자기공명영상은 고해상도의 연부조직에 대한 영상정보를 제공하며, 뇌종양 등 연부조직 진단에 활용된다. 본 연구는 합성곱신경망 인공지능을 통해 뇌종양 자기공명영상 분류성능을 확인해 보고자 한다. 4개 종류로 구분된 3264 장의 MRI 데이터 세트(data set)를 이용하였으며, 인공지능 학습을 위해 훈련용 데이터와 시험용 데이터를 9 : 1, 훈련용 데이터의 10%를 검증용 데이터로 구분하였다. 합성곱신경망은 기본 CNN과 VGG16으로 구성하였으며, 학습 평가는 정확도와 손실율로 확인하였으며, 생성된 모델을 통해 분류성능 정확도를 확인하였다. 실험 결과 과적합은 없었으며, 분류성능은 기본 CNN과 VGG16 각각 67%와 80%의 분류성능을 보였다. 도출된 뇌종양 자기공명영상 분류 결과를 통해 자기공명영상과 인공지능 접목에 관한 기초 자료로 사용될 수 있을 것이라 사료된다.

MRI는 연부조직에 대한 고해상도의 영상을 제공하며 진단적 가치가 매우 높은 영상 검사이며, 디지털 데이터를 이용하여 딥러닝 기술을 통해 컴퓨터 보조 진단 역할을 수행할 수 있다. 본 연구는 딥러닝 기반 YOLOv3를 이용하여 뇌종양 분류 성능을 확인해 보고자 한다. 253장의 오픈 MRI 영상을 이용하여 딥러닝 학습을 진행하고 학습 평가지표는 평균손실(average loss)와 region 82와 region 94를 사용하였으며, 뇌종양 분류 모델 검증을 위해 학습에 사용되지 않은 영상을 이용하여 검출 성능을 평가하였다. 평균손실은 2248 epochs 시 0.1107, region 82와 region 94의 24079 반복학습 시 average IoU, class, .5R, .75R은 각각 0.89와 0.81, 1.00과 1.00, 1.00과 1.00, 1.00과 1.00의 결과값을 도출하였다. 뇌종양 분류 모델 검증 결과 정상 뇌와 뇌종양 각각 95.00%, 75.36%의 정확도로 분류할 수 있었다. 본 연구 결과를 통해 MRI 영상을 활용한 딥러닝 연구 및 임상에 기초자료로 사용될 것이라 사료된다.

최근 소프트웨어 유통망(ESD)를 통해 유통되는 게임이 늘어남에 따라 사용자들이 원하는 게임을 찾는데 어려움을 겪고 있다. 이에 따라 사용자들이 원하는 게임을 찾기 쉽게 태그를 생성하는 모델의 필요성이 대두 되고 있다. 본 논문에서는 태그를 생성하는 모델을 BERT를 통해 설계하였다. 태그 100개 중 가장 적합한 태그를 4개 추출하기 위해 입력된 문장에 대해 각 태그별로 이진분류를 수행하고 이진분류 당시의 Softmax 값이 가장 컸던 태그 4개를 선택했다. 또한, 모델의 정확도를 위해서 약 33억 개의 다국어 단어로 학습한 pre-trained Multilingual BERT 모델과 약 5천만 개의 한국어 단어로 학습한 KoBERT 모델을 가져와 한국어 데이터로 학습(finetuning) 시켜 사용하였다. 실험에서 BERT 모델은 KoBERT 모델보다 F- 점수에서 9.19 % 더 나은 성능을 보입니다. 이는 언어 학습 데이터 세트의 크기가 특정 언어인 한국어 특성보다 더 중요하다는 것을 나타낸다.

Metal three-dimensional (3D) printing is an important emerging processing method in powder metallurgy. There are many successful applications of additive manufacturing. However, processing parameters such as laser power and scan speed must be manually optimized despite the development of artificial intelligence. Automatic calibration using information in an additive manufacturing database is desirable. In this study, 15 commercial pure titanium samples are processed under different conditions, and the 3D pore structures are characterized by X-ray tomography. These samples are easily classified into three categories, unmelted, well melted, or overmelted, depending on the laser energy density. Using more than 10,000 projected images for each category, convolutional neural networks are applied, and almost perfect classification of these samples is obtained. This result demonstrates that machine learning methods based on X-ray tomography can be helpful to automatically identify more suitable processing parameters.

본 연구는 육상풍력 입지지도를 고도화하기 위하여 초고해상도 풍력이용률 자원지도와 풍력시장 경제성 모델을 활용하여 풍력자원 분류지도를 개발하였다. 풍력자원 분류는 경제성의 유무에 따라 적합성을 상, 하로 구분하되 적합성 상내에서도 우수지역을 추가 분류하여 우선 검토대상지역을 제시하였다. 국내 풍력입지를 분석한 결과, 전국의 25.1%는 경제성이 있었으며 이중에서 1.7%는 우수지역에 해당하였다. 풍력자원의 경제적 적합성 평가 결과는 이용률 지도의 정확도, 설비설치비용(Capital expenditure, CAPEX), 그리고 계통한계가격의 변동성에 따라 적합성 상 지역은 –7.6%p ~ 12.6%p(적합성 우수 지역은 –1.1%p ~ 2.7%p)까지 변화하였다. 풍력 자원은 보조금, 이용률에 가장 크게 영향을 받는 반면, CAPEX의 변화는 경제성 없는 지역이 경제성 있는 지역으로 바뀔 수 있는 확률이 크다는 것도 확인했다.

본 연구는 도시공간 유형별 특징을 구분하고 각 유형별 적용가능한 녹화시설을 도출하기 위해 도시의 대표적인 공간을 선정하고 형태적 특징 분석을 실시하였다. 이를 위해 서울시 용도지역별 형태적 특징을 잘 나타낼 수 있는 지역을 선정하고 각 지역을 형태적 특성에 따라 구분하였다. 구분된 도시공간 유형별로 주거, 상업, 공업, 공공시설, 교통, 공원 시설에 대한 구조 분석을 실시 하였다. 또한 이를 기반으로 하여 각 공간별로 녹화시설에 대한 적용 가능성을 도출하였다. 그 결과, 도시 공간을 형태적 특징에 따라 도시외곽, 일반도시, 도심, 도심코어로 구분하였으며, 도 시외곽지역과 일반도시지역은 용도에 따라 주거, 상업, 공업으로 구분되고 도심지역은 주거와 상업으로 구분되고 도심코어지역은 혼합용도로 구분할 수 있었다. 각 공간별로 시설요소를 분석 한 결과 건축물의 형태와 밀도에 따라 공간에 대한 형태적 특징을 구분할 수 있었다. 또한 공간별 로 녹화시설의 적용 가능성을 분석한 결과 공간적 특성인 밀도에 따라 녹화시설의 적용 가능성과 효율성이 구분되는 것으로 나타났다. 본 연구의 결과는 변화되고 있는 도시의 형태와 다양해지고 있는 녹화시설의 기술에 맞는 도시공간별 녹화기준을 마련하는데 기여할 것으로 판단된다.

Background: Only 2% of falls in older adults result in serious injuries (i.e., hip fracture). Therefore, it is important to differentiate injurious versus non-injurious falls, which is critical to develop effective interventions for injury prevention. Objects: The purpose of this study was to a. extract the best features of surface electromyography (sEMG) for classification of injurious falls, and b. find a best model provided by data mining techniques using the extracted features. Methods: Twenty young adults self-initiated falls and landed sideways. Falling trials were consisted of three initial fall directions (forward, sideways, or backward) and three knee positions at the time of hip impact (the impacting-side knee contacted the other knee (“knee together”) or the mat (“knee on mat”), or neither the other knee nor the mat was contacted by the impacting-side knee (“free knee”). Falls involved “backward initial fall direction” or “free knee” were defined as “injurious falls” as suggested from previous studies. Nine features were extracted from sEMG signals of four hip muscles during a fall, including integral of absolute value (IAV), Wilson amplitude (WAMP), zero crossing (ZC), number of turns (NT), mean of amplitude (MA), root mean square (RMS), average amplitude change (AAC), difference absolute standard deviation value (DASDV). The decision tree and support vector machine (SVM) were used to classify the injurious falls. Results: For the initial fall direction, accuracy of the best model (SVM with a DASDV) was 48%. For the knee position, accuracy of the best model (SVM with an AAC) was 49%. Furthermore, there was no model that has sensitivity and specificity of 80% or greater. Conclusion: Our results suggest that the classification model built upon the sEMG features of the four hip muscles are not effective to classify injurious falls. Future studies should consider other data mining techniques with different muscles.

The important thing in the field of deep learning is to find out the appropriate hyper-parameter for image classification. In this study, the main objective is to investigate the performance of various hyper-parameters in a convolutional neural network model based on the image classification problem. The dataset was obtained from the Kaggle dataset. The experiment was conducted through different hyper-parameters. For this proposal, Stochastic Gradient Descent without momentum (SGD), Adaptive Moment Estimation (Adam), Adagrad, Adamax optimizer, and the number of batch sizes (16, 32, 64, 120), and the number of epochs (50, 100, 150) were considered as hyper-parameters to determine the losses and accuracy of a model. In addition, Binary Cross-entropy Loss Function (BCLF) was used for evaluating the performance of a model. In this study, the VGG16 convolutional neural network was used for image classification. Empirical results demonstrated that a model had minimum losses obtain by Adagrad optimizer in the case of 16 batch sizes and 50 epochs. In addition, the SGD with a 32 batch sizes and 150 epochs and the Adam with a 64 batch sizes and 50 epochs had the best performance based on the loss value during the training process. Interestingly, the accuracy was higher while performing the Adagrad and Adamax optimizer with a 120 batch sizes and 150 epochs. In this study, the Adagrad optimizer with a 120 batch sizes and 150 epochs performed slightly better among those optimizers. In addition, an increasing number of epochs can improve the performance of accuracy. It can help to create a broader scope for further experiments on several datasets to perceive the suitable hyper-parameters for the convolutional neural network. Dataset: https://www.kaggle.com/c/dogs-vs-cats/data

선박 기관실은 기술의 발전으로 인해 자동화 시스템이 향상되었지만, 해상에서는 바람, 파도, 진동, 기기 노후화 등의 다양한 변수가 많아 자동화 시스템에서 계측되지 않는 풀림, 절단, 누유, 누수 등이 발생하므로 기관사는 주기적으로 순찰을 한다. 순찰 시에는 1명의 기관사만 순찰하는 경우도 있으며, 이는 고온고압 및 회전기기가 운전 중인 기관실에서 많은 위험요소를 가지고 있다. 기관사가 순찰 시에는 오감을 활용하며, 특히 시각에 의존한다. 본 논문에서는 로봇이 기관실을 순찰하며 기기의 특이사항을 검출하고 알려주는 기관실 순찰 로봇을 구현하기 위한 선행연구로서 선박 기관실 기기의 이미지를 합성곱 신경망을 이용하여 분류하였다. 선박 기관실의 이미지 데이터 셋을 구성한 후 사전 훈련된 합성곱 신경망 모델로 학습하였다. 학습한 모델의 분류 성능은 높은 재현율을 보였으며, 클래스 활성화 맵으로 이미지를 시각화 하였다. 데이터의 양이 제한적이어서 일반화할 수는 없지만, 각 선박의 데이터를 전이 학습으로 학습시키면 적은 시간과 비용으로 각 선박의 특성에 맞는 모델을 구축할 수 있을 것으로 사료된다.

PURPOSES : This study uses deep learning image classification models and vehicle-mounted cameras to detect types of pavement distress — such as potholes, spalling, punch-outs, and patching damage — which require urgent maintenance. METHODS : For the automatic detection of pavement distress, the optimal mount location on a vehicle for a regular action camera was first determined. Using the orthogonal projection of obliquely captured surface images, morphological operations, and multi-blob image processing, candidate distressed pavement images were extracted from road surface images of a 16,036 km in-lane distance. Next, the distressed pavement images classified by experts were trained and tested for evaluation by three deep learning convolutional neural network (CNN) models: GoogLeNet, AlexNet, and VGGNet. The CNN models were image classification tools used to identify and extract the combined features of the target images via deep layers. Here, a data augmentation technique was applied to produce big distress data for training. Third, the dimensions of the detected distressed pavement patches were computed to estimate the quantity of repair materials needed. RESULTS : It was found that installing cameras 1.8 m above the ground on the exterior rear of the vehicle could provide clear pavement surface images with a resolution of 1 cm per pixel. The sensitivity analysis results of the trained GoogLeNet, AlexNet, and VGGNet models were 93 %, 86 %, and 72 %, respectively, compared to 62.7 % for the dimensional computation. Following readjustment of the image categories in the GoogLeNet model, distress detection sensitivity increased to 94.6 %. CONCLUSIONS : These findings support urgent maintenance by sending the detected distressed pavement images with the dimensions of the distressed patches and GPS coordinates to local maintenance offices in real-time.

머신러닝 기법의 발달과 함께 기계에서 발생하는 다양한 종류(진동, 온도, 유량 등)의 데이터를 활용하여 기계의 상태를 진단하고 이상 탐지 및 비정상 분류 연구도 활발히 진행되고 있다. 특히 진동 데이터를 활용한 회전 기계의 상태 진단은 전통적인 기계 상태 모니터링 분야로 오랜 기간 동안 연구가 진행되었고, 연구 방법 또한 매우 다양하다. 본 연구에서는 가정용 에어컨에 사용되는 로터리 압축기에 가속도계를 직접 설치하여 진동 데이터를 수집하는 실험을 진행하였다. 데이터 부족 문제를 해결하기 위해 데이터 분할을 수행하였으며, 시간 영역에서의 진동 데이터로부터 통계적, 물리적 특징들을 추출한 후, Chi-square 검증을 통해 고장 분류 모델의 주요 특징을 추출하였다. SVM(Support Vector Machine) 모델은 압축기의 정상 혹은 이상 유무를 분류하기 위해 개발되었으며, 파라미터 최적화를 통해 분류 정확도를 개선하였다.

본 연구에서는 대전광역시 신동지구 지구단위계획부지를 대상으로 경관단위 유형분류 개념에 기초하여 유형분류 도면 및 가치평가 도면을 작성함으로써 경관개선을 위한 정량적인 기초자료 구축 방법론을 모색해 보는데 가장 큰 의의를 두었다. 연구결과를 요약하면 다음과 같다. 경관 단위 유형분류 결과 경관단위 유형군(대분류)은 총 9개, 경관단위 유형(중분류)은 총 24개, 세 부경관단위 유형(소분류)은 총 56개로 분류되었다. 1차 평가 결과, 가치가 가장 높은 I등급에 해 당하는 경관단위 유형들은 총 12개로 나타났다. 1차 평가에서 중간등급 이상으로 평가된 경관단 위 유형들을 대상으로 한 2차 평가 결과, 미시각적 측면에서 특별한 의미를 가진 경관단위(1a, 1b) 는 39개, 미시각적 측면에서 의미를 가진 경관단위(2a, 2b, 2c)는 56개인 것으로 분석되었다. 또 한 경관계획 관련 현행 법·제도와 선행연구에서 제시된 경관계획 내용과의 비교분석 결과 현 행 법·제도의 대부분은 인공물을 미시각적 측면에서 개선하는데 주안점을 두고 있는바, 지구 단위개발계획의 공간적 범위 내에 분포하고 있는 미시각적으로 가치 높은 띠형 수림, 노거수 등 과 같은 다양한 크기, 형태를 지닌 자연경관요소들을 개발계획으로부터 효과적으로 보전하기 위한 법·제도적 뒷받침은 미흡한 것으로 나타났다. 이러한 본 연구의 결과는 비시가화지역을 대상으로 수립되는 지구단위계획을 미시각적 측면에서 지속가능한 방향으로 유도할 수 있는 기초자료로써 중요한 역할을 수행할 수 있을 것으로 판단된다.

The purpose of this study is to obtain data on the zones formed by the movement of livestock vehicles and to determine if such areas can be used to establish quarantine activities and quarantine policies for livestock epidemics. For this purpose, this study used mobile data on poultry-related livestock vehicles generated in 2019. InfoMap, a community detection method, was used for regional classification, and the results of the analysis were visualized on a map using GIS. The study results confirmed that the zone of the administrative unit can be classified based on the movement of livestock vehicles. In addition, the zones created by the vehicle movement could be seen to change depending on the purpose and timing of the operation of livestock vehicles. Some areas form relatively stable zones, such as Jeolla-do and Gyeongsang-do, while others change depending on the situation, such as Chungcheong-do, Gyeonggi-do, and Gangwon-do. Further, the zones derived for poultry differed from those derived for cattle and pigs in previous studies.

게임의 눈부신 산업적 성장과 함께 게임을 하나의 학문으로 체계화하려는 시도가 활발 해지고 있다. 특히 게임이 새로운 학문 분야로 인정받기 위해서는 다른 학문과 구별될 수 있는 학문 정체성을 밝혀 내는 것이 반드시 요구된다. 본 연구는 학문으로서 게임의 정체성을 알아보기 위해 학문, 지식을 체계화한 학문, 문헌, 연구 분류체계 표준에 나타 난 게임의 개념과 다른 분류요소와의 관계를 정리하고 이를 오늘날 지식체계의 철학적 근간인 아리스토텔레스의 개념을 사용하여 분류하였다. 다양한 지식분류체계에서 게임의 개념을 정리한 결과 비평의 대상, 전자화된 놀이, 문화 상품과 같이 다양하며 일치된 견 해가 존재하지 않았다. 그러나 다양한 개념은 결국 아리스토텔레스의 인간의 삶과 지식에 대한 철학적 개념 중 만들고 제작하는 것에 중심을 두는 포에이시스와 이를 실현하기 위한 실용적 지식인 테크네로 정리될 수 있었다. 더 지식분류체계에 드러난 게임의 관계 를 포함하여 분석하면 단순하게 포에이시스의 영역이 아니라 실천을 의미하는 프락시스 의 영역에 걸쳐 있는 것을 알 수 있었다. 후속 연구를 통해 향후 이러한 두가지 개념이 다양한 게임 연구 및 교육활동에서 어떻게 구체화되거나 적용될 수 있는지 탐구함으로 써 게임의 학문정체성을 정의하는데 도움을 줄 것으로 기대할 수 있다.

The methodology classifying structural types of concrete buildings in the existing seismic fragility functions is too simple to estimate the fragility of existing residential buildings and neighborhood living facilities, especially those below five stories. Their structural types are dependent on information contained in the building register such as main use, total floor area, story, permission date, and first story floor area of the individual building. All of this information is not considered for classifying types in the existing functions; therefore, the goal of this study was to suggest a methodology that classifies structural types of concrete buildings by utilizing such information. The results of this study showed that the suggested methodology can classify structural types better than the existing methodology. Nevertheless, there is still a need to simplify the methodology because fragility estimation demands quickness rather than accuracy.

‘古’는 문헌에 따라 특정할 수 있는 시기가 다를 수 있다는 것에 착안하여 이 연구를 시작하였다. ‘古’가 막연한 과거의 의미를 나타내는 것이 아니라 ‘古’로 한정된 특정 시기를 나타냄을 三經인《書經》과《詩經》,《周易》의 기록을 통해 파악하고 구분 정리하여 확인하였다. 三經에서 ‘古’로서 표현 된 문장이 특정한 시대를 나타내는지 아니면 막연한 옛날의 의미인지를 구분하고 문맥의 이해를 명확히 하여 역사의 해석을 더욱 확실히 할 수 있도록 하였다. 비교문헌으로《孟子》에서는 ‘古’가 夏殷周와 春秋時代를 두루 표현하면서도 특히 周 왕조와 관련된 인물들에 대하여 칭송할 때 많이 사용되었음을 알았다. 이것은《孟子》의 형성 배경과 周의 시대가 깊은 관계가 있다는 것을 설명해 주고 있다.《書經에 보이는 ‘古’는 주로 殷이 많이 언급되고 다음으로는 堯舜시대의 이야기가 많이 나온다. 이것으로 보아《書經》의 주요 형성 배경에는 堯舜夏殷 시대가 관계한다는 것을 알 수 있다. 《詩經》에서는 詩의 배경이 주로 周이다 보니, 周의 시대를 주로 말하고 있다.《周易》에는 ‘古’라는 시대적 언급이 많지 않지만 上古의 伏羲, 古의 堯舜, 中古의 周에 대해 각기 한 번씩 나오고 있다. 특정 제도나 문물의 기원 시기를 ‘古’로서 표현하는 경우가 많은데, 이때의 내용들을 모아 보면 해당 기록의 시대적 배경도 파악할 수 있다. 이렇게 ‘古’로서 표현된 시간적 시기를 특정하고 보다 세부적이고 구체적인 시대 구분을 통해 문화와 문물의 기원과 발전 과정, 제도의 기원과 발달의 시간적 영향과 선후관계를 명확하게 하면 보다 정확한 고대의 이해에 도움이 될 것이다.

중대한 해양사고의 위험성을 사전에 인지하고 예방하기 위하여 준해양사고를 분석하는 것은 매우 중요하며, 이는 하인리히의 법칙을 이론적 배경으로 들 수 있다. 부산항 VTS의 관제구역에서는 2019.1.1. ~ 2019.12.31.까지 11건의 충돌사고가 발생하였으며, 같은 기간 24건의 VTS 관점 준해양사고가 보고되었다. 하인리히의 법칙에 따르면 보고된 24건 사례 이외에 더 많은 잠재적인 위험 상황이 있을 것 으로 예상된다. 이에 본 연구에서는 선행 연구와 부산항VTS 관제사를 대상으로 한 설문조사 및 준해양사고 24건의 분석을 통해 VTS 관점 준해양사고 기준을 설정하였다. 이를 기준으로 잠재적인 위험 상황을 파악하기 위해서 3일간 교통조사를 실시하였다. 3일간 교통조사 실시 결과 216건의 잠재적 위험 상황을 확인했으며, 1년으로 환산하면 약 26,280건으로 분석된다. 설문조사를 통한 준해양사고 발생의 중요 한 원인인 ‘VHF 통신 피드백 누락’ 등의 조건이 반영되지 않았음을 감안하더라도 관제구역 내 많은 잠재적인 위험이 있는 것으로 보이며, 이를 통해 VTS 관점의 준해양사고 보고제도 강화에 대한 필요성을 검증하였다.