• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.707-725
• /
• 2021

에너지경영시스템은 생산 중심으로 발전하는 한국의 경제구조에서 에너지경영의 역할을 강조하여 지속 가능한 에너지 절약 및 온실가스 감축에 기여하고 있다. 에너지 성과에 대한 측정 방법론을 이해하는 것은 기업이 성공적인 에너지경영시스템을 구축하는 데 핵심 요소이지만, 적용 방법론, 적용 가능성 및 실제 활용도를 조사하려는 시도는 국내에서 찾아보기 어렵다. 본 연구는 에너지경영시스템에 관한 국제표준인 ISO 50006에서 제안한 4가지 에너지 성과 지표(EnPI)인 ①측정 된 에너지 값, ②측정 된 값 간의 비율, ③ 선형 회귀 모델, ④ 비선형 회귀 모델에 초점을 맞추어 에너지성과 측정에 대한 이해를 심화시키고, 효과적으로 확산시키기 위한 정책과 적정 관리 지표를 제시하는 것을 목표로 한다. 41명의 전문가들의 설문조사를 통해 수집된 데이터를 활용하여, EnPI에 대한 선호도와 산업 분류별, 조직규모, 전문가 유형별로 EnPI의 주요 선책 기준을 분석하였다. 연구 결과에 따르면 가장 선호되는 EnPI는 측정 된 값과 측정 된 에너지 값 사이의 비율이며 EnPI를 선택하는 기준은 사용 편의성이 가장 중요하다고 분석되었다.

• 정보보호학회논문지
• /
• 제16권3호
• /
• pp.39-52
• /
• 2006

사용목적(Purpose)은 최근 개인 프라이버시 보호와 관련하여 데이타 수집과 수집 후 보안관리에 있어서 중요한 요소로 사용되고 있다. W3C(World Wide Web Consortium)는 데이터 제공자가 자신이 방문한 웹 사이트에 개인정보를 제공하는 것을 통제할 수 있도록 하는 표준을 제시하였다. 그러나 데이타 수집 후 유통과정에서 개인정보에 대한 보안관리에 대한 언급이 없다. 현재 히포크라테스 데이타베이스(Hippocratic Databases), 사용목적기반 접근제어(Purpose Based Access Control)등은 W3C의 데이타 수집 메커니즘을 따르고 있으며, 데이타 수집 후 보안관리에 대하여 사용목적 관리와 접근제어 기법을 사용하여 관리를 하고 있으나 사용목적에 대한 표현과 사용목적 관리의 미흡함으로 인하여 그에 따르는 개인정보의 프라이버시 보호에 있어서 효과적인 해결책을 제시하지 못하고 있다. 본 논문은 사용목적의 표현력을 향상시키면서, 사용목적의 효과적인 관리기법을 제시한다. 또한 개인의 프라이버시 보호를 위한 방법으로 사용목적의 분류를 통해 최소권한의 원칙을 따르는 접근제어 기법을 제시한다. 본 논문에서는 사용목적을 상속적, 시간적 그리고 독립적 구조로 분류하였으며, 이렇게 분류된 사용목적에 대한 각기 다른 관리 기법을 제시한다. 또한 접근제어의 유연성을 위해 RBAC의 역할계층 구조를 사용하였으며, 일의 최소 단위인 태스크(task)의 최소권한을 얻기 위한 조건으로 몇몇 특성의 사용목적을 사용하여 만족할 경우 태스크를 처리하기 위한 기존 모델보다 향상된 최소사용권한을 제공하는 기법을 제시한다.

• 한국조경학회지
• /
• 제45권1호
• /
• pp.52-62
• /
• 2017

현재 미국, 호주, 북유럽 등지의 해외 조경실무에서 BIM의 필요성에 대한 자각과 함께 전문적 연구가 수행되고 있으며, 관련 단체에서도 조직적 활동을 펼침으로써 BIM을 활용한 조경 프로젝트들이 증가하는 추세다. 그러나 아직 국내 조경분야에서는 BIM 도입이 이루어지지 않고 있으므로, 본 연구에서는 BIM을 활용한 조경 프로젝트 사례를 조사, 분석하여 BIM 도입에 따른 효과와 활용방법을 논하고자 했다. 이를 위해 세 가지 BIM 도입효과인 설계업무의 효율성 향상, 협업 환경의 마련, 지형설계의 형태 구현을 보여주는 조경 프로젝트들을 선정하고, 이들을 대상으로 조경정보 구축, 3D 모델링 제작, 상호운용성 확보, BIM 모델의 시각적 활용이라는 네 가지 측면에서 BIM의 활용방법을 살펴보았다. 첫째, 조경정보 구축의 측면에서 사례들을 살펴본 결과, 시설물과 수목 등 상세한 조경요소들로부터 기반시설 등 광범위한 건설정보들이 3D 라이브러리나 2D CAD 형식으로 구축되었다. 둘째, 3D 모델링 제작을 살펴보면 간단한 지형과 수목을 포함한 조경공간을 Revit으로 모델링하거나, 정교하고 복잡한 지형을 Maya와 같은 전문적 3D 모델링 도구로 모델링했다. 그리고 통합모델은 분야별 모델을 제작하여 주기적으로 교환, 검토하고, 최종적으로 이들을 통합하는 방식으로 제작되었다. 셋째, 분야간 데이터의 상호운용성은 파일 포맷의 단일화, 상이한 포맷의 변환, 또는 정보 표준의 준수를 통해 이루어졌고, 이를 토대로 건설정보를 공유하여 협업을 도모했다. 넷째, 3D 모델을 시각화함으로써 참여자들간의 의견조율, 설계안의 인허가, 대중 홍보가 이루어졌다. 사례분석을 통해 BIM은 디자인 도구라기보다 설계업무의 효율성을 높이고, 분야간 협업을 도모하는 프로세스임을 알 수 있었고, 특히 조경가들이 BIM을 활용한 통합 프로젝트에서 중요한 역할을 수행하고 있음을 확인했다. 따라서 그간 건설분야에서 BIM으로의 전환을 통해 많은 이익과 기회를 누렸듯이 조경분야에서도 적극적으로 BIM을 도입해야 할 것이다.

• 원예과학기술지
• /
• 제31권5호
• /
• pp.531-537
• /
• 2013

최근 30년 동안 우리나라의 평균온도와 겨울철 온도가 각각 $0.7^{\circ}C$와 $1.4^{\circ}C$가 상승하였고 지속적으로 상승할 것으로 예측된다. 무는 매우 중요한 작물로 온난화에 따른 생육 모델 연구는 중요하다. 본 실험은 기상 이변에 따른 무의 생육량을 추정하기 위하여 정식시기와 질소 시비량을 다르게 처리하여 시험하였다. 파종시기는 4월 24일부터 5월 22일까지 14일 간격으로 3회에 걸쳐 실시하였고, 질소 시비량은 표준시비량의 0.5, 1.0, 2.0배 수준으로 3처리를 하였다. 그 결과, 무 파종 후 2개월째 생육은 4월 24일 처리구가 5월 8일과 22일 처리구보다 지상부 생체중이 높게 나왔다. 수확량 예측을 위한 생육 모델식은 질소 시비량별 GDD에 따른 지하부 건물중은 0.5N 처리구에서는 Y = 84.66 / (1+exp (-(GDD - 790.7) / 122.3)) ($r^2$ = 0.92), 1.0N 처리는 Y = 100.6 / (1+exp (-(GDD - 824.8) / 112.8))($r^2$ = 0.92), 2.0N 처리는 Y = 117.7 / (1+exp (-(GDD - 877.7) / 148.5)) ($r^2$ = 0.94) 로 나타낼 수 있었다. 구축된 모델식에 생육데이터를 사용하여 검정한 결과를 보면 기울기가 1.05-1.12로 다소 높게 추정하였지만 모델식으로 적용하는 것에는 무리가 없는 것으로 나타났다. 따라서 봄무 생산량 예측 시 GDD를 사용하여 수확량을 예측할 수 있을 것으로 사료되었다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.111-121
• /
• 2019

작물 증발산량은 수자원 계획 및 관리, 물수지 분석, 작물 관개 계획 및 생산량 추정 등에 널리 활용되고 있으며, 특히 FAO에서 공인한 Penman-Monteith식 (FAO 56-PM)은 잠재 증발산량 산정을 위한 표준방법으로 많이 사용되고 있다. Penman-Monteith식을 이용한 잠재증발산량 산정은 최소온도, 평균온도, 최대온도, 상대습도, 풍속과 일사량인 6가지 항목에 대한 시계열 자료가 필요한데, 결측 또는 미계측된 경우에는 사용이 어려운 단점을 가지고 있다. 따라서, 본 연구에서는 역전파 신경망(BPNN) 모델을 이용해서 6개 미만의 기상항목으로도 잠재증발산량이 추정가능한지를 확인하였다. 여섯 가지 기상항목을 각각 1~6개의 조합으로 입력자료를 구성하고, BPNN 모델을 이용해서 학습, 검증 및 테스트를 한 결과, 입력 자료가 많아질수록 좋은 결과가 산출되었으며, 일사량, 최대온도와 상대습도만으로도 결정계수($R^2$)가 0.94정도로 비교적 높은 예측결과를 얻을 수 있었다. 또한 산정 오차를 줄이고, 항목간의 상관관계를 높이기 위해서는 역전파 신경망 구조의 적절한 선택이 중요한 것으로 확인되었다. 역전파 신경망 모델을 사용하면 요구되는 기상 항목과 데이터의 양에 대한 제약 없이 예측이 가능할 수 있기 때문에 기준 증발산량 산정에 유용하게 활용될 수 있을 것이며 향후 작물 재배를 위한 적정 관개계획 수립에도 유용하게 사용될 것이라 사료된다.

• Journal of Astronomy and Space Sciences
• /
• 제22권1호
• /
• pp.1-12
• /
• 2005

한국우주전파관측망(Korean VLBI Network: KVN)은 우리나라 최초의 초장기선 전파간섭계로 새로운 천문우주 연구 분야 및 측지, 지구물리 등의 연구를 위하여 3기의 21m 최첨단 밀리미터파 전파 안테나를 이용하여 우주를 바라보는 새로운 영역을 개척할 예정이다. 전파간섭계의 성능은 안테나 배열 및 관측 대상 천체의 적위, 그리고 천체와 크기 및 형태에 따른 의존성이 매우 크다. 본 연구는 현재 설정되어있는 KVN관측소 및 시스템 자료를 근거로 단일 점광원, 다중 점광원, 원형광원 2개, Cygnus A의 5개 모델 영상에 대하여 가상관측을 수행하였다. 적위에 따른 KVN의 UV 궤적 분포로부터 가장 이상적이라고 여겨지는 적위 60도인 천체에 대하여 22GHz의 관측 파장으로 12시간 동안 가상관측을 수행하여 얻어진 UV데이터를 가지고 간섭계 표준 영상처리를 하였다. 그 결과 22GHz에서 예상되는 KVN의 빔 크기에 의해 분해가 되지 않는 모델들의 RMS 대비 최대밝기 강도(Jy/Beam)가 대략 점광원의 징우 l0000:1, 지름 6mas(milli arcsecond) 원형 광원의 경우 5000:1 정도로 매우 높은 반면, 빔 크기보다 큰 모델에서는 115:1 및 34:1정도로 현저하게 감소하였으며 영상의 복원 정도도 이와 같은 결과를 보였다. 이것은 KVN이 상대적으로 적은 기선의 개수로 인하여 UV평면을 충분히 채우지 못하며, 동시에 짧은 기선이 부족하여 넓은 분포를 가지는 천체들에 대한 영상화능력이 떨어지기 때문이다. 그러나 각 모델과 CLEAN 영상과의 픽셀 좌표비교에서는 12mas 원형광원을 제외하고는 정확하게 일치함을 보였다. 그러므로 KVN의 주요한 관측 대상은 콤팩트한 천체들이 적당할 것이며, 이러한 천체들에 대하여 KVN은 위치측정에 우수한 성능을 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권10호
• /
• pp.303-308
• /
• 2020

ReLU(Rectified Linear Unit) 함수는 제안된 이후로 대부분의 깊은 인공신경망 모델들에서 표준 활성함수로써 지배적으로 사용되었다. 이후에 ReLU를 대체하기 위해 Leaky ReLU, Swish, Mish 활성함수가 제시되었는데, 이들은 영상 분류 과업에서 기존 ReLU 함수 보다 향상된 성능을 보였다. 따라서 초해상화(Super Resolution) 과업에서도 ReLU를 다른 활성함수들로 대체하여 성능 향상을 얻을 수 있는지 실험해볼 필요성을 인지하였다. 본 연구에서는 초해상화 과업에서 안정적인 성능을 보이는 EDSR(Enhanced Deep Super-Resolution Network) 모델에 활성함수들을 변경하면서 성능을 비교하였다. 결과적으로 EDSR의 활성함수를 변경하면서 진행한 실험에서 해상도를 2배로 변환하는 경우, 기존 활성함수인 ReLU가 실험에 사용된 다른 활성함수들 보다 비슷하거나 높은 성능을 보였다. 해상도를 4배로 변환하는 경우에서는 Leaky ReLU와 Swish 함수가 기존 ReLU 함수 대비 다소 향상된 성능을 보임을 확인하였다. Leaky ReLU를 사용했을 때 기존 ReLU보다 영상의 품질을 정량적으로 평가할 수 있는 PSNR과 SSIM 평가지표가 평균 0.06%, 0.05%, Swish를 사용했을 때는 평균 0.06%, 0.03%의 성능 향상을 확인할 수 있었다. 또한 해상도를 8배로 변환하는 경우에서는 Mish 함수가 기존 ReLU 함수 대비 다소 향상된 성능을 보임을 확인하였다. Mish를 사용했을 때 기존 ReLU보다 PSNR과 SSIM 평가지표가 평균 0.06%, 0.02%의 성능 향상을 확인할 수 있었다. 결론적으로 해상도를 4배로 변환하는 초해상화의 경우는 Leaky ReLU와 Swish가, 해상도를 8배로 변환하는 초해상화의 경우는 Mish가 ReLU 대비 향상된 성능을 보였다. 향후 연구에서는 다른 초해상화 모델에서도 성능 향상을 위해 활성함수를 Leaky ReLU, Swish, Mish로 대체하는 비교실험을 수행하는 것도 필요하다고 판단된다.

• 한국수자원학회논문집
• /
• 제57권7호
• /
• pp.481-491
• /
• 2024

최근 발생한 가뭄으로 인해 수력발전량이 감소하고 있다. 또한, 미래 기후변화로 인해 가뭄의 빈도와 강도는 커질 것으로 예상되며, 이는 다목적댐의 수력발전량에 대한 불확실성이 커지게 할 것이다. 따라서 미래 기후변화 시나리오에 따른 수력발전량을 추정하고, 가뭄이 수력발전량에 미치는 영향을 분석할 필요가 있다. 본 연구에서는 SSP2-4.5와 SSP5-8.5 시나리오에 따른 소양강댐과 충주댐의 수력발전량을 분석하였다. My water에서 제공되는 수력발전량, 발전방류량 및 총방류량 자료를 바탕으로 수력발전량에 대한 회귀방정식을 개발하고, SSP 시나리오에 따른 미래 수력발전량을 추정하였다. 또한 환경 빅데이터 플랫폼을 통해 제공되는 4개의 GCM (CanESM5, ACCESS-ESM1-5, INM-CM4-8, IPSL-CM6A) 모델에 대한 강수량 자료를 기반으로 표준강수지수(SPI)를 산정하여 연간 가뭄 심각도를 계산하고, 가뭄에 따른 수력발전량을 비교 분석하였다. 전체적인 분석 결과 기후변화는 수력발전량에 유의한 영향을 미치는 것으로 나타났다. 소양강댐의 경우, SSP2-4.5 및 SSP5-8.5 시나리오에서 수력발전량이 감소하는 추세가 나타났고, SSP2-4.5 시나리오에서 CanESM 모델은 2031년에 65%, SSP5-8.5 시나리오에서 ACCESS-ESM1-5 모델은 2029년에 54% 감소하는 것을 나타냈다. 충주댐의 경우, SSP2-4.5와 SSP5-8.5 시나리오에서 기준 기간 대비 월평균 수력발전량이 INM-CM4 모델을 제외하고 감소 추세를 보였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권6호
• /
• pp.1609-1619
• /
• 2016

본 연구는 한국형 웰니스 생활양식 측정도구의 구성타당도와 신뢰도를 확인하기 위한 도구개발 연구이다. 간호대학생 345명이 99문항의 WEL (wellness evaluation of lifestyle)을 작성하였고, SPSS WIN 22.0와 AMOS 18.0을 이용한 탐색적 요인분석과 확인적 요인분석을 통해 측정도구의 구성타당도를 검증하였다. 최종 한국형 웰니스 생활양식 측정도구는 71문항, 14개 하위척도로 구성되었다. 각 하위척도는 4개의 요인구조를 가지는 것으로 확인되었다: 본질적 자기, 사회적 자기, 신체적 자기, 적응적 자기, 모델의 적합도는 ${\chi}^2=225.12$, p<.001, CMIN/DF=3.17, RMSEA=.08, NFI=.87, IFI=.91, CFI=.91로 나타났다. 도구의 집중타당도를 평가한 결과 기각비 (C.R.)는 2.95~16.84로였고, 표준분산추출 (AVE)도 .61~.69로 수용 가능하였다. 하위척도의 내적 일치도 Cronbach's ${\alpha}$는 .55~.87이었다. 본 연구를 통해 한국형 웰니스 생활양식 측정도구가 한국인의 웰니스를 다차원적으로 측정하기에 타당하고 신뢰성있는 도구임을 확인하였다.