• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 1998년도 제11회 학술강연회논문집
• /
• pp.1-1
• /
• 1998

로켓엔진 추력발생용으로 광범위하게 사용되는 액체추진제는 고성능, 대용량의 액체추진제 로켓엔진에서는 필연적으로 고주파 연소불안정의 문제를 수반하며, 이 연소불안정의 정도는 연소성능과 더불어 엔진개발의 성패를 좌우하는 중요한 여건이 된다. 따라서 안정한 로켓의 비행을 보장하기 위해서는 연소불안정의 문제가 선결되어야 한다. 연소불안정의 기본 메커니즘은 연소기에서 발생하는 압력섭동에 반응하여 불안정한 음향에너지를 되먹임하는 연소과정으로 설명된다. 연소불안정 현상이 발견된 이후 실험 및 이론적 접근에 의해 이와 같은 연소불안정 메커니즘 및 예측에 대한 체계적인 연구가 이루어져 왔으며, 현재까지의 다양한 고주파 연소불안정 예측방법 중에서 음향 및 기화 응답함수를 이용하는 방법은 직관적 고찰에 의존하는 단순한 연소모델을 적용하며 주로 음향적 섭동에 의한 연소의 반응을 연소안정성 평가의 파라메터로 사용한다. 이와 같은 음향적인 예측방법은 연소불안정 현상을 이론적으로 전개하므로 경제적으로 각종 설계변수에 대한 연소불안정의 변화를 구분할 수 있는 장점이 있어 성능 및 호환설계와 병행하여 로켓엔진 연소실의 초기 안정성 설계방법으로 주로 사용된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.269-273
• /
• 2016

세계적으로 기후변화와 관련한 연구가 증가하고 있다. 국내에서도 기후변화에 따른 수문학적 변화에 대한 연구가 주를 이루어 진행되고 있지만 오염부하량 변화에 대한 연구는 미흡하다. 또한 모형을 이용한 기후변화 예측에 있어 SWAT 모형이 주를 이루어 연구가 진행되고 있다. 본 연구는 기후변화 시나리오인 RCP시나리오 중 RCP 4.5와 RCP 8.5의 자료를 이용하여 용담댐 유역을 대상으로 기후변화에 따른 오염부하량을 예측하기 위하여 GWLF, SWAT 및 SWMM 모형을 선정하여 분석하였다. SWAT, GWLF 및 SWMM에 대하여 적용성 평가를 수행하였다. 기후변화에 따른 미래의 오염부하량을 예측한 결과 모델의 특성 등에 따라 결과가 다르게 나타났다.

• 한국터널지하공간학회 논문집
• /
• 제16권6호
• /
• pp.533-542
• /
• 2014

본 연구에서는 Gehring, CSM, NTNU 모델을 이용한 디스크 커터 수명 예측 방법과 각 모델이 가지는 특징을 살펴보았다. 디스크 커터 수명에 크게 영향을 주는 요소인 관입깊이, 암석의 일축압축강도, 마모지수의 변화가 각각의 예측 모델들에 미치는 영향을 분석하였다. 디스크 커터 수명은 1회전당 관입깊이에 선형적으로 증가하였고, 일축압축강도의 증가에 따라 감소하는 경향을 보였다. 마모지수인 CAI 값이 증가함에 따라 Gehring과 CSM 모델에서의 디스크 커터 수명은 감소하였으나, CLI 값이 증가할수록 NTNU 모델의 디스크 커터 수명은 증가하는 경향을 보였다. 그리고 실제 현장 자료를 이용하여 디스크 커터 수명을 상호 비교하였다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2005년도 추계학술대회 및 정기총회
• /
• pp.414-421
• /
• 2005

시청률은 각 방송사의 주요 수입원인 광고비 책정의 중요한 변수이다. 따라서 프로그램 편성자(Program Planner)는 경쟁 방송사의 편성을 고려한 시청률 최대화 전략을 수립하려 하며, 시청률 예측 모델을 사용하여 그 목적을 달성할 수 있다. 나아가 시청률 예측모델이 정확할수록 현재의 임의적인 광고비 책정 방식보다 정확한 광고비의 가격 책정이 가능해져 보다 합리적인 광고 및 미디어 시장 환경을 성립할 수 있다. 본 연구에서는 최근의 국내 TV 시청률 자료를 이용하여 국내 공중파 방송에 대한 시청률 예측 모델을 성립하고, 이를 이용한 시청률 최대화 전략을 제시한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.93-96
• /
• 2019

최근 딥러닝 모델을 다양한 도메인에 적용하여 뛰어난 성능을 보여주고 있다. 하지만 딥러닝 모델은 정답으로 제시된 결과가 정상적으로 예측된 결과인지, 단순히 오버피팅에 의해 예측된 결과인지를 구분하기 어렵다. 이러한 불확실성(Uncertainty)을 측정 할 수 없다는 문제점을 해결하기 위해서 본 논문에서는 베이지안 딥러닝 방법 중 하나인 변분추론(Variational Inference)과 몬테카를로 Dropout을 오픈도메인(Open-Domain) 태스크에 적용하고, 예측 결과에 대한 불확실성을 측정하여 예측결과에 영향을 주는 모델의 성능을 측정해 효과성을 보인다.

• 한국산학기술학회논문지
• /
• 제8권3호
• /
• pp.615-619
• /
• 2007

본 연구에서는 한계상태이론에 기초하며 비교적 적은 매개변수를 활용하도록 최근에 개발된 Hvorslev-MCC 모델 및 전통적 MCC 모델의 거동예측 능력을 엄격하게 수행된 삼축압축시험 결과와 비교하여 고찰하였다. 모델예측 결과의 차이는 과압밀점토 시료에서 주로 발생하였다. Hvorslev-MCC 모델은 과압밀점토 시료의 첨두강도를 매우 정확히 예측하였으며, 이는 한계상태 건조 측의 항복면에 단순 타원이 아닌 Hvorslev 면을 활용하였기 때문이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.66-66
• /
• 2023

대규모 댐의 운영으로 인한 인위적인 유량 교란은 물리 기반 수문모형의 정확한 하천유량 모의를 어렵게 만든다. 이러한 한계를 극복하기 위해, 상류의 자연형 유역 모의를 위한 물리 기반 수문모형 Variable Infiltration Capacity model과 댐 운영 모의를 위한 딥러닝 기반 모델을 결합한 하이브리드 모델링 프레임워크를 개발하였다. 본 연구는 수도권의 주요 상수원이자 대규모 댐들이 존재하는 팔당댐 유역을 대상으로, 물리 기반 수문모형만을 기반으로 구축한 단일 및 계단식 구조의 모델과 하이브리드 모델의 예측 성능을 비교하였다. 2015년부터 2019년까지의 검증 기간 동안, 하이브리드 모델, 단일 및 계단식 구조 모델의 Nash-Sutcliffe Efficiency는 각각 0.6410, -0.1054 그리고 0.2564로 하이브리드 모델의 성능이 가장 높은 것으로 나타났다. 이는 머신러닝 알고리즘을 이용한 댐 운영 고려가 정확한 하천유량 평가를 위해서 필수적임을 시사한다. 이러한 결과는 수자원 관리, 홍수 예측 등 다양한 분야에서 활용될 수 있으며, 특히 미래의 지속 가능한 물 관리를 위해 실무자에게 정확한 자료를 제공하는 데 기여할 수 있다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.161-168
• /
• 2021

본 연구에서는 기계 학습을 사용하여 심혈관 질환 예측 모델을 제안한다. 먼저 두 집단간에 다양한 차이를 다차원분석하고 그 결과를 시각화한다. 특히, 질환과 같이 정상집단과 환자집단 간에 높은 클래스 불균형이 존재하는 경우에 대하여 민감도를 향상시킬 수 있는 비용 민감 학습을 사용하는 예측 모델을 제안한다. 본 연구에서는 대표적인 머신러닝 기술인 CART와 XGBoost를 사용하여 예측모델을 개발하고, 심혈관 질환 환자 데이터를 대상으로 예측하고 성능을 비교한다. 연구결과에 따르면 CART가 XGBoost 보다 더 높은 정확도와 특이도를 보였으며, 정확도는 약 70%~74%로 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.383-386
• /
• 2019

4 차산업혁명의 발달은 전 세계가 건강한 삶에 관련된 스마트시티 및 맞춤형 치료에 큰 관심을 갖게 하였고, 특히 기계학습 기술은 암을 극복하기 위한 유전체 기반의 정밀 의학 연구에 널리 활용되고 있어 암환자의 예후 예측 및 예후에 따른 맞춤형 치료 전략 수립 등을 가능케하였다. 하지만 암 예후 예측 연구에 주로 사용되는 유전자 발현량 데이터는 약 17,000 개의 유전자를 갖는 반면에 샘플의 수가 200 여개 밖에 없는 문제를 안고 있어, 예후 예측을 위한 신경망 모델의 일반화를 어렵게 한다. 이러한 문제를 해결하기 위해 본 연구에서는 고차원의 유전자 발현량 데이터를 신경망 모델이 효과적으로 학습할 수 있도록 2D 이미지로 표현하는 기법을 제안한다. 길이 17,000 인 1 차원 유전자 벡터를 64×64 크기의 2 차원 이미지로 사상하여 입력크기를 압축하였다. 2 차원 평면 상의 유전자 좌표를 구하기 위해 유전자 네트워크 데이터와 Node2Vec 이 활용되었고, 이미지 기반의 암 예후 예측을 수행하기 위해 합성곱 신경망 모델을 사용하였다. 제안하는 기법을 정확하게 평가하기 위해 이중 교차 검증 및 무작위 탐색 기법으로 모델 선택 및 평가 작업을 수행하였고, 그 결과로 베이스라인 모델인 고차원의 유전자 벡터를 입력 받는 다층 퍼셉트론 모델보다 더 높은 예측 정확도를 보여주는 것을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.313-315
• /
• 2023

본 논문에서는 ¹⁸F-FDG PET과 CT에서 추출한 영상인자를 이용하여 비소세포폐암의 전이를 예측하는 머신러닝 모델을 생성하였다. ¹⁸F-FDG는 종양의 포도당 대사 시 사용되며 이를 추적하여 환자의 암 세포를 진단하는데 사용되는 의료영상 기법 중 하나이다. PET과 CT 영상에서 추출한 이미지 특징은 종양의 생물학적 특성을 반영하며 해당 ROI로부터 계산되어 정량화된 값이다. 본 연구에서는 환자의 의료영상으로부터 image texture 프절 전이 예측에 있어 유의한 인자인지를 확인하기 위하여 AUC를 계산하고 단변량 분석을 진행하였다. PET과 CT에서 각각 4개(GLRLM_GLNU, SHAPE_Compacity only for 3D ROI, SHAPE_Volume_vx, SHAPE_Volume_mL)와 2개(NGLDM_Busyness, TLG_ml)의 image texture feature를 모델의 생성에 사용하였다. 생성된 각 모델의 성능을 평가하기 위해 accuracy와 AUC를 계산하였으며 그 결과 random forest(RF) 모델의 예측 정확도가 가장 높았다. 추출된 PET과 CT image texture feature를 함께 사용하여 모델을 훈련하였을 때가 각각 따로 사용하였을 때 보다 예측 성능이 개선됨을 확인하였다. 추출된 영상인자가 림프절 전이를 나타내는 바이오마커로서의 가능성을 확인할 수 있었으며 이러한 연구 결과를 바탕으로 개인별 의료 영상을 기반으로 한 비소세포폐암의 치료 전략을 수립할 수 있을 것이라 기대된다.