• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.193-202
• /
• 2022

The classification of hyperspectral imagery (HSI) is essential in the surface of earth observation. Due to the continuous large number of bands, HSI data provide rich information about the object of study; however, it suffers from the curse of dimensionality. Dimensionality reduction is an essential aspect of Machine learning classification. The algorithms based on feature extraction can overcome the data dimensionality issue, thereby allowing the classifiers to utilize comprehensive models to reduce computational costs. This paper assesses and compares two HSI classification techniques. The first is based on the Joint Spatial-Spectral Stacked Autoencoder (JSSSA) method, the second is based on a shallow Artificial Neural Network (SNN), and the third is used the SVM model. The performance of the JSSSA technique is better than the SNN classification technique based on the overall accuracy and Kappa coefficient values. We observed that the JSSSA based method surpasses the SNN technique with an overall accuracy of 96.13% and Kappa coefficient value of 0.95. SNN also achieved a good accuracy of 92.40% and a Kappa coefficient value of 0.90, and SVM achieved an accuracy of 82.87%. The current study suggests that both JSSSA and SNN based techniques prove to be efficient methods for hyperspectral classification of snow features. This work classified the labeled/ground-truth datasets of snow in multiple classes. The labeled/ground-truth data can be valuable for applying deep neural networks such as CNN, hybrid CNN, RNN for glaciology, and snow-related hazard applications.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.299-316
• /
• 2019

본 연구는 지리정보시스템(GIS) 환경에서 확률 모델인 Weight Of Evidence (WOE)와 Evidential Belief Function (EBF), 기계학습 모델인 Artificial Neural Networks (ANN) 모델을 이용하여 평창지역의 산사태 취약성도를 공간적으로 분석하고 예측하였다. 본 연구지역은 2006년 태풍 에위니아에 의한 집중호우로 산사태가 많이 발생하여 많은 재산 및 인명피해가 발생하였다. 산사태 취약성도를 작성하기 위해 항공사진을 이용하여 3,955개의 방대한 산사태 발생 위치를 탐지하였고, 환경공간정보인 지형, 지질, 토양, 산림 및 토지이용 등의 공간 데이터를 수집하여 공간데이터베이스에 구축하였다. 이러한 공간데이터베이스를 이용하여 산사태에 영향을 줄 수 있는 인자 17개를 추출하여 입력 인자와 EBF, WOE, ANN 모델을 이용하여 산사태 취약성도를 작성하고 검증하였다. 작성 및 검증을 위해 산사태 자료는 각각 50%씩 나누어서 훈련 및 검증을 실시하였고, 검증결과 WOE 모델의 경우는 74.73%, EBF 모델의 경우는 75.03%, ANN 모델의 경우는 70.87%의 예측 정확도를 나타내었다. 본 연구에 사용된 모델 중 EBF 모델이 가장 높은 정확도를 나타냈으며, 모든 모델에서 70% 이상의 예측 정확도를 보여 본 연구에서 사용된 기법이 산사태 취약성도 작성에 유효함을 나타내었다. 본 연구에서 제안된 WOE, EBF, ANN 모델과 산사태 취약성도는 이전에 산사태가 발생하지 않은 지역의 산사태를 예측하는 데 사용될 수 있다. 이러한 취약성도는 산사태 위험 감소를 촉진하고, 토지 이용 정책 및 개발을 위한 기초자료 역할을 할 수 있으며, 궁극적으로 산사태 재해 예방을 위한 시간과 비용을 절약할 수 있다. 향후 보다 많은 지역에서 산사태 취약성도 작성 방법을 적용하여 산사태 위험 예측을 위한 일반화된 모델을 이끌어 내야 한다.

• Genomics & Informatics
• /
• 제17권3호
• /
• pp.25.1-25.6
• /
• 2019

Genomics & Informatics (NLM title abbreviation: Genomics Inform) is the official journal of the Korea Genome Organization. Herein, we conduct a statistical analysis of the publications of Genomics & Informatics over the 16 years since its inception, with a particular focus on issues relating to article categories, word clouds, and the most-studied genes, drawing on recent reviews of the use of word frequencies in journal articles. Trends in the studies published in Genomics & Informatics are discussed both individually and collectively.

• 전기학회논문지
• /
• 제66권7호
• /
• pp.1100-1104
• /
• 2017

A detector-based approach shows the limited performances for the defect inspections such as shallow fine cracks and indistinguishable defects from background. Deep learning technique is widely used for object recognition and it's applications to detect defects have been gradually attempted. Deep learning requires huge scale of learning data, but acquisition of data can be limited in some industrial application. The possibility of applying CNN which is one of the deep learning approaches for surface defect inspection is investigated for industrial parts whose detection difficulty is challenging and learning data is not sufficient. VOV is adopted for pre-processing and to obtain a resonable number of ROIs for a data augmentation. Then CNN method is applied for the classification. Three CNN networks, AlexNet, VGGNet, and mofified VGGNet are compared for experiments of defects detection.

• 한국지반공학회논문집
• /
• 제15권1호
• /
• pp.99-112
• /
• 1999

국내에서 계측된 92개의 측압계수를 이용하여 심도에 따른 측압계수의 경향을 분석하고 Hoek & Brown이 정의한 측압계수의 범위와 비교하였다. 국내의 측압계수는 1이상이 84%로 대부분의 경우 수평응력이 연직응력보다 크게 나타났다. 지반의 침식. 퇴적 및 암반 풍화. 횡압력에 의한 측압계수의 변화를 분석하기 위해 탄소성 이론을 적용하고 그 결과를 유한요소해석과 비교하였다. 측압계수는 지표 침식과 횡압력이 크고 암질이 양호할수록 증가하였고 퇴적의 경우에 감소하였다. 본 연구를 통하여 여러 지질작용이 측압계수에 미치는 영향을 파악할 수 있었고, 특히 지하공동의 굴착 심도인 천부 암반에서의 측압계수 변화를 파악할 수 있었다. 다층 역전파 학습 알고리즘을 적용한 인공신경망을 이용하여 측압계수 예측 전문가 시스템을 개발하였다. 학습률, 모멘텀 상수 그리고 은닉층 노드수를 고려하여 실측치와 상관계수 0.996 이상의 매우 높은 추론율을 보이는 모델을 선정하였다 학습에서 제외한 9개 계측자료로 이 모델을 검증한 결과, 추론오차의 평균은 20%였으며 상관계수도 0.95 이상으로 측압계수를 예측하는데 있어 높은 신뢰성을 보였다.

• The Journal of the Acoustical Society of Korea
• /
• 제14권2E호
• /
• pp.57-64
• /
• 1995

본 연구에서는 천해환경에서 저주파 음향신호의 신경회로망에 기초한 식별시스템 적용 가능성을 살펴 본다. 220 Hz 주파수에서 도플러 변이와 주파수 확산 효과를 추정한 결과 시간에 따라서 2 Hz 이하의 변화를 보인다. 이러한 주파수의 작은 변화는 신경회로망에 기초한 식별시스템이 단지 토널 주파수 정보만으로도 신호의 식별을 가능하게 한다. 신경회로망은 모두 4개의 층으로 이뤄져 있으며, 입력과 출력 처리요소는 각각 60개와 4개로 구성되어 있다. 주파수 200-250 Hz 대역에서 실측한 토널 신호를 신경회로망에 기초한 식별시스템에 입력시킨 결과 순간적인 프레임의 경우에 대해서는 67% 이상, 그리고 연속되는 5개의 프레임을 평균한 경우에 대해서는 91% 이상의 신호를 식별할 수 있다.

• 한국음향학회지
• /
• 제39권4호
• /
• pp.279-285
• /
• 2020

항행 선박의 시·공간적 모니터링 기술 연구는 연안 해양공간에서 해양 생태계 보호 및 효율적인 관리를 위해서 중요하다. 본 연구에서는 실험해역에서 측정된 선박 소음 특징인 광대역 줄무늬 패턴 자료에 인공지능 기술을 적용하여 항행하는 선박을 자동 탐지하는 연구를 수행하였다. 소음 스펙트럼 이미지와 선박의 항행정보를 수집하기 위한 해상시험은 2016년 7월 15일부터 26일까지 제주 남부 해역에서 실시되었고, 컨볼루션 신경망 모델은 수집된 이미지를 기반으로 학습, 교차검증 과정을 거쳐 최적화되었다. 선박 소음 자동 탐지 기법의 성능은 정밀도(0.936), 재현율(0.830), 평균 정밀도(0.824) 그리고 정확도(0.949)로 평가되었다. 결론적으로 인공지능 기법을 활용하여 선박 소음의 자동 탐지 가능성을 확인하였다. 본 연구의 결과로부터 성능을 향상시킬 수 있는 방안 및 향후 연구에 대하여 제안하였다.

• 한국항공우주학회지
• /
• 제49권1호
• /
• pp.63-73
• /
• 2021

본 논문은 공중 혹은 해상배경에 표적과 화염이 동시에 존재할 때, 무인항공기에 장착된 EOTS(Electro-Optical Targeting System; 전자광학 추적장비)가 표적을 추적하기 위해 화염의 영향에 강건하도록 표적을 자동 인식하는 기법을 제안한다. 제안한 기법은 표적과 화염의 적외선 영상을 Gradient Vector Field로 변환하고, 각 Gradient magnitude를 Polynomial Curve Fitting 도구에 적용하여 다항식 계수를 추출 및 얕은 신경망 모델에 학습함으로써, 표적과 화염을 자동으로 인식한다. 확보한 표적 및 화염의 다양한 적외선 영상 DB를 학습데이터, 검증데이터, 시험데이터로 분류하여 제안한 기법의 표적 및 화염 자동 인식 성능을 확인하였다. 본 알고리듬을 활용하여 무인항공기의 자동비행 중 충돌회피, 산불탐지, 공중 및 해상의 목표물을 자동탐지 및 인식하는 분야에 적용될 수 있다.

• Advances in nano research
• /
• 제15권4호
• /
• pp.315-328
• /
• 2023

The main goal of the present study was to assess the effects of eggshell powder (ESP) and halloysite nanotubes (HNTs) on the mechanical properties of abaca fiber (AF)-reinforced natural composites. For this purpose, a limited number of indentation tests were first performed on the AF/polypropylene (PP) composites for different HNT and ESP loadings (0 wt.% ~ 6 wt.%), load amplitudes (150, 200, and 250 N), and two types of indenters (Vickers or conical). The Young's modulus, hardness and plasticity index of each specimen were calculated using the indentation test results and Oliver-Pharr method. The accuracy of the experimental results was confirmed by comparing the values of the Young's modulus obtained from the indentation test with the results of the conventional tensile test. Then, a feed-forward shallow artificial neural network (ANN) with high efficiency was trained based on the obtained experimental data. The trained ANN could properly predict the variations of the mentioned mechanical properties of AF/PP composites incorporated with different HNT and ESP loadings. Furthermore, the trained ANN demonstrated that HNTs increase the elastic modulus and hardness of the composite, while the incorporation of ESP reduces these properties. For instance, the Young's modulus of composites incorporated with 3 wt.% of ESP decreased by 30.7% compared with the pure composite, while increasing the weight fraction of ESP up to 6% decreased the Young's modulus by 34.8%. Moreover, the trained ANN indicated that HNTs have a more significant effect on reducing the plasticity index than ESP.

• 한국지역지리학회지
• /
• 제11권2호
• /
• pp.278-290
• /
• 2005

본 논문은 1988년 Landsat TM 영상과 2002년 ETM 영상의 신경망 분류법을 이용하여 북한 서해안 평남 온천군 해안지역의 지형 및 환경변화, 토지이용의 변화과정을 추정한 것이다. 연구지역 내에서도 변화가 특히 심한 광량만과 서부지역은 해상도 60cm의 Quick Bird 영상을 통해 정밀한 지표 변화 과정을 분석하였다. 여기서 사용된 인공신경망 기법은 역전파 알고리즘을 적용하여 보다 높은 분류 등급과 분석 오차의 감소 등 개선된 지표 피복 변화를 가능하게 하였다. 1988년 TM영상과 2002년 ETM 영상의 비교에 의한 측정 변화의 결과를 보면, 1988년 건설 중이던 광량만 방조제가 2002년에는 완성된 상태였다. 그리고 1988년의 간척지는 주로 염전으로 많이 이용되었으나, 2002년에는 염전과 함께 안정화된 간척지, 염전에서 전향된 논농사 지역이 많이 나타났다. 또한 두드러진 변화는 간척된 염전이나 방조제 외곽에 새로운 간석지 지형이 형성되고 있다는 점이다. 이상의 연구 결과는 북한 해안환경 변화의 database화, 북한의 합리적이고도 생산성 있는 토지이용에 대한 협력방안 강구, 통일 후 국토관리 및 계획 등에 활용될 수 있을 것으로 기대된다.