• 천문학회보
• /
• 제44권1호
• /
• pp.78.2-78.2
• /
• 2019

We develop an Alcock-Paczynski (AP) test method that uses the evolution of redshift-space two-point correlation function (2pCF) of galaxies. The method improves the AP test proposed by Li et al. (2015) in that it uses the full two-dimensional shape of the correlation function. Similarly to the original method, the new one uses the 2pCF in redshift space with its amplitude normalized. Cosmological constraints can be obtained by examining the redshift dependence of the normalized 2pCF. This is because the 2pCF should not change apart from the expected small non-linear evolution if galaxy clustering is not distorted by incorrect choice of cosmology used to convert redshift to comoving distance. Our new method decomposes the redshift difference of the 2-dimensional correlation function into the Legendre polynomials whose amplitudes are modelled by radial fitting functions. The shape of the normalized 2pCF suffers from small intrinsic time evolution due to non-linear gravitational evolution and change of type of galaxies between different redshifts. It can be accurately measured by using state of the art cosmological simulations. We use a set of our Multiverse simulations to find that the systematic effects on the shape of the normalized 2pCF are quite insensitive to change of cosmology over \Omega_m=0.21 - 0.31 and w=-0.5 - -1.5. Thanks to this finding, we can now apply our method for the AP test using the non-linear systematics measured from a single simulation of the fiducial cosmological model.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제9권1호
• /
• pp.179-187
• /
• 2019

소형 컴퓨팅 기기의 최근 발달과 더불어, 사물인터넷 기반 센서 네트워크가 광범위로 확산되고 있으며, 이제는 저렴한 비용으로 센서 연산 기능과 통신 기능을 사용가능하게 되었다. 센서 데이터 관리는 사물 인터넷 환경에서 주요한 요소이다. 센싱 장비로부터 발생되고 전파되는 엄청난 분량의 자료는 많은 유효 정보를 제공하고 사업추진을 위한 다음세대의 빅데이터로 생각되고 있다. 최신 컬럼 기반 압축 기법이 높은 공간 효율 때문에 대용량 서버에 장착되고 있다. 센서는 좁은 대역폭과 오류가 많은 무선 채널을 사용하므로, 센서 기반 저장 시스템은 불안정한 데이터 서비스에 노출되어 있다. 본 연구에서는 사물 인터넷 센서망에 대한 분석을 간략하게 서술하며, 사물 인터넷을 위한 신규 스토리지 관리 방법을 제안한다. 제안한 관리 방법은 레이드 스토리지 모형을 근거로 하고, I/O 성능의 감쇄 없이 공간 효율성을 높이기 위하여 컬럼 기반 분리 및 압축법을 활용한다. 컴퓨터 모의 성능 실험을 통하여 본 제안 저장 기법이 기존 Raid 제어 기법보다 우수하다는 결론을 얻었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권7호
• /
• pp.2304-2320
• /
• 2021

Intelligently detecting anomalies in health sensor data streams (e.g., Electrocardiogram, ECG) can improve the development of E-health industry. The physiological signals of patients are collected through sensors. Timely diagnosis and treatment save medical resources, promote physical health, and reduce complications. However, it is difficult to automatically classify the ECG data, as the features of ECGs are difficult to extract. And the volume of labeled ECG data is limited, which affects the classification performance. In this paper, we propose a Generative Adversarial Network (GAN)-based deep learning framework (called CAB) for heart arrhythmia classification. CAB focuses on improving the detection accuracy based on a small number of labeled samples. It is trained based on the class-imbalance ECG data. Augmenting ECG data by a GAN model eliminates the impact of data scarcity. After data augmentation, CAB classifies the ECG data by using a Bidirectional Long Short Term Memory Recurrent Neural Network (Bi-LSTM). Experiment results show a better performance of CAB compared with state-of-the-art methods. The overall classification accuracy of CAB is 99.71%. The F1-scores of classifying Normal beats (N), Supraventricular ectopic beats (S), Ventricular ectopic beats (V), Fusion beats (F) and Unclassifiable beats (Q) heartbeats are 99.86%, 97.66%, 99.05%, 98.57% and 99.88%, respectively. Unclassifiable beats (Q) heartbeats are 99.86%, 97.66%, 99.05%, 98.57% and 99.88%, respectively.

• 한국의학물리학회지:의학물리
• /
• 제31권3호
• /
• pp.111-123
• /
• 2020

Deep learning (DL) is a subset of machine learning and artificial intelligence that has a deep neural network with a structure similar to the human neural system and has been trained using big data. DL narrows the gap between data acquisition and meaningful interpretation without explicit programming. It has so far outperformed most classification and regression methods and can automatically learn data representations for specific tasks. The application areas of DL in radiation oncology include classification, semantic segmentation, object detection, image translation and generation, and image captioning. This article tries to understand what is the potential role of DL and what can be more achieved by utilizing it in radiation oncology. With the advances in DL, various studies contributing to the development of radiation oncology were investigated comprehensively. In this article, the radiation treatment process was divided into six consecutive stages as follows: patient assessment, simulation, target and organs-at-risk segmentation, treatment planning, quality assurance, and beam delivery in terms of workflow. Studies using DL were classified and organized according to each radiation treatment process. State-of-the-art studies were identified, and the clinical utilities of those researches were examined. The DL model could provide faster and more accurate solutions to problems faced by oncologists. While the effect of a data-driven approach on improving the quality of care for cancer patients is evidently clear, implementing these methods will require cultural changes at both the professional and institutional levels. We believe this paper will serve as a guide for both clinicians and medical physicists on issues that need to be addressed in time.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권5호
• /
• pp.53-59
• /
• 2018

최근 컴퓨터 비전 기술의 발전으로 스마트도시에서는 합리적인 정확도로 복잡한 동작을 인식할 수 있다. 이와는 대조적으로, 싸움과 칼에 관련된 사건과 같은 폭력적인 인식은 관심을 덜 이끌었다. 시각적인 감시 능력은 거리나 교도소에서의 싸움을 감지하는데 사용될 수 있다. 이 논문에서 우리는 감시 카메라에 대한 심층 학습 기반의 폭력 인식 방법을 제안했다. 컨볼루션 뉴럴 네트워크(CNN) 모델은 폭력 인식을 위한 싸움과 칼의 벤치마크 데이터 셋에 대해 훈련하고 세부적으로 조정된다. 비정상적인 이벤트가 감지되면 가장 가까운 경찰서로 경보를 보내는 즉각적인 조치를 취할 수 있다. 제안된 방법의 실험 결과는 99.21%의 정확도를 달성함으로써 다른 최첨단 CNN모델을 능가했다.

• International Journal of Computer Science & Network Security
• /
• 제21권1호
• /
• pp.137-142
• /
• 2021

The Internet of Things (IoT) paradigm is at the forefront of present and future research activities. The huge amount of sensing data from IoT devices needing to be processed is increasing dramatically in volume, variety, and velocity. In response, cloud computing was involved in handling the challenges of collecting, storing, and processing jobs. The fog computing technology is a model that is used to support cloud computing by implementing pre-processing jobs close to the end-user for realizing low latency, less power consumption in the cloud side, and high scalability. However, it may be that some resources in fog computing networks are not suitable for some kind of jobs, or the number of requests increases outside capacity. So, it is more efficient to decrease sending jobs to the cloud. Hence some other fog resources are idle, and it is better to be federated rather than forwarding them to the cloud server. Obviously, this issue affects the performance of the fog environment when dealing with big data applications or applications that are sensitive to time processing. This research aims to build a fog topology job scheduling (FTJS) to schedule the incoming jobs which are generated from the IoT devices and discover all available fog nodes with their capabilities. Also, the fog topology job placement algorithm is introduced to deploy jobs into appropriate resources in the network effectively. Finally, by comparing our result with the state-of-art first come first serve (FCFS) scheduling technique, the overall execution time is reduced significantly by approximately 20%, the energy consumption in the cloud side is reduced by 18%.

• 한국콘텐츠학회논문지
• /
• 제21권4호
• /
• pp.603-614
• /
• 2021

본 연구는 인간 발달의 서사 모델에 따라 그림책 읽기가 성인 독자에게 자신의 어린 시절 놀이 경험을 회상하는 데 도움을 주는지, 그렇다면 회상된 놀이의 유형과 내용은 어떠한지를 탐색하기 위해 수행되었다. 이를 위해 성인 독자에게 놀이를 소재로 한 그림책을 제시하고 그림책을 읽기 전후로 회상한 놀이경험과 그림책에 대한 반응을 인터뷰를 통해 수집하였다. 그 결과는 다음과 같다. 첫째, 그림책을 읽기 전에 성인들이 회상한 놀이는 주로 '규칙이 있는 게임'이었으며 야외에서 이루어진 동적인 놀이였다. 그러나 그림책을 읽은 후 대부분의 성인 독자들은 읽기 전과는 유형이 다른 유년기의 놀이를 회상하였다. 둘째, 놀이를 소재로 한 그림책을 읽기 전 성인들은 여러 놀이를 파편화된 상태로 회상하거나 한 개의 놀이 행위의 명칭만을 회상하였다. 그러나 그림책을 읽고 난 후의 놀이 회상에서는 서사의 요소인 등장인물, 배경, 플롯이 구체적으로 나타났다. 셋째, 독자들은 놀이를 소재로 한 그림책에 대하여 대체적으로 정서적 반응 또는 미학적 반응을 보였다. 본 연구의 결과는 그림책이 유아부터 노인까지 전 연령이 향유할 수 있는 예술 장르이자 도서임을 확인하며 성인 독자가 유년기를 회상하며 자신을 재발견하도록 도와줄 수 있는 매체임을 시사한다.

• 한국융합학회논문지
• /
• 제13권3호
• /
• pp.301-307
• /
• 2022

현대인의 네일숍 방문과 시술 빈도 증가에 따른 지나친 업무강도와 네일숍 방문고객으로부터 받는 스트레스는 네일 미용인의 직무 심리에 부정적 영향을 미치고 있다. 이에 네일 미용인의 네일 시술기법을 통한 직무 효능감과 직무 만족도를 상승시킬 현실적이고 구체적인 방안 마련 필요성에 따라 네일 케어, 젤 매니큐어, 프렌치 스컬프쳐, 네일 그라데이션 등의 네일기법 시술 시 지각하게 되는 직무 효능감과 직무 만족도에 대한 연구모형과 가설을 바탕으로 연구하였다. 연구 결과 네일 그라데이션기법이 네일 미용인의 직무 효능감을 가장 높게 유발하는 것으로 나타났으며, 젤 매니큐어기법을 시술할수록 네일 미용인의 직무 만족도가 증가하는데 유의적 영향을 미치는 것으로 나타났다. 본 연구를 통해 다양한 네일기법 간 복합적인 응용이 가능해지고 네일 미용인의 직무 심리 양상에 대한 좌표를 제시함과 동시에 직무환경 개선과 새로운 네일 시술기법 개발을 위한 기초자료로 작용하리라 사료한다.

• 문화기술의 융합
• /
• 제7권4호
• /
• pp.705-710
• /
• 2021

오늘날 수많은 다양한 기술 분야 중에서 첨단 정보통신(ICT: Information Communication Technology) 기술이 진정한 4차 산업 혁명의 핵심기술로 급속히 발전하고 있다. 최근 정보통신 분야의 최대 이슈는 무선 네트워크 기반 클라우드 컴퓨팅 환경에서 빅 데이터를 이용한 머신러닝 기반 인공지능 응용 그리고 자율주행 자동차나 로봇 등 자율 제어기반 응용기술 관련 분야라 할 수 있다. 이러한 최첨단 정보통신 기술들에 대한 가치는 여러 주변의 환경 요인들에 의해 결정되기 때문에 매우 유동적일 수 있으며, 이들 기술에 대한 성공적인 기술 이전이나 거래 및 사업화를 위해서는 이 기술이 갖는 가치에 대한 정확한 기술 가치평가 방법이 절실히 요구된다. 본 연구에서는 최첨단 ICT분야 기술들이 갖는 고유의 특징과 기술 이전 및 사업화에 영향을 미칠 수 있는 주요 요소를 면밀히 분석하고, 기존에 널리 사용되어 오는 기술 가치평가 모델의 각 단계별 분석을 통해 최첨단 ICT 기술이 갖는 고유의 특성을 반영한 보다 정확한 가치평가 방법론을 제안하고자 한다.

• 한국전자통신학회논문지
• /
• 제17권1호
• /
• pp.99-104
• /
• 2022

인공지능은 놀라운 이점으로 우리 삶의 중요한 부분을 차지하고 있다. 기계는 이미지에서 물체를 인식하는 것, 특히 사람들을 정확한 나이와 성별 그룹으로 분류하는 것에 있어서 인간을 능가하고 있다. 이러한 측면에서 나이와 성별 분류는 최근 수십 년 동안 컴퓨터 비전 연구자들 사이에서 뜨거운 주제 중 하나였다. 심층 합성곱 신경망(CNN) 모델의 배포는 최첨단 성능을 달성했다. 그러나 대부분의 CNN 기반 아키텍처는 수십 개의 훈련 매개 변수로 매우 복잡하기 때문에 많은 계산 시간과 자원이 필요하다. 이러한 이유로 기존 방법에 비해 훈련 매개 변수와 훈련 시간이 현저히 적은 새로운 CNN기반 분류 알고리즘을 제안한다. 덜 복잡함에도 불구하고 우리 모델은 UTKFace 데이터 세트에서 연령 및 성별 분류의 더 나은 정확도를 보여준다.