본 연구에서는 TOMS와 OMI 위성 관측 자료를 SAM 방법에 적용하여 산출한 북반구 여름 동안의 남위 20$^{\circ}$ 에l서 북위 40$^{\circ}$ 지역의 대류권 오존을 공간적 분포와 오존양 차이 및 상관관계 측면에서 비교 및 분석하였다 SAM 방법을 OMI와 TOMS 자료에 적용한 대류권 오존 분포는 모델의 대류권 오존과 오존 전구물질인 CO 분포와 일치하였다. 적도 지역의 경우, 생태계 화재(biomass burning) 영향을 잘 보여주었으며, 중위도 지역의 경우, 중동 지역과 아라비아 해 및 북 남미 대륙의 특징을 잘 보여주었다. SAM 방법을 적용하여 산출한 대류권 오존 분포는 모델의 대류권 오존 분포의 양상과 유사하지만, SAM방법의 대류권 오존 분포는 모델의 대류권 오존 보다 북반구에서 낮게 관측되었으며, 특히 북태평양과 북대서양과 같은 해양 지역에서 더 낮은 경향을 보였다. OMI 자료를 이용하여 산출한 대류권 오존 분포는 TOMS 자료를 이용하여 산출한 대류권 오존 분포보다 높게 나타났으며, 특히 biomass horning 영향을 받는 남반구 적도 지역에서 더 높게 관측되었다. 이러한 차이의 원인은 위성간의 위성각(viewing angle)과 자료 샘플링 빈도 및 a-priori ozone profile이 다르기 때문이라고 사료된다. CO와의 지역별 상관관계는 적도 지역의 경우 SAM 방법을 이용한 대류권 오존과 CO의 상관관계가 모델을 통한 대류권 오존과 CO의 상관관계보다 더 좋은 결과를 보이는 반면, 중위도 지역의 경우 모델과 CO의 상관관계가 더 좋은 결과를 보여주었다.
대부분 딥러닝 모델의 학습은 입력값과 입력값에 따른 출력값이 포함된 레이블링 데이터(labeling data)를 학습하는 지도 학습(supervised learning)으로 진행된다. 레이블링 데이터는 인간이 직접 제작하므로 데이터의 정확도가 높다는 장점이 있지만 비용과 시간의 문제로 인해 데이터의 확보에 많은 노력이 소요된다. 그리고 지도 학습의 목표는 정탐지 데이터(true positive data)의 인식 성능 향상에 초점이 맞추어져 있으며, 오탐지 데이터(false positive data)의 발생에 대한 대처는 미흡한 실정이다. 본 논문은 터널 관제센터에 투입된 딥러닝 모델 기반 영상유고 시스템의 모니터링을 통해 정탐지와 레이블링 데이터의 학습으로 예측하기 힘든 오탐지의 발생을 확인하였다. 오탐지의 유형은 작업차량의 경광등, 터널 입구부에서 반사되는 햇빛, 차선과 차량의 일부에서 발생하는 길쭉한 검은 음영 등이 화재와 보행자로 오탐지되고 있었다. 이러한 문제를 해결하기 위해 현장에서 발생한 오탐지 데이터와 레이블링 데이터를 동시에 학습하여 딥러닝 모델을 개발하였으며, 그 결과 기존 레이블링 데이터만 학습한 모델과 비교하면 레이블링 데이터에 대한 재추론 성능이 향상됨을 알 수 있었다. 그리고 오탐지 데이터에 대한 재추론을 한 결과 오탐지 데이터를 많이 포함하여 학습한 모델일 경우 보행자의 오탐지 개수가 훨씬 줄었으며, 오탐지 데이터의 학습을 통해 딥러닝 모델의 현장 적용성을 향상시킬 수 있었다.
Ji Hoon Kim;Kye Jin Park;Mi-Hyun Kim;Jeong Kon Kim
Korean Journal of Radiology
/
제22권8호
/
pp.1323-1331
/
2021
Objective: To identify the association between renal tumor complexity and pathologic renal sinus invasion (RSI) and evaluate the usefulness of computed tomography tumor features for predicting RSI in patients with renal cell carcinoma (RCC). Materials and Methods: This retrospective study included 276 consecutive patients who underwent radical nephrectomy for RCC with a size of ≤ 7 cm between January 2014 and October 2017. Tumor complexity and anatomical renal sinus involvement were evaluated using two standardized scoring systems: the radius (R), exophytic or endophytic (E), nearness to collecting system or sinus (N), anterior or posterior (A), and location relative to polar lines (RENAL) nephrometry and preoperative aspects and dimensions used for anatomical classification (PADUA) system. CT-based tumor features, including shape, enhancement pattern, margin at the interface of the renal sinus (smooth vs. non-smooth), and finger-like projection of the mass, were also assessed by two independent radiologists. Univariable and multivariable logistic regression analyses were performed to identify significant predictors of RSI. The positive predictive value, negative predictive value (NPV), accuracy of anatomical renal sinus involvement, and tumor features were evaluated. Results: Eighty-one of 276 patients (29.3%) demonstrated RSI. Among highly complex tumors (RENAL or PADUA score ≥ 10), the frequencies of RSI were 42.4% (39/92) and 38.0% (71/187) using RENAL and PADUA scores, respectively. Multivariable analysis showed that a non-smooth margin and the presence of a finger-like projection were significant predictors of RSI. Anatomical renal sinus involvement showed high NPVs (91.7% and 95.2%) but low accuracy (40.2% and 43.1%) for RSI, whereas the presence of a non-smooth margin or finger-like projection demonstrated comparably high NPVs (90.0% and 91.3% for both readers) and improved accuracy (67.0% and 73.9%, respectively). Conclusion: A non-smooth margin or the presence of a finger-like projection can be used as a preoperative CT-based tumor feature for predicting RSI in patients with RCC.
스마트 지역사회의 구축은 지역사회의 안전을 보장하는 새로운 방법이자 중요한 조치이다. 촬영 각도로 인한 얼굴 기형 및 기타 외부 요인의 영향으로 인한 신원 인식 정확도 문제를 해결하기 위해 이 논문에서는 네트워크 모델을 구축할 때 전체 그래프 컨벌루션 모델을 설계하고, 그래프 컨벌루션 모델에 협력하여 얼굴의 핵심을 추출한다. 또한 얼굴의 핵심을 특정 규칙에 따라 핵심 포인트를 구축하며 이미지 컨벌루션 구조를 구축한 후 이미지 컨벌루션 모델을 추가하여 이미지 특징의 핵심을 개선한다. 마지막으로 두 사람의 얼굴의 이미지 특징 텐서를 계산하고 전체 연결 레이어를 사용하여 집계된 특징을 추출하고 판별하여 인원의 신원이 동일한지 여부를 결정한다. 최종적으로 다양한 실험과 테스트를 거쳐 이 글에서 설계한 네트워크의 얼굴 핵심 포인트에 대한 위치 정확도 AUC 지표는 300W 오픈 소스 데이터 세트에서 85.65%에 도달했다. 자체 구축 데이터 세트에서 88.92% 증가했다. 얼굴 인식 정확도 측면에서 이 글에서 제안한 IBUG 오픈 소스 데이터 세트에서 네트워크의 인식 정확도는 83.41% 증가했으며 자체 구축 데이터 세트의 인식 정확도는 96.74% 증가했다. 실험 결과는 이 글에서 설계된 네트워크가 얼굴을 모니터링하는 데 더 높은 탐지 및 인식 정확도를 가지고 있음을 보여준다.
영상정합은 동일한 장면에 대해서 서로 다른 시간 혹은 서로 다른 특성의 센서로부터 서로 다른 위치에서 얻은 영상들의 위치적 대응관계를 찾는 기법이다. 이 논문에서는 특성이 다른 적외선 센서와 광학 센서로부터 얻은 영상의 정합을 위한 새로운 알고리즘을 제안한다. 지금까지 제안된 서로 다른 특성의 영상을 위한 정합기법은 크게 특징점 기반 영상정합기법과 밝기값 기반 영상정합기법으로 구분될 수 있다. 특징점 기반의 영상정합기법은 정확하게 대응하는 특징점을 선택하는 것이 성능에 결정적인 영향을 준다 그러나 적외선 영상과 가시광선 영상에서는 특징점이 서로 같지 않은 경우가 많기 때문에 강인하지 못하다 그리고 밝기 값 기반의 정합기법에서는 정규상호정보를 유사성 척도로 사용한 영상정합기법이 가장 좋은 성능을 제공하는 것으로 알려져 있다. 그러나 정규상호정보 기반의 영상정합기법은 두 영상의 통계적 상관성이 전역적이어야 한다는 가정을 전제하는데, 적외선 영상과 가시광선 영상에서는 이를 보장하지 못하는 경우가 많아 정규상호정보를 유사성 척도로 사용하는 영상정합기법에서도 좋은 성능을 기대하기 힐들다. 따라서 이 논문에서는 적외선 영상과 가시광선 영상의 통계적 상관성의 해석에 기반한 두 단계 영상정합기법을 제안한다. 정확하고 강인한 정합을 위해서 첫 단계에서는 두 영상에서 통계적 상관성이 높은 부분을 추출하는 ESCR기법과 두 영상을 통계적 상관성이 높도록 필터링하는 ESCF기법을 수행한다. 그리고 두 번째 단계에서는 첫 단계에서의 결과 영상에 대해서 정규상호정보를 유사성 척도로 한 영상정합을 수행한다. 다양한 적외선 영상과 가시광선 영상을 이용한 실험으로부터 제안하는 두 단계 영상정합기법이 기존의 정규상호정보 기반의 영상정합기법에 비해 정확도와 강인함, 그리고 실행 속도의 측면에서 더욱 향상된 성능을 제공함을 확인하였다.
본 연구는 유 무기성 폐기물 처리를 위한 다축스크류 난류접촉식 고효율 건조기의 최적 설계를 위한 연구의 일환으로 실험적 연구와 수치해석적 연구를 통하여 건조기 내부의 열유동 메카니즘을 규명하고 건조효율을 높일 수 있는 설계 기준을 제시 하고자 수행되었다. 사용된 건조기의 대표적인 특성은 건조용 가스의 바이패스 시스템으로 연소를 통해 얻어진 고온의 가스가 다축 스크류 내부 축을 따라 흐르면서 분공을 통해 고속으로 슬러지 내부로 분출되면서 열풍 건조를 하게 되는 것이다. 다양한 열원의 적용이 가능하고 고온 난류 분사식으로 높은 건조속도를 갖고 있으며 고점성 물질에도 적용이 가능한 것이 장점이다. 여기서 건조가스의 분배는 슬러지를 체적 가열하는 한편 슬러지가 뭉치지 않고 지속적으로 열과 물질 전달을 원활하게 하는 기공을 유지하도록 해야 한다. 실험결과 하수슬러지 200 kg/hr를 처리하는데 스크류를 1 rpm으로 회전시킬 때 적정 체류시간은 100분 정도로 나타났다. 또한 다양한 열량 공급 결과 150,000 kcal/hr로 공급한 경우 높은 건조효율을 유지하면서 잉여 열량공급으로 인한 과도한 열피로 및 열량의 낭비를 줄일 수 있는 것으로 나타났다. 유 무기성 슬러지의 설계기술 및 건조효율 향상을 위한 건조가스의 유동 및 온도분포를 수치해석적 연구를 통하여 계산하였으며 연소실과 건조실의 온도계산 결과는 실험 자료와 매우 유사하게 나타나서 성공적으로 비교검증을 수행하였으며, 향후 물질전달에 대한 세부적인 모델을 적용하여 연구를 지속적으로 수행할 예정이다.
딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.
본고에서는 기존 독점생산자(獨占生産者)와 잠재적(潛在的) 신규참입자(新規參入者)간에 존재할 수 있는 진입제한(進入制限) 및 약탈가격(掠奪價格) 책정전략(策定戰略)을 간단한 복점(複占)게임모형(模型)을 통하여 분석한다. 분석(分析)으로부터 유도되는 대표적 결론(結論)은 생산여건(生産與件)에 관한 정보(情報)가 비대칭적(非對稱的)으로 분포되어 있을 경우 그 중 정보면에서 우월한 위치를 점하고 있는 생산자(生産者)가 잠재적(潛在的) 경쟁자(競爭者)를 불확실성하에 잡아 두려는 노력의 일환으로 진입제한가격(進入制限價格)이나 약탈가격(掠奪價格)을 책정할 수 있다는 점이다. 또 하나 본(本) 모형(模型)으로부터 얻을 수 있는 결론(結論)은 어느 독점생산자(獨占生産者)가 그의 독점적 위치를 지속적으로 지켜 나가기 위해 약탈가격(掠奪價格)을 책정하는 것만으로는 부족하다는 점이다. 그가 시장(市場)의 독점(獨占)을 효과적으로 유지해 나가기 위해서는 신규참입(新規參入)이 없는 경우에도 진입제한가격(進入制限價格)을 통하여 시장가격(市場價格)을 지속적으로 낮게 유지해야 한다. 이같은 결론은 진입제한가격(進入制限價格)과 약탈가격(掠奪價格)을 각각 분리해서 분석한 기존의 논의(論議)에는 결여되어 있는 것으로 약탈가격(掠奪價格)으로부터의 장기적 이익을 퇴출(退出) 이후의 독점이윤(獨占利潤)과 동일시하는 많은 분석들이 수정되어야 함을 의미한다. 진입제한(進入制限) 및 약탈가격(掠奪價格) 책정전략(策定戰略)이 합리적 이윤극대화전략(利潤極大化戰略)으로 성립할 수 있다고 하더라도 이것이 곧 이러한 기업행태(企業行態)에 관한 정부의 전면적인 금지조치(禁止措置)를 정당화하는 것은 아니다. 본고에서 일어나는 두가지 전략(戰略)은 오히려 복지증진적(福祉增進的)인 성격을 지니고 있으며 따라서 진입제한(進入制限) 및 약탈가격책정행위(掠奪價格策定行爲)의 규제(規制)는 사안별(事案別)로 신중히 다루어져야 함을 시사하고 있다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.