• Structural Engineering and Mechanics
• /
• 제84권1호
• /
• pp.101-111
• /
• 2022

It is widely known that axially loaded fiber-reinforced polymer (FRP) confined concrete presents significant and enhanced mechanical properties with reference to the unconfined concrete. Therefore, to predict the mechanical behavior of FRP-confined concrete two quantities-peak strength and ultimate strain are required. Despite the significant advances, the determination of the ultimate strain of FRP-confined concrete is one of the most challenging problems to be resolved. This is often attributed to our persistence in desiring the conventional methods as the sole technique to examine this phenomenon and the complex nature of the ultimate strain of FRP-confined concrete. To bridge the research gap, this study adopted two machine learning (ML) techniques-artificial neural network (ANN) and Gaussian process regression (GPR)-to analyze observations obtained from 627 datasets of FRP-confined concrete circular and non-circular sections under axial loading test. Besides, the techniques are also used to predict the ultimate strain of FRP-confined concrete. Seven parameters namely width/diameter of the specimens, corner radius ratio, the strength of concrete, FRP elastic modulus, FRP thickness, FRP tensile rupture strain, and the axial strain of unconfined concrete-are the input parameters used to predict the ultimate strain of FRP-confined concrete. The results of the current study highlight the merit of using AI techniques in structural engineering applications given their extraordinary ability to comprehend multidimensional phenomena of FRP-confined concrete structures with ease, low computational cost, and high performance over the existing empirical models.

• Journal of Animal Science and Technology
• /
• 제49권4호
• /
• pp.451-458
• /
• 2007

본 연구는 포유중인 모돈에서 이유 전과 후에 성선자극호르몬 투여 및 예정시각 인공수정이 번식성적에 미치는 영향을 조사하였다. 포유중인 모돈은 대조구, 이유 전 2일 및 이유 후 1일에 성선자극호르몬을 주사 하였다. 성선자극호르몬을 주사한 모돈의 1/2은 발정확인 후 24 및 36시간에 인공수정 하였고, 1/2은 GnRH 주사 후 24 및 36시간에 각각 예정시각 인공수정 하였다.포유중인 모돈에서 대조구, 이유 전 및 이유 후 성선자극호르몬을 투여 하여 발정재귀를 관찰한 결과 이유 후 성선자극호르몬 투여구가 발정재귀율이 높게 조사 되였으나 유의적 차이는 없는 것으로 조사되었다. 성선자극호르몬 투여가 발정재귀 시간에 미치는 영향을 조사한 결과 이유 전 성선자극호르몬 투여구가 발정 재귀시간이 유의적으로 짧은 것으로 조사되었다(P<0.01). 포유중인 모돈에서 성선자극호르몬을 이유 전 또는 이유 후에 투여한 후 인공수정을 실시한 결과 분만율과 산자수는 유의적인 차이는 없었다. 예정시각 인공수정에 따른 산자수는 이유 전 성선자극호르몬 처리구와 이유 후 성선자극호르몬 처리구에서 예정시각 인공수정 처리구가 발정관찰인공수정에 비하여 유의적으로 적었다(P<0.01).이상의 결과를 종합해 보면 성선자극호르몬은 포유중인 모돈에서 난포를 발육시킬 수 있으며, 이유 전 성선자극호르몬의 투여는 발정재귀일의 단축 효과를 기대 할 수 있으나 포유돈에 있어 발정재귀율 개선과 향상된 번식성적과의 상관 관계 정립을 위한 추가적인 연구가 필요할 것으로 사료된다.

• 반도체디스플레이기술학회지
• /
• 제22권3호
• /
• pp.112-118
• /
• 2023

As technology advances, the need for enhanced preparedness against cyber-attacks becomes an increasingly critical problem. Therefore, it is imperative to consider various circumstances and to prepare for cyber-attack strategic technology. This paper proposes a method to solve network security problems by applying reinforcement learning to cyber-security. In general, traditional static cyber-security methods have difficulty effectively responding to modern dynamic attack patterns. To address this, we implement cyber-attack scenarios such as 'Tiny Alpha' and 'Small Alpha' and evaluate the performance of various reinforcement learning methods using Network Attack Simulator, which is a cyber-attack simulation environment based on the gymnasium (formerly Open AI gym) interface. In addition, we experimented with different RL algorithms such as value-based methods (Q-Learning, Deep-Q-Network, and Double Deep-Q-Network) and policy-based methods (Actor-Critic). As a result, we observed that value-based methods with discrete action spaces consistently outperformed policy-based methods with continuous action spaces, demonstrating a performance difference ranging from a minimum of 20.9% to a maximum of 53.2%. This result shows that the scheme not only suggests opportunities for enhancing cybersecurity strategies, but also indicates potential applications in cyber-security education and system validation across a large number of domains such as military, government, and corporate sectors.

• 한국지리정보학회지
• /
• 제26권3호
• /
• pp.37-51
• /
• 2023

도시현상의 해석을 위해 공간정보는 필수적이다. 위치정보가 부족한 도시정보를 공간정보로 변환하기 위한 공간정보화 방법론이 꾸준히 개발되어왔다. 정형화된 주소정보나 지명 등을 이용한 Geocoding이나 이미 위치정보가 있는 공간정보와의 공간결합, 참조데이터를 활용한 수작업 형태 등이 대표적이다. 그러나 아직도 행정기관에서 작성되는 수많은 문서정보들은 비정형화된 문서형태로 인해 공간정보화의 수요가 있음에도 그동안 깊이 있게 다루어지지 못하였다. 본 연구는 자연어 처리 모델인 BERT를 활용하여 도시계획과 관련된 공개문서의 공간정보화를 진행한다. 주소가 포함된 문장 요소를 문서로부터 추출하고, 이를 정형화된 데이터로 변환하는 과정을 중점적으로 다룬다. 18년 동안의 도시계획 고시공고문을 학습 데이터로 사용하여 BERT 모델을 학습시켰으며, 모델의 하이퍼파라미터를 직접 조정하여 성능을 향상시켰다. 모델 학습 후의 테스트 결과, 도시계획시설의 유형을 분류하는 모델은 96.6%, 주소 인식 모델은 98.5%, 주소 정제 모델은 93.1%의 정확도를 보였다. 결과 데이터를 GIS 상에 맵핑하였을 때, 특정 지점의 도시계획시설에 관한 변경 이력을 효과적으로 표출할 수 있었다. 본 연구로 도시계획 문서의 공간적 맥락에 대한 깊은 이해를 제공하며, 이를 통해 이해관계자들이 더욱 효과적인 의사결정을 할 수 있게 지원하기를 기대한다.

• 지질공학
• /
• 제34권1호
• /
• pp.107-115
• /
• 2024

This study assesses forest fire susceptibility in Gangwon-do, South Korea, which hosts the largest forested area in the nation and constitutes ~21% of the country's forested land. With 81% of its terrain forested, Gangwon-do is particularly susceptible to wildfires, as evidenced by the fact that seven out of the ten most extensive wildfires in Korea have occurred in this region, with significant ecological and economic implications. Here, we analyze 480 historical wildfire occurrences in Gangwon-do between 2003 and 2019 using 17 predictor variables of wildfire occurrence. We utilized three machine learning algorithms—random forest, logistic regression, and support vector machine—to construct wildfire susceptibility prediction models and identify the best-performing model for Gangwon-do. Forest and soil map data were integrated as important indicators of wildfire susceptibility and enhanced the precision of the three models in identifying areas at high risk of wildfires. Of the three models examined, the random forest model showed the best predictive performance, with an area-under-the-curve value of 0.936. The findings of this study, especially the maps generated by the models, are expected to offer important guidance to local governments in formulating effective management and conservation strategies. These strategies aim to ensure the sustainable preservation of forest resources and to enhance the well-being of communities situated in areas adjacent to forests. Furthermore, the outcomes of this study are anticipated to contribute to the safeguarding of forest resources and biodiversity and to the development of comprehensive plans for forest resource protection, biodiversity conservation, and environmental management.

• 터널과지하공간
• /
• 제34권3호
• /
• pp.208-217
• /
• 2024

AI영상 기반 건설현장 안전관리 모니터링 시스템 개발 및 적용하는 추세에 다양한 환경변화에 따른 위험 객체 탐지 딥러닝 모델 개발에 많은 연구적 관심이 쏟아지고 있다. 여러 환경 변화요인 중 저조도 조건에서 객체 검출 모델의 정확도는 현저히 감소하며, 저조도 환경을 고려한 학습을 수행하더라도 일관적인 객체 탐지 정확도를 확보할 수 없다. 이에 따라 저조도 영상을 강화하는 영상 전처리 기술의 필요성이 대두된다. 따라서, 본 논문은 취득된 건설 현장 영상 데이터를 활용하여 다양한 딥러닝 기반 저조도 영상 강화 모델(GLADNet, KinD, LLFlow, Zero-DCE)을 학습하고, 모델별 저조도 영상 강화 성능을 비교 검증실험을 진행하였다. 저조도 강화된 영상을 시각적으로 검증하였고, 영상품질 평가 지수(PSNR, SSIM, Delta-E)를 도입하여 정량적으로 분석하였다. 실험 결과, GLADNet의 저조도 영상 강화 성능이 정량·정성적 평가에서 우수한 결과를 보여줬으며, 저조도 영상 강화 모델로 적합한 것으로 분석되었다. 향후 딥러닝 기반 객체 검출 모델에 저조도 영상 강화 기법이 전처리 단계로 적용한다면, 저조도 환경에서 일관된 객체 검출 성능을 확보할 것으로 예상된다.