• 생명과학회지
• /
• 제32권10호
• /
• pp.821-831
• /
• 2022

본 연구의 목적은 아동의 신체접촉놀이를 중재로 한 선행 연구들을 체계적 문헌고찰 및 메타분석을 통해 그 효과를 분석하고자 함이다. 본 연구는 국내 주요 DB를 이용하여 논문 검색을 하였으며 1,544편 중 선정기준에 적합한 최종 7편의 논문을 체계적 문헌고찰을 하였으며 7편의 논문에서 제시된 20개의 중재를 대상으로 메타분석을 실시하였다. 연구출처는 KERIS, KISS, DBpia, SciencON을 통해서 2022년 8월까지 출판된 연구를 분석하였다. 연구대상이 되는 주요어는 아동, 유아, 신체접촉, 신체접촉놀이, 신체접촉활동, 신체접촉놀이 프로그램 등이다. 분석은 랜덤효과모형을 이용하였으며, 신체접촉 프로그램의 효과크기를 산출하였다. 본 연구에서 신체접촉놀이 프로그램에 대한 효과 크기는 Hedges' g=6.20(95% CI: 3.74-8.66)로 큰 효과크기를 보였으며, 전체 이질성이 I2=95.4% (Q=417.30, p<.001)로 나타나 총 중재횟수와 중재기간을 조절변수로 하여 조절효과를 분석하였다. 분석결과 총 중재횟수에서는 유의한 차이가 있었고 중재기간에서는 유의한 차이가 없었다. 본 연구는 우리나라 아동의 신체접촉놀이 프로그램의 효과에 대한 국내 연구결과들을 체계적으로 분석하고, 그 효과 크기를 객관적으로 제시하여 향후 신체접촉놀이 프로그램을 설계할 때 기초자료를 제공하였다는데 의의가 있다. 연구결과를 바탕으로 신체접촉놀이 프로그램의 효과에 대한 근거자료를 확보하기 위해 추후 연구가 필요하다고 사료된다.

• 한국측량학회지
• /
• 제40권4호
• /
• pp.275-292
• /
• 2022

기후변화 감시에 위성 자료 활용을 위해 GCOS (Global Climate Observing System)는 시공간 해상도, 시간 변화에 따른 안정성, 불확실도 등의 요구사항을 제시하고 있다. 천리안위성 2A호의 경우, 센서의 한계로 인해 산출물들이 공간해상도 조건에 충족하지 못하는 경우가 많다. 따라서 본 연구에서는 영상융합 기법들을 천리안위성 2A호 영상에 적용하여 산출물 생성 시 활용될 수 있는 최적의 기법을 찾고자 한다. 이를 위해 CS (Component Substitution), MRA (Multiresolution Analysis), VO (Variational Optimization), DL (Deep Learning)에 포함되는 총 6가지 영상융합 기법을 활용하였다. DL의 경우 합성적(Synthesis) 특성 기반 방법을 훈련자료 구축에 사용하였다. 합성적 특성 기반 방법의 과정은 PAN (Panchromatic)과 MS (Multispectral) 영상의 공간해상도 차이만큼 두 영상의 해상도를 낮춰 융합 영상을 생성한 후 원본 MS 영상과 비교한다. 합성적 특성 기반 방법은 공간해상도를 저하시킨 PAN 영상과 MS 영상 간 기하 특성이 같아야 사용자가 원하는 수준의 융합 영상을 제작할 수 있다. 하지만, 훈련자료 구축 시 비유사성이 존재하기에 이를 최소화하는 방법으로 무작위 비율을 활용한 PSGAN 모델(PSGAN_RD)을 추가로 활용하였다. 융합 영상의 검증은 일관성(consistency) 및 합성적 특성 기반 정성적, 정량적 분석을 수행하였다. 분석 결과, 영상융합 알고리즘 중 GSA가 공간 유사도를 나타내는 평가지수에서 가장 높은 수치를 보였으며, 분광 유사도를 나타내는 지수들은 PSGAN_RD 모델의 정확도가 가장 높았다. 융합 영상의 공간 및 분광 특성을 모두 고려한다면 PSGAN_RD 모델이 천리안위성 2A호 산출물 제작에 가장 최적일 것으로 판단하였다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.801-806
• /
• 2022

현대에서 디지털 시대에서의 색채 능력의 필요성은 시대의 요구로 기존 실습에 없는 세분화된 디지털 4영역에 관한 색채 실습 개선의 연구가 필요한 것이다. 기존 물감 색채 실습에서 해결되기 어려운 디지털 전공자들에게 더 특화된 4분야 영역별 디지털 색채 실습의 수업이 필요하며, 디지털화된 채색 및 색채 감각의 수업을 위해 효율적 인공지능의 활용을 연구하였다. 본 논문에서는 기존 색채 배색과 조색이 CMYK분야만 할수 있는 실습이었던 것을 포토샵 인공지능 쎈쎄이(Adobe Sensei)의 인공지능과 빅데이터 기술을 기반으로 디지털 색채 배색 실습과 조색의 방식을 제안하여, 색채 실습 영역 확대를 보여주고자 하였다. 아울러 최신의 어도비 쎈세이 프로그램 인공지능이 제공하는 개별 사용자들의 색채 정량화한 데이터를 토대로 필터 효과를 활용한 디지털 색에서의 실질적인 색 조합과 렌덤색채에 대한 학습자 예측을 향상 시키는 실습에 목적을 두었다. 결론적으로, 기존의 물감 실습의 혼색 과정의 모호성을 제거하고, 디지털 채색의 디테일을 보안한 프로그램 활용의 연구이며, 학습자의 수준과 숙련도가 낮아도 인공지능의 지원을 통한 학습능력의 향상으로 감각을 키워나가기 좋은 초급자와 중급자의 효과적 학습 방법을 제공할 수 있는 실습방식을 제안하고자 했다. 이론 고찰을 통한 배색과 주색에 필요한 어도비 프로그램 실습 방식과 기존 물감 실습보다 학습능력에 좋은 교습 향상에 대해 제시하였다.

• 한국ITS학회 논문지
• /
• 제22권2호
• /
• pp.64-79
• /
• 2023

본 연구는 Monte Carlo 기법을 교통카드기반의 수도권 지하철의 통행배정 문제에 적용하는 과정을 검토하였다. 연구는 우선 교통카드에서 역 간 표본의 통행에서 나타나는 통행시간에 대하여 프로빗 모형의 기반이 되는 정규분포의 가정을 적용하였다. Monte Carlo 통행배정은 역 간 통행에 대하여 평균과 표준편차를 산정하고 이를 개별 링크의 차내시간과 환승의 보행 및 배차간격의 가중치로 적용하는 방안을 제안하였다. 샘플 수가 50 이하로 낮게 나타나는 장거리 통행은 유사 통행의 특성을 이전하는 방안으로 적용하였다. 수도권 지하철 네트워크에 대하여 두 가지 방향에서 연구 결과를 검토하였다. 하나는 선릉-성수의 단일 역 간 통행에 대하여 차내시간 및 환승시간에 랜덤샘플링을 적용하는 방안으로 검증하였다. 다음으로 수도권 지하철 전체에 대해서는 역 간 통행 샘플수에 따라서 50 이상은 역 간 정규분포의 가정을 그대로 수용하였다. 샘플수가 50 이하의 장거리 통행은 역 간 최소거리가 122 (Km)에서 표본의 균등성이 확보되는 상황으로 판단하고 이 거리에서 나타나는 카드자료의 역 간 평균과 표준편차를 적용하였다. 사례연구로서 교통카드자료로 구축된 수도권 지하철을 네트워크를 대상으로 단일OD 및 전체 OD의 통행배정의 결과를 도출하였다. 한편 통행에 대한 샘플링이 부족한 상황에서 추가적인 연구가 필요한 것으로 나타났다.

• 한국전산구조공학회논문집
• /
• 제36권3호
• /
• pp.185-192
• /
• 2023

본 연구에서는 KBC2022의 풍직각방향 변동풍하중 스펙트럼을 이용하여 풍직각방향 풍하중을 생성하고 생성된 풍직각방향 풍하중이 작용하는 구조물의 비탄성 동적거동을 해석하는 프로그램을 개발하고자 한다. 풍응답은 일차 모드가 탁월하고 소성화에 의한 진동의 변화는 작고, 풍방향 진동과 풍직각방향 진동은 독립적이며, 비틀림 진동의 영향은 작다고 가정한다. 적용 구조물을 수평방향의 단자유도 모델로 가정하고, 구조물의 질량을 집중질량으로 치환하여 상부에 작용시킨다. 비탄성 해석을 위한 이력모델은 이선형 모델을 적용한다. 강성비(𝛼)와 항복점비(𝛽)를 변수로 비탄성 동적응답을 분석한 결과 강성비가 일정한 경우에 항복점비가 증가할수록 최대변위비는 감소하다가 최소값을 나타내고 증가하는 것으로 나타났다. 강성비가 0.5이상인 경우 최대변위비가 1이하가 되는 항복점비가 존재하며, 이는 비탄성 내풍설계시 비탄성 거동을 허용하더라도 탄성설계된 건물보다 최대 변형이 감소함을 나타낸다.

• 정보보호학회논문지
• /
• 제33권6호
• /
• pp.1077-1086
• /
• 2023

검색 가능한 암호화 모델은 원격 서버에 저장한 암호화된 데이터를 선택적으로 검색할 수 있는 모델이다. 현실 시나리오에 적용했을 때 다중 검색 키워드, 다중 데이터 소유자(업로더)와 다중 데이터 사용자(다운로더)를 지원할 수 있어야 하며, 검색이 이루어졌을 때 요청한 내용과 가장 관련성이 높은 순으로 결과를 낼 수 있어야 한다. 본 논문에서는 이러한 모델을 순위 검색이 가능한 암호화 다중 지원 모델이라고 칭한다. 그러나 본 논문이 작성된 시점까지 제안된 모델은 완전 신뢰 가능한(fully-trusted) 트랩도어 센터를 암호 생성에 사용하고 있으며, 일부는 데이터 다운로더와 트랩도어 센터 간의 연결이 안전하다고 가정한다. 하지만 실생활에서 이러한 가정이 지켜질 확률은 낮다. 따라서 본 논문은 이러한 검색 가능한 암호화 모델의 실용성과 보안성을 개선하기 위하여, 새로운 순위 검색이 가능한 암호화 다중 지원 모델을 제안한다. 해당 모델은 기존 연구의 가정이 없이도, 데이터 다운로더가 요청한 검색어를 외부 공격자와 정직하지만 동시에 호기심이 있는(honest-but-curious) 트랩도어 센터로부터 보호한다. 공격자는 서로 다른 두 검색 요청이 같은 검색어를 포함하고 있는지 구별할 수 없다. 또한, 보호 과정을 추가함으로써 발생하는 오버헤드를 고려하더라도 제안하는 모델이 합리적인 성능을 달성함을, 실험을 통해 증명한다.

• 정보보호학회논문지
• /
• 제28권1호
• /
• pp.25-39
• /
• 2018

최근 NIST에서는 암호학적 난수발생기의 핵심 요소인 엔트로피 소스의 안전성을 평가하기 위한 방법을 다루고 있는 SP 800-90B 문서의 두 번째 수정안과 이를 Python으로 구현한 코드를 제공하였다. SP 800-90B에서의 엔트로피 소스에 대한 안전성 평가는 엔트로피 소스의 출력 표본 수열로부터 도출한 여러 가지 추정량(estimator)에 기반 하여 최소 엔트로피를 추정하는 과정이다. 최소 엔트로피 추정 과정은 IID 트랙과 non-IID 트랙으로 대별되어 진행된다. IID 트랙의 경우 MCV 추정량만을 사용하여 속도 측면에서 무리가 없다. 반면 non-IID 트랙에서는 MCV를 포함한 총 10 가지의 추정량을 적용해 최소 엔트로피를 추정하게 된다. NIST의 코드에서 non-IID 트랙의 1 회 구동 시간은 약 20 분이 소요되고, 사용되는 메모리는 5.5 GB를 넘긴다. 이는 다양한 잡음원으로 반복적인 평가를 수행해야 하는 평가 기관 또는 여러 환경에서 실험을 수행해야 하는 개발자나 연구자 입장에서는 NIST에서 제공한 Python 코드를 이용하는 것이 불편할 수 있으며, 환경에 따라 실행이 불가할 수도 있다. 본 논문에서는 SP 800-90B의 최소 엔트로피 추정 방법에 대한 고속 구현과 효율적인 메모리 사용 기법을 제시한다. 주요 연구 결과로 MultiMCW 추정 방법에 C++ 코드의 장점을 적용한 고속화 방법, MultiMMC 추정 방법의 데이터 저장 방식을 재구성하여 메모리 사용량을 현저하게 감소시킴과 동시에 고속화한 방법, LZ78Y 추정 방법에 데이터 저장 방식의 재구성을 통한 고속화 기법 등을 제안한다. 우리의 개선된 방법이 종합적으로 적용된 C++ 코드는 NIST에서 제공한 기존의 Python 코드와 비교할 때, 속도는 14 배 빠르고 메모리 사용량은 1/13로 감소하는 효과를 보인다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.523-541
• /
• 2023

3D 프린터의 활용이 높아짐에 따라 발생하는 화학물질에 대한 노출 빈도가 증가하고 있다. 그러나 3D 프린팅 발생 화학물질의 독성 및 유해성에 대한 연구는 미비하며, 분자 구조 데이터의 결측치로 인해 in silico 기법을 사용한 독성예측 연구는 저조한 실정이다. 본 연구에서는 화학물질의 분자구조 정보를 나타내는 주요 분자표현자의 결측치를 보간하여 3D 프린팅의 독성 및 유해성을 예측한 Data-centric QSAR 모델을 개발하였다. 먼저 MissForest 알고리즘을 사용해 3D 프린팅으로 발생되는 유해물질의 분자표현자 결측치를 보완하였으며, 서로 다른 4가지 기계학습 모델(결정트리, 랜덤포레스트, XGBoost, SVM)을 기반으로 Data-centric QSAR 모델을 개발하여 생물 농축 계수(Log BCF)와 옥탄올-공기분배계수(Log Koa), 분배계수(Log P)를 예측하였다. 또한, 설명 가능한 인공지능(XAI) 방법론 중 TreeSHAP (SHapley Additive exPlanations) 기법을 활용하여 Data-centric QSAR 모델의 신뢰성을 입증하였다. MissForest 알고리즘 기반 결측지 보간 기법은, 기존 분자구조 데이터에 비하여 약 2.5배 많은 분자구조 데이터를 확보할 수 있었다. 이를 바탕으로 개발된 Data-centric QSAR 모델의 성능은 Log BCF, Log Koa와 Log P를 각각 73%, 76%, 92% 의 예측 성능으로 예측할 수 있었다. 마지막으로 Tree-SHAP 분석결과 개발된 Data-centric QSAR 모델은 각 독성치와 물리적으로 상관성이 높은 분자표현자를 통하여 선택함을 설명할 수 있었고 독성 정보에 대한 높은 예측 성능을 확보할 수 있었다. 본 연구에서 개발한 방법론은 다른 프린팅 소재나 화학공정, 그리고 반도체/디스플레이 공정에서 발생 가능한 오염물질의 독성 및 인체 위해성 평가에 활용될 수 있을 것으로 사료된다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.