• 한국지리정보학회지
• /
• 제26권4호
• /
• pp.200-217
• /
• 2023

본 연구는 부산의 도시공간 네트워크를 시계열적으로 분석하여 중심지 변화 및 공간관리의 계획적 역할을 살펴보는 것이 목적이다. 분석 방법은 공간구문론의 ASA(Angular Segment analysis) 기법을 사용하였고 분석 기간은 부산시가지계획이 수립된 1937년부터 2022년까지 세 시기로 구분하여 살펴보았다. 그 결과 남포동, 광복동 지역에서 형성된 중심지가 분화하여 서면으로 이동하였고, 이후 서면에서 연산으로 재분화하는 과정을 확인하였다. 아울러 향후 중심지가 서부권으로 이동할 여지가 있고 정책적으로 설정된 중심지 및 어메니티적 요소로 형성되는 중심지를 파악할 수 있었다. 또한 공간구문론의 명료도 분석을 통해 도시공간구조의 체계성을 검토한 결과, 기존 연구들에서 정성적으로 해석한 것과 공간구문론 관점에서 해석한 것이 서로 일치하였다. 이를 통해 공간관리를 위한 계획의 역할을 확인할 수 있었다.

• 천문학회지
• /
• 제49권6호
• /
• pp.295-306
• /
• 2016

We present the results of BV time-series photometry of the globular cluster NGC 288. Observations were carried out to search for variable stars using the Korea Microlensing Telescope Network (KMTNet) 1.6-m telescopes and a 4k pre-science CCD camera during a test observation from August to December, 2014. We found a new SX Phe star and confirmed twelve previously known variable stars in NGC 288. For the semi-regular variable star V1, we newly determined a period of 37.3 days from light curves spanning 137 days. The light-curve solution of the eclipsing binary V10 indicates that the system is probably a detached system. The pulsation properties of nine SX Phe stars were examined by applying multiple frequency analysis to their light curves. We derived a new Period-Luminosity (P-L) relation, ${\langle}M_V{\rangle}=-2.476({\pm}0.300){\log}P-0.354({\pm}0.385)$, from six SX Phe stars showing the fundamental mode. Additionally, the period ratios of three SX Phe stars that probably have a double-radial mode were investigated; $P_{FO}/P_F=0.779$ for V5, $P_{TO}/P_{FO}=0.685$ for V9, $P_{SO}/P_{FO}=0.811$ for V11. This paper is the first contribution in a series assessing the detections and properties of variable stars in six southern globular clusters with the KMTNet system.

• 한국수자원학회논문집
• /
• 제36권2호
• /
• pp.195-209
• /
• 2003

본 연구에서는 낙동강 상류유역의 병렬 다목적댐군인 안동 및 임하다목적 댐의 장기간 유입량을 산정하는데 공간추계 신경망모형이 사용되었다. 공간추계 신경망모형은 역전파 알고리즘으로 LMBP와 BFGS-QNBP를 각각 사용하였다. 공간추계 신경망모형의 구조는 입력층, 은닉층 및 출력층의 3개의 층과 차례대로 8-8-2개의 노드로 구성되어 있다. 입력층 노드는 안동 및 임하다목적 댐의 월평균유입량, 월면적강우량, 월별 증발접시 증발량과 월평균기온으로 구성되어 있으며, 자료시계열은 시간적으로 차이가 있다. 공간추계 신경망모형의 훈련을 위하여 추계학적 모형중 하나인 PARMA(1,1)에 의해서 훈련자료를 모의발생시켰으며, 모의발생된 자료는 공간추계 신경망모형의 훈련에 사용되었다. 훈련을 통하여 공간추계 신경망모형의 매개변수인 최적연결강도와 편차를 산정하였다. 산정된 매개변수는 안동 및 임하다목적 댐의 실측자료를 이용하여 공간추계 신경망모형의 검증에 이용되었으며, 통계분석과 수문곡선의 비교를 통하여 우수한 결과를 나타내었다. 따라서 공간추계 신경망모형은 낙동강 상류유역의 병렬저수지군의 장기간 연계운영기법 개발을 위하여 기초적인 자료를 제공하고, 용수분배 및 관리에 도움을 줄 것이다.

• 한국측량학회지
• /
• 제35권5호
• /
• pp.423-430
• /
• 2017

Recently, data analysis research has been carried out using the deep learning technique in various fields such as image interpretation and/or classification. Various types of algorithms are being developed for many applications. In this paper, we propose a precipitation prediction algorithm based on deep learning with high accuracy in order to take care of the possible severe damage caused by climate change. Since the geographical and seasonal characteristics of Korea are clearly distinct, the meteorological factors have repetitive patterns in a time series. Since the LSTM (Long Short-Term Memory) is a powerful algorithm for consecutive data, it was used to predict precipitation in this study. For the numerical test, we calculated the PWV (Precipitable Water Vapor) based on the tropospheric delay of the GNSS (Global Navigation Satellite System) signals, and then applied the deep learning technique to the precipitation prediction. The GNSS data was processed by scientific software with the troposphere model of Saastamoinen and the Niell mapping function. The RMSE (Root Mean Squared Error) of the precipitation prediction based on LSTM performs better than that of ANN (Artificial Neural Network). By adding GNSS-based PWV as a feature, the over-fitting that is a latent problem of deep learning was prevented considerably as discussed in this study.

• 한국전문물리치료학회지
• /
• 제22권2호
• /
• pp.70-80
• /
• 2015

The spinal cord is highly complex, consisting of a specialized neural network that comprised both neuronal and non-neuronal cells. Any kind of injury and/or insult to the spinal cord leads to a series of damaging events resulting in motor and/or sensory deficits below the level of injury. As a result, muscle paralysis (or paresis) leading to muscle atrophy or shrinking of the muscle along with changes in muscle fiber type, and contractile properties have been observed. Traditionally, histology had been used as a gold standard to characterize spinal cord injury (SCI)-induced adaptation in spinal cord and skeletal muscle. However, histology measurements is invasive and cannot be used for longitudinal analysis. Therefore, the use of conventional magnetic resonance imaging (MRI) is promoted to be used as an alternative non-invasive method, which allows the repeated measurements over time and secures the safety against radiation by using radiofrequency pulse. Currently, many of pathological changes and adaptations occurring after SCI can be measured by MRI methods, specifically 3-dimensional MRI with the advanced diffusion tensor imaging technique. Both techniques have shown to be sensitive in measuring morphological and structural changes in skeletal muscle and the spinal cord.

• 한국멀티미디어학회논문지
• /
• 제25권10호
• /
• pp.1483-1498
• /
• 2022

While public interests in the metaverse are growing recently in the Korean media and research, its understanding has not been fully established yet. In this study, we aimed to probe whether the rapid growth in media attention about the metaverse has increased its usage as a buzzword accompanied by an absence of scientific context. We analyzed publications and online news containing "metaverse" from 2020 to 2022. The data analysis methods are 1) time series frequency, 2) keyword network, 3) natural language model. The findings indicate the perception gap about metaverse between research and news articles broadened as its popularity has grown. Research about metaverse gradually expanded its connections with related topics-virtual and augmented realities-focusing on social changes in a remote environment. However, media reporting frequently used "metaverse" as a buzzword rather than explaining its scientific background, stimulating the proliferation of related topics and the dispersion of news content. This study further discusses the need for a media strategy to improve public conception of the long-term development of the metaverse.

• 청정기술
• /
• 제28권2호
• /
• pp.138-146
• /
• 2022

Electricity has become a factor that dramatically affects the market economy. The day-ahead system marginal price determines electricity prices, and system marginal price forecasting is critical in maintaining energy management systems. There have been several studies using mathematics and machine learning models to forecast the system marginal price, but few studies have been conducted to develop, compare, and analyze various machine learning and deep learning models based on a data-driven framework. Therefore, in this study, different machine learning algorithms (i.e., autoregressive-based models such as the autoregressive integrated moving average model) and deep learning networks (i.e., recurrent neural network-based models such as the long short-term memory and gated recurrent unit model) are considered and integrated evaluation metrics including a forecasting test and information criteria are proposed to discern the optimal forecasting model. A case study of South Korea using long-term time-series system marginal price data from 2016 to 2021 was applied to the developed framework. The results of the study indicate that the autoregressive integrated moving average model (R-squared score: 0.97) and the gated recurrent unit model (R-squared score: 0.94) are appropriate for system marginal price forecasting. This study is expected to contribute significantly to energy management systems and the suggested framework can be explicitly applied for renewable energy networks.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.399-408
• /
• 2020

The construction industry is suffering from aging workers, frequent accidents, as well as low productivity. With the rapid development of information technologies in recent years, automatic construction, especially automatic cranes, is regarded as a promising solution for the above problems and attracting more and more attention. However, in practice, limited by the complexity and dynamics of construction environment, manual inspection which is time-consuming and error-prone is still the only way to recognize the search object for the operation of crane. To solve this problem, an image-processing-based automated object recognition approach is proposed in this paper, which is a fusion of Convolutional-Neutral-Network (CNN)-based and traditional object detections. The search object is firstly extracted from the background by the trained Faster R-CNN. And then through a series of image processing including Canny, Hough and Endpoints clustering analysis, the vertices of the search object can be determined to locate it in 3D space uniquely. Finally, the features (e.g., centroid coordinate, size, and color) of the search object are extracted for further recognition. The approach presented in this paper was implemented in OpenCV, and the prototype was written in Microsoft Visual C++. This proposed approach shows great potential for the automatic operation of crane. Further researches and more extensive field experiments will follow in the future.

• 정보관리학회지
• /
• 제32권1호
• /
• pp.23-41
• /
• 2015

이 연구는 국제학술지에 나타난 '동해' 관련 연구에서 '동해' 표기유형별 특성을 계량적으로 분석한 것이다. 이 때 동해표기 유형은 '동해 단독', '일본해 단독', '병행표기'로 구분하였다. 분석을 위해 Web of Science DB에서 총 4,192편을 대상으로, 표기유형별 시계열 변화, 저자 소속국가별 표기유형, 연구주제의 차이, 피인용도, 연구협력 및 공저 네트워크를 분석하였다. 그 결과 '동해' 연구에서 '일본해 단독 표기'의 비율이 가장 많은 것으로 나타났고, 1990년대 이후 '동해 단독 표기'과 '병기'의 비율이 지속적으로 상승하고 있었다. 또한 '동해' 연구의 핵심국가는 '일본', '러시아', '한국', '미국', '중국' 5개국이며, '일본해 단독 표기'의 경우 '일본'을 중심으로 '미국', '러시아', '중국'과 공동연구가 활발히 이루어지며, '동해 단독 표기'와 '병기'는 '한국' 연구자를 중심으로 '미국', '일본'과의 연구의 비율이 높았다. 공저 네트워크는 '일본해 단독 표기'의 경우 하나의 "거대 구성집단"(Giant Component)을 형성하여 이(異) 집단 간의 협업이 활발히 이루어지고 있으나, '동해 단독 표기'의 경우 소속기관을 중심으로 소규모의 연구그룹이 분산된 것으로 나타났다.

• 대한교통학회지
• /
• 제20권4호
• /
• pp.151-162
• /
• 2002

경인고속도로가 개통된 1969년 이후로 우리나라 고속도로는 국토의 대동맥으로서 꾸준한 확장과 신설을 거듭해 왔으며, 조만간 고속도로 3.000km시대를 맞이하게 될 전망이다. 이에 고속도로는 건설과 확장 위주에서 효율적 운영이 중요성이 과거 그 어느 때보다도 강조되고 있다. 최근 고속도로망이 복잡해져감에 따라 교통정보의 가치가 점점 높아지고 있고, 더욱이 정보통신기술의 급격한 발달과 함께, 휴대폰, PDA, PNS 등의 보급이 증가함에 따라 교통정보의 수요가 급증하고 있다. 특히, 통행시간 정보의 경우, 혼잡이 있는 도로망에서 최적의 경로선택을 하고. 경로간에 적절한 교통량분산을 통해 자원의 효율적 배분을 달성하는데 있어 필수적인 정보로서 그 중요성을 더해 가고 있는 실정이다. 본 연구에서는 고속도로 통행료수납시스템(TCS)에서 수집되는 톨게이트간 통행시간 데이터를 기반으로 TCS 통행시간 데이터의 속성과 시계열적 패턴을 규명하고, 이를 바탕으로 모듈라 신경망모형(Modular Neural Network Model)을 이용한 통행시간 예측모형을 개발하였다. 우선, 단거리(서울->수원)와 장거리(서울->대전) 그리고 평일과 주말로 구분하여 TCS 데이터에 대한 시계열 패턴 분석을 한 결과, 단거리와 장거리 공히 충분한 범위의 예측가능한 시간적 범위를 가지고 있으며, 복잡한 정도는 장거리가 높은 것으로 나타났다. 다만. 단거리구간이 장거리 구간에 비해 초기조건에 대한 민감성이 큰 이유로 상대적으로 장기예측이 어려운 것으로 분석되었다. 한편, 모형 적용 현장의 요구기능을 분석하여 모듈라 신경망 구조를 가진 예측모형을 개발하였으며, 최소한 약 80분 이상의 장기예측이 요구되는 서울->대전구간에 적용한 결과, 대부분 10분 이내의 낮은 오차를 보였다. 본 연구에서 개발된 모형은 예측범위가 고정적인 대부분의 시계열모형과는 달리 최소의 입력(3개)을 가지면서 하나의 신경망으로 학습한 최대/최소의 예측시간 범위내에서 그 크기에 상관없이 거의 동일한 수준의 예측력을 보이는 장점을 가지고 있다.