 성분계 촉매의 특성과 산소 제거 능력을 비교하였다. CuO와 Al2O3의 비율이 8:2인 촉매의 환원성이 가장 높았는데, 이는 CuO의 분산도가 가장 높기 때문이다. 결과적으로, 2성분계 촉매 중에서 CuO와 Al2O3의 비율이 8 : 2 인 촉매의 산소 제거 능력이 가장 우수한 것으로 나타났다. CuO : Al2O3 의 비율이 8:2인 촉매에 ZnO를 2 wt% 넣어준 촉매가 3성분계 촉매 중에는 가장 우수한 산소제거 능력을 보였으며, 이는 뛰어난 환원성에 기인한다고 할 수 있다. 또한 이 촉매는 재생 실험을 통해서도 산소 제거능력이 유지된다는 것을 확인하였다.