• Applied Biological Chemistry
• /
• 제38권1호
• /
• pp.49-54
• /
• 1995

한국 마늘에 감염된 바이러스의 종류와 병 발생 메카니즘을 구명하기 위하여, 마늘 바이러스 cDNA clone들을 분리하였다. 24개 cDNA clone들의 부분적인 염기 서열을 결정하였고, 이 중 poly(A) tail을 가진 5개 clone들의 염기 서열을 결정하였다. 이를 이미 알려진 다른 식물 바이러스와 비교했을 때, clone V9은 일차구조가 carlavirus와 유사성을 보이므로 GLV cDNA clone으로 여겨진다. Northern blot 결과로부터 GLV genome의 크기는 8.5 knt이고, poly(A) tail을 가지고 있다는 것을 알 수 있었다. clone V9의 3' 말단부분에는 바이러스 복제과정에서 cis-acting element로 작용한다고 여겨지는 hexanucleotide motif(5'-ACCUAA)가 존재한다. 또한 carlavirus의 껍질 단백질 subgenomic RNA의 5' 말단에 보존되어 있는 5'-TTAGGT도 나타난다. 이들은 모두 carlavirus의 특징들이다. 껍질 단백질 유전자를 pRSET-A 발현 벡터에 재조합하고, E. coli BL21에서 발현시켰다. 발현된 껍질 단백질을 $Ni^{2+}$ NTA affinity chromatography에 의해 정제하였다. 껍질 단백질을 토끼에 주사하여 항체를 만든 후, immunoblot을 한 결과 GLV 껍질 단백질에 해당하는 24 kDa polypeptide가 인지되었다. 또한 다양한 마늘 품종에 대해서 immunoblot을 한 결과, GLV 껍질 단백질의 크기와 GLV의 감염정도가 마늘 품종에 따라서 차이가 있다는 것을 알 수 있었다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제30권3호
• /
• pp.51-59
• /
• 2024

시선 벡터 정답값을 갖는 대규모 데이터의 수집은 시선 추적 분야에서 많은 비용을 필요로 한다. 본 논문에서는 원본 사진의 시선을 수정하는 데이터 증강 기법을 사용하여 제한된 개수의 시선 정답값이 주어진 상황에서 시선 추적 모델의 정확도를 향상시키는 방법을 제안한다. 시선 구간 다중 클래스 분류를 보조 작업으로 학습하고, 디퓨전 오토인코더의 잠재 변수를 조정하여 원본 사진의 시선을 편집한 사진을 생성한다. 기존의 얼굴 속성 편집과 달리, 우리는 이진 속성이 아닌 시선 벡터의 피치와 요를 지정한 범주 내로 변경하며, 편집된 사진을 시선 추적 모델의 증강된 학습 데이터로 활용한다. 시선 정답값이 5만 개 이하일 때 준지도 학습에서의 시선 추적 모델의 정확도 향상은 제안한 데이터 증강 기법의 효과를 입증한다.

• 로봇학회논문지
• /
• 제15권2호
• /
• pp.197-204
• /
• 2020

In this paper, we present a learning platform for robotic grasping in real world, in which actor-critic deep reinforcement learning is employed to directly learn the grasping skill from raw image pixels and rarely observed rewards. This is a challenging task because existing algorithms based on deep reinforcement learning require an extensive number of training data or massive computational cost so that they cannot be affordable in real world settings. To address this problems, the proposed learning platform basically consists of two training phases; a learning phase in simulator and subsequent learning in real world. Here, main processing blocks in the platform are extraction of latent vector based on state representation learning and disentanglement of a raw image, generation of adapted synthetic image using generative adversarial networks, and object detection and arm segmentation for the disentanglement. We demonstrate the effectiveness of this approach in a real environment.

• 한국응용곤충학회지
• /
• 제16권2호
• /
• pp.87-92
• /
• 1977

1963년부터 중부지방에 큰 피해를 주고 있는 맥류의 바이러스병을 동정하기 위하여 전자현미경에 의한 바이러스입자 관찰과 매개충을 이용한 전염시험 및 기주범위조사를 한 결과 정상입자의 평균 크기는 길이가 300-370nm였고 폭이 57-60nm였다. 매개충은 애멸구 Laodelphax striatellus(Fallen)로서 충체내 잠복기간은 7-19일이였고 대부분 10일간이었다. Host range는 보리, 옥수수, 밀, Rye맥, 구리 등으로 옥수수외의 기주식물들은 포장에서도 발병이 되고 있다. 그러므로 중부지방에서 발생되고 있는 맥류 바이러스병은 대부분이 북지모자익바이러스병으로 매년 $10\%$내외의 감염율을 보여주고 있으며 춘파맥에서는$100\%$ 감염 될 때도 있다.

• Molecules and Cells
• /
• 제37권7호
• /
• pp.518-525
• /
• 2014

Gammaherpesvirus (${\gamma}HV$) infection of the central nervous system (CNS) has been implicated in diverse neurological diseases, and murine ${\gamma}HV$-68 (MHV-68) is known to persist in the brain after cerebral infection. The underlying molecular mechanisms of persistency of virus in the brain are poorly understood. Here, we characterized a unique pattern of MHV-68 persistent infection in neuroblastoma cells. On infection with MHV-68, both murine and human neuroblastoma cells expressed viral lytic proteins and produced virions. However, the infected cells survived productive infection and could be cultured for multiple passages without affecting their cellular growth. Latent infection as well as productive replication was established in these prolonged cultures, and lytic replication was further increased by treatment with lytic inducers. Our results provide a novel system to study persistent infection of ${\gamma}HVs$ in vitro following de novo infection and suggest application of MHV-68 as a potential gene transfer vector to the brain.

• 응용통계연구
• /
• 제4권1호
• /
• pp.1-11
• /
• 1991

다변량분산분석이나 판별분석 등에 있어서 검정의 대상이 되는 공분산행렬의 동일성에 대한 붓스트랩방법의 활용을 살펴보았다. 두 모집단의 공분산행렬을 $\Sigma_1, \Sigma_2^$라 하면, 가설 H : $\Sigma_1 = \Sigma_2$은 불변성의 관점에서 $\Sigma = \Sigma_1 \Sigma_2^{-1}$의 고유값들이 모두 1 이라는 것과 동등하다. 본 연구에서는 (1) $\Sigma = \Sigma_1 \Sigma_2^{-1}$의 표본고유값들에 대한 편의를 붓스트랩에 의해 정정하였으며, (2) 이들의 표본분포를 붓스트랩분포로 추정하여 검정에 활용하였으며, (3) 합동붓스트랩에 의해 바플렛의 수정우도비 검정통계량의 분포를 근사하였다.

• ETRI Journal
• /
• 제44권3호
• /
• pp.413-425
• /
• 2022

The study of literary texts is one of the earliest disciplines practiced around the globe. Poetry is artistic writing in which words are carefully chosen and arranged for their meaning, sound, and rhythm. Poetry usually has a broad and profound sense that makes it difficult to be interpreted even by humans. The essence of poetry is Rasa, which signifies mood or emotion. In this paper, we propose a poetry classification-based approach to automatically extract similar poems from a repository. Specifically, we perform a novel Rasa-based classification of Hindi poetry. For the task, we primarily used lexical features in a bag-of-words model trained using the support vector machine classifier. In the model, we employed Hindi WordNet, Latent Semantic Indexing, and Word2Vec-based neural word embedding. To extract the rich feature vectors, we prepared a repository containing 37 717 poems collected from various sources. We evaluated the performance of the system on a manually constructed dataset containing 945 Hindi poems. Experimental results demonstrated that the proposed model attained satisfactory performance.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.192-198
• /
• 2023

Cyberbullying is a growing problem among adolescents and can have serious psychological and emotional consequences for the victims. In recent years, machine learning techniques have emerged as promising approach for detecting instances of cyberbullying in online communication. This research paper focuses on developing a machine learning models that are able to detect cyberbullying including support vector machines, naïve bayes, and random forests. The study uses a dataset of real-world examples of cyberbullying collected from Twitter and extracts features that represents the ideational metafunction, then evaluates the performance of each algorithm before and after considering the theory of systemic functional linguistics in terms of precision, recall, and F1-score. The result indicates that all three algorithms are effective at detecting cyberbullying with 92% for naïve bayes and an accuracy of 93% for both SVM and random forests. However, the study also highlights the challenges of accurately detecting cyberbullying, particularly given the nuanced and context-dependent nature of online communication. This paper concludes by discussing the implications of these findings for future research and the development of practical tool for cyberbullying prevention and intervention.

• 감성과학
• /
• 제13권1호
• /
• pp.47-60
• /
• 2010

기존 웹 페이지 자동분류 연구는 일반적으로 학습 기반인 kNN(k-Nearest Neighbor), SVM(Support Vector Machine)과 통계 기반인 Bayesian classifier, NNA(Neural Network Algorithm)등 여러 종류의 분류작업에서 입증된 분류 기법을 사용하여 웹 페이지를 분류하였다. 하지만 인터넷 상의 방대한 양의 웹 페이지와 각 페이지로부터 나오는 많은 양의 자질들을 처리하기에는 공간적, 시간적 문제에 직면하게 된다. 그리고 분류 대상을 표현하기 위해 흔히 사용하는 단일(uni-gram) 자질 기반에서는 자질들 간의 관계 분석을 통해 자질에 정확한 의미를 부여하기 힘들다. 특히 본 논문의 분류 대상인 한글 웹 페이지의 자질인 한글 단어는 중의적인 의미를 가지는 경우가 많기 때문에 이러한 중의성이 분류 작업에 많은 영향을 미칠 수 있다. 잠재적 의미 분석 LSA(Latent Semantic Analysis) 분류기법은 선형 기법인 특이치 분해 SVD(Singular Value Decomposition)을 통해 행렬의 분해 및 차원 축소(dimension reduction)를 수행하여 대용량 데이터 집합의 분류를 효율적으로 수행하고, 또한 차원 축소를 통해 새로운 의미공간을 생성하여 자질들의 중의적 의미를 분석할 수 있으며 이 새로운 의미공간상에 분류 대상을 표현함으로써 분류 대상의 잠재적 의미를 분석할 수 있다. 하지만 LSA의 차원 축소는 전체 데이터의 표현 정도만을 고려할 뿐 분류하고자 하는 범주를 고려하지 않으며 또한 서로 다른 범주 간의 차별성을 고려하지 않기 때문에 축소된 차원 상에서 분류 시 서로 다른 범주 데이터간의 모호한 경계로 인해 안정된 분류 성능을 나타내지 못한다. 이에 본 논문은 새로운 의미공간(semantic space) 상에서 서로 다른 범주사이의 명확한 구분을 위한 특별한 차원 선택을 수행하여 최적의 차원 선택과 안정된 분류성능을 보이는 최적의 지도적 LSA을 소개한다. 제안한 지도적 LSA 방법은 기본 LSA 및 다른 지도적 LSA 방법들에 비해 저 차원 상에서 안정되고 더 높은 성능을 보였다. 또한 추가로 자질 생성 및 선택 시 불용어의 제거와 자질에 대한 가중치를 통계적인 학습을 통해 얻음으로써 더 높은 학습효과를 유도하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권7호
• /
• pp.303-314
• /
• 2023

음성 변환(Voice Conversion)은 개인의 음성 데이터를 다른 사람의 음향적 특성(음조, 리듬, 성별 등)으로 재생성할 수 있는 기술로, 교육, 의사소통, 엔터테인먼트 등 다양한 분야에서 활용되고 있다. 본 논문은 StarGAN-VC 모델을 기반으로 한 접근 방식을 제안하여, 병렬 발화(Utterance) 없이도 현실적인 음성을 생성할 수 있다. 고정된 원본(source) 및 목표(target)화자 정보의 원핫 벡터(One-hot vector)를 이용하는 기존 StarGAN-VC 모델의 제약을 극복하기 위해, 본 논문에서는 사전 훈련된 Rawnet3를 사용하여 목표화자의 특징 벡터를 추출한다. 이를 통해 음성 변환은 직접적인 화자 간 매핑 없이 잠재 공간(latent space)에서 이루어져 many-to-many를 넘어서 any-to-any 구조가 가능하다. 기존 StarGAN-VC 모델에서 사용된 손실함수 외에도, Wasserstein-1 거리를 사용하여 생성된 음성 세그먼트가 목표 음성의 음향적 특성과 일치하도록 보장했다. 또한, 안정적인 훈련을 위해 Two Time-Scale Update Rule (TTUR)을 사용한다. 본 논문에서 제시한 평가 지표들을 적용한 실험 결과에 따르면, 제한된 목소리 변환만이 가능한 기존 StarGAN-VC 기법 대비, 본 논문의 제안 방법을 통해 다양한 발화자에 대한 성능이 개선된 음성 변환을 제공할 수 있음을 정량적으로 확인하였다.