• 문화기술의 융합
• /
• 제10권1호
• /
• pp.603-608
• /
• 2024

무응답 및 결측값은 표본 탈락, 설문조사에 대한 답변 회피 등으로 발생하며 정보의 손실 및 편향된 추론의 가능성이 있는 문제가 발생하게 되며, 이 경우 결측값을 적절한 값으로 바꾸는 대체가 필요하게 된다. 본 논문에서는 결측값에 대한 대체 방법으로 제안되었던 평균 대체, 다중회귀 대체, 랜덤 포레스트 대체, K-최근접 이웃 대체, 그리고 딥러닝을 기본으로 한 오토인코더 대체와 잡음제거 오토인코더 대체 방법을 비교한다. 결측값을 대체하는 이러한 방법들에 대해 설명하고, 연속형의 모의실험 데이터와 실제 데이터에 접목시켜 각 방법들을 비교하였다. 비교 결과 대부분의 경우에서 다중 대체 방법인 랜덤 포레스트 대체 방법과 잡음제거 오토인코더 대체 방법의 성능이 좋았음을 확인하였다.

• Journal of Korean Neurosurgical Society
• /
• 제67권5호
• /
• pp.493-509
• /
• 2024

In neurointensive care units (NICUs), particularly in cases involving traumatic brain injury (TBI), swift and accurate decision-making is critical because of rapidly changing patient conditions and the risk of secondary brain injury. The use of artificial intelligence (AI) in NICU can enhance clinical decision support and provide valuable assistance in these complex scenarios. This article aims to provide a comprehensive review of the current status and future prospects of AI utilization in the NICU, along with the challenges that must be overcome to realize this. Presently, the primary application of AI in NICU is outcome prediction through the analysis of preadmission and high-resolution data during admission. Recent applications include augmented neuromonitoring via signal quality control and real-time event prediction. In addition, AI can integrate data gathered from various measures and support minimally invasive neuromonitoring to increase patient safety. However, despite the recent surge in AI adoption within the NICU, the majority of AI applications have been limited to simple classification tasks, thus leaving the true potential of AI largely untapped. Emerging AI technologies, such as generalist medical AI and digital twins, harbor immense potential for enhancing advanced neurocritical care through broader AI applications. If challenges such as acquiring high-quality data and ethical issues are overcome, these new AI technologies can be clinically utilized in the actual NICU environment. Emphasizing the need for continuous research and development to maximize the potential of AI in the NICU, we anticipate that this will further enhance the efficiency and accuracy of TBI treatment within the NICU.

• 터널과지하공간
• /
• 제33권4호
• /
• pp.281-298
• /
• 2023

달 현지 탐사를 위해 무인 이동체에 대한 연구가 지속적으로 이루어져 있으며 달 지상 관심 지역의 정확한 위치 및 맵핑을 위한 실시간 정보화 작업이 요구되고 있다. 딥러닝 영상 처리 분석 기술을 실제 로버에 적용하기 위해 소프트웨어의 통합과 최적화에 대한 연구가 필요하며 본 연구에서는 가상의 달 기지 건설현장의 영상을 실시간 분석하여 핵심 객체의 공간 정보를 자동으로 수치화하는 방안에 대한 기초 연구가 진행되었다. 본 연구를 통해 이미 구축된 영역 분할 기반 객체 인식 알고리즘을 경계 상자 기반 객체 인식알고리즘으로 변경하여 객체 인식 정확도 및 추론 속도를 개선하는 작업이 이루어졌으며, 대용량 데이터 기반 객체 매칭 학습을 위해 Batch Hard Triplet Mining 기법을 도입하고, 학습 및 추론에 대한 최적화 연구가 수행되었다. 또한 개선된 객체 인식 및 동일 객체 매칭 소프트웨어를 통합하고, 입력 이미지 내 동일 객체 자동 매칭을 시각화하는 소프트웨어를 개발하였으며, 위성 모사 촬영 영상 내 객체를 학습 데이터로, 이동체 촬영 영상 내 객체를 추론 데이터로 사용하여 동일 객체 매칭의 학습 및 추론이 이루어졌다. 본 연구의 결과는 이동체의 연속 촬영 영상을 기반 3차원 공간 정보를 구현 및 관심 공간 내 객체 위치 설정에 활용할 수 있을 것으로 사료되며, 향후 달 기지 건설 현장에서의 영상 기반 시공 모니터링 및 제어를 위한 자동 현장 및 주요 대상물 공간 정보 구축 시스템과의 연계에 기여할 것으로 기대된다.

• 한국실천공학교육학회논문지
• /
• 제2권2호
• /
• pp.120-136
• /
• 2010

최근 평생학습 중요성 증가에 따라 평생교육기관 수 및 평생교육 프로그램에 참가하는 학습자 수가 크게 증가하고 있으며 여러 유형의 평생교육기관 중 가장 학습 받기를 원하는 기관으로 대학 평생교육기관으로 조사되고 있다. 이에 본 연구에서는 대학 평생교육기관의 지속성장과 경쟁우위 확보방안에 공헌하기 위하여 대학 평생교육 기관의 성과에 영향을 미치는 요인을 규명하고자 자원기반관점이론과 동태적역량이론에 기반하여 전국 대학 평생교육기관 관리자인 팀장급과 학습자와 가장 근접해 상호작용이 활발한 교 강사를 대상으로 조사 분석하였다. 본 연구내용 및 결과는 첫째, 대학 평생교육대학의 자원과 성과의 관계를 규명하고자 하였다. 그 분석결과 대학 평생 교육기관의 물적자원인 접근편의성, 시설우수성, 인적자원인 교 강사의 우수성은 성과에 정(+)영향을 미치는 것으로 분석되었다. 둘째, 대학 평생교육기관의 동태적역량에 영향을 미치는 선행요인을 파악하고자 하였다. 그 연구결과 접근편의성, 시설 우수성,교 강사 우수성 등 물적, 인적자원과 상사인 원장의 임파워링리더십, 조직분위기(자율성,상호작용)는 동태적역량에 정(+)영향을 미치는 것으로 나타났다. 이 분석결과는 대학 평생교육기관 특성이 반영된 결과로 해석 할 수 있다. 셋째, 조직의 발전을 위해서는 자원기반관점에 기반한 자원도 중요한 요소지만 대학 평생교육기관의 지속적인 성장과 발전을 위해서는 조직의 역량인 동태적역량이 더욱 중요함을 규명하고자 하였다. 그 연구결과 동태적역량인 흡수역량과 혁신역량은 자원과 성과의 관계에서 매개효과가 있는 것으로 분석되었으며, 마찬가지로 흡수역량, 혁신역량은 상사의 임파워링리더십, 조직분위기(자율성,상호작용)와 성과의 관계에서도 매개효과가 있는 것으로 나타났다. 이는 자원의 우수성은 대학 평생교육기관을 어느 수준까지 발전시키는데까지는 기여 할 수 있지만 급격히 변화하는 평생교육시장의 동적환경하에서 지속적인 성장과 발전을 위해서는 조직의 동태적역량이 더욱 중요함을 시사하고 있다.

• 한국과학교육학회지
• /
• 제39권6호
• /
• pp.717-728
• /
• 2019

창의융합 인재 양성의 중요성으로 우리나라 교육과정도 융합과 통합교육을 지향하며 많은 변화가 있었다. 본 연구에서는 이러한 과학과 교육과정의 변화와 더불어 최근 10년간 과학교사들의 통합과학 교육에 대한 인식과 전문성이 어떤 변화가 있는지 알아보았다. 이를 위해 서울과 경기도 소재의 2007 개정 교육과정이 적용되고 있었던 2008년도의 초·중등 과학교사 359명과 2015 개정 교육과정이 적용되고 있었던 2018년도의 초·중등 과학교사 360명을 대상으로 통합과학교육에 대한 인식과 전문성(PCK)에 대하여 10년간의 변화를 살펴보았으며, 분석 결과에 따른 결론은 다음과 같았다. 첫째, 2018년 초·중등 과학교사들은 통합과학교육에 대한 인지가 통계적으로 유의미하게 높아졌음에도 불구하고 '보통' 정도인 것으로 나타났다. 둘째, 통합과학교육의 성공적인 안착을 위해 교사의 전문성 향상, 교수학습 자료의 제공, 학습내용의 축소, 학생 수 감소와 시간표의 융통성 확보, 학생과 학부모의 통합과학교육에 대한 인식 확대의 필요에 대한 인식도 유의미하게 높은 것으로 분석되었다. 셋째, 자기진단에 의한 PCK 조사 결과, 교과 내용 지식 확보 능력, 통합과학교육과 관련된 교육과정의 이해와 수업 구성 능력, 통합적 교수 전략 능력, 통합적 수업을 위한 교수학습 환경 조성 능력, 통합과학교육의 전문성 향상을 위한 노력 등 통합과학교육에 대한 교사들의 PCK는 10년 전에 비해 유의미하게 높은 것으로 나타났다. 따라서 최근 융복합 교육의 강조로 현장에서 융복합 수업의 적용 경험이 많아졌으며, 교육 패러다임의 변화에 부합하고자 하는 과학교사들의 지속적인 노력의 결실로 보여졌다.

• 한국산림과학회지
• /
• 제109권3호
• /
• pp.259-270
• /
• 2020

최근 20년 동안 고온, 건조 등 이상기상 현상이 빈발해지면서 병해충으로 인한 피해가 아닌 생리적 스트레스로 인한 소나무 피해 사례가 지속적으로 보고되고 있다. 2014년도에는 울진 소광리 산림유전자원보호구역 내에 금강소나무(Pinus densiflora for. erecta Uyeki)의 집단고사가 발견되어 이에 대한 원인 구명과 산림관리방안 마련이 요구되었다. 이에 본 연구는 2008~2015년 항공사진에서 발견된 울진 소광리 금강소나무 고사 피해 발생 지역의 지형 및 임분 특성을 파악하여 고사 발생의 영향 요인을 도출하고 이를 기반으로 전체 지역의 고사피해 발생 위험지역을 예측하는 것을 목표로 하였다. 소나무 고사발생 지점 정보와 해발고도, 경사 등의 지형정보, 영급, 경급 등의 임분 정보 등 총 14개의 설명변수를 이용하여 고사발생 예측모델을 구축하였다. 모형 개발에는 Decision Tree, Random Forest (RF), Support Vector Machine (SVM) 등 기계학습 기법을 적용하였으며, RF와 SVM가 정확도 93% 이상으로 좋은 성능을 보였다. 소나무 고사와 관련된 주요 변수 분석 결과, 소나무 고사의 지형적인 취약지역은 해발고도가 높은 동시에 일사량이 높으며 수분 조건이 불리한 지역이었으며, 임분 특성 중에서는 특히 5~15m 높이의 수직적 임분밀도가 높은 소나무림, 그리고 영급이 높은 소나무림에서 고사 위험성이 높다고 평가되었다. RF와 SVM 모형 예측에 따라, 소나무 고사위험도가 높은 지역의 면적은 연구대상지 전체 소나무림 면적의 약 9.5%, 115ha로 평가되었다. 본 연구의 고사위험도 평가 결과는 금강소나무 취약지역의 현황을 조사하고 아직 피해가 발생하지 않은 취약지역에 대한 적극적인 기후변화 적응 산림관리를 수행하기 위한 기반자료로 활용될 수 있다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.275-290
• /
• 2021

대기 중의 이산화황(SO2)은 주로 인위적 배출원에 의해 발생하며 화학 반응을 통해 (초)미세먼지를 형성하여 직간접적으로 주변 환경 및 인체 건강에 해로운 영향을 주는 물질이다. 특히 지상에서의 농도는 인간 활동과 밀접한 관련이 있어 모니터링의 필요성이 매우 크다. 따라서, 본 연구에서는 TROPOMI SO2 연직 컬럼 농도 산출물 및 타 위성 산물과 모델 산출물 등을 융합 활용하여 기계학습 기법에 적용하여 SO2 지상 농도 추정모델을 개발하였다. 기계학습 기법으로는 널리 활용되고 있는 RF(Random Forest)에 잔차 보정 과정을 결합한 2-step 잔차 보정 RF를 적용하였다. 개발된 모델은 무작위, 공간 및 시간별 10-fold 교차 검증을 통하여 검증하였으며, 기울기(slope) 값이 1.14-1.25, 상관계수(R) 값이 0.55-0.65, rRMSE 값이 약 58-63% 정도로 나타났다. 이는 잔차 보정이 적용되지 않은 기존의 RF 대비 slope의 경우 약 10%, R과 rRMSE의 경우 약 3% 가량 향상된 결과를 보인다. 국가별로 나누어 분석하였을 때에는 샘플 수가 적고 SO2의 전반적인 농도가 낮은 일본 지역에서의 공간별 10-fold 교차검증 성능이 소폭 감소하는 것으로 나타났다. SO2 지상농도 분포를 계절별로 표출하였을 때, 일본의 경우 다른 지역 대비 연중 저농도가 관찰되며 높은 결측 값 비율로 인하여 관측소 농도 대비 2-step 잔차 보정 RF 모델에서 과대 모의하는 경향이 관찰되었다. 대표적 고농도 발생지인 중국의 YRD(Yangtze River Delta) 와 한국의 SMA(Seoul Metropolitan Area)의 계절적 분포 변화를 추가적으로 분석하였을 때, 연료 연소로 인한 겨울철 농도 증가 패턴이 나타났다. 이는 인위적 배출원의 영향을 크게 받는 SO2의 시공간적인 분포 특성을 잘 반영하고 있는 결과이다. 따라서, 본 연구를 통하여 제안한 모델은 장기적으로 SO2 지상 농도의 시공간적 분포를 파악하는 데에 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1463-1478
• /
• 2022

한국 수출입의 99.7%는 해상운송이 차지하고 있으며, 항만의 효율적 운영을 위해 해운 물류 모니터링 시스템 개발 필요성이 대두되고 있다. 현재 automatic identification system (AIS)를 기반으로 선박의 정보를 조회하여 해상 물동량 추정 연구가 진행되고 있지만, AIS를 운영하지 않는 선박들에 대한 모니터링은 불가능하다는 한계가 있다. 고해상도 광학 위성 영상은 광역의 범위에서 AIS 미운영 선박 및 소형 선박을 식별할 수 있기 때문에 AIS 기반 물동량 모니터링의 공백을 보완할 수 있다. 그러므로 선박 및 물동량 모니터링에 활용하기 위해, 고해상도 광학 위성영상에서 선박을 탐지하고 화물선 및 소형 선박을 분류하는 연구가 필요하다. 본 연구는 초기 국토위성영상을 이용하여 생산된 학습 자료 기반으로 인공지능 모델을 훈련시키고 다른 영상에서 탐지를 수행함으로써, 국토위성영상의 딥러닝 학습 자료 생산 및 선박 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 황해 및 황해 주요 항만 구역 내 선박들을 추출하여 제작했으며, You Only Look Once (YOLO) 알고리즘을 사용하여 탐지 모델은 구축하고 국내외 주요 항만 각 1개소를 대상으로 선박 탐지 성능을 평가하였다. 항만 접안 및 해상 정박중인 선박을 대상으로 탐지 모델에 적용한 결과를 AIS의 선종 정보와 비교하였고, 국내 항만에서 85.5%와 89%, 국외 항만에서 70%의 선종 분류 정확도를 확인하였다. 본 연구 결과는 정박중인 선박을 중심으로 고해상도 국토위성영상을 활용하여 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 구축을 통해 탐지 모델의 정확도를 향상시킨다면 전세계 주요 항만에서 선박 및 물동량 모니터링 분야에 활용할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 정기총회 및 추계학술대회 논문집
• /
• pp.1251-1262
• /
• 2011

건설업계에서는 경영효율화를 위해서 지난 2000년도부터 6시그마 방법론을 도입하여 적용하였으나 건설사업의 특수성 때문에 6시그마 적용이 사례가 많지 않다. 특히 철도건설사업은 일반적인 건설사업의 특성 외에도 다양한 공종의 집합체로 이루어진 복합공종의 건설사업이라는 특수성을 띄고 있어 적용사례는 더욱 드물다. 국내 철도건설 및 시설관리업무를 담당하는 K-공단은 2004년부터 6시그마를 도입하여 경영전반에 적용하고 있다. 지난 수년 동안 6시그마를 추진한 결과 개선안에 대한 CTQ 목표 달성도가 낮아 원인분석을 통해 합리적인 적용방안을 제시하고자 본 연구를 시작하였다. 선행 연구에 따르면 개선안 실행에 대한 CTQ 목표 달성에 성공한 프로젝트는 약 41%라고 분석되었다(성공기준:CTQ달성도 0.5이상). 본 연구에서는 2004년부터 2009년까지 수행한 프로젝트를 중심으로 개선안 실행에 따른 CTQ달성도를 분석하고 실행한 담당자에 대한 설문 및 인터뷰를 통해 실패한 요인을 파악하고자 하였다. 분석결과 CTQ달성에 영향을 주는 요인으로 1)과제추진 시의 과제수준(업무범위에 따라 BIg Y, Small y), 2)마스터 스폰서 및 스폰서가 과제 및 과제 담당자에 대한 강한 리더십 3)개선안 실행에 대한 지속적인 모니터링과 피드백 등이 파악되었다. 이러한 문제점을 해결하기 위하여 1)과제 종류에 대한 재 정의의 필요성의 제시하였다. 챔피언 과제, BB과제, QW과제로 분류되는 기준을 재정립할 필요가 있다. 2)CTQ Tree를 이용하여 Big Y로부터 small y를, small y로부터 단위과제를 도출하여 실행과제로 추진하도록 하였으며, 3) 마스터 스폰서, 스폰서의 리더십을 위해 성과관리에서 강한 incentive 제공 등 동기부여를 하도록 하였다. 4)스폰서 및 담당직원의 모니터링을 위해 해당 시스템에 모니터링 기능을 강화하고 지속적인 학습을 제공을 합리적 적용을 위한 방안으로 제시하였다.