• 인터넷정보학회논문지
• /
• 제15권6호
• /
• pp.99-106
• /
• 2014

최근 자연어 및 정형언어 처리, 인공지능 알고리즘 등을 활용한 효율적인 의미 기반 지식모델의 생성과 분석 방법이 제시되고 있다. 이러한 의미 기반 지식모델은 효율적 의사결정트리(Decision Making Tree)와 특정 상황에 대한 체계적인 문제해결(Problem Solving) 경로 분석에 활용된다. 특히 다양한 복잡계 및 사회 연계망 분석에 있어 정적 지표 생성과 회귀 분석, 행위적 모델을 통한 추이분석, 거시예측을 지원하는 모의실험 모형의 기반이 된다. 하지만 대부분의 지식 모델은 특정 지표나 정제된 데이터를 수동적으로 모델링하여 분석에 활용한다. 본 논문에서는 텍스트 마이닝 기술을 통해 방대한 비정형 정보로부터 지식 모델을 구성하는 토픽인자와 관계 노드를 생성하고 이를 통합하는 방법과 정형적 알고리즘을 제시한다. 이를 위해 먼저, 텍스트 마이닝을 통해 도출되는 키워드 맵을 동치적 지식맵으로 변환하고 이를 의미적 지식모델로 통합하는 방법을 설명한다. 또한 키워드 맵으로부터 유의미한 토픽 맵을 투영하는 방법과 의미적 동치 모델을 유도하는 알고리즘을 제안한다.

• 한국농공학회지
• /
• 제34권3호
• /
• pp.53-63
• /
• 1992

To investgate the fracture behavior of the steel fiber reinforced concreate, the specimens with different steel fiber contents of 0.0%, 0.5%, 1.0%, 1.5%, were made and notched with differents notch depth ratios of 0.0,0.2, 0.4, 0.6, and the three point bend tests were followed. Test results of 16 different types of above combined specimens were summarized as follows. 1.The load line deflection contents were found to increase 5%, 16%, 19%, respectively, compared to the unnotched specimen with the increased of initial notch depth ratio to 0.2,0.4, 0.6, respectively. 2.The frexural strength were found to decrease 14%, 16%, 21 %, respectively, compared to the unnotched specimen with the increase of initial notch depth ratio to 0.2, 0.4, 0.6,respectively. 3.The stress intensity factors of the steel fiber reinforced concrete were found to increase 1.1 1.5 1.9 times, respectively, compared to the concrete with no steel fiber content with the increase of fiber content to 0.5%, 1.0%, 1.5%, respectively. 4.The influence of the mass of the steel fiber reinforced concrete to the whole fracture energy was found to be minor with 6~8 % contribution. 5.The fracture energy of the steel fiber reinforced concrete, considering the load-deflection curve and concrete mass was found to be approximately 350-380kg m/m$^2$. 6.The regression analysis through the relationship between the compressive(Oc)/tensile (OT) strength and fracture energy(Gf) showed that the fracture energy of the steel fiber reinforced concrete could be predicted as follows. Gf= 19.2662 Oc - 3940.4 Gf= 246.876 OT- 6008.8

• 한국조리학회지
• /
• 제17권2호
• /
• pp.74-84
• /
• 2011

조리 외식전공 대학생들의 교육환경서비스와 만족도에 관한 연구. 본 연구의 목적은 조리 외식전공대학생들을 대상으로 교육환경서비스와 전반적인 만족도간의 영향관계를 파악하기 위하여 전공자 314명을 대상으로 설문조사하였다. 조사목적을 달성하기 위하여 통계 프로그램 SPSS 17.0을 활용하여 기술통계 분석, 빈도분석, 요인분석, 다중회귀분석, 군집분석과 One-Way ANOVA 분석을 진행하였다. 교육환경서비스가 전반적인 만족도에 미치는 가설검정결과는 교육환경서비스 요인 중 실습시설 만족도와 교수의 친절강의 만족도에서(p<0.01) 부분적인 유의한 영향을 미치는 것으로 나타났다. 편의시설 만족도와 행정 서비스 만족도에서(p<0.01)는 유의한 영향을 미치는 것으로 나타났다. 교육환경서비스의 군집분류를 보면, 4개의 군집에서 군집 1은 미스트리형, 군집2는 만족형, 군집3은 불만족형, 군집4는 부정형 만족집단으로 분류하여 일원배치 분산분석에서(p<0.01)에서 통계적으로 유의한 결과를 나타내었다.

• 한국전자통신학회논문지
• /
• 제18권5호
• /
• pp.999-1008
• /
• 2023

당뇨병과 같은 만성 질환의 조기 예측은 중요한 이슈이며, 그중에서도 당뇨 예측의 정확도 향상은 매우 중요하다. 당뇨 예측을 위한 다양한 기계 학습 및 딥 러닝 기반 방법론을 도입하고 있으나, 이러한 기술들은 다른 방법론보다 더 우수한 성능을 위해 대량의 데이터를 필요로 하며, 복잡한 데이터 모델 때문에 학습 비용이 높다. 본 연구에서는 pima 데이터셋과 k-fold 교차 검증을 사용한 DNN이 당뇨 진단 모델의 효율성을 감소시킨다는 주장을 검증하고자 한다. 의사 결정 트리, SVM, 랜덤 포레스트, 로지스틱 회귀, KNN 및 다양한 앙상블 기법과 같은 기계 학습 분류 방법을 사용하여 어떤 알고리즘이 최상의 예측 결과를 내는지 결정하였다. 모든 분류 모델에 대한 훈련 및 테스트 후 제안된 시스템은 ADASYN 방법과 함께 XGBoost 분류기에서 최상의 결과를 제공하였으며, 정확도는 81%, F1 계수는 0.81, AUC는 0.84였다. 또한 도메인 적응 방법이 제안된 시스템의 다양성을 보여주기 위해 구현되었다. LIME 및 SHAP 프레임워크를 사용한 설명 가능한 AI 접근 방식이 모델이 최종 결과를 어떻게 예측하는지 이해하기 위해 구현되었다.

• 폴리머
• /
• 제28권1호
• /
• pp.24-34
• /
• 2004

여러 종류의 불소고분자내로 다양한 유기용매들의 동적 흡수 평형 (혹은 팽윤) 실험을 진행하였다. 불소로 포화된 고분자는 이상적 흡수 거동을 나타내었으나 부분적으로 치환된 불소고분자는 최종 흡수단계에서 가속화되는 비이상적 흡수 거동을 나타내었다. 회귀분석에 의해 픽-확산 거동으로부터 벗어나는 정도를 최소자승법 (즉, ∑ ［측정값-예측값］$^2$)으로 구한 결과 -퍼플루오로알콕시 공중합체, 폴리(에틸렌 테트라플루오로에틸렌) 공중합체, 폴리(비닐리덴 플루오라이드), 폴리(에틸렌 클로로트리플루오로에틸렌) 공중합체에 대해 각각 3.0${\times}$$10^{-4}$, 1.75${\times}$$10^{-3}$, 8.68${\times}$$10^{-3}$, 1.75${\times}$$10^{-2}$의 수치를 나타내었다. 응력-변형 실험 결과 비-픽 확산 거동은 팽윤된 불소고분자의 기계적 성질 (탄성률과 인장 강도) 변화와 상관관계가 있음을 알 수 있었다. 비이상적 흡수 거동의 주요 원인은 치환된 수소 혹은 염소와 불소원자 간의 전기음성도 차이에 기인한 사슬 간극성 결합 구조가 침투성분의 가소화 효과에 의해 비선형적 이완이 진행되면서 비-픽 확산이 진행되기 때문이다. 따라서 부분적으로 치환된 불소고분자를 차단성 혹은 선택적 투과기능이 요구되는 분야에 적용할 때 가소화 성분에 대한 용해 및 확산 거동에 대한 신중한 고찰이 필요하다.

• 한국산림과학회지
• /
• 제101권4호
• /
• pp.574-578
• /
• 2012

산지소유역의 밤나무림, 소나무림, 개벌조림지를 중심으로 강우특성에 따른 임분별 탁도 변화 특성을 조사하고 탁도 발생에 영향을 미치는 산림환경 인자를 분석한 결과를 요약하면 다음과 같다. 임분별 탁도와 관련인자간의 분석에서 색도, 부유물질, 소류토사량, 경사, 강우강도, 선행무강우일수, 유역면적, 유로길이는 1%의 유의수준에서 양의 상관관계를 나타내었고, 누적강우량은 5% 유의수준에서 양의 상관관계를 나타내었다. 또한 산지계류수의 탁도발생에 영향을 미치는 인자를 분석한 결과 선행무강우일수, 강우강도, 유로길이, 색도 및 부유물질의 순으로 나타났으며, 탁도 발생에 영향을 많이 미치는 다중회귀식은 Y(탁도)=-28.125+0.047x(부유물질)+0.058x(색도)+1.518x(강우강도)+0.264x(유로길이)+1.837x(선행무강우일수)로 추정할 수 있었다. 따라서, 산림의 개발과 이용으로 인해 교란된 토양은 강우와 함께 계류로 유출되어 하류의 하천 및 호소의 수질에 영향을 미치므로 산림지역의 산지계류에서는 탁도에 영향을 주는 부유물질 및 토사유출 등을 줄일 수 있도록 버트리스 사방댐이나 수질정화용 사방댐 등 사방구조물의 설치가 필요할 것으로 보인다.

• 대한환경공학회지
• /
• 제29권6호
• /
• pp.706-714
• /
• 2007

본 연구에서는 배급수계통에서 잔류염소와 THMs의 분포를 예측하는 방안을 제시하였다. 잔류염소와 THMs의 등의 수질변화에 대해 현장조사를 실시하였고, 수체와 관벽에 대한 잔류염소 감소계수와 THMs의 생성계수를 산출하여 관망해석에 의한 수질모델링에 적용하였다. 병실험을 통해 잔류염소 병렬 1차 수체 반응계수를 구하고, 5개 관벽 감소 모델을 비교 평가하여 1차 관벽 감소계수 산출하고 적용했을 때 잔류염소 현장 측정값과 관망 수질모델링에 의한 예측간의 평균절대오차 및 평균제곱근오차가 각각 0.03, 0.037 mg/L로 가장 작았다. 또한 병실험에 의한 THMs생성량을 비선형 회귀분석으로 1차 생성계수를 구하고 현장 측정값과 비교하였다. 그 결과, 9월의 현장 측정값과 예측값의 결정계수 $R^2$는 0.98, 11월에는 0.82로 예측이 가능하였다.

• 한국잡초학회지
• /
• 제30권2호
• /
• pp.84-93
• /
• 2010

다양한 환경조건에서 미국좀부처꽃의 발아 및 출아 특성을 평가하기 위하여 식물생장상에서 페트리 디쉬와 포트 실험을 수행하였다. 미국좀부처꽃은 $35/30^{\circ}C$와 0 bar의 삼투포텐셜 조건에서 발아가 가장 잘되었으나 온도가 $15^{\circ}C$ 이하나 $40^{\circ}C$ 이상, 삼투포텐셜이 -2.0 bar 이하와 암조건에서 발아되지 않았다. 출아의 최적온도는 $35/30^{\circ}C$로 판단되며 이 조건에서 파종 후 7일차에 출아가 개시되어 10일차에 최대 출아율에 도달하였으며, 온도가 $15/10^{\circ}C$ 이하나 $40/35^{\circ}C$ 이상 조건에서는 출아가 안 되거나 현저히 감소하였다. 파종심도의 증가에 따라 출아율은 현저히 감소하여 3 cm 이상의 파종심도에서는 출아하지 않았다. 비선형회귀분석을 한 결과 파종 후 시간의 경과에 따른 미국좀부처꽃의 누적 발아 및 출아는 Gompertz 모델로 잘 설명되었으며 삼투포텐셜에 따른 발아와 파종심도에 따른 출아는 logistic 모델로 잘 설명되었다. 결론적으로 미국좀부처꽃은 광발아성으로 발아 및 출아 가능 온도는 $15^{\circ}C$ 이상, 삼투포텐셜은 -2.0bar 이상, 토양심도는 3 cm 이하임을 본 연구를 통하여 확인하였다.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.834-841
• /
• 2022

최근 스마트팩토리와 인공지능 기술의 수요 증가로 인해 다양한 분야에서 인공지능 기술을 적용하는 연구가 진행되고 있다. 결함 검사 분야에서도 인공지능 알고리즘을 도입하기 위한 노력을 기울이고 있다. 특히, 금속 외관의 결함을 검출하는 연구는 다른 소재(목재, 플라스틱, 섬유 등)의 결함을 검출하는 연구에 비해 많은 연구가 이루어지고 있다. 본 논문에서는 머신러닝 기법(서포터 벡터 머신(SVM: Support Vector Machine), 소프트맥스 회귀(Softmax Regression), 결정 트리(Decesion Tree))과 차원 축소 알고리즘(주성분 분석(PCA: Principal Component Analysis), 오토인코더(AutoEncoder))의 9가지 조합과 2가지 합성곱신경망(CNN: Convolutional Neural Network) 기법(자체 알고리즘, ResNet)의 금속 외관의 결함 분류 성능 및 속도를 비교하고 분석하는 연구를 수행하고자 한다. 두 종류의 학습 데이터셋((i) 공용 데이터셋(Public Dataset), (ii) 실측 데이터셋(Actual Dataset))에 대한 실험을 통해 각 데이터셋에 대한 성능 및 속도를 비교 분석하고, 가장 효율적인 알고리즘을 찾아낸다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.151-164
• /
• 2024

상수도 공급을 위한 정수장에서 전염소 또는 중염소 공정이 도입된 수처리 공정의 염소농도 관리에 필요한 공정제어를 위하여 AI 기술을 활용한 수질예측 기법이 연구되고 있다. 본 연구에서는 정수장 수처리 공정에서 실시간으로 관측, 생산되고 있는 수량·수질자료를 이용하여 염소소독 공정제어 자동화를 목적으로 침전지 후단의 잔류염소 농도를 예측하기 위한 AI 기반 예측모형을 개발하였다. AI 기반 예측모형은 과거 수질 관측자료를 학습하여 이후 시점의 수질에 대한 예측이 가능한 기법으로, 복잡한 물리·화학·생물학적 수질모형과 달리 간단하고 효율적이다. 다중회귀 모형과 AI 기반 모형인 랜덤포레스트와 LSTM을 이용하여 정수장의 침전지 후단 잔류염소 농도를 예측하여 비교하였다. 최적의 잔류염소 농도 예측을 위한 AI 모형의 입출력 구조로는 침전지 전단의 잔류염소 농도, 침전지 탁도, pH, 수온, 전기전도도, 원수의 유입량, 알칼리도, NH₃ 등을 독립변수로, 예측하고자 하는 침전지 유출수의 잔류염소 농도를 종속변수로 선정하였다. 독립변수는 침전지 후단의 잔류염소에 영향이 있는 정수장에서 확보가 가능한 관측자료중에서 분석을 통해 선별하였으며, 분석 결과 연구대상 정수장인 정수장에서는 중회귀모형, 신경망모형, 모델트리 및 랜덤포레스트 모형을 비교한 결과 랜덤포레스트에 기반한 모형오차가 가장 낮게 도출되는 결과를 얻을 수 있었다. 본 연구에서 제시하는 침전지 후단의 적정 잔류염소 농도 예측값은 이전 처리단계에서 염소주입량의 실시간 제어가 가능토록 할 수 있어 수처리 효율 향상과 약품비 절감에 도움이 될 것으로 기대된다.