• 한국정보통신학회논문지
• /
• 제25권2호
• /
• pp.187-192
• /
• 2021

본 연구는 객체 검출기를 이용하여 숲 혹은 그에 준하는 복잡한 환경에서의 이륙에 대한 시스템을 제안한다. 시뮬레이터에서 대각선상의 모터간 550mm의 길이를 갖는 쿼드콥터에 라즈베리파이를 장착하여 엣지 컴퓨팅 기반으로 실험을 진행한다. 학습에 사용될 이미지는 군산대학교 내부의 세 지점을 선정하여 640⁎480 사이즈의 이미지를 150장 내외 정도 획득하였으며, 이들을 흑백으로 변환한 다음, 127의 경계값을 두어 이진화 전처리를 하였다. 이후 SSD_Inception 모델을 학습 하였다. 시뮬레이션상에서 검증용 영상을 입력으로 학습한 모델을 통해 드론을 이륙시키는 실험 결과, 라벨을 이용하여 이륙했을 때와 유사한 궤적을 그려내었다.

• Journal of Multimedia Information System
• /
• 제9권2호
• /
• pp.113-120
• /
• 2022

Mongolian folk songs are inspired by Mongolian labor songs and are classified into long and short songs. Mongolian long songs have ancient origins, are rich in legends, and are a great source of folklore. So it was inscribed by UNESCO in 2008. Mongolian written literature is formed under the direct influence of oral literature. Mongolian long song has 3 classes: ayzam, suman, and besreg by their lyrics and structure. In ayzam long song, the world perfectly embodies the philosophical nature of world phenomena and the nature of human life. Suman long song has a wide range of topics such as the common way of life, respect for ancestors, respect for fathers, respect for mountains and water, livestock and animal husbandry, as well as the history of Mongolia. Besreg long songs are dominated by commanded and trained characters. In this paper, we proposed a method to classify their 3 types of long songs using machine learning, based on their lyrics structures without semantic information. We collected lyrics of over 80 long songs and extracted 11 features from every single song. The features are the name of a song, number of the verse, number of lines, number of words, general value, double value, elapsed time of verse, elapsed time of 5 words, and the longest elapsed time of 1 word, full text, and type label. In experimental results, our proposed features show on average 78% recognition rates in function type machine learning methods, to classify the ayzam, suman, and besreg classes.

• Journal of Korean Neurosurgical Society
• /
• 제65권6호
• /
• pp.861-867
• /
• 2022

Objective : High-dose radiation is well known to induce and modulate the immune system. This study was performed to evaluate the correlation between clinical outcomes and changes in natural killer cell activity (NKA) after Gamma Knife Radiosurgery (GKS) in patients with brain cancer. Methods : We performed an open-label, prospective, cross-sectional study of 38 patients who were treated with GKS for brain tumors, including metastatic and benign brain tumors. All of the patients underwent GKS, and blood samples were collected before and after GKS. NKA was measured using an enzyme-linked immunosorbent assay kit, to measure interferon-gamma (IFNγ) secreted by ex vivo-stimulated NK cells from whole blood. We explored the correlations between NK cell-produced IFNγ (NKA-IFNγ) levels and clinical parameters of patients who were treated with GKS for brain tumors. Results : NKA-IFNγ levels were decreased in metastatic brain tumor patients compared to those with benign brain tumors (p<0.0001). All the patients who used steroid treatment to reduce brain swelling after GKS had an NKA-IFNγ level of zero except one patient. High NKA-IFNγ levels were not associated with a rapid decrease in brain metastasis and did not increase after GKS. Conclusion : The activity of NK cells in metastatic brain tumors decreased more than that in benign brain tumors after GKS.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.11-19
• /
• 2022

본 논문은 컨볼루션 신경망(CNN)을 이용하여 폭발물 성분의 용량별로 분류할 때의 성능을 평가하는 연구이다. 기존의 폭발물 분류 방식 중에 IMS 증기 탐지기 방식은 폭발물의 농도가 사용자가 장비에서 설정한 임계치를 넘어야만 폭발물의 존재 여부를 판단한다. IMS 증기 탐지기는 폭발물이 존재하더라도 임계치를 넘지 않는 양이면 폭발물이 존재하지 않는다고 판단하는 문제가 있다. 따라서 폭발물 성분의 농도가 임계치를 넘지 않는 양일 때에도 폭발물 성분을 검출하는 방안이 필요하다. 이에 따라 본 논문에서는 폭발물 시계열 데이터를 Gramian Angular Field(GAF) 알고리즘으로 이미지화를 진행한 후 이미지와 영상처리뿐만 아니라 시계열 데이터 처리에도 뛰어난 성능을 보이는 딥러닝 모델인 컨볼루션 신경망(CNN)으로 직접 label을 설정해서 지도학습을 진행한 결과 폭발물 성분의 농도가 임계치를 넘지 않는 양일 때에도 폭발물 성분이 존재한다고 판단함과 동시에 폭발물 성분의 종류와 폭발물 성분의 농도의 양을 같이 판단할 수 있는지 성능평가를 진행했다.

• 한국컴퓨터정보학회논문지
• /
• 제28권1호
• /
• pp.1-8
• /
• 2023

점점 더 복잡해지고 다양해지는 무기체계와 급격하게 변화하는 전장정보에 따라서, 인공지능을 사용한 전장 상황 분석 연구의 필요성이 대두되고 있다. 본 논문에서는 전장 상황을 분석하여 현재 상황에 적합한 가설을 추천해주는 분석결과 추천 학습모델의 학습 및 설계 방안을 제안한다. 학습 모델은 두 가설을 비교하여 결정되는 선호 여부를 레이블 데이터로 활용하여, 어떠한 가설이 현재 전장상황을 잘 분석하고 있는지 학습한다. 또한 후처리 랭킹 알고리즘을 통하여 각각의 가설에 대한 종합점수를 부여하고, 점수가 높은 상위 가설들을 지휘관에게 추천할 수 있음을 확인한다.

• Nuclear Engineering and Technology
• /
• 제54권10호
• /
• pp.3620-3630
• /
• 2022

The diagnosis of abnormalities in a nuclear power plant is essential to maintain power plant safety. When an abnormal event occurs, the operator diagnoses the event and selects the appropriate abnormal operating procedures and sub-procedures to implement the necessary measures. To support this, abnormality diagnosis systems using data-driven methods such as artificial neural networks and convolutional neural networks have been developed. However, data-driven models cannot always guarantee an accurate diagnosis because they cannot simulate all possible abnormal events. Therefore, abnormality diagnosis systems should be able to detect their own potential misdiagnosis. This paper proposes a rulebased diagnostic validation algorithm using a previously developed two-stage diagnosis model in abnormal situations. We analyzed the diagnostic results of the sub-procedure stage when the first diagnostic results were inaccurate and derived a rule to filter the inconsistent sub-procedure diagnostic results, which may be inaccurate diagnoses. In a case study, two abnormality diagnosis models were built using gated recurrent units and long short-term memory cells, and consistency checks on the diagnostic results from both models were performed to detect any inconsistencies. Based on this, a re-diagnosis was performed to select the label of the second-best value in the first diagnosis, after which the diagnosis accuracy increased. That is, the model proposed in this study made it possible to detect diagnostic failures by the developed consistency check of the sub-procedure diagnostic results. The consistency check process has the advantage that the operator can review the results and increase the diagnosis success rate by performing additional re-diagnoses. The developed model is expected to have increased applicability as an operator support system in terms of selecting the appropriate AOPs and sub-procedures with re-diagnosis, thereby further increasing abnormal event diagnostic accuracy.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.792-799
• /
• 2022

Building Information Modeling (BIM) technology is a key component of modern construction engineering and project management workflows. As-is BIM models that represent the spatial reality of a project site can offer crucial information to stakeholders for construction progress monitoring, error checking, and building maintenance purposes. Geometric methods for automatically converting raw scan data into BIM models (Scan-to-BIM) often fail to make use of higher-level semantic information in the data. Whereas, semantic segmentation methods only output labels at the point level without creating object level models that is necessary for BIM. To address these issues, this research proposes a hybrid semantic-geometric approach for clutter-resistant floorplan generation from laser-scanned building point clouds. The input point clouds are first pre-processed by normalizing the coordinate system and removing outliers. Then, a semantic segmentation network based on PointNet++ is used to label each point as ceiling, floor, wall, door, stair, and clutter. The clutter points are removed whereas the wall, door, and stair points are used for 2D floorplan generation. A region-growing segmentation algorithm paired with geometric reasoning rules is applied to group the points together into individual building elements. Finally, a 2-fold Random Sample Consensus (RANSAC) algorithm is applied to parameterize the building elements into 2D lines which are used to create the output floorplan. The proposed method is evaluated using the metrics of precision, recall, Intersection-over-Union (IOU), Betti error, and warping error.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.57-66
• /
• 2023

본 연구에서는 딥러닝 기법과 정서적 AI를 적용하여 사용자의 감정 상태를 추정하고 이를 추천 과정에 반영할 수 있는 추천 시스템에 대한 새로운 연구 프레임워크를 제안한다. 이를 위해 분노, 혐오, 공포, 행복, 슬픔, 놀람, 중립의 7가지 감정을 각각 분류하는 감정분류모델을 구축하고, 이 결과를 추천 과정에 반영할 수 있는 모형을 제안한다. 그러나 일반적인 감정 분류 데이터에서는 각 레이블 간 분포 비율의 차이가 크기 때문에 일반화된 분류 결과를 기대하기 어려울 수 있다. 본 연구에서는 감정 이미지 데이터에서 혐오감 등의 감정 개수가 부족한 경우가 많으므로 데이터 증강을 이용한다. 마지막으로, 이미지 증강을 통해 데이터 기반의 감정 예측 모델을 추천시스템에 반영하는 방법을 제안한다.

• IMMUNE NETWORK
• /
• 제23권2호
• /
• pp.18.1-18.15
• /
• 2023

It has been reported that some exercise could enhance the anti-viral antibody titers after vaccination including influenza and coronavirus disease 2019 vaccines. We developed SAT-008, a novel digital device, consists of physical activities and activities related to the autonomic nervous system. We assessed the feasibility of SAT-008 to boost host immunity after an influenza vaccination by a randomized, open-label, and controlled study on adults administered influenza vaccines in the previous year. Among 32 participants, the SAT-008 showed a significant increase in the anti-influenza antibody titers assessed by hemagglutination-inhibition test against antigen subtype B Yamagata lineage after 4 wk of vaccination and subtype B Victoria lineage after 12 wk (p<0.05). There was no difference in the antibody titers against subtype "A." The SAT-008 also showed significant increase in the plasma cytokine levels of IL-10, IL-1β, and IL-6 at weeks 4 and 12 after the vaccination (p<0.05). A new approach using the digital device may boost host immunity against virus via vaccine adjuvant-like effects.

• 생명과학회지
• /
• 제12권4호
• /
• pp.433-441
• /
• 2002

본 연구는 소비자의 친환경 농산물에 대한 반응과 친환경 농산물 구입의향에 미치는 영향요인을 체계적으로 규명하기 위해 경험적 통계학적 분석을 시도함으로써 소비 확대와 친환경 농업정책 수립을 위한 시사점을 발견하는데 목적을 두었다. 소비자들의 친환경 농산물에 대한 인식의 정도와 주요 구입처, 친환경 농산물의 단점, 친환경 농산물을 구입하지 않는 이유 등 구입 실태에 대한 것은 설문조사를 통하여 살펴보았고 이를 토대로 친환경 농산물 구입의향에 영향을 미치는 요인들을 살펴보기 위하여 가설을 설정하고 그 가설을 검증하기 위해서 ANOVA분석, 상관분석으로 변수들의 관계를 살펴보았으며, 다중회귀분석을 통하여 가설을 검증하였다. 친환경 농산물에 대한 소비자 성향 분석 결과 친환경 농산물에 대한 구입이 있는 소비자는 전체 응답자의 88.2%였으며, 채소류를 가장 많이 소비하는 것으로 나타났다. 구매이유는 건강이나 질병치료를 위해서가 많았으며, 대부분 소비자들이 친환경 농산물의 가격이 높아 구입이 어렵다는 의견도 많았다. 그리고 일반농산물과의 선호도에서는 85.8%가 친환경 농산물에 대해 긍정적으로 생각하고 있었으며, 장래에도 가격이 저렴하고, 재배 유통과정이 확실하면 계속 구입하겠다는 의견이 89.3%로 나타났다. 따라서 친환경 농산물에 대한 소비자 의향에서 나타난 친환경 농산물의 소비 저해 요인을 최소화하고 소비를 확대시키기 위해서는 재배 및 유통 과정을 투명하게 소비자에게 알려 소비자가 신뢰할 수 있도록 철저한 품질인증 관리와 함께 관행재배 농산물이 유사 판매되지 않도록 하며, 잔류 농약으로부터 안전한 건강식품이라는 것을 소비자에게 인식시키는 일이 무엇보다 중요할 것으로 생각된다. 그리고 친환경 농산물 판로를 다양하게 하고, 고소득층이 사는 지역을 대상으로 일반 생필품과 함께 친환경 농산물을 구입할 수 있는 장소를 확대하는 한편, 생산 및 유통 판매 과정에서 발생되는 비용이 절감시켜 지나치게 높은 가격으로 판매되지 않도록 하여 친환경 농산물이 일반 농산물보다 더 비싸게 받아야 하는 이유를 소비자가 납득할 수 있도록 근거를 제시하는 등 소비 확대 노력이 전개되어야 할 것으로 생각된다.