• 대한치과보철학회지
• /
• 제47권2호
• /
• pp.108-118
• /
• 2009

연구목적: 1961년 Chase에 의해 처음 소개된 기능 인상법(functional impression technique)은 기존 의치에 이장된 조직 양화재(tissue conditioner)를 이용하여 실제 기능 운동 하에서 동적인 지지 조직의 인상과 기능적이며 생리적인 의치 변연부의 형태와 길이를 기록하는 술식이다. 조직 양화재가 기능 인상법의 재료로 사용되기 위해서는 체적 안정성, 미세부 재현성, 흐름성 등의 특성과 함께 치과용 석고와의 적합성(compatibility)을 고려하여야 한다. 하지만 기능 인상법 재료로 조직 양화재를 사용할 경우 구강내 환경 속에서 시간이 지남에 따라 석고 표면 거칠기에는 어떠한 영향을 미칠지 또한 그에 따라 석고 표면의 변화를 고려하여 어느 정도 기간 동안 구강 내에 유지하는 것이 좋을지에 대한 연구는 거의 없는 상황이다. 이에 본 연구는 조직 양화재를 기능 인상법의 재료로서 사용할 경우, 조직 양화재의 종류와 분액비, 침수시간이 치과용 석고 표면 거칠기에 어떠한 영향을 주는지 알아보고자 하였다. 연구 재료 및 방법: 임상적으로 많이 쓰이는 3종의 조직 양화재(Coe-Comfort, Visco-Gel, Soft-Liner)로 제조사에서 추천하는 분액비(P/L ratio)를 기준으로 표준 분액비에 따라 혼합한 군(R), 분말의 양을 20% 많이 혼합한 군(M), 분말의 양을 20% 적게 혼합한 군(L)으로 나누어 조직 양화재를 혼합하여 직경 20 mm, 두께 2 mm의 시편을 제작하였다. 각 조직 양화재 시편들을 다시 인공 타액 속의 침수시간(0시간, 1일, 3일, 5일, 7일)에 따라 5개의 군으로 나눈 뒤 인공 타액에 완전히 담구어 $37^{\circ}C$에서 보관하였다. 정해진 침수시간이 경과한 시편을 꺼내서 초경석고를 부어 석고 시편을 제작한 뒤 조직 양화재와 접해있던 석고 시편 표면의 거칠기를 접촉식 표면 조도기(Surfcoder SEF-30D, Kosaka laboratory Ltd., Tokyo, Japan)로 측정하여 다음과 같은 연구 결과를 얻었다. 결과 및 결론: 1. 조직 양화재로 부터 만들어진 석고 모형의 표면 거칠기에 주된 영향을 미치는 요인은 기능 인상을 채득하기 위해 구강 내에 조직 양화재를 위치시키는 기간이었고, 그 외에 조직 양화재의 종류와 분액비도 통계학적으로 유의한 영향을 미치는 요인이었다. 2. 3가지 P/L ratio 실험 조건 모두에서 Visco-Gel과 Soft-Liner 간에는 석고 모형의 표면 거칠기값이 침수시간이 변함에 따라 통계학적으로 유의성 있는 차이를 보이지 않았지만, Coe-Comfort의 경우에는 침수시간이 변함에 따라 Soft-Liner와 Visco-Gel보다 석고 모형의 표면 거칠기값이 통계학적으로 유의성 있게 더 큰 값을 보였다. 3. 3종의 실험 대상 조직 양화재 모두에서 R(recommended)와 M(more) group 간에는 석고 모형의 표면 거칠기값이 침수시간이 변함에 따라 통계학적으로 유의성 있는 차이를 보이지 않았지만, L(less) group의 경우에는 침수시간이 변함에 따라 R과 M group보다 석고 모형의 표면 거칠기값이 통계학적으로 유의성 있게 더 큰 값을 보였다. 이러한 연구 결과로부터 석고 모형의 표면 거칠기에는 구강 내에서의 시간이 가장 큰 영향을 나타내며, 조직 양화재의 종류와 분액비도 영향을 미칠 수 있기 때문에 술자가 기능 인상 채득 시에 적절한 구강 내 적용시간에 대해서 잘 이해하고 있고, 기능 인상에 적합한 조직 양화재를 선별할 수 있다면 조직 양화재를 이용하여 유용하게 기능 인상을 채득할 수 있을 것이다.

• 한국조경학회지
• /
• 제38권5호
• /
• pp.80-92
• /
• 2010

본 연구는 서울시에 있는 산지형 도시근린공원을 대상으로 하여 배수시설의 특성을 밝히는 것이다. 구체적으로는 배수현황, 우수유출량, 배수유출량,그리고 배수시설용량을 산출하고, 우수유출량과 배수유출량을 비교분석을 위해 배수유출량계수를 산출하고 배수시설의 설치규모를 분석하고자 배수시설용량계수를 도출하여 배수구역 및 공원별로 비교분석 하였다. 본 연구의 주요 결과는 다음과 같다. 1. 배봉산공원의 전체배수면적은 34.13ha로서 배수유형별로는 표면배수구역 15.05ha(44.09%), 개수로배수구역 14.60ha(42.78%), 자연수로배수구역 4.48ha(13.13%)를 차지하고 있어, 상대적으로 표면배수구역이 넓어 자연상태의 표면유출이 많았다. 한편, 오금공원의 전체배수면적은 20.39ha로서 표면배수구역 2.52ha(12.36%), 자연수로배수구역 0.56ha(2.75%), 개수로배수구역 10.14ha(49.73%), 산마루측구배수구역 7.17ha(35.16%)를 차지하고 있어 상대적으로 인공적인 배수시설구역이 높게 나타났다. 2. 배봉산공원의 총우수유출량은 $7.28m^3/s$로서 배수구역별 우수유출량 평균은 $0.23m^3/s$이며, 각 배수구역은 규모가 크고 길어서 우수유출거리가 크게 나타났다. 한편, 오금공원의 총우수유출량은 $4.37m^3/s$로서 배수구역별 우수유출량 평균은 $0.12m^3/s$으로 배봉산공원에 비해 절반 정도로 나타났으며, 지형의 기복이 뚜렷하지 않고 배수시설이 많아 배수구역이 작게 세분되었다. 3. 배봉산공원에 개수로가 설치된 배수구역의 전체 배수유출량은 $11.58m^3/s$이고, 배수구역별 평균배수유출량은 $0.77m^3/s$, 평균배수유출량계수는 5.26이었다. 한편, 오금공원은 전체 배수유출량은 $15.40m^3/s$이고, 배수구역별 평균배수유출량은 $0.34m^3/s$, 평균 배수유출량계수는 8.87로 나타났다. 배봉산공원은 배수구역별로 개수로의 규모와 경사 등이 커서 상대적으로 평균 배수유출량이 높게 나타났지만, 배수유출량계수는 배수구역별 우수유출량이 적은 오금공원 보다 상대적으로 낮게 나타났다. 4. 배봉산공원의 전체 배수시설용량은 $554.54m^3$로서, 배수시설용량계수는 평균 179.83으로 나타났다. 한편, 오금공원은 전체 배수시설용량은 $717.74m^3$로서, 배수시설용량계수는 평균 339.69로 나타났다. 오금공원이 배수시설용량계수가 훨씬 높게 나타나 상대적으로 오금공원에서 배수유역별로 설치된 배수시설의 총량이 많으며, 집약적으로 설치된 것임을 의미한다. 본 연구에서는 자연적이고 조방적인 배수체계로 조성된 배봉산공원과 인공적이고 집약적인 배수체계로 조성된 오금공원을 대상으로 하여 배수유출량계수와 배수시설용량계수를 산정하여 비교분석함으로써 산지형 도시공원의 배수시설의 특성을 규명하였으며, 향후 공원의 배수유출량과 배수시설용량을 비교분석하기 위한 방법론을 제시하였다. 본 결과는 도시공원의 배수시설 계획 및 설계와 우수의 저류 및 생태적 가치를 증진시키는 친환경적인 배수체계를 구축하는 자료로 활용할 수 있다. 도시공원의 배수시설 특성은 지형 및 경사, 식생, 배수유형 등에 영향을 받게 되어 공원에 따라 그 결과가 달라질 수 있으므로 향후 더욱 많은 공원을 대상으로 한 연구와 공원에서 우수를 저류하고, 생태적 가치를 증진시키는 친환경적인 배수체계 및 방법에 관한 연구가 필요하다.

• 한국전통조경학회지
• /
• 제34권3호
• /
• pp.78-97
• /
• 2016

본 연구는 문헌 및 현장조사를 바탕으로 양평군 서종면 벽계천에 형성된 수회구곡과 벽계구곡 그리고 노산팔경의 설정 경위를 검토하고, 화서 당대에 향유되고 경영된 명승 벽계의 경관실체를 구명하는 것을 목적으로 한다. 연구의 결과는 다음과 같다. 첫째, 화서 이항로 이후에 설정된 벽계구곡과 노산팔경은 화서의 행적과 관련된 주요 경처를 모은 '현대기(現代期)'의 집경으로 판명되었다. 벽계구곡이 수회구곡의 집경요소와 많은 부분 중복되는 점이나, 수회구곡의 종점부터 노산팔경의 영역이 시작되는 작위적 구성은 수입리 벽계와 노문리 벽계 사이의 장소대립 및 장소패권의 양상을 엿보게 한다. 이는 화서 이전 벽계 향유집단의 오랜 역사성과 화서의 이미지로 밀착된 영역성이 상충되어 나타난 결과로 판단된다. 둘째, 벽계구곡은 노산팔경의 영역을 확대함과 동시에 수입리의 경승을 선별해 재구성한 2차적 공간체계였다. 벽계구곡의 설정 이후 벽계천 전체 권역에 대한 장소 정체성이 효과적으로 확보되었는데, '청서구장(淸西舊莊)'과 '수회구곡(水回九曲)' 바위글씨 등 화서 이전의 명소가 철저히 배제되는 등 '화서 지향적' 공간 성격을 갖고 있었다. 그 결과 노문리뿐만 아니라 수입리에 이르는 벽계천 전체 영역은 화서의 문화경관으로 재편되었다. 셋째, '주자-율곡-우암-화서'로 이어지는 도통 강화의 일환으로 설정된 화서학파의 구곡 설정은 벽계구곡 탄생의 계기이자 외적 동인이 되었다. 즉, 벽계구곡과 노산팔경은 화서학의 중심이 옥계동으로 건너간 것에 대한 반동, 무이구곡 고산구곡과 옥계구곡의 사이의 결손된 도체공간의 창출 그리고 후손과 지역민에 의한 화서 선양작업 등 일련의 전략적 지향성과 흐름을 같이 한다. 넷째, 화서의 주리론적 관점에서 살펴보면, 그가 경영한 벽원(蘗園)의 모든 경역은 '실제로 존재하는 산수경치의 물상[氣]'을 통해 리(理)의 내재함과 심미적 자아의 허령(虛靈)한 경계를 체험하는 공간작법으로 존재했음을 알 수 있다. 이러한 점은 벽계구곡이나 노산팔경을 화서와 연관된 영역으로 조명하기 이전에, 벽원 고유의 경관성을 규정짓고 나아가 어떤 방식으로 접근하고 향유해야 하는지를 일깨워 준다. 다섯째, 노산팔경은 벽계구곡 중 노문리 벽계 일원 중에서도, 화서가 강학하고 소요하던 여덟 곳의 경승을 담는 곡중경(曲中景)의 문화경관으로 구성되었으나 화서가 남긴 바위글씨와 시문에 의존해 집경됨으로써 벽계구곡에 비해 내적 충일성은 확보되지만 집경에 따른 개념적 타당성에는 다소의 의문이 남는다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.35-48
• /
• 2014

2013년 건설 경기 전망 보고서에 따르면 주택건설경기 침체 상황의 지속으로 건설 기업의 유동성 위기가 지속될 것으로 전망된다. 건설업은 파산으로 인한 사회적 파급효과가 다른 산업에 비해 큰 편이지만, 업종의 특성상 다른 산업과는 상이한 자본구조와 부채비율, 현금흐름을 가지고 있어서 기업의 파산 예측이 더 어려운 측면이 있다. 건설업은 레버리지가 큰 산업으로 부채비율이 매우 높은 업종이며 현금흐름이 프로젝트 후반부에 집중되는 특성이 있다. 그리고 경기사이클에 따른 부침이 매우 심하여 경기하강국면에선 파산이 급증하는 양상을 보인다. 건설업이 레버리지 산업인 이상 건설업체의 파산율 증가는 여신을 공여한 은행에 큰 부담으로 작용한다. 그럼에도 그간의 파산예측모델이 주로 금융기관에 집중되어 왔고 건설업종에 특화된 연구는 드물었다. 기업의 재무 자료를 바탕으로 한 파산 예측 모델에 대한 연구는 오래 전부터 다양하게 진행되었다. 하지만, 일반적인 기업 전체를 대상으로 하는 모델이기 때문에, 건설 기업과 같이 유동성이 큰 기업의 예측에는 적절하지 못할 수 있다. 건설 산업은 오랜 사업 기간과 대규모 투자, 그리고 투자금 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 최근에는 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 기업들의 특성을 전혀 고려하고 있지 못하다. 본 논문에서는 건설 기업을 규모에 따라 각 기법들의 예측 능력을 비교하여 적응형 부스팅이 가장 우수함을 확인하였다. 본 논문은 건설 기업을 자본금 규모에 따라 세 등급으로 분류하고 각각에 대해 적응형 부스팅의 예측력을 분석하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 보였다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.73-85
• /
• 2013

정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.79-104
• /
• 2020

최근 텍스트와 이미지 딥러닝 기술의 괄목할만한 발전에 힘입어, 두 분야의 접점에 해당하는 이미지 캡셔닝에 대한 관심이 급증하고 있다. 이미지 캡셔닝은 주어진 이미지에 대한 캡션을 자동으로 생성하는 기술로, 이미지 이해와 텍스트 생성을 동시에 다룬다. 다양한 활용 가능성 덕분에 인공지능의 핵심 연구 분야 중 하나로 자리매김하고 있으며, 성능을 다양한 측면에서 향상시키고자 하는 시도가 꾸준히 이루어지고 있다. 하지만 이처럼 이미지 캡셔닝의 성능을 고도화하기 위한 최근의 많은 노력에도 불구하고, 이미지를 일반인이 아닌 분야별 전문가의 시각에서 해석하기 위한 연구는 찾아보기 어렵다. 동일한 이미지에 대해서도 이미지를 접한 사람의 전문 분야에 따라 관심을 갖고 주목하는 부분이 상이할 뿐 아니라, 전문성의 수준에 따라 이를 해석하고 표현하는 방식도 다르다. 이에 본 연구에서는 전문가의 전문성을 활용하여 이미지에 대해 해당 분야에 특화된 캡션을 생성하기 위한 방안을 제안한다. 구체적으로 제안 방법론은 방대한 양의 일반 데이터에 대해 사전 학습을 수행한 후, 소량의 전문 데이터에 대한 전이 학습을 통해 해당 분야의 전문성을 이식한다. 또한 본 연구에서는 이 과정에서 발생하게 되는 관찰간 간섭 문제를 해결하기 위해 '특성 독립 전이 학습' 방안을 제안한다. 제안 방법론의 실현 가능성을 파악하기 위해 MSCOCO의 이미지-캡션 데이터 셋을 활용하여 사전 학습을 수행하고, 미술 치료사의 자문을 토대로 생성한 '이미지-전문 캡션' 데이터를 활용하여 전문성을 이식하는 실험을 수행하였다. 실험 결과 일반 데이터에 대한 학습을 통해 생성된 캡션은 전문적 해석과 무관한 내용을 다수 포함하는 것과 달리, 제안 방법론에 따라 생성된 캡션은 이식된 전문성 관점에서의 캡션을 생성함을 확인하였다. 본 연구는 전문 이미지 해석이라는 새로운 연구 목표를 제안하였고, 이를 위해 전이 학습의 새로운 활용 방안과 특정 도메인에 특화된 캡션을 생성하는 방법을 제시하였다.

• 한국패류학회지
• /
• 제27권2호
• /
• pp.115-119
• /
• 2011

실험에 사용한 어미는 2010년 7월 13일 전남 영광군 백수면 하사리에서 채집된 어미를 수송하여 채란을 하였다. 실험에 사용된 초기치패는 수정란으로 부터 3일간 유생사육 한 착저치패 (각장 $198{\pm}12{\mu}m$) 6,000만 마리를 사용하였고, 기간은 2010년 7월 16일부터 10월 4일까지 80일간 실험하였다. 사육방법은 모래상자식, 저면여과식, 가두리식, 바닥식으로 하였고, 수온별 사육실험은 수온을 25, 28, 31, $34^{\circ}C$로 하였다. 먹이생물 종류에 따른 초기치패의 사육실험은 Isochrysis galbana, Chaetoceros gracilis, Phaeodactylum tricornutum, Tetraselmis tetrathele를 단독으로 공급한 시험구와 4종을 혼합하여 공급한 실험구로 각각 성장과 생존율을 조사 하였다. 초기치패의 사육방법별 시험 결과, 성장은 가두리 실험구가 각장 $2.64{\pm}0.59{\mu}m$로 가장 빨랐고, 모래상자 실험구가 각 장 $2.59{\pm}0.64{\mu}m$, 저면순환여과 실험구가 각장 $2.56{\pm}0.52{\mu}m$, 바닥 실험구가 각장 $2.52{\pm}0.56{\mu}m$ 순이었다. 생존율은 모래상자 실험구가 35.9%로 가장 높았고, 바닥 실험구 34.6%, 저면순환여과 실험구 29.5%, 가두리 실험구 9.3% 순으로 나타났다. 수온별 초기치패의 성장은 $34^{\circ}C$ 실험구가 각장 $2.70{\pm}0.76{\mu}m$로 가장 빨랐고 $31^{\circ}C$ 실험구 각장 $2.69{\pm}0.43{\mu}m$, $28^{\circ}C$ 실험구 각장 $2.66{\pm}0.39{\mu}m$, $25^{\circ}C$ 실험구 각장 $2.45{\pm}0.41{\mu}m$ 순으로 수온이 높을수록 빠른 성장을 나타내었다. 생존율은 수온 $31^{\circ}C$ 실험구가 38.2%로 가장 높았고, 수온 $28^{\circ}C$ 실험구 36.8%, 수온 $25^{\circ}C$ 실험구 24.7%, 수온 $34^{\circ}C$ 실험구 14.2% 순으로 나타났다. 먹이생물 공급에 따른 성장은 혼합공급 실험구가 각장 $2.52{\pm}0.66{\mu}m$로 가장 빨랐고 I. galbana 실험구 각장 $2.47{\pm}0.45{\mu}m$, C. gracilis 실험구 각장 $2.36{\pm}0.39{\mu}m$, T. tetrathele 실험구 각장 $2.32{\pm}0.76{\mu}m$, P. tricornutum 각장 $2.29{\pm}0.43{\mu}m$순이었다. 생존율은 혼합 실험구가 36.9%로 가장 높았고, I. galbana 실험구 32.4%, C. gracilis 실험구 28.5%, P. tricornutum 실험구 18.4%, T. tetrathele 16.2%순으로 나타났다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.141-166
• /
• 2019

최근 다양한 매체를 통해 생성되는 방대한 양의 텍스트 데이터를 효율적으로 관리 및 활용하기 위한 방안으로써 문서 요약에 대한 연구가 활발히 진행되고 있다. 특히 최근에는 기계 학습 및 인공 지능을 활용하여 객관적이고 효율적으로 요약문을 도출하기 위한 다양한 자동 요약 기법이(Automatic Summarization) 고안되고 있다. 하지만 현재까지 제안된 대부분의 텍스트 자동 요약 기법들은 원문에서 나타난 내용의 분포에 따라 요약문의 내용이 구성되는 방식을 따르며, 이와 같은 방식은 비중이 낮은 주제(Subject), 즉 원문 내에서 언급 빈도가 낮은 주제에 대한 내용이 요약문에 포함되기 어렵다는 한계를 갖고 있다. 본 논문에서는 이러한 한계를 극복하기 위해 저빈도 주제의 누락을 최소화하는 문서 자동 요약 기법을 제안한다. 구체적으로 본 연구에서는 (i) 원문에 포함된 다양한 주제를 식별하고 주제별 대표 용어를 선정한 뒤 워드 임베딩을 통해 주제별 용어 사전을 생성하고, (ii) 원문의 각 문장이 다양한 주제에 대응되는 정도를 파악하고, (iii) 문장을 주제별로 분할한 후 각 주제에 해당하는 문장들의 유사도를 계산한 뒤, (iv) 요약문 내 내용의 중복을 최소화하면서도 원문의 다양한 내용을 최대한 포함할 수 있는 자동적인 문서 요약 기법을 제시한다. 제안 방법론의 평가를 위해 TripAdvisor의 리뷰 50,000건으로부터 용어 사전을 구축하고, 리뷰 23,087건에 대한 요약 실험을 수행한 뒤 기존의 단순 빈도 기반의 요약문과 주제별 분포의 비교를 진행하였다. 실험 결과 제안 방법론에 따른 문서 자동 요약을 통해 원문 내각 주제의 균형을 유지하는 요약문을 도출할 수 있음을 확인하였다.