• 한국산학기술학회논문지
• /
• 제18권12호
• /
• pp.575-580
• /
• 2017

본 연구는 hnRNP A1 단백질에 포함되어 있는 RGG 상자가 이 단백질의 세포내 위치에 미치는 영향 및 이 단백질의 안정화에 미치는 영향을 분석하는 것을 목적으로 하며 2014년 10월부터 약 3년 동안 수행되었다. 이를 위해 먼저, RGG상자 내의 6개의 아르기닌을 라이신으로 돌연변이를 만든 다음 pcDNA1-HA-hnRNP A1(6R/K)를 재조합하였다. 다음, 이 플라스미드 DNA를 HeLa 세포에 형질주입하여 HA-hnRNP A1(6R/K) 단백질의 세포내 위치에 미치는 영향을 면역형광현미경법으로 분석하였다. 그 결과 hnRNP A1(6R/K) 단백질은 (wt 단백질처럼 핵에 위치하지 못하고) 핵과 세포질 모두에 퍼져 있는 것을 확인하였다. hnRNP A1(6R/K)의 안정성을 조사하기 위해서는 pcDNA1-HA-hnRNP A1(6R/K)를 HeLa 세포에 형질 주입시킨 다음 발현된 단백질을 웨스턴 블랏 실험으로 분석하였는데, 그 결과 HA-hnRNP A1(6R/K)는 (잘려서) 크기가 작아진 것을 확인할 수 있었다. 이 결과들로부터 HA-hnRNP A1(6R/K)가 핵과 세포질 모두에 퍼져 있는 것은 6R/K 돌연변이가 hnRNP A1의 핵 위치 능력에 영향을 미쳤기 때문이 아니라 6R/K 돌연변이가 일어난 부위 또는 그 부근이 절단되어 hnRNP A1의 핵 위치 신호(nuclear localization singal)인 M9 도메인이 들어있는 C-말단 부위를 잃었기 때문이라는 점을 확인 할 수 있었다. 본 연구의 결과들은 hnRNP A1에 있는 RGG 상자의 아르기닌이 hnRNP A1의 안정성에 중요한 역할을 한다는 것을 제시한다. 세균에서 발현시켜서 정제된 hnRNP A1(6R/K)의 RNA-결합 능력에 대한 영향 분석은 추후 과제로 남겨둔다.

• 한국통신학회논문지
• /
• 제28권6C호
• /
• pp.648-658
• /
• 2003

영상/비디오 컨텐츠의 사용이 급증함에 따라 유료 및 비밀유지를 필요로 하는 영상데이터에 대한 보안문제가 크게 대두되고 있다. 본 논문에서는 영상데이터를 숨기기 위한 영상 암호화 방식을 제안하였다. 이 방법은 웨이블릿 영역에서 양자화과정을 마친 영상 데이터를 대상으로 한다. 본 논문은 영상의 전체데이터가 아닌 부분데이터를 암호화하는 방식을 사용하는데, 세 가지 형태의 부분데이터 추출방식을 사용하였다. 먼저, 웨이블릿 변환이 원영상을 주파수 대역으로 재편성함을 이용하여 영상정보 중 특정 주파수를 숨김으로서 전체 영상을 인식할 수 없도록 하였다. 각 화소를 나타내는 데이터에서도 모든 데이터를 사용하지 않고 MSB만을 선택하여 암호화 대상에 포함시켰다. 마지막으로 특정 부대역의 화소들을 무작위로 선택하였으며, 이 때 선형귀환 시프트 레지스터(Linear Feedback Shift Register, LFSR)를 사용하였다. LFSR의 초기값과 출력비트의 선택에 있어서 암호화키의 일부분을 사용함으로써 암호화 강도를 더욱 높였다. 제안한 방법을 소프트웨어로 구현하여 약 500개의 영상을 대상으로 실험한 결과 원영상 데이터의 약 1/1000의 데이터 양을 암호화함으로써 원영상을 인식할 수 없을 정도의 암호화효과를 얻을 수 있음을 알 수 있었다. 따라서 제안한 방법은 작은 양의 암호화로 효과적으로 영상을 숨기는 방법임을 확인할 수 있었다. 본 논문에서는 부대역의 선택과 LFSR 출력 중 사용비트의 양에 따른 여러 방식을 제안하였으며, 이들의 암호화 수행시간과 암호화효과 사이에 상보적인 관계가 있음을 보여, 적용분야에 따라 선택적으로 사용할 수 있음을 보였다. 또한 본 논문의 방식들은 응용계층에서 수행되는 것으로, 현재 유·무선 통합 네트워크의 중요한 문제로 대두되고 있는 끝과 끝 (end-to-end)의 보안에 대한 좋은 해결방법으로 사용될 수 있으리라 기대된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 한국터널지하공간학회 논문집
• /
• 제15권3호
• /
• pp.187-199
• /
• 2013

강관보강다단 그라우팅은 터널공사에 널리 적용되는 공법으로, 터널지반의 안정성 증대 및 차수효과를 얻을 수 있다. 본 연구의 목적은 유도초음파를 이용한 강관보강다단 그라우팅의 건전도 평가 기법을 제시하고, 현장 적용성을 평가하는 것이다. 강관의 그라우팅 충진률에 따른 주파수 변화를 파악하기 위해 실내실험 (자유구속조건 및 지중근입조건)을 수행하였으며, 건전도 평가시스템의 현장 적용성을 검증하기 위해 현장실험을 수행하였다. 강관의 두부를 해머로 타격하여 유도초음파가 발생되며, 발생된 유도초음파는 선단에서 반사되어 두부로 되돌아 온다. 반사된 유도초음파는 두부에 설치된 AE센서에 의해 수신된다. 강관보강다단 그라우팅의 건전도 평가 모델은 충진률 25 %, 50 %, 75 %, 100 %로 제작되었으며, 자유구속조건 및 지중근입조건의 실내실험으로 수행되었다. 신호처리를 위해 고속 푸리에 변환과 웨이브렛 변환을 수행하였다. 실내실험 결과, 유도초음파의 전파속도 변화는 크지 않았으나, 그라우팅 충진률에 따른 주 주파수의 변화가 뚜렷하게 나타났다. 강관보강다단 그라우팅의 충진률이 증가할수록 반사파의 주 주파수의 크기가 감소했다. 현장실험은 이미 설치된 강관보강다단 그라우팅에 대해 수행되었으며, 실내실험과 동일한 기법으로 분석하였다. 현장 조건의 실험체에서도 유도초음파의 반사파를 쉽게 수집할 수 있었으며, 이에 대한 주파수 영역에 대한 분석도 가능했다. 본 연구의 결과는 유도초음파를 이용한 주파수 분석 기법은 강관보강다단 그라우팅 건전도 평가에 효과적인 방법이 될 수 있음을 보여준다.

• 전자공학회논문지
• /
• 제54권3호
• /
• pp.3-9
• /
• 2017

최근 3GPP에서는 급증하는 차량 사고에 대처하고, 교통 효율, 텔레매틱스와 인포테인먼트를 제공하기 위해 LTE(Long Term Evolution) 기반 차량 통신에 대한 연구가 활발히 진행되고 있다. 차량 통신은 안전과 밀접한 관련이 있기 때문에, 신뢰성 있는 통신을 필요로 한다. 하지만 차량의 속도는 매우 빠르기 때문에 기존 사용자의 이동성과는 달리 무선 채널이 시간에 따라 빠르게 변하게 되어 전송 품질 저하 등 많은 문제가 발생하게 된다. 본 논문에서는 LTE 기반 V2V(Vehicle-to-Vehicle) 환경에서 채널 추정 기법을 제안한다. 기존 기법인 LS(Least Square) 채널 추정은 송 수신단이 알고 있는 파일럿 심볼을 이용해 얻어지며, DDCE(Decision Directed Channel Estimation)는 데이터 심볼을 이용해 채널 추정을 하고, CDP(Constructed Data Pilot) 기법은 인접한 두 데이터 심볼 사이에서 상관이 큰 특성을 이용하며, 그리고 STA(Spectral Temporal Averaging) 기법은 주파수와 시간 영역에서 채널을 평균을 취한다. 또한 Smoothing 기법은 데이터 결정 오류에 의한 최대치를 줄여준다. 제안기법인 HRCE(Hybrid Reliable Channel Estimation)는 기존의 Smoothing 기법에 LMMSE(Linear Minimum Mean Square Error)를 적용함으로써 더 정확한 채널 추정이 이루어져 신뢰성 있는 데이터 검출을 가능하게 한다. 모의실험 결과, 제안한 기법이 NMSE(Normalized Mean Square Error)와 BER(Bit Error Rate) 측면에서 전체적으로 성능이 향상 된 것을 볼 수 있다.

• 지능정보연구
• /
• 제20권3호
• /
• pp.59-76
• /
• 2014

스마트 미디어 장치의 발달로 인하여 시공간적인 제약이 없이 비디오를 시청 가능한 환경이 제공됨에 따라 사용자의 시청행태가 수동적인 시청에서 능동적인 시청으로 계속해서 변화하고 있다. 사용자는 비디오를 시청하면서 비디오를 볼 뿐 아니라 관심 있는 내용에 대한 세부적인 정보를 검색한다. 그 결과 사용자와 미디어 장치간의 인터랙션이 주요 관심사로 등장하였다. 이러한 환경에서 사용자들은 일방적으로 정보를 제공해주는 것보다는 자신이 원하는 정보를 웹 검색을 통해 사용자 스스로 정보를 찾지 않고, 쉽고 빠르게 정보를 얻을 수 있는 방법의 필요성을 인식하게 되었으며 그에 따라 인터랙션을 직접 수행하는 것에 대한 요구가 증가하였다. 또한 많은 정보의 홍수 속에서 정확한 정보를 얻는 것이 중요한 이슈가 되었다. 이러한 사용자들의 요구사항을 만족시키기 위해 사용자 인터랙션 기능을 제공하고, 링크드 데이터를 적용한 시스템이 필요한 상황이다. 본 논문에서는 여러 분야 중에서 사람들이 가장 관심 있는 분야중 하나인 요리를 선택하여 문제점을 발견하고 개선하기 위한 방안을 살펴보았다. 요리는 사람들이 지속적인 관심을 갖는 분야이다. 레시피, 비디오, 텍스트와 같은 요리에 관련된 정보들이 끊임없이 증가하여 빅 데이터의 한 부분으로 발전하였지만 사용자와 요리 콘텐츠간의 인터랙션을 제공하는 방법과 기능이 부족하고, 정보가 부정확하다는 문제점을 가지고 있다. 사용자들은 쉽게 요리 비디오를 시청할 수 있지만 비디오는 단 방향으로만 정보를 제공하기 때문에 사용자들의 요구사항을 충족시키기 어렵고, 검색을 통해 정확한 정보를 얻는 것이 어렵다. 이러한 문제를 해결하기 위하여 본 논문에서는 요리 비디오 시청과 동시에 정보제공을 위한 UI(User Interface), UX(User Experience)를 통해 사용자의 편의성을 고려한 환경을 제시하고, 컨텍스트에 맞는 정확한 정보를 제공하기 위해 링크드 데이터를 이용하여 사용자와 비디오 간에 인터랙션을 위한 요리보조 서비스 시스템을 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 춘계종합학술대회 A
• /
• pp.165-168
• /
• 2008

현대 사회는 정보통신 기술의 발달로 멀티미디어 관련 정보의 발전이 가속화되고 있다. 디지털 영상처리 기술은 영상의 압축, 인식 그리고 복원 등 많은 부분의 연구가 진행되고 있다. 영상의 전송 및 저장하는 가운데 노이즈가 발생되는데, 이때 발생되는 노이즈를 줄이는 것이 이미지 필터의 사용목적이라 하겠다. 디지털 이미지 처리에 사용되는 영상 필터는 기본적으로 2차원 필터의 구조를 갖는다. 이를 구현하는 방법에는 1차원 필터를 반복하여 사용하는 방법과 비분리형 2차원 영상 필터를 사용하는 방법이 있고 마스크를 이용하는 공간 영역의 필터 처리법은 후자에 속한다. 마스크 이용법은 입력 영상위에 2차원 필터 계수를 두어 서로 마주하는 화소끼리 곱하여 얻은 값을 이용하여 필터 계수 중앙에 해당하는 위치와 동일한 영상의 위치에 삽입하여 사용한다. 사용된 이미지 필터 역시 다른 1차 필터와 같이 처리하려는 노이즈에 따라 각기 달리 사용되며, 임펄스 노이즈를 제거하기 위하여서는 다양한 미디언 필터가 사용되고 있다. 본 논문에서는 임펄스 잡음에 강한 선택적 미디언 필터를 제시하고 있으며, 이를 확인하기 위해 기존의 제시된 필터와 비교하였다.

• 대한기계학회논문집A
• /
• 제34권5호
• /
• pp.619-628
• /
• 2010

차세대 의료기기 시장을 변화시킬 것으로 기대되는 형상기억합금(SMA) 기반의 최소침습용 의료기기는 시술자의 손동작과 같은 유연성과 섬세함을 구현할 수 있는 장점이 있다. 그러나 SMA의 비선형 열전기적 특성으로 인해 SMA 기반 차세대 의료기기 엑추에이터는 자유로운 방향조종 구현이 제한적이고 상용화에 있어서 큰 한계성으로 작용한다. 본 논문은 SMA의 효과적인 온도제어를 위해 전류-온도간의 개방루프 계단응답을 분석하고 1차 미분방정식 해와 비교하여 온도제어에 필요한 파라미터 $t_1$을 도출한 뒤 실험적으로 그 기능을 검증하였다. 또한 $t_1$은 전류를 입력으로 온도를 출력으로 하는 시불변 선형계의 특성함수의 폴(pole)이므로 주파수에 의한 온도제어에 관계된 파라미터인 것으로 나타났다. 본 논문의 결과는 SAM 기반의 차세대 의료기기 액추에이터의 효과적인 위치제어 설계에 응용될 수 있다.

• 한국해양환경ㆍ에너지학회지
• /
• 제16권1호
• /
• pp.36-41
• /
• 2013

이 논문에서는 시계열의 파랑자료를 시뮬레이션 하여 파랑계측에서 sampling rate가 파랑자료의 각종 통계적 특성에 미치는 영향을 살펴보았다. 파랑자료의 Sampling rate가 freak wave와 같은 극한파의 통계특성에 미치는 영향을 파악하기 위하여, 이상(AI)지수, 파형의 첨도(kurtosis) 그리고 최대파고 등의 변화를 살펴보았다. Sampling rate가 커지면 각종 파고의 크기가 줄어드는 경향을 보인다. Sampling rate가 커지면 파랑스펙트럼의 0차 모멘트는 큰 변화가 없지만 2차 모멘트는 큰 영향을 받아서, Tz는 과대평가되고 대역폭은 과소평가된다. 따라서 sampling rate변화에 따른 유의파고 크기의 오차는 스펙트럼법에 의한 유의파고 $H_s$가 개별파법에 의한 유의파고 $H_{1/3}$ 보다 작게 나타난다. Sampling rate에 의해서 발생한 오차의 크기는 파랑의 주기가 커지면 줄어드는 경향을 보인다. 파형의 첨도와 AI지수는 sampling rate가 1 Hz 이상인 경우는 큰 오차를 주지 않는다. 일반적으로 freak wave와 같은 극한파가 포함된 파랑을 계측할 때, 1 Hz의 이상의 samping rate로 계측한 해양파의 자료를 사용한다면 sampling rate가 최대파고의 크기의 미치는 오차가 5% 이하가 될 것으로 예상된다.

• 한국지리정보학회지
• /
• 제13권2호
• /
• pp.74-93
• /
• 2010

최근 네비게이션 시스템이 대중화되면서 랜드마크 연구는 도시지역 이동을 위한 인지적 시스템 개발에 중요한 연구주제가 되고 있다. 지역 커뮤니티에게 있어서 랜드마크로 구성된 도시이미지는 지역 네비게이션에 있어서 장소인식을 위한 참조프레임 역할을 담당한다. 일반적으로 네비게이션은 새로운 지역을 이동하는 탐험(Exploration)과 친숙한 지역을 이동하는 네비게이션으로 구분할 수 있다. 후자의 경우, 도시이미지는 지역 커뮤니티에게 있어서 장소인식에 있어서 핵심적인 역할을 담당한다. 커뮤니티의 장소인식은 시스템적으로 연결된 장소들로 구성된 도시이미지에 기반을 두어 이루어지는 지식기반의 추론의 과정이다. 본 연구에서 도시이미지의 구조는 계층적 지식으로 간주하여 커뮤니티를 위한 지역이동을 위한 도메인 온톨로지로 표현하였다. 커뮤니티에게서 수집된 도시이미지는 커뮤니티의 인지정도에 따라 엥커(anchor), 디스턴트(distant)와 로컬(local)분류하였다. 온톨로지 모델링 기법을 이용한 도시이미지의 표현은 지역 커뮤니티의 지리적 지식으로 명시화하고 도시지역 안내를 위한 에이전트를 위해 재사용이 가능한 지식으로서 유용한 의미를 갖는다.