• 한국항행학회논문지
• /
• 제27권5호
• /
• pp.540-545
• /
• 2023

최신의 항공기 탑재 능동위상배열레이다(AESA radar; active electronically scanned array radar) 에서는 AESA 레이다의 빠른 전자적 빔 조향 능력과 효율적인 레이다 자원관리를 통해, 상황인식 능력을 극대화할 수 있는 동시운용(Interleaved) 모드가 운용된다. 본 논문에서는 AESA 레이다의 동시운용모드에 있어서 점진적인 성능 저하를 이루기 위한 모드별 자원 할당량을 결정하기 위해, 모드별 성능분석 항목을 식별하고 탐지거리 성능 측면에서 자원할당량에 따른 성능저하를 분석하였다. 이를 통해 실제 동시운용모드 설계 시 모드별 또는 탐색 영역 조합별로 성능 저하를 최소화 할 수 있는 부하량을 도출하였고, 단일모드 운용 대비 동시모드 운용 시 부하 관리 기반 빔 스케줄링 규칙에 대해 제안하였다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.23-32
• /
• 2024

대형 화재 발생과 그로 인한 피해가 증가하고 있는 상황에서, 화재감지 시설에 대한 신뢰는 낮아지고 있다. 현재 널리 사용되는 화학 화재감지기는 오경보가 빈번하게 발생하며, 비디오 기반 딥러닝 화재감지는 시간과 비용이 많이 소요되는 단점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 오토인코더 모델을 활용한 화재감지 모델을 제안한다. 오경보를 최소화하고 신속 정확한 화재감지를 목표로 한다. 제안된 모델은 오토인코더 방법론을 이용해 화재 데이터 없이 정상 데이터만으로 모델을 학습시킬 수 있어 새로운 환경에 적용이 용이하다. 5가지 센서 데이터를 종합적으로 반영하여 화재를 신속하고 정확히 감지할 수 있다. 다양한 초모수 조합을 실험하여 최적의 초모수를 선정하였으며, 오경보 문제를 줄일 수 있는 화재 시점 판단 규칙을 제안하였다. 제안한 모델로 화재감지 실험을 진행한 결과, 14개의 시나리오 중 13개의 시나리오에서 오경보 문제가 발생하지 않았고, 동일한 데이터로 임계치 비교 알고리즘과 결과를 비교하였을 때 더 빠른 화재 감지 성능을 보였다. 이를 통해 화재로 인한 피해를 최소화하고, 화재감지 시설의 신뢰도를 높일 수 있을 것이다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.157-176
• /
• 2018

관리종목은 상장폐지 가능성이 높은 기업들을 즉시 퇴출하기 보다는 시장 안에서 일정한 제약을 부여하고, 그러한 기업들에게 상장폐지 사유를 극복할 수 있는 시간적 기회를 주는 제도이다. 뿐만 아니라 이를 투자자 및 시장참여자들에게 공시하여 투자의사결정에 주의를 환기시키는 역할을 한다. 기업의 부실화로 인한 부도 예측에 관한 연구는 많이 있으나, 부실화 가능성이 높은 기업에 대한 사회, 경제적 경보체계라 할 수 있는 관리종목에 관한 연구는 상대적으로 매우 부족하다. 이에 본 연구는 코스닥 기업들 가운데 관리종목 지정 기업과 비관리종목 기업을 표본으로 삼아 로지스틱 회귀분석과 의사결정나무 분석을 이용하여 관리종목 지정 예측 모형을 개발하고 검증하였다. 분석결과에 따르면 로지스틱 회귀분석 모형은 ROE(세전계속사업이익), 자기자본현금흐름률, 총자산회전율을 사용하여 관리종목 지정을 예측하였으며, 전체 평균 예측 정확도는 검증용 데이터셋에 대해 86%의 높은 성능을 보여주었다. 의사결정나무 모형은 현금흐름/총자산과 ROA(당기순이익)를 통한 분류규칙을 적용하여 약 87%의 예측 정확도를 보여주었다. 로지스틱 회귀분석 기반의 관리종목 탐지 모형의 경우 ROE(세전계속사업이익)와 같은 구체적인 관리종목 지정 사유를 반영하면서 기업의 활동성에 초점을 맞추어 관리종목 지정 경향성을 설명하는 반면, 의사결정 관리종목 탐지 모형은 기업의 현금흐름을 중심으로 하여 관리종목 지정을 예측하는 것으로 나타났다.

• 정보보호학회논문지
• /
• 제30권4호
• /
• pp.617-629
• /
• 2020

인터넷 컴퓨팅 환경의 변화, 새로운 서비스 출현, 그리고 지능화되어 가는 해커들의 다양한 공격으로 인한 규칙 기반 침입탐지시스템의 한계점을 극복하기 위해 기계학습 및 딥러닝 기술을 활용한 네트워크 이상 검출(NAD: Network Anomaly Detection)에 대한 관심이 집중되고 있다. NAD를 위한 대부분의 기존 기계학습 및 딥러닝 기술은 '정상'과 '공격'으로 레이블링된 훈련용 데이터 셋을 학습하는 지도학습 방법을 사용한다. 본 논문에서는 공격의 징후가 없는 일상의 네트워크에서 수집할 수 있는 레이블링이 필요 없는 데이터 셋을 이용하는 비지도학습 오토 엔코더(AE: AutoEncoder)를 활용한 NAD 적용 가능성을 제시한다. AE 성능을 검증하기 위해 NSL-KDD 훈련 및 시험 데이터 셋을 사용해 정확도, 정밀도, 재현율, f1-점수, 그리고 ROC AUC (Receiver Operating Characteristic Area Under Curve) 값을 보인다. 특히 이들 성능지표를 대상으로 AE의 층수, 규제 강도, 그리고 디노이징 효과 등을 분석하여 레퍼런스 모델을 제시하였다. AE의 훈련 데이터 셋에 대한 재생오류 82-th 백분위수를 기준 값으로 KDDTest+와 KDDTest-21 시험 데이터 셋에 대해 90.4%와 89% f1-점수를 각각 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권3호
• /
• pp.77-90
• /
• 2018

소프트웨어 결함 예측(SDP)은 결함이 있는 모듈을 식별하기 위한 연구 분야이다. 충분한 로컬 데이터가 없으면 다른 회사에서 수집한 데이터를 사용하여 분류기를 구축하는 교차 프로젝트 결함 예측(CPDP)을 활용할 수 있다. SDP에 대한 대부분의 기계 학습 알고리즘은 서로 다른 값에 따라 예측 성능에 큰 영향을 미치는 하나 이상의 매개 변수를 사용한다. 본 연구의 목적은 CPDP의 예측 성능 향상을 위해 매개 변수 선택 기법을 제안하는 것이다. Harmony Search 알고리즘을 사용하여, 예측 어려움을 야기하는 클래스 불균형을 해결하는 방법인 비용에 민감한 부스팅의 매개 변수를 조정한다. 분포 특성에 따라 매개 변수 범위와 매개 변수 간의 제한 조건 규칙이 정의되어 하모니 검색 알고리즘에 적용된다. 제안된 접근법은 15개의 대상 프로젝트를 대상으로 3개의 CPDP 모델과 내부프로젝트 결함 예측(WPDP) 모델을 비교한다. 실험 결과는 제안된 방법이 클래스 불균형의 맥락에서 다른 CPDP 방법보다 성능이 우수하다는 것을 보여준다. 이전의 연구에서는 탐지 확률이 낮거나 오보 가능성이 높았으나 우리의 기법은 높은 PD와 낮은 PF를 제공하면서 높은 전체 성능을 보였다. 또한 WPDP와 비슷한 성능을 제공하였다.

• 대한임상검사과학회지
• /
• 제51권1호
• /
• pp.15-25
• /
• 2019

감염감시를 위한 신뢰성 있고 객관적인 의료관련 감염의 정의 및 자동화 된 프로세스를 개발하는 것이 중요하다. 그러나 자동화 된 감시 시스템으로의 전환은 여전히 어려운 과제이다. 초기의 발생 확인은 대개 비정상적인 사건과 진행중인 질병 감시를 인식하는 임상 검사자들이 기준선 비율을 결정하도록 요구한다. 이 시스템은 잘 정의 된 감시 규칙에 따라 의료 관련 혈류 감염의 후보를 감시하기 위해 매일 검사정보 시스템 데이터를 검사한다. 시스템은 추가 확인을 요구함으로써 전문적인 자율성을 탐지하고 예약한다. 또한 웹 기반 혈류감염 감시 및 분류 시스템은 검사실 정보 시스템에서 얻은 개별 데이터 요소를 사용할 수 있고 검사정보 시스템은 기존의 감염 제어 인력 감시 시스템과 높은 상관관계가 있는 데이터를 제공한다. 이런 시스템은 예방 지침에 따를 경우 적절하고, 수용 가능하며, 유용하고 민감하다. 감시 시스템은 병원에서 광범위한 병원균의 전파가 언제 어디서 발생하는지에 대한 이해를 획기적으로 향상시키기 때문에 유용하다. 국가적 차원의 계획은 의료관련감염 예방, 보건 관련 예방 통제위원회(HAIPCC), 살균 서비스(SS), 미생물학 실험실, 손 위생 차원의 주요 구조를 강화하기 위해 추진되어야하며 해당 지역은 의료관련 감염 예방에 미치는 영향을 고려하여 선정해야 한다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제8권3호
• /
• pp.945-953
• /
• 2018

본 논문은 무인수상정의 자율운항을 위한 장애물 탐지 및 회피기동을 위해 3차원 라이다를 사용하였다. 단일센서만을 사용해서 해상조건에서의 무인수상정 장애물 회피운항을 하는데 목적이 있다. 3차원 라이다는 Quanergy사의 M8센서를 사용하여 주변 환경 장애물 데이터를 (r, ��, ��)로 수집하며 장애물 정보에는 Layer 정보와 Intensity 정보를 포함한다. 수집된 데이터를 3차원 직각좌표계로 변환을 하고, 이를 2차원 좌표계로 사상한다. 2차원 좌표계로 변환한 장애물 정보를 포함하는 데이터는 수면위의 잡음데이터를 포함하고 있다. 그래서 기본적으로 무인수상정을 기준으로 가상의 관심영역을 정의하여서 규칙적으로 생성되는 잡음데이터에 대해서 삭제를 하였으며, 그 이후에 발생하는 잡음데이터는 Vector Field Histogram으로 계산된 히스토그램 데이터에서 Threshold를 정해 밀도값에 비례하여 잡음데이터를 제거하였다. 제거된 데이터를 이용하여 무인수상정의 움직임에 따른 상대물체를 탐색하여 가상의 격자지도에 1 Cell씩 저정하면서 데이터의 밀도 지도를 작성하였다. 작성된 장애물 지도를 폴라 히스토그램을 생성하고, 경계값을 이용하여 회피방향을 선정하였다.

• 사물인터넷융복합논문지
• /
• 제10권2호
• /
• pp.1-15
• /
• 2024

스마트 지역사회의 구축은 지역사회의 안전을 보장하는 새로운 방법이자 중요한 조치이다. 촬영 각도로 인한 얼굴 기형 및 기타 외부 요인의 영향으로 인한 신원 인식 정확도 문제를 해결하기 위해 이 논문에서는 네트워크 모델을 구축할 때 전체 그래프 컨벌루션 모델을 설계하고, 그래프 컨벌루션 모델에 협력하여 얼굴의 핵심을 추출한다. 또한 얼굴의 핵심을 특정 규칙에 따라 핵심 포인트를 구축하며 이미지 컨벌루션 구조를 구축한 후 이미지 컨벌루션 모델을 추가하여 이미지 특징의 핵심을 개선한다. 마지막으로 두 사람의 얼굴의 이미지 특징 텐서를 계산하고 전체 연결 레이어를 사용하여 집계된 특징을 추출하고 판별하여 인원의 신원이 동일한지 여부를 결정한다. 최종적으로 다양한 실험과 테스트를 거쳐 이 글에서 설계한 네트워크의 얼굴 핵심 포인트에 대한 위치 정확도 AUC 지표는 300W 오픈 소스 데이터 세트에서 85.65%에 도달했다. 자체 구축 데이터 세트에서 88.92% 증가했다. 얼굴 인식 정확도 측면에서 이 글에서 제안한 IBUG 오픈 소스 데이터 세트에서 네트워크의 인식 정확도는 83.41% 증가했으며 자체 구축 데이터 세트의 인식 정확도는 96.74% 증가했다. 실험 결과는 이 글에서 설계된 네트워크가 얼굴을 모니터링하는 데 더 높은 탐지 및 인식 정확도를 가지고 있음을 보여준다.

• 한국터널지하공간학회 논문집
• /
• 제26권4호
• /
• pp.303-314
• /
• 2024

쉴드 TBM (tunnel boring machine) 시공은 일반적으로 세그먼트 설치를 위해 규칙적으로 굴진을 멈추는 것이 요구되어, TBM 굴착과 세그먼트 설치를 병행하는 연속굴착형 쉴드 TBM의 개발에 대한 연구가 국내외에 추진되고 있다. 하지만, 연속굴착형 쉴드 TBM은 기존 쉴드 TBM과 다른 굴착 공정과 이에 따른 특별한 장비 및 유압 시스템이 요구된다. 또한, 연속굴착형 쉴드 TBM 설계 및 시공 사례가 적으므로 연속굴착형 쉴드 TBM 시공을 위한 사전 리스크 평가가 반드시 수행되어야 한다. 본 논문에서는 연속굴착형 쉴드 TBM에 특화된 4가지 사건과 8가지 요인 간의 인과관계를 규명하였다. 이를 기반으로 전문가 설문조사와 리스크 매트릭스를 이용하여 최종적으로 리스크 등급을 도출하였다. 리스크 평가 결과, 붕괴/지표침하의 영향도와 TBM 선형이탈 관련 인과조합의 발생확률이 높게 평가되었다. 또한, 연속적으로 수행되어야 하는 테일보이드(tail void) 뒷채움 미흡과 추진 잭 손상으로 인한 붕괴/지표침하를 방지하기 위한 리스크 저감조치가 사전에 적용해야 함을 알 수 있었다. 이에 따라, 리스크 저감 조치로서 나선형 세그먼트를 따라 배면 전 범위 탐지가 가능한 비파괴탐사 기술 개발과 순차적 추진 잭 가력 방식 고안 및 최적 페데스탈 각도 선정을 제안하였다.