• 한국BIM학회 논문집
• /
• 제13권3호
• /
• pp.12-20
• /
• 2023

Deep learning-based anomaly detection technology is used in various fields such as computer vision, speech recognition, and natural language processing. In particular, this technology is applied in various fields such as monitoring manufacturing equipment abnormalities, detecting financial fraud, detecting network hacking, and detecting anomalies in medical images. However, in the field of construction and architecture, research on deep learning-based data anomaly detection technology is difficult due to the lack of digitization of domain knowledge due to late digital conversion, lack of learning data, and difficulties in collecting and processing field data in real time. This study acquires necessary data through IoT (Internet of Things) from the viewpoint of monitoring for environmental management of architectural spaces, converts them into a database, learns deep learning, and then supports anomaly patterns using AI (Artificial Infelligence) deep learning-based anomaly detection. We propose an implementation process. The results of this study suggest an effective environmental anomaly pattern detection solution architecture for environmental management of architectural spaces, proving its feasibility. The proposed method enables quick response through real-time data processing and analysis collected from IoT. In order to confirm the effectiveness of the proposed method, performance analysis is performed through prototype implementation to derive the results.

• 한국해양공학회지
• /
• 제12권1호
• /
• pp.107-112
• /
• 1998

The purpose of this study is to analyze the amount of available wave power and its characteristics related to the development of apractical system for ocean wave energy conversion in Korean coastal waters. The analysis method of wave power was established through comparison between theory and numerical simulation of deep sea wave by Inverse Fourier Transform with random phase method. Based on the results of comparison, wave power was estimated by use of data set from observed offshore and coastal waves and hindasted deep sea waves around the Korean peninsula. Annual mean wave power is estimated as about 1.8 ~ 7.0 kW for every metre of wave frontage at East sea, 1.5~5.3 kW at South sea and 1.0 ~ 4.1 kW at West sea, respectively. Mean wave power along deep sea front of coastal waters of Korea amounts to about 4.7 GW. Regional distribution and seasonal variation of wave power were discussed to develop practical utilization system of wave power of not so high grade of available wave power.

• Journal of the korean society of oceanography
• /
• 제32권1호
• /
• pp.17-27
• /
• 1997

Miami Isopycnic Coordinate Ocean Model is applied to the East Sea to estimate the renewal time of the upper Intermediate Water The model gives about 10 years of renewal time. Extrapolating this result to the whole water mass below, including the upper Intermediate Water, leads to about 81.4 years of renewal time, which is quite comparable to that obtained by Kim and Kim (1997) based on the recent observations. Deep winter mixing occurs in the north of the basin. The areas of the largest water mass conversion, from the upper mixed to the intermediate below, are along the periphery of the deep mixing zone. Large portion of the renewed Intermediate Water then advects along the Korean and Japanese coasts. It is concluded that the high-oxygen content Intermediate Water found off the Korean coast (Kim and Chung, 1984) is in part locally formed but mostly advected from the deep mixing zone.

• 말소리와 음성과학
• /
• 제12권3호
• /
• pp.55-63
• /
• 2020

음성 변환은 다양한 음성 처리 응용에 적용될 수 있으며, 음성 인식을 위한 학습 데이터 증강에도 중요한 역할을 할 수 있다. 기존의 방법은 음성 합성을 이용하여 음성 변환을 수행하는 구조를 사용하여 멜 필터뱅크가 중요한 파라미터로 활용된다. 멜 필터뱅크는 뉴럴 네트워크 학습의 편리성 및 빠른 연산 속도를 제공하지만, 자연스러운 음성파형을 생성하기 위해서는 보코더를 필요로 한다. 또한, 이 방법은 음성 인식을 위한 다양한 데이터를 얻는데 효과적이지 않다. 이 문제를 해결하기 위해 본 논문은 원형 스펙트럼을 사용하여 음성 신호 자체의 변환을 시도하였고, 어텐션 메커니즘으로 스펙트럼 성분 사이의 관계를 효율적으로 찾아내어 변환을 위한 자질을 학습할 수 있는 transformer 네트워크 기반 딥러닝 구조를 제안하였다. 영어 숫자로 구성된 TIDIGITS 데이터를 사용하여 개별 숫자 변환 모델을 학습하였고, 연속 숫자 음성 변환 디코더를 통한 결과를 평가하였다. 30명의 청취 평가자를 모집하여 변환된 음성의 자연성과 유사성에 대해 평가를 진행하였고, 자연성 3.52±0.22 및 유사성 3.89±0.19 품질의 성능을 얻었다.

• Journal of Forest and Environmental Science
• /
• 제36권2호
• /
• pp.69-77
• /
• 2020

Lignocellulosic biomass has recalcitrant characteristics against chemical and biological conversion due to its structural heterogeneity and complexity. The pretreatment process to overcome these recalcitrant properties is essential, especially for the biochemical conversion of lignocellulosic biomass. In recent years, pretreatment methods using ionic liquids (ILs) and deep eutectic solvents (DESs) as the green solvent has attracted great attention because of their advantages such as easy recovery, chemical stability, temperature stability, nonflammability, low vapor pressure, and wide liquids range. However, there are some limitations such as high viscosity, poor economical feasibility, etc. to be solved for practical use. This paper reviewed the research activities on the pretreatment effect of various ILs including DESs and their co-solvents with organic solvents on the enzymatic saccharification efficiency of lignocellulosic biomass and the nanocellulose preparation from the pretreated products.

• 한국해양공학회지
• /
• 제25권1호
• /
• pp.80-84
• /
• 2011

The cycle performance of closed ocean thermal energy conversion (OTEC) system with 50 kW gross power was evaluated to obtain the basic data for the optimal design of OTEC using waste heat such as solar power, discharged heat from condenser of power plant. The basic thermodynamic model for OTEC is Rankine cycle, and the surface seawater and deep seawater were used for the heat source of evaporator and condenser, respectively. The cycle performance such as efficiency, heat exchanger capacity, etc. was analyzed on the variation of temperature increase by waste heat. The cycle efficiency increased and necessary capacity of evaporator and condenser decreased under 50kW gross power with respect to the temperature increase of working fluid. Also, when the temperature increase is about $13.5^{\circ}C$, the heat which can be used is generated. By generator with 0.9 effectiveness under the simulated condition, the cycle efficiency was improved approximately 3.0% comparing with the basic cycle.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2001년도 추계학술대회 논문집 Vol.14 No.1
• /
• pp.492-496
• /
• 2001

Due to their better photosensitivity in X-ray, the amorphous selenium based photoreceptor is widely used on the X-ray conversion materials. It was possible to control the charge carrier transport of amorphous selenium by suitably alloying a-Se with other elements(e,g. As, Cl). In this paper, We investigated dopants(As, Cl) composition rate to improve dark resistivity and transport properties of charge carrier in amorphous selenium using by direct X-ray conversion material. Alloying a-Se with As inhibits the recrystallization of a-Se but introduces undesirable deep hole traps. then doping with Cl(in the ppm range) compensates for the deep hole traps. We investigated their composition rate in various doping conditions and then obtained optimum dopant composition rate. The result was Se-As 0.3%-c] 30 ppm and X-ray Sensitivity was 0.57 pC/$pixel{\cdot}mR$ at $137{\mu}m{\times}137{\mu}m$ Pixel area.

• 한국융합학회논문지
• /
• 제10권2호
• /
• pp.1-6
• /
• 2019

제안 모델은 소실 데이터를 포함하는 불완전한 데이터에서 정보의 손실을 최소화할 수 있도록 개발되었다. 이를 위한 과정은 우선 데이터 확장기법을 이용하여 손실 정보를 보상하도록 학습 데이터를 변환한다. 이 변환 과정에서 데이터의 속성값은 원-핫 인코딩으로 이진 또는 확률값으로 채워진다. 다음 이 변환 데이터는 딥러닝 모델에 입력되는데, 이때 각 속성의 카디너리티에 따라 엔트리 수가 일정하지 않게 된다. 그리고 각 속성의 엔트리 값들을 각각의 입력 노드에 할당하고 학습을 진행한다. 이점이 기존 학습 모델과의 차이점으로, 임의의 속성값이 입력층에서 여러 개의 노드로 분산되는 특이한 구조를 가진다. 제안 모델의 학습 성능을 평가하기 위해, 소실 데이터를 대상으로 다양한 실험을 수행하여 성능 면에서 우수함을 보인다. 제안 모델은 유비쿼터스 환경에서 손실을 최소화하기 위한 알고리즘으로 유용하게 사용될 것으로 본다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제25권3호
• /
• pp.123-131
• /
• 2019

본 연구에서는 CT 영상의 대퇴골 부위를 해부학적으로 의미 있게 변형하여 CT 영상의 대퇴골 영역을 분할하기 위한 컨벌루션 신경망(CNN)의 훈련 데이터를 증강하는 방법을 제안한다. 먼저 CT 영상으로부터 삼차원 삼각형 대퇴골 메쉬를 얻는다. 그 후 메쉬의 국소부위에 대한 기하학적 특성을 계산하고, 군집화하여 메쉬를 의미 있는 부분들로 분할한다. 마지막으로, 분할한 부분들을 적절한 알고리즘으로 변형한 뒤, 이를 바탕으로 CT 영상을 와핑하여 새로운 CT영상을 생성하였다. 본 연구의 데이터 증강 방법을 이용하여 학습시킨 딥러닝 모델은 기하학적 변환이나 색상 변환 같이 일반적으로 사용되는 데이터 증강법과 비교하여 더 나은 영상분할 성능을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.650-652
• /
• 2022

Frame rate up-conversion (FRUC) 알고리즘은 동영상의 프레임율을 향상시키는 영상 보간 기술이다. 이는 고화질 디지털 비디오 시스템에서 저프레임율 동영상으로 인한 화면 떨림이나 흐릿한 움직임 등의 문제를 해소하고 시청자에게 보다 자유롭고 매끄러운 시각 경험을 제공한다. 본 논문에서는 딥러닝 기반의 FRUC 알고리즘을 이용하여 동영상을 압축하는 기술을 제안한다. 제안 방법은 원시 동영상에서 일부 영상을 제외한 후 압축 및 전송하고, 복호화 과정에서 딥러닝 기반의 보간 방법을 이용하여 제외된 영상을 복원함으로써 고효율로 압축한다. 실험에서는 동영상을 1, 3장 단위로 건너뛰며 부호화한 후 복호된 영상과 FRUC 알고리즘에 의해 복원한 영상으로 압축 성능을 평가했다. 1장 및 3장씩 제외했을 때 실험결과는 평균 81.22%, 27.80% BD-rate 감소를 보였다. 3 장씩 제외하는 것이 1장의 제외에 비해 부호화 효율이 낮은 이유는 FRUC 방법으로 복원한 영상의 PSNR이 낮기 때문이다.