목적 : 본 연구는 델파이 기법을 사용하여 지역사회 임상에서 치매환자의 중증도를 파악하기 위한 포괄적인 인지기능을 평가할 수 있는 항목을 개발하고자 한다. 연구방법 : 지역사회 치매환자의 중증도 파악을 위한 예비문항 구성과 치매 전문가 패널 21명을 대상으로 3회에 걸쳐 델파이 조사를 실시하였다. 예비문항 구성은 문헌고찰을 통한 항목을 수집하였다. 1차 조사에서는 수집된 항목에 대한 폐쇄형과 개방형 문항으로 전문가 패널들의 의견을 수집하였다. 2차, 3차 조사에서는 항목에 대한 내용타당도(Content Validity Ratio; CVR)를 조사하고, 최종 항목은 CVR, 수렴 도, 합의도 기준을 모두 만족하는 항목을 선정하여 도출하였다. 결과 : 문헌고찰을 통해 지역사회 임상에서 치매환자의 임상적인 기능을 평가할 수 있는 예비 평가항목의 하위영역 5개, 문항 59개를 도출하였다. 1차 델파이 결과에서 3개 항목 삭제, 16개 항목이 추가되어 68 개 항목이 선정되었다. 2차 델파이 결과에서는 내용타당도 비율 .42 미만인 항목 3개가 있었으나 문헌 고찰과 연구자 간의 합의를 통해 3차 델파이 조사에 포함시켰다. 3차 델파이 결과, 수렴도 .50 이상과 합의도 .75 미만인 항목 9개를 삭제하여 총 59개 항목을 선정하였다. 최종 델파이 결과, 각 항목에 대한 내용타당도는 .89, 안정도는 .12, 수렴도는 .43, 합의도는 .81로 높게 분석되었다. 결론 : 본 연구를 통해 작업치료사가 지역사회에 거주하고 있는 치매환자의 중증도를 파악하기 위하여 임상적인 치매 기능평가를 할 수 있는 항목들을 개발하고 평가항목에 대한 내용타당도를 검증하였다. 지역 사회 작업치료 종사자가 치매환자의 치매 기능을 임상적으로 파악하고 중증도에 따라 적절한 중재를 제공하기 위한 기초자료로 활용되기를 기대한다.

The sensory stimulation of a cosmetic product has been deemed to be an ancillary aspect until a decade ago. That point of view has drastically changed on different levels in just a decade. Nowadays cosmetic formulators should unavoidably meet the needs of consumers who want sensory satisfaction, although they do not have much time for new product development. The selection of new products from candidate products largely depend on the panel of human sensory experts. As new product development cycle time decreases, the formulators wanted to find systematic tools that are required to filter candidate products into a short list. Traditional statistical analysis on most physical property tests for the products including tribology tests and rheology tests, do not give any sound foundation for filtering candidate products. In this paper, we suggest a deep learning-based analysis method to identify hand cream products by raw electric signals from tribological sliding test. We compare the result of the deep learning-based method using raw data as input with the results of several machine learning-based analysis methods using manually extracted features as input. Among them, ResNet that is a deep learning model proved to be the best method to identify hand cream used in the test. According to our search in the scientific reported papers, this is the first attempt for predicting test cosmetic product with only raw time-series friction data without any manual feature extraction. Automatic product identification capability without manually extracted features can be used to narrow down the list of the newly developed candidate products.

Recently, transfer learning techniques with a base convolutional neural network (CNN) model have widely gained acceptance in early detection and classification of crop diseases to increase agricultural productivity with reducing disease spread. The transfer learning techniques based classifiers generally achieve over 90% of classification accuracy for crop diseases using dataset of crop leaf images (e.g., PlantVillage dataset), but they have ability to classify only the pre-trained diseases. This paper provides with an evaluation scheme on selecting an effective base CNN model for crop disease transfer learning with regard to the accuracy of trained target crops as well as of untrained target crops. First, we present transfer learning models called CDC (crop disease classification) architecture including widely used base (pre-trained) CNN models. We evaluate each performance of seven base CNN models for four untrained crops. The results of performance evaluation show that the DenseNet201 is one of the best base CNN models.

This research examines deep learning based image recognition models for beef sirloin classification. The sirloin of beef can be classified as the upper sirloin, the lower sirloin, and the ribeye, whereas during the distribution process they are often simply unified into the sirloin region. In this work, for detailed classification of beef sirloin regions we develop a model that can learn image information in a reasonable computation time using the MobileNet algorithm. In addition, to increase the accuracy of the model we introduce data augmentation methods as well, which amplifies the image data collected during the distribution process. This data augmentation enables to consider a larger size of training data set by which the accuracy of the model can be significantly improved. The data generated during the data proliferation process was tested using the MobileNet algorithm, where the test data set was obtained from the distribution processes in the real-world practice. Through the computational experiences we confirm that the accuracy of the suggested model is up to 83%. We expect that the classification model of this study can contribute to providing a more accurate and detailed information exchange between suppliers and consumers during the distribution process of beef sirloin.

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.

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.

본 연구는 다국적기업 해외 자회사 내 해외 주재원의 사회적 참여와 문화적 차별이 현지 직원의 이직 의도에 미치는 영향에 대한 메커니즘을 연구하는데 그 목적을 두고 있다. 본 연구의 가설을 테스트하기 위해 중국에 있는 19개 해외 다국적기업 자회사에 근무하는 495명의 중국 현지 직원들을 대상으로 설문조사를 진행하였다. 이를 활용하여 구조방정식 모델을 실시한 결과, 현지 직원의 승진 가능성은 해외 주재원의 사회적 참여와 현지 직원의 이직 의도 사이 관계를 완전 매개한다. 업무 자율성은 해외 주재원의 문화적 차별과 사회적 참여가 현지 직원의 이직 의도에 미치는 영향에 대해 부분적 매개 효과를 가진다는 결과가 나타났다. 본 연구는 다국적기업의 해외 주재원이 현지 직원의 이직 의도에 미치는 영향을 주재원의 사회적 참여와 문화적 차별로 나누어 심층 분석하였다는데 그 학문적 의의를 가진다.

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.

국내 과학 교육 발문 연구에 주로 적용되고 있는 Blosser 발문 분류 체계의 제한점을 고찰하기 위하여 연구자가 교사로 참여한 소그룹 프로그램(중학교 1학년 학생을 대상으로 진행) 중, 총 30여 시간에 걸친 수업 대화 과정을 분석했다. Blosser (1973)의 분류 체계에 따라 분류할 때 열린 발문과 닫힌 발문 등의 구분에 어려움이 있었으며, 같은 내용의 발문이라도 맥락에 따라 다른 종류의 발문으로 분류가 되기도 했고, 적절한 분류 구분을 찾기 어려운 발문도 있었다. 또한 학생들의 사고력 향상이나 수업 참여도에 상위수준 발문(열린 발문)이 하위수준 발문(닫힌 발문)보다 항상 효과적인 것은 아니었다. 발문 전에 교사가 어떤 정보를 제공했는지에 따라 발문의 효과가 달라졌으며, 이전의 발문이 다음에 이어진 발문에도 계속 영향을 주는 사례가 많았다. 그러나 현재 국내 과학 발문 연구에서 주로 행해지고 있는 Blosser (1973)의 분류 체계를 따른 연구에서는, 맥락과 전후 발문이 주는 영향은 무시된 채, 각 개별 발문을 인지 수준에 따라 분류하여 상위 수준 발문의 빈도수로 수업의 질을 평가하고 있다. 현재 국내 과학 교육 발문 연구에서 주로 행해지고 있는 상위 수준 발문의 빈도수로 수업의 질을 평가하는 방식은 지양해야 할 것으로 보인다.

한국의 청동무기 연구는 尹武炳의 청동단검 형식분류에서 시작되었다고 해도 과언이 아니다. 그는 동북아지역의 청동무기 중 한국에서 출토되는 동검의 특징적인 마연 현상을 찾아낸 것이다. 이후 이를 기반으로 세밀한 연구가 다양하게 진행되었는 바 아직까지 이보다 先見을 가진 형식분류가 나오지 못한 것은 그의 완성도 높은 논문에 따른 것으로 생각된다. 다시 말해 그의 청동무기 형식분류는 현재에도 생명력을 잃지 않고 있으며 지속적으로 활용되고 있는 점은 시사하는 바가 크다고 할 수 있겠다. 다만 尹武炳의 청동무기 형식분류는 공반품의 검토에서 오류가 발생하는데 필자는 선생의 연구를 기반으로 재분류를 진행하였다. 즉 동검 Ⅰ식과 Ⅱ식 마연의 세부적인 분류를 진행하고, 공반품을 통해 각각의 공존기간을 살펴보았다. 이와 함께 요령식-한국식동과의 계보 문제(단절), 중세형 청동무 기의 제작지(국산화)에 대한 견해를 간략히 제시하였다. 이는 1960년부터 2020년까지 청동무기 연구사와 출토 사례를 기반에 둔 분류·분석의 결과로 생각되는 바이다. 이상을 토대로 앞으로의 연구 방향을 생각해본다면, 형식분류의 확대보다 선학의 연구사를 받아들이고, 치밀한 관찰을 통해 한국고고학에서 밝혀내지 못한 점을 특정할 필요가 있어 보인다. 나아가 고고학 연구는 다양한 방향 모색이 필요하며, 이를 위해서는 다각화된 쟁점 및 학제 간 협동 연구가 필수적이라 하겠다.

본 연구에서는 승용차에서 사람들이 기기를 사용하기 위해 사용하는 기동어인 “Hi, KIA!”의 감성을 기계학습을 기반으로 분류가 가능한가에 대해 탐색하였다. 감성 분류를 위해 신남, 화남, 절망, 보통 총 4가지 감정별로 3가지 시나리오를 작성하여, 자동차 운전 상황에서 발생할 수 있는 12가지의 사용자 감정 시나리오를 제작하였다. 시각화 자료를 기반으로 총 9명의 대학생을 대상으로 녹음을 진행하였다. 수집된 녹음 파일의 전체 문장에서 기동어 부분만 별도로 추출하는 과정을 거쳐, 전체 문장 파일, 기동어 파일 총 두 개의 데이터 세트로 정리되었다. 음성 분석에서는 음향 특성을 추출하고 추출된 데이터를 svmRadial 방법을 이용하여 기계 학습 기반의 알고리즘을 제작해, 제작된 알고리즘의 감정 예측 정확성 및 가능성을 파악하였다. 9명의 참여자와 4개의 감정 카테고리를 통틀어 기동어의 정확성(60.19%: 22~81%)과 전체 문장의 정확성(41.51%)을 비교했다. 또한, 참여자 개별로 정확도와 민감도를 확인하였을 때, 성능을 보임을 확인하였으며, 각 사용자 별 기계 학습을 위해 선정된 피쳐들이 유사함을 확인하였다. 본 연구는 기동어만으로도 사용자의 감정 추출과 보이스 인터페이스 개발 시 기동어 감정 파악 기술이 잠재적으로 적용 가능한데 대한 실험적 증거를 제공할 수 있을 것으로 기대한다.

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.

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.

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.