• 한국약용작물학회지
• /
• 제12권1호
• /
• pp.1-9
• /
• 2004

200종의 식물추출물을 대상으로 PEP 저해활성을 측정한 결과, 81종의 식물추출물은 $10{\sim}30%$ 범위의 저해율을, 28종의 식물추출물은 10%이하의 저해율을 나타내어 총 200종의 식물추출물 중 약 55% 정도의 식물추출물이 30%이하의 낮은 PEP 저해활성을 나타내었다. 반면에, Prunus mume (매화나무) 잎 (95.3%), 노루발과 (Pyrolaceae)의 Pyrola japonica (노루발) 잎과 줄기 (93.2%), 물레나물과 (Hypericaseae)의 Hypericum ascyron (물레나물) 지상부 (90.2%), 범의귀과(Saxifragaceae)의 Astilbe chinensis var. typica (노루오줌) 지상부 (90.1%), 보리수나무과 (Elaeagnaceae)의 Elaeagnus umbellata (보리수나무) 잎과 줄기 (90.1%)등 5종의 추출물들이 5 ppm에서 PEP에 대하여 90% 이상의 강한 저해활성을 나타내었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권10호
• /
• pp.487-492
• /
• 2017

클러스터링은 빅데이터 분석 및 데이터 마이닝 분야에서 데이터 간 유사성을 파악하기 위해 사용하는 기법으로 다양한 클러스터링 기법 중 범주적 데이터를 위해 k-Modes 알고리즘이 대표적으로 사용된다. k-Modes와 같이 반복적 연산이 집중된 작업의 속도를 향상시키기 위해 많은 관심을 받고 있는 분산 병행 프레임워크 스파크는 하둡과 달리 RDD라는 추상화 객체 개념을 사용하여 대용량의 데이터를 메모리 상에서 처리 가능한 환경을 제공한다. 스파크는 다양한 기계학습을 위한 라이브러리인 Mllib을 제공하고 있으나 연속적 데이터만 처리 가능한 k-means만 포함되어 있어 범주적 데이터 처리가 불가능한 한계가 있다. 따라서 본 논문에서는 스파크 환경에서 범주적 데이터 클러스터링을 위한 k-Modes 알고리즘을 위한 RDD 설계하고 효과적으로 동작할 수 있는 알고리즘을 구현하였다. 실험을 통해 제안한 알고리즘이 스파크 환경에서 선형적으로 증가한다는 것을 보였다.

• 한국지반신소재학회논문집
• /
• 제21권2호
• /
• pp.11-19
• /
• 2022

본 연구에서는 하수관거 내부에서 촬영된 균열 데이터를 활용하여 균열검출에 대한 시계열 예측 성능을 개선하기 위해 GoogleNet의 전이학습과 CNN- LSTM(Long Short-Term Memory) 결합 방법을 제안하였다. LSTM은 합성곱방법(CNN)의 장기의존성 문제를 해결할 수 있으며 공간 및 시간적 특징을 동시에 모델링 할 수 있다. 제안 방법의 성능을 검증하기 위해 하수관거 내부 균열 데이터를 활용하여 학습데이터, 초기학습률 및 최대 Epochs를 변화하면서 RMSE를 비교한 결과 모든 시험 구간에서 제안 방법의 예측 성능이 우수함을 알 수 있다. 또한 데이터가 발생하는 시점에 대한 예측 성능을 살펴본 결과 역시 제안방법이 우수하게 나타나 균열검출의 예측에서 제안 방법이 효율적인 것을 검증하였다. 기존 합성곱방법(CNN) 단독 모델과 비교함으로써 본 연구를 통해 확보된 제안 방법과 실험 결과를 활용할 경우 콘크리트 구조물의 균열데이터뿐만 아니라 시계열 데이터가 많이 발생하는 환경, 인문과학 등 다양한 영역에서 응용이 가능하다.

• 한국컴퓨터정보학회논문지
• /
• 제25권11호
• /
• pp.27-40
• /
• 2020

본 논문은 장단기기억신경망(LSTM)이 영어를 배우면서 학습한 암묵적 통사 관계인 필러-갭 의존 관계를 조사하여 영어 문장 학습량과 한국인 영어 학습자(L2ers)의 문장 처리 패턴 간의 상관관계를 규명한다. 이를 위해, 먼저 장단기기억신경망 언어모델(LSTM LM)을 구축하였다. 이 모델은 L2ers가 영어 학습 과정에서 잠재적으로 배울 수 있는 L2 코퍼스의 영어 문장들로 심층학습을 하였다. 다음으로, 이 언어 모델을 이용하여 필러-갭 의존 관계 구조를 위반한 영어 문장을 대상으로 의문사 상호작용 효과(wh-licensing interaction effect) 즉, 정보 이론의 정보량인 놀라움(surprisal)의 정도를 계산하여 문장 처리 양상을 조사하였다. 또한 L2ers 언어모델과 상응하는 원어민 언어모델을 비교 분석함으로써, 두 언어모델이 문장 처리에서 필러-갭 의존 관계에 내재된 추상적 구문 구조를 추적할 수 있음을 보여주었을 뿐만 아니라, 또한 선형 혼합효과 회귀모델을 사용하여 본 논문의 중심 연구 주제인 의존 관계 처리에 있어서 원어민 언어모델과 L2ers 언어모델간 통계적으로 유의미한 차이가 존재함을 규명하였다.

• 한국식품과학회지
• /
• 제51권2호
• /
• pp.160-168
• /
• 2019

AD는 뇌의 신경세포 사멸뿐만 아니라 학습 및 기억능 소실을 초래하는 퇴행성 뇌 질환이며, 기억과 관련된 주요 뇌 구역인 해마(hippocampus)는 콜린성 조절(cholinergic modulation)에 의해 영향을 받는다(Konishi 등, 2015). AD 병인에 대한 다양한 해석과 설명이 있으나 크게는 amyloid cascade hypothesis과 함께 cholinergic hypothesis가 주류를 이루고 있다. 몇몇의 연구에서 ChAT 합성, ACh 분비, nicotin 및 muscarinic 수용체 감소가 AD 뇌의 대뇌피질과 해마에서 관찰되어(Tata 등, 2014) 퇴행성 뇌질환에서의 중요성이 제시되었고, 이를 배경으로 한 acetylcholinesterase inhibitors (AChEI)가 AD 증상 완화의 목적으로 미국 FDA로부터 승인되어 시판되고 있다. 본 연구에서는 인삼의 활성 성분인 진세노사이드가 다량 함유된 PGBC가 $A{\beta}42$로 유도된 치매 모델에서 뇌세포 보호, ACh 분비 증가, 학습력/기억력 증가, ChAT 발현 증가를 확인하여 인삼열매 추출물의 치매 적용 여부를 확인하고자 하였다. 결과에서 언급한 바와 같이 PGBC는 익기 직전의 4년근 인삼 열매에 추출 및 발효 단계를 추가하여 확보된 물질로서, $A{\beta}42$ 섭취, 제거 및 ACh 분비 촉진 활성이 있는 Re, Rd, Rg3 함량이 증가되어(Kim 등, 2014; Jang 등, 2015), PGBC 자체로서 치매 인자에 대한 조절 효능이 예측되었다. 특히, 7증 7포 및 발효과정을 거친 이중가공 인삼 열매 추출물이 비 발효 증포 추출물에 비해 Rg3가 현저히 증가하는 사전 연구결과와 Rg3가 $A{\beta}42$ 제거 활성을 가지는 것으로 확인된 결과를 종합할 때 PGBC 투여가 AD 증상 완화의 조절자 역할을 할 것으로 생각된다(Kim 등, 2013; Jang 등 2015). 본 연구에 따르면, 마우스 치매 모델에 PGBC 처리 시 PAT 및 Morris water-maze test를 통해 대조군 대비 유의한 수준의 인지능력 개선, ACh 합성을 유도하는 ChAT 유전자 발현 증가, ACh 분비량 증가 등이 확인되어 전체적인 인지능 개선에 극적인 영향을 준 것으로 판단된다. 특히 $A{\beta}42$를 뇌 실로 주입(intracranial injection) 하여 나타나는 뇌세포 손상이 PGBC 투여를 통해 보호된 것으로 사료되었으며, 이는 주요 뇌세포 중 하나인 성상세포에서 관찰되는 GFAP 분석을 통해 확인되었다. 뇌 균질액을 이용한 AChE 활성 연구에서도 PGBC가 AChE를 현저하게 저해하는 것으로 확인되어, AD 환자에게 처방이 가능한 2대 의약품 군중 하나인 시냅스 내 신경전달물질 ACh bioavailability 증가 목적의 처방 보조요법 적용이 기대된다(${\check{C}}olovi{\acute{c}}$ 등, 2013). 결론적으로, 본 연구에 사용된 PGBC는 학습 및 기억력을 개선하는 활성물질을 포함하고 있어 1차적인 퇴행성 뇌질환 보조재로서 직간접적인 대증요법 역할과 2차적으로는 뇌 세포 보호를 통한 질병 악화 지연 소재로 개발이 기대되며, 보다 심도 있는 기전연구를 통해 천연물 신소재 개발도 가능할 것으로 사료된다.

• 정보과학회 논문지
• /
• 제44권3호
• /
• pp.306-313
• /
• 2017

개체명 인식이란 문서 내에서 인명, 기관명, 지명, 시간, 날짜 등 고유한 의미를 가지는 개체명을 추출하여 그 종류를 결정하는 것을 말한다. 최근 개체명 인식 연구에서 가장 우수한 성능을 보여주고 있는 모델은 Bidirectional LSTM CRFs 모델이다. 이러한 LSTM 기반의 딥 러닝 모델은 입력이 되는 단어 표상에 의존적이다. 따라서 입력이 되는 단어를 잘 표현하기 위하여 단어 표상을 확장하는 방법에 대한 연구가 많이 진행되어지고 있다. 본 논문에서는 한국어 개체명 인식을 위하여 Bidirectional LSTM CRFs모델을 사용하고, 그 입력으로 사용되는 단어 표상을 확장하기 위해 사전 학습된 단어 임베딩 벡터, 품사 임베딩 벡터, 음절 기반에서 확장된 단어 임베딩 벡터, 그리고 개체명 사전 자질 벡터를 사용한다. 최종 단어 표상 확장 결과 사전 학습된 단어 임베딩 벡터만 사용한 것 보다 8.05%p의 성능 향상을 보였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권5호
• /
• pp.322-327
• /
• 2017

문서 분류 문제는 오랜 기간 동안 자연어 처리 분야에서 연구되어 왔다. 우리는 기존 컨볼루션 신경망을 이용했던 연구에서 나아가, 순환 신경망에 기반을 둔 문서 분류를 수행하였고 그 결과를 종합하여 제시하려 한다. 컨볼루션 신경망은 단층 컨볼루션 신경망을 사용했으며, 순환 신경망은 가장 성능이 좋다고 알려져 있는 장기-단기 기억 신경망과 회로형 순환 유닛을 활용하였다. 실험 결과, 분류 정확도는 Multinomial Naïve Bayesian Classifier < SVM < LSTM < CNN < GRU의 순서로 나타났다. 따라서 텍스트 문서 분류 문제는 시퀀스를 고려하는 것 보다는 문서의 feature를 추출하여 분류하는 문제에 가깝다는 것을 확인할 수 있었다. 그리고 GRU가 LSTM보다 문서의 feature 추출에 더 적합하다는 것을 알 수 있었으며 적절한 feature와 시퀀스 정보를 함께 활용할 때 가장 성능이 잘 나온다는 것을 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.243-248
• /
• 2003

본 논문에서는 학습 자료로부터 비선형 특징추출과 분류를 위한 점진적인 커널 주성분 분석 방법(IKPCA)을 제안한다. 일괄처리 방식의 커널 주성분 분석 방법은 학습 자료의 크기가 클 경우 과도한 계산량이 문제가 된다. 또한 새로 추가 되는 학습 자료가 있을 경우 고유벡터를 계산하기 위해 고유공간 전체를 다시 계산해야 하는 문제점이 있다. IKPCA는 이러한 문제점들을 고유공간 모델의 점진적인 계산과 경험 커널사상에 의해 해결하였다. IKPCA는 일괄처리방식의 커널 주성분 분석에 비해 기억공간 요구량에 있어 효율적이며 학습 자료의 재학습에 의해 성능을 쉽게 향상시킬 수 있다. 비선형 자료에 대한 실험을 통해 IKPCA는 일괄처리방식의 커널 주성분 분석 방법에 비해 특징추출과 분류 문제의 성능에 있어 유사한 결과를 나타내었다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.603-614
• /
• 2021

최근 우리나라 주변 해역의 해수면 온도가 상승하고 있다. 이러한 수온 상승은 어족자원의 변화를 일으켜 낚시와 같은 레저활동에 영향을 미치기도 하며, 특히 고수온은 적조 발생으로 이어져 양식업과 같은 해양산업에 극심한 피해를 유발하기도 한다. 한편 수온 변화는 잠수함을 탐지하는 군사작전과도 밀접하게 연관되어 있다. 이는 잠수함을 탐지하기 위한 음파가 수온층에 따라 회절, 굴절 및 반사되는 정도가 달라지기 때문이다. 이와 같이 해양과 관련된 다양한 분야에서 중요성을 가지는 해양 수온의 변화를 예측하기 위한 연구가 현재 활발하게 진행되고 있다. 그러나 기존 연구들은 대부분 해수면 온도만을 예측하는데 중점을 두고 있어 수심별 어족자원의 변화나 잠수함 탐지와 같은 군사분야 활용이 제한된다. 이에 본 연구에서는 수심별 수온자료 및 해수면 온도와 상관관계를 가지는 기온, 기압, 일조량 등의 기상 데이터를 함께 활용하여 수심 38 m 혼합층의 수온을 예측하였다. 사용된 데이터는 이어도 해양과학기지에서 관측한 2016년부터 2020년까지의 기상 데이터와 수심별 수온 자료이며, 예측의 정확성과 효율성을 높이기 위해 딥러닝 기법 중 시계열 자료에 적합하다고 알려진 LSTM(Long Short-Term Memory)을 사용하였다. 실험 결과 1시간 예측을 기준으로 기온과 기압, 일조량 자료를 함께 활용한 모델의 RMSE(Root Mean Square Error)는 0.473으로 나타났다. 반면 해수면 수온만을 활용한 모델의 RMSE는 0.631로 나타나 기상데이터를 함께 활용한 모델이 상부 혼합층 수온 예측에서 보다 우수한 성능을 보임을 확인하였다.

• 대한화학회지
• /
• 제55권6호
• /
• pp.1042-1055
• /
• 2011

이 연구는 보일의 법칙과 샤를의 법칙에 대한 중학교 1학년 학생들의 인지수준과 배경 요인에 따른 개념 문제 해결력과 수리 문제 해결력을 비교한 것이다. 연구를 위해 개념과 수리 문제 해결력 검사지를 개발하여, 중학생들의 인지수준과 배경 요인에 따른 개념 문제 해결력과 수리 문제 해결력을 비교하고, 기억 보유 효과를 알아보았으며, 어떠한 개념을 가지고 문제를 해결하였는지 분석하였다. 연구 결과, 모든 인지수준에서 개념 문제 해결력이 수리 문제 해결력보다 높았으며, 구체적 조작기와 과도기의 중학생들의 경우 그 차이가 통계적으로 유의미하였다. 개념 문제 해결력과 수리 문제 해결력에 대한 기억 보유 효과 비교에서 형식적 조작기 중학생들은 기억 보유 효과가 있었다. 중학생들의 배경 요인에 따른 개념 문제 해결력과 수리 문제 해결력 비교에서 사교육을 받은 중학생들과 받지 않은 중학생들 사이의 개념 문제 해결력과 수리 문제 해결력에 통계적으로 유의미한 차이는 없었다. 그러나 과학 활동 경험과 과학 관련 진로 희망 여부에서는 과학 활동 경험이 있고 과학 관련 진로를 희망하는 중학생들이 그렇지 않은 중학생들보다 개념 문제 해결력과 수리 문제 해결력이 모두 통계적으로 유의미하게 높았다. 중학생들의 문제 해결 과정을 분석해 본 결과, 거시적인 현상을 단순히 기억하여 과학적 개념에 대한 올바른 이해 없이 문제를 해결하려는 경향이 있었다. 그러므로 중학생들의 비과학적인 개념을 사전에 파악하여 이를 과학적인 개념으로 바꿀 수 있는 교수-학습 전략이 필요하다.