• Geomechanics and Engineering
• /
• 제25권3호
• /
• pp.207-219
• /
• 2021

Several additives are used to enhance the geotechnical properties (e.g., shear wave velocity, shear modulus) of soils to provide sustainable, economical and eco-friendly solutions in geotechnical and geo-environmental engineering. In this study, piezoelectric ring actuators are used to measure the shear wave velocity of unreinforced, fiber, cemented, and fiber reinforced cemented Toyoura sand. One dimensional oedometer tests are performed on medium dense specimens of Toyoura sand-cement-fiber-silica flour mixtures with different percentages of silica flour (0-42%), fiber and cement (e.g., 0-3%) additives. The experimental results indicate that behavior of the mixtures is significantly affected by the concentration of silica flour, fiber and cement additives. Results show that with the addition of 1-3% of PVA fibers, the shear wave velocity increases by only 1-3%. However, the addition of 1-4% of cement increases the shear wave velocity by 8-35%. 10.5-21% increase of silica flour reduces the shear wave velocity by 2-5% but adding 28-42% silica flour significantly reduces the shear wave velocity by 12-31%. In addition, the combined effect of cement and fibers was also found and with only 2% cement and 1% fiber, the shear wave velocity increase was found to be approximately 24% and with only 3% cement and 3% fibers this increased to 35%. The results from this study for the normalized shear modulus and normalized mean effective stress agree well with previous findings on pure Toyoura sand, Toyoura silty sand, fiber reinforced, fiber reinforced cemented Toyoura sand. Any variations are likely due to the difference in stress history (i.e., isotropic versus anisotropic consolidation) and the measurement method. In addition, these small discrepancies could be attributed to several other factors. The potential factors include the difference in specimen sizes, test devices, methods of analysis for the measurement of arrival time, the use of an appropriate Ko to convert the vertical stresses into mean effective stress, and sample preparation techniques. Lastly, it was investigated that there is a robust inverse relationship between α factor and 𝞫₀ exponent. It was found that less compressible soils exhibit higher 𝜶 factors and lower 𝞫₀ exponents.

• 정보보호학회논문지
• /
• 제31권6호
• /
• pp.1215-1225
• /
• 2021

인공지능 기술은 우수한 성능을 기반으로 다양한 분야에 적용되고 있지만 입력 데이터에 인간이 감지할 수 없는 적대적 섭동을 추가하여 인공지능 모델의 오작동을 유도하는 적대적 예제에 취약하다. 현재까지 적대적 예제에 대응하기 위한 방법은 세 가지 범주로 분류할 수 있다. (1) 모델 재학습 방법; (2) 입력 변환 방법; (3) 적대적 예제 탐지 방법. 이러한 적대적 예제에 대응하기 위한 방법은 끊임없이 등장하고 있지만 각 적대적 공격 유형을 분류하는 연구는 미비한 실정이다. 따라서, 본 논문에서는 차원 축소와 군집화 알고리즘을 활용한 적대적 공격 유형 분류 방법을 제안한다. 구체적으로, 제안하는 방법은 적대적 예시로부터 적대적 섭동을 추출하고 선형 판별 분석(LDA)를 통해 적대적 섭동의 차원을 축소한 후에 k-means 알고리즘으로 적대적 공격 유형 분류를 수행한다. MNIST 데이터셋과 CIFAR-10 데이터셋을 대상으로 한 실험을 통해, 제안하는 기법은 5개의 적대적 공격(FGSM, BIM, PGD, DeepFool, C&W)을 효율적으로 분류할 수 있으며, 적대적 예제에 대한 정상 입력을 알 수 없는 제한적인 상황에서도 우수한 분류 성능을 나타내는 것을 확인하였다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제40권4호
• /
• pp.460-479
• /
• 2021

COVID-19 팬데믹의 위기는 전 세계적으로 교육 시스템에 큰 변화를 초래하였다. 우리나라에서도 COVID-19로 인한 사회적 거리두기 정책에 따라 갑작스럽게 비대면 수업으로 전환되었다. 준비 없는 비대면 수업으로 인해 초등학교 현장에서 발생하는 문제들로 볼 때 이와 관련된 연구가 필요한 상황이다. 본 연구는 초등교사가 인식하는 비대면 수업에서 과학교육의 목표와 방법, 과학탐구활동을 포함한 비대면 수업에서 발생한 문제와 초등교사의 대응, 비대면 수업 경험 후 비대면수업의 장단점과 교사의 역할에 대한 초등교사의 인식을 알아보고자 한다. 온라인 콘텐츠 활용 수업과 온라인 실시간 쌍방향 수업을 포함하는 온라인 비대면 수업을 시행한 초등교사를 대상으로 설문조사(153명)와 포커스 인터뷰(9명)를 실시하였다. 연구 결과에서 3가지 결론과 제안점을 도출하였다. 첫째, 초등교사들은 온라인 비대면 수업에서 비대면 방식에 따라 일방향 강의와 쌍방향 강의를 하였다. 온라인 비대면 수업에서 조사나 토론 등 강의 외의 수업방법을 활용하기 위해서는 교사들의 디지털 리터러시를 높일 필요가 있다. 둘째, 초등교사들은 비대면 수업에서 과학탐구활동의 어려움으로 현장 피드백의 어려움, 준비물 확보의 어려움, 안전 확보의 어려움을 인식하였다. 개인 실험을 위한 실험 꾸러미와 실험 영상을 제공하고 온라인에서 교사-학생, 학생-학생 간 협동적 논의와 피드백을 통해서 어려움을 극복할 수 있다. 셋째, 초등교사들은 비대면 수업의 장점으로 IT 기기를 사용하는 다양한 형태의 수업이 가능하고 개별화된 학습이 가능하다고 인식하였다. 단점으로는 탐구활동이나 협동학습과 같은 대면 기반 수업이 어렵고, 학생의 이해 정도를 알 수 없어서 피드백이 어려우며, 학생간의 상호작용이 어렵고, 학습 격차가 벌어진다고 인식하였다.

• 지식경영연구
• /
• 제23권2호
• /
• pp.277-299
• /
• 2022

관광산업에서 발생하는 방대한 카드 거래 데이터는 관광객의 소비 행태와 패턴을 암시하는 중요한 자원이 되었다. 거래 데이터에 기반을 둔 스마트 서비스 시스템을 개발하는 것은 관광산업과 지식관리시스템 개발자들의 주요한 목표들 중 하나이다. 그러나 기존 추천 기법의 근간이 되어 온 평점을 활용하기 어렵다는 점은 시스템 설계자들이 학습 과정을 평가하기 어렵게 한다. 또한 시간적, 공간적, 인구통계학적 정보와 같이 추천 성과를 높일 수 있는 보조 요소들을 적절히 활용하는 방법도 어려운 상황이다. 이러한 문제들에 대하여 본 논문은 카드 거래 데이터를 기반으로 관광 서비스를 추천하는 새로운 방식인 CTDDTR을 제안한다. 먼저 Doc2Vec를 이용하여 시간성 선호도를 임베딩하여 관광객 그룹과 서비스 벡터로 데이터를 표현하였다. 다음 단계로 딥러닝 기술 중 하나인 다중 계층 퍼셉트론을 도입하여 얻어진 벡터와 관광 RDF로부터 도출한 보조 요소를 통합하여 심층 추천 모듈을 구성하였다. 추가로, 지식경영 분야의 RFM 분석 기법을 심층 추천 모듈에 도입하여 심층 신경망을 학습하는데 사용되는 평점을 생성함으로써 평점 부재 문제에 대응하였다. 제안한 CTDDTR의 추천 성능을 평가하기 위해 제주도에서 8년 동안 발생한 카드 거래 데이터를 사용하였고, 제안된 방법의 우수한 추천 성능과 보조 요소의 효과를 증명하였다.

• 한국해안·해양공학회논문집
• /
• 제34권6호
• /
• pp.315-324
• /
• 2022

2차원 조파수조 내에서 취득된 규칙파 실험데이터를 머신러닝 기법으로 분석하여 천수 변형을 경험한 파랑으로부터 조파기의 입력파고를 예측하는 모델을 수립하고 그 성능을 검증하였다. 이를 위해 가장 대표적인 머신러닝 기법인 인공신경망(NN)과 비모수 회귀분석 방법 중 하나인 가우시안 과정 회귀(GPR) 모델을 각각 수립하고 두 모델의 예측 성능을 비교하였다. 전체 실험자료를 모두 한꺼번에 활용한 경우와 쇄파 발생 여부에 따라 자료를 구분한 경우에 대해 독립적으로 분석을 수행하였다. 데이터를 구분하지 않은 경우에는 NN 및 GPR 모델 모두 조파기 입력파고 값과 계측값 사이의 오차가 비교적 크게 나타났다. 반면에 데이터를 비쇄파 및 쇄파 조건으로 구분하면 조파기 입력파고의 예측 정확도가 크게 향상되었다. 두 모델 중에서는 NN 모델보다 GPR 모델의 성능이 전반적으로 더 우수한 것으로 나타났다.

• 생명과학회지
• /
• 제33권2호
• /
• pp.208-215
• /
• 2023

최근 수십년간 노화연구의 영역은 유전자 수준에서부터 세포 수준을 거쳐 혈액을 교환하는 in vivo 모델까지 진보를 거듭하면서 발전하고 있다. 예쁜꼬마선충에서 수명을 연장시킬 수 있는 유전자의 존재가 알려지면서, 유전체학, 단백질체학, 대사체학, 전사체학과 같은 다양한 분석방법이 사용되면서 보다 다양한 노화 연관 표적분자들이 발견되었다. 따라서, 표적분자들 간의 상호관계에 대한 연구결과도 증가하고 있다. 또한, 두 실험동물을 외과적으로 결합시킨 개체병렬결합 방법을 사용한 노화연구로 노화 현상을 역행시킬 수도 있는 인자가 보고되었고, 젊은 개체의 혈액 내에 존재할 수 있는 노화 역행 인자를 찾기 위한 더 정확하고, 효과적인 연구로 확장되면서, 노화연구의 방법에 새로운 패러다임이 확립되었다. 2022년 실험동물에 정교하게 혈액을 교환할 수 있는 장치에 대한 논문이 발표되었고, 이 장치를 사용한 연구가 노화 역행에 영향을 줄 수 있는 새로운 결과를 제시하였다. 새롭게 고안된 장치와 그로 인한 결과뿐만 아니라 젊은 혈액 또는 조건화된 혈액을 주입하여 얻은 최신 연구결과로 처음 발표되었던 GDF11 외에도 혈액 내에 존재하는 노화 역행 후보물질로서 β2m, TIMP2, VCAM1, Gpld1, clusterin과 같은 혈액 내 용해성 인자뿐만 아니라 mcicroglia 세포와 neuroinflammation과 같은 생화학적 현상이 직접적으로 노화요인으로 증명되고 있다. 이 총설에서는 이 같은 노화연구에 대한 최신 결과에 대해 논의하고자 한다.

• 한국재난정보학회 논문집
• /
• 제19권3호
• /
• pp.532-544
• /
• 2023

연구목적: 신규로 사용되는 바이오연료를 기존 연료와 혼합하여 사용하는 경우 발생하는 위험성과 물성 변화를 열분석 방법(DSC, TGA)을 사용하여 화학 화재의 원인물질의 위험성을 확인하고, 평가할 방법과 그에 따른 물질의 위험성 관련 데이터를 확보함으로써 화재 원인 감식과 감정에 활용하기 위함이다. 연구방법: 본 실험에 사용된 연구 방법으로는 시차주사열량계(DSC : Differential Scanning Calorimeter)에 의하여 피크의 위치, 모양, 개수, 피크의 면적으로부터 열량 변화의 정량적인 정보를 통하여 열유속 차이(Difference in heat flux)를 측정하였고, 열중량분석(TGA : Analyzer)을 시행함으로써 특정한 온도에서 분해열 등에 의해 발생한 무게 변화를 연속적으로 측정하였다. 연구결과: 먼저 열 유속의 그래프에서 물질의 끓는점과 물질이 가지고 있는 고유 특성치 또는 분해에 필요한 에너지를 확인할 수 있다. 둘째 바이오디젤의 함량이 증가할수록 많은 피크를 확인 할 수 있었다. 셋째 비점이 낮은 물질들이 함유하고 있다는 것을 분석 결과로 확인할 수 있었다. 결론: 현재 새로운 에너지원으로 사용되고 있는 바이오디젤의 위험성을 다양한 물리·화학적 분석기법(DSC+TGA)을 통하여 사용함으로써 물질의 물적 위험성을 평가할 수 있음을 보여주었다. 아울러 본 연구의 시험방법별 차이의 비교와 실험에 대한 노하우를 축적하고 활용한다면 향후 위험물의 물성 연구와 물질 위험성 평가 연구에 있어 도움이 되리라 기대한다.

• 한국심리학회지:법
• /
• 제12권1호
• /
• pp.53-73
• /
• 2021

본 연구는 폴리그래프 검사에서 라포 형성 여부에 따른 피검사자의 심리생리적 반응 차이를 비교한 실험연구이다. 본 연구는 참가자 간 설계로 진실성과 라포 형성 여부에 따라 조건별로 일반 성인 84명을 무작위 할당하여 심리생리적 반응을 ESS(Empirical Scoring System) 총점으로 측정하였다. 제한된 시간 내 간단한 몇 가지 과제를 수행하도록 한 뒤, 수행한 과제에 대하여 진실 조건의 참가자는 실제 자신의 점수대로 자체 채점을 하고, 거짓 조건의 참가자는 실제 자신의 점수보다 더 높게 점수를 위조하도록 조작하였다. 이후 모든 참가자는 사전면담 단계와 본 검사 단계 순으로 폴리그래프 검사를 받았다. 라포형성 조건과 라포비형성 조건은 각각 구조화된 스크립트로 사전면담을 실시하여 조작하였다. 분석결과, 진실성과 라포 형성 여부에 따라 피검사자의 ESS 총점에 유의미한 차이가 있었다. 진실 집단은 라포 형성 조건에서 라포 비형성 조건보다 ESS 총점이 양(+)의 방향으로 유의미하게 더 커서 진실 반응이 두드러지게 나타났다. 그러나 거짓 집단은 라포 형성 조건에서 라포 비형성 조건보다 ESS 총점이 음(-)의 방향으로 유의미하게 더 크진 않았다. 본 연구 결과를 바탕으로 폴리그래프 검사의 사전면담 단계에서 라포 형성의 중요성과 언어적·비언어적 라포 형성 기법의 매뉴얼화 필요성을 논의하였다.

• 한국측량학회지
• /
• 제40권1호
• /
• pp.15-22
• /
• 2022

본 연구에서는 딥러닝 객체탐지 기법의 정확도 향상을 위해 항공사진과 드론 영상을 대상으로 확대율 조건과 계절요인이 탐지정확도에 미치는 영향을 실험을 통해 분석하였다. 딥러닝 객체탐지기법 중 빠른 학습 속도와 높은 정확도를 나타내는 Mask R-CNN을 사용하여 탐지대상인 자동차를 픽셀 단위로 탐지하고자 하였다. '서울시 항공사진서비스'를 통해 화면 확대 레벨을 달리하며 학습 영상을 캡처하고 각각을 학습하여 정확도를 분석하였다. 실험결과에 따르면 확대 레벨이 높아질수록 mAP 평균이 60%, 67%, 75%로 높아졌다. 데이터 세트의 train, test 데이터의 확대율을 엇갈려서 배치한 경우에는 확대율이 매우 낮은 경우를 제외하고 저배율의 데이터를 train 데이터로, 고배율의 데이터를 test 데이터로 배치하였을 때 높은 mAP로 반대의 경우보다 20% 이상 차이를 보였다. 그리고 4개월의 시차로 계절적 차이를 두고 촬영한 드론 영상의 경우, 같은 시기 영상자료 학습결과가 평균 93%로 높은 정확도를 나타내어 계절적 차이도 학습에 영향을 주는 것을 확인되었다.

• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.145-151
• /
• 2023

3D-CNN은 시계열 데이터 학습을 위한 딥 러닝 기법 중 하나이다. 이러한 3차원 학습은 많은 매개변수를 생성할 수 있으므로 고성능 기계학습이 필요하거나 학습 속도에 커다란 영향을 미칠 수 있다. 본 연구에서는 손의 동적인 제스처 동작을 시공간적으로 학습할 때, 3D-CNN 모델의 구조적 변화 없이 입력 영상 데이터의 시공간적 변화에 따른 학습 정확성을 분석함으로써, 3D-CNN을 이용한 동적 제스처 학습의 효율성을 높이기 위한 입력 영상 데이터의 최적 조건을 찾고자 한다. 첫 번째로 동적 손 제스처 영상 데이터에서 동적 이미지 프레임의 학습구간을 설정함으로써 제스처 동작간 시간 비율을 조정한다. 둘째로는 클래스간 2차원 교차 상관 분석을 통해 영상 데이터의 이미지 프레임간 유사도를 측정하여 정규화 함으로써 프레임간 평균값을 얻고 학습 정확성을 분석한다. 이러한 분석을 통하여, 동적 손 제스처의 3D-CNN 딥 러닝을 위한 입력 영상 데이터를 효과적으로 선택하는 두 가지 방법을 제안한다. 실험 결과는 영상 데이터 프레임의 학습구간과 클래스간 이미지 프레임간 유사도가 학습 모델의 정확성에 영향을 미칠 수 있음을 보여준다.