• 한국산학기술학회논문지
• /
• 제19권2호
• /
• pp.56-63
• /
• 2018

강우사상이 발생함에 따라 시설용량을 초과하여 미처리된 상태로 방류수계에 직접 배출되는 합류식 관거 월류수(Combimed Sewer Overflows, CSOs) 및 분류식 관거 월류수(Separated Sewer Overflows, SSOs)의 관리는 집중호우가 잦아지는 근래에 들어 그 관리가 더욱 중요해지고 있다. 밀집도가 높은 도심지에 적용성이 유리한 여과기술은 지속적인 개발이 이루어지고 있음에도 불구하고 CSOs에 적용된 사례가 거의 전무한 실정이다. 따라서 본 연구에서는 로프형 섬유여재가 적용된 Pilot 규모의 수평흐름식 여과장치를 CSOs에 적용하기 위해 공정최적화를 목적으로 수행되었다. 연구방법은 인공시료를 적용한 사전연구와 하수를 적용한 현장연구로 구분하여 수행하였다. 인공시료를 적용한 사전연구에서 여재 자체의 손실수두는 약 1.1cm정도로 분석되었고, 선속도 10m/hr 증가에 따라 약 0.1cm 정도의 손실수두 증가를 유발하는 것으로 나타났다. 또한, SS 제거효율은 81.4% 정도로 안정적이었고, 여과지속시간은 6시간 이상 유지되었으며, 공기역세척만으로도 98% 정도의 손실수두 평균 회복율을 보였다. 하수를 적용한 현장평가에서는 여재의 조기폐색을 방지하기 위한 전처리공정으로 벨트 형 미세스크린(450mesh 이상)를 적용했을 때 2시간 내외의 여과지속시간을 확보할 수 있었고, 평균 83.9%의 SS 제거효율을 나타내었다. CSOs 및 SSOs에 여과공정 적용을 위해서는 효율적 측면보다 여과지속시간의 안정적 유지를 위한 수리적 측면을 보완하기 위해서 전처리공정과의 조합이 중요하다는 결론을 얻을 수 있었다. 건기와 비교하여 우기의 유입하수 수질은 다소 낮은 보였으며, 이는 분류식 관거 비율이 높은 배수구역의 특성 때문인 것으로 추정된다. 또한, 우기와 건기의 유입수질에 따른 제거효율 차이는 미미하였다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.1-21
• /
• 2020

인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.

• Radiation Oncology Journal
• /
• 제19권1호
• /
• pp.53-65
• /
• 2001

목적 : 비인강암 환자의 국소제어율을 향상시키기 위한 목적으로 보상 여과판을 이용한 전방위 강도변조 방사선치료방법(intensity modulated radiation therapy : IMRT)을 계획하고 기존 3차원 입체조형치료방법과 비교하여 최적의 방사선치료방법을 모색하고자 한다. 대상 및 방법 : 3-차원 입체조형치료계획으로 치료받았던 비강암환자(T4N0M0) 1예를 선택하여 치료면의 굴곡과 뼈, 공동 등 불균질 조직으로 인하여 발생되는 표적체적의 선량분포를 균일하게 만들고 주변 정상장기의 손상을 최소화하기 위한 일차 입사선량의 강도 조절을 보상여과판으로 시행 하였다. 환자는 열변성 plastic mask로 고정시킨 후 치료조준용 CT Scan (PQ5000)을 이용하여 3 mm 간격으로 scan 하고 가상조준장치(virtual simulator)와 3차원 방사선치료계획 컴퓨터$(ADAC-Pinnacle^3)$를 이용하여 보상여과판을 제작하였다. 각 조사면을 세분한 소조사선(beamlet)의 강도 가중치(weighting)를 계산하고 가중치에 따른 선량 감약을 보상여과판의 두께로 환산하여 판별이 쉽도록 도표화하였다. 방사선 치료성과의 기준은 정량적으로 평가할 수 있는 선량체적표(dose volume histogram : DVH)와 종양억제확율(tumor control probability : TCP)및 정상조직 손상확율(normal tissue complication probability : NTCP)의 수학적 관계식을 이용하여 치료효과를 평가하였다. 결과 : 전방위 IMRT에서 계획용표적체적(planning target volume: PTV)내의 최소선량과 최대선량의 차이가 입체조형치료계획보다 약간 증가하였으며 평균선량은 강도조절치료계획에서 약 $10\%$, 더 높았고 전체 방사선량의 $95\%$가 포함되는 체적(V95)은 비교적 양쪽 설계방법에서 비슷한 양상을 보이고 있었다. 주위 건강장기들의 DVH에서 방사선에 민감한 장기인 시신경, 측두엽, 이하선, 뇌간, 척수, 측두하악골관절 등은 강도조절치료계획에서 많이 보호되었다. PTV의 종양제어확율은 입체조형치료계획과 강도변조치료계획에서 모두 비교적 균일하였으며 계획선량이 50 Gy에서 80 Gy로 증가함에 따라 TCP가 0.45에서 0.56으로 완만하게 증가하였다. 척수, 측두하악골 관절, 뇌간, 측두엽, 이하선, 시신경교차, 시신경 등 정상장기의 손상확율은 입체조형치료계획보다 강도조절치료계획에서 월등히 감소되었으며 특히 뇌간(brain stem)의 NTCP는 입체조형치료계획에서 보다 강도조절치료계획에서 훨씬 적은 값(0.3에서 0.15)으로 감소되었다. 계획선량의 증가에 따른 TCP와 NTCP를 입체조형치료계획과 강도조절치료계획에서 TCP는 공히 완만한 증가를 보였으나 NTCP값은 선량증가에 비례적으로 증가하였고 입체조형치료계획이 강도조절치료계획보다 월등히 증가하였다. 결론 : 보상여과판을 이용한 전방위 강도변조 방사선치료에서 PTV내의 선량 균일도의 개선은 없었지만 뇌간, 척수강 등 정상장기의 피폭을 줄일 수 있었다. 특히 인체표면의 굴곡이 심하거나 뼈, 동공 등으로 종양에 도달하는 방사선량분포가 균일하지 않을 경우 매우 유리한 치료방법이였다. 방사선치료성적을 평가함에 있어 DVH와 TCP, NTCP 등 수학적 척도를 이용함으로서 치료성과의 예측, 종양선량의 증가(dose escalation), 방사선수술의 지표 및 방사선치료의 질적 상황을 정량적 수치로 평가할 수 있어 방사선치료성과 향상에 기여할 수 있다고 생각한다.