본 논문에서는 전산점근해석기법을 사용하여 복합재료 보에 대한 경계층 해를 계산하고, ANSYS 결과와 비교 검증하였다. 경계층 해는 내부해와 순수 경계층 효과의 합으로 표현되기 때문에, 내부 및 경계층에 대한 수학적으로 엄밀한 정식화를 요구한다. 전산점근 해석기법은 수학적으로 매우 강력한 기법으로, 이러한 문제에 유용하다. 그러나 경계층과 내부 해들의 연결을 시키기 쉽지 않은데, 본 연구에서는 가상일의 원리를 통해 생브낭의 원리와 내부 및 경계층 문제를 체계적으로 분리하였다. 경계층 해는 팝코비치-패들 고유 벡터를 계산하여, 실수부와 허수부 벡터들의 선형 조합으로 표현하고, 내부 해의 워핑 함수들을 보상할 수 있도록 최소오차 자승법을 적용하였다. 계산된 해들은 2차원 유한요소 해석 결과와 비교하여 정성적일 뿐만 아니라 정량적으로도 잘 일치하는 결과를 얻었다.

본 연구는 네트워크 이상 감지 및 예측을 위해 벡터 자기회귀(VAR) 모델의 사용을 비교 분석한다. VAR 모 델에 대한 간략한 개요를 제공하고 네트워크 이상 체크로 사용 가능한 두 가지 버전을 검토하며 두 종류의 VAR 모델을 통한 경험적인 평가를 제시한다. VAR-Filtered moving-common-AR 모델이 단일 노드 이상 감지 성능에서 우수하며, VAR-Adaptive Learning 버전은 몇 개의 노드 간 이상을 효과적으로 식별하는 데 특히 효 과적이며 두 가지 주요VAR 모델의 전반적인 성능 차이에 대한 근본적인 이유도 분석한다. 각 기술의 장단점 을 개요로 제공하고 성능 향상을 위한 제안도 제시하고자 한다.

지각판의 움직임은 오일러 극(Euler pole)을 중심으로 하는 회전운동으로 나타낼 수 있다. 우리는 먼저 지역적 지각판의 속도자료로부터 해당 판운동의 오일러 벡터를 근사적으로 결정하는 알고리즘을 다음과 같이 개발하였다; 1) 관측된 판속도자료로부터 평균 가상 오일러 극을 먼저 구하고, 2) 평균가상극과 관측지역의 중심을 통과하는 대원 위의 점들을 각각 극으로 설정하여, 3) 얻어지는 각 임시적 가상 모델의 판운동속도와 관측속도와의 차이의 제곱들의 합을 반복하여 구한 다음, 그 값이 최소가 되도록 보간법(interpolation)으로써 오일러 벡터를 결정함. 그런데 최근 우리는 이 와 근본적 개념은 같으나(최소제곱법), 제곱오차의 합의 편미분계수가 0이 되는 조건으로부터 곧바로 오일러 벡터를 결 정하는 알고리즘을 추가적으로 개발하였으며, 이 개선된 방법으로 판운동의 오일러 벡터를 보다 더 정확하게 산출하게 되었다. 한편 이 두 가지 방법을 최근 수년간의 한반도의 GPS 지각속도자료에 각각 적용하여 한반도 지각판의 오일러 벡터를 구하였으며, 얻어진 두 결과를 비교하였다.

2차원 평면에서 점들의 집합에 대한 보로노이 다이어그램을 구현하는 경우는 비사실적 렌더링이나 스타일화 된 렌더링에 매우 자주 사용하는 기법이다. 하지만 기존의 연구들의 구현 방법을 살펴보면 픽셀기반의 이미지 공간에서 보로노이 셀을 계산하는 방식이 활용된다. 벡터기반의 보로노이 다이어그램의 구현은 셀들이 만나서 이루는 경계부분을 직접적으로 표현할 수 있는 방식이다. 픽셀 기반의 방법의 경우 보로노이 셀간의 경계는 이미지 형태로 먼저 만든 후 에지 추출 영상 처리를 통해 얻을 수 있으며 해상도에 따라 정확도가 결정되며 벡터 기반의 방법보다 부정확할 수 밖에 없다. 즉, 픽셀 기반의 보로노이 다이어그램 생성 방법은 보로노이 셀 영역을 위주로 계산하게 되고 명확한 경계에 대한 데이터를 명시적으로 가지고 있지 않는다. 이와는 대조 적으로 벡터 기반의 보로노이 다이어그램 생성 방법은 보로노이 다이어그램의 경계선 데이터를 직접 포함하 고 있으므로 정확도가 높은 표현 방법이라고 할 수 있다. 다만 픽셀기반의 구현 방법이 좀 더 직관적이고 쉬 운 구현 방법이라는 점 때문에 기존의 연구들은 픽셀기반의 구현을 사용하고 있다. 본 연구에서는 점에 직접 폴리곤 지오메트리를 사용하여 3차원 공간에서 보로노이 다이어그램을 계산하는 방법을 제안한다. 유클리드 거리와 맨해튼 거리를 모두 사용할 수 있으며 선분에 대한 보로노이 다이어그램의 확장에도 사용할 수 있도 록 제안하였다.

Most of the predictions using machine learning are neutral predictions considering the symmetrical situation where the predicted value is not smaller or larger than the actual value. However, in some situations, asymmetric prediction such as over-prediction or under-prediction may be better than neutral prediction, and it can induce better judgment by providing various predictions to decision makers. A method called Asymmetric Twin Support Vector Regression (ATSVR) using TSVR(Twin Support Vector Regression), which has a fast calculation time, was proposed by controlling the asymmetry of the upper and lower widths of the ε-tube and the asymmetry of the penalty with two parameters. In addition, by applying the existing GSVQR and the proposed ATSVR, prediction using the prediction propensities of over-prediction, under-prediction, and neutral prediction was performed. When two parameters were used for both GSVQR and ATSVR, it was possible to predict according to the prediction propensity, and ATSVR was found to be more than twice as fast in terms of calculation time. On the other hand, in terms of accuracy, there was no significant difference between ATSVR and GSVQR, but it was found that GSVQR reflected the prediction propensity better than ATSVR when checking the figures. The accuracy of under-prediction or over-prediction was lower than that of neutral prediction. It seems that using both parameters rather than using one of the two parameters (p_1,p_2) increases the change in the prediction tendency. However, depending on the situation, it may be better to use only one of the two parameters.

The development of IOT technology and artificial intelligence technology is promoting the smartization of manufacturing system. In this study, data extracted from acceleration sensor and current sensor were obtained through experiments in the cutting process of SKD11, which is widely used as a material for special mold steel, and the amount of tool wear and product surface roughness were measured. SVR (Support Vector Regression) is applied to predict the roughness of the product surface in real time using the obtained data. SVR, a machine learning technique, is widely used for linear and non-linear prediction using the concept of kernel. In particular, by applying GSVQR (Generalized Support Vector Quantile Regression), overestimation, underestimation, and neutral estimation of product surface roughness are performed and compared. Furthermore, surface roughness is predicted using the linear kernel and the RBF kernel. In terms of accuracy, the results of the RBF kernel are better than those of the linear kernel. Since it is difficult to predict the amount of tool wear in real time, the product surface roughness is predicted with acceleration and current data excluding the amount of tool wear. In terms of accuracy, the results of excluding the amount of tool wear were not significantly different from those including the amount of tool wear.

스피로그래프는 고정된 프레임 형태에 휠을 맞물려서 휠 안에 특정한 점이 지난 궤적을 곡선 형태로 표현하 는 룰렛 곡선 생성 시스템이다. 일반적으로 프레임과 휠은 원형과 같은 단순한 형태로 만들어지며 일종의 장난감처럼 만들어져 사용된다. 이러한 룰렛 곡선의 패턴을 그리는 수학적 원리는 이미 많이 연구가 이루어져 있으며 교육용 게임이나 케주얼 게임 등으로도 활용되고 있다. 그러나 이러한 게임들에는 원형 프레임과 원형 휠을 이용한 생성 방법만을 기반으로 하고 있으며 좀 더 복잡한 일반적인 형태의 프레임을 활용한 생성방법은 사용되고 있지 않다. 이에 본 논문에서는 이러한 스피로그래프 시스템을 우리에게 친숙한 벡터 폰트를 프레임으로 사용하여 룰렛 곡선을 생성할 수 있도록 하고자 한다. 기존의 연구에서 다루지 않았던 불연속적인 방향 전환부분과 휠이 접근할 수 없는 부분에 대한 처리 등에 대해 해결할 수 있는 방안을 제시하였고 실험 결과를 통해 벡터 폰트에 적용한 예를 보였다. 이러한 연구는 기존의 스피로그래프 생성 방법을 확장하여 교육용 게임이나 케주얼 게임 등으로 활용할 수 있고 벡터 폰트를 이용한 폰트변형 방법, 벡터 그래픽 응용 등의 분야에 활용할 수 있을 것으로 기대한다.

Support vector regression (SVR) is devised to solve the regression problem by utilizing the excellent predictive power of Support Vector Machine. In particular, the є-insensitive loss function, which is a loss function often used in SVR, is a function thatdoes not generate penalties if the difference between the actual value and the estimated regression curve is within є. In most studies, the є-insensitive loss function is used symmetrically, and it is of interest to determine the value of є. In SVQR (Support Vector Quantile Regression), the asymmetry of the width of є and the slope of the penalty was controlled using the parameter p. However, the slope of the penalty is fixed according to the p value that determines the asymmetry of є. In this study, a new ε-insensitive loss function with p1 and p2 parameters was proposed. A new asymmetric SVR called GSVQR (Generalized Support Vector Quantile Regression) based on the new ε-insensitive loss function can control the asymmetry of the width of є and the slope of the penalty using the parameters p1 and p2 , respectively. Moreover, the figures show that the asymmetry of the width of є and the slope of the penalty is controlled. Finally, through an experiment on a function, the accuracy of the existing symmetric Soft Margin, asymmetric SVQR, and asymmetric GSVQR was examined, and the characteristics of each were shown through figures.

해양산업분야에서는 극심한 대기오염으로 인하여 전기추진선박에 대한 관심이 높아지고 있다. 이로 인해 선내 전력품질의 저하를 개선하기 위한 연구가 활발히 진행되고 있다. 기존 DFE 정류기의 입력전류 고조파 함유량을 완화시키기 위해 수동형필터, 노치필터, 능동형필터 등을 이용한 다양한 방법이 등장하였다. 그 중에서도 능동필터의 일종인 AFE(Active Front End) 정류장치가 우수한 기술로써 평가받고 있다. 본 논문에서는 공간벡터변조에 의한 AFE정류장치의 전류제어방식을 제안하였다. 기존의 히스테리시스 방식, 삼각파 변조 방식 및 공간벡터변조방식을 PSIM을 사용해 시뮬레이션을 수행하여 비교, 분석하였고, 그 결과 공간벡터변조방식이 구조가 간단하고 성능이 가장 우수함을 확인하였다.

This research is about a study on the flow stress of Inconel 601 under hot deformation. For Inconel 601, hot compression tests on gleeble 3500 system under 925℃, 1050℃ and 1150℃ and 0.001/s, and 5/s of strain rates were done. The flow behavior of the Inconel 601 was studied and modeled. In this study, the flow stress was modeled using deep neural network and support vector regression algorithm. The flow stress of Inconel 601 was dependent on strain rate and temperature. It was found that both the deep neural network and support vector regression adequately described the flow stress variation of Inconel 601. However, the model by the support vector regression was found to be superior to the model by the deep neural network. The construction of the model by SVR was more efficient than the construction by DNN. Also the prediction accuracy of the model by SVR was better than the accuracy of the model by DNN. It is found that the MAPE(Mean absolute percentage error) of the DNN based model was 4.89% while the MAPE of the SVR based model was 1.98%.

The knock-in efficiency in the fibroblast is very important to produce transgenic domestic animal using nuclear transfer. In this research, we constructed three kinds of different knock-in vectors to study the efficiency of knock-in depending on structure of knock-in vector with different size of homologous arm on the β-casein gene locus in the somatic cells; DT-A_cEndo Knock-in vector, DT-A_tEndo Knock-in vector I, and DT-A_tEndo Knock-in vector II. The knock-in vector consists of 4.8 kb or 1.06 kb of 5’ arm region and 1.8 kb or 0.64 kb of 3’ arm region, and neomycin resistance gene(neor) as a positive selection marker gene. The cEndo Knock-in vector had 4.8 kb and 1.8 kb homologous arm. The tEndo Knock-in vector I had 1.06 kb and 0.64 kb homologous arm and tEndo Knock-in vector II had 1.06 kb and 1.8 kb homologous arm. To express endostatin gene as transgene, the F2A sequence was fused to the 5’ terminal of endostatin gene and inserted into exon 7 of the β-casein gene. The knock-in vector and TALEN were introduced into the bovine fibroblast by electroporation. The knock-in efficiencies of cEndo, tEndo I, and tEndo II vector were 4.6%, 2.2% and 4.8%, respectively. These results indicated that size of 3’ arm in the knock-in vector is important for TALEN-mediated homologous recombination in the fibroblast. In conclusion, our knock-in system may help to create transgenic dairy cattle expressing human endostatin protein via the endogenous expression system of the bovine β-casein gene in the mammary gland.

한국에서 결핵은 소위 후진국 병으로 인식되어 사라진 질병으로 여겨진다. 그러나 한국은 OECD 가입국 중 결핵 발병률 및 사망률이 가장 높은 국가로 결핵은 여전히 사회적 문제이다. 특히 결핵은 사회적 질병으로서 다양한 사회 ․환경적 요인들이 작용하여 나타나는 질병이기에 이에 대한 연구가 필요하다. 하지만 한국의 결핵 관련 연구는 생의학적 결정 요인 연구에 집중되어, 이외에 발병에 영향을 미칠 수 있는 사회 ․환경적 결정요인 연구는 매우 부족한 실정이다. 이는 결핵 발병의 생의학적 결정 요인과 사회 ․환경적 결정 요인을 통합적으로 분석하고 있는 최근의 세계적 연구 흐름과도 동떨어져 있다. 따라서 본 연구는 2015년 국내 결핵 발병률의 공간적 차이를 확인하고, 아이겐벡터 공간필터링 모형을 이용하여 공간적 차이에 기반한 결핵 발병의 사회 ․환경적 결정요인을 분석해 보고자 한다.

Nucleotide metabolism in endothelium is variable between different species. Recent studies demonstrated that this variability could contribute coagulation dysfunction, even though organs of the alpha 1,3-galactosyltransferase gene knockout pig were transplanted into the primate. CD73 (ecto-5'-nucelotidase) is an enzyme at cell surface catalyzing the hydrolysis of adenosine triphosphate to adenosine, which plays role on a substance for anti-inflammatory and anti-coagulant. Thus, overexpression of CD73 in endothelial cells of the pig is considered as an approach to reduce coagulopathy. In this study, we constructed a human CD73 expression vector under control of porcine Icam2 promoter (pIcam2-hCD73), which is expressed specifically at endothelial cells, and of CMV promoter as a control (CMV-CD73). First, we transfected the CMV-CD73 vector into HEK293 cells, and then confirmed CD73 expression at cell surface by flow cytometry analysis. Next, we transfected the pIcma2-CD73 and CMV-CD73 vectors into primary porcine fibroblasts and endothelial cells. Consequence was that the pIcma2-CD73 vector was expressed only at the porcine endothelial cells, meaning that the pIcam2 promoter lead to endothelial cell-specific expression of CD73 in vitro. Finally, we nucleofected the pIcam2-hCD73 vector into passage 3 fibroblasts, and enforced hygromycin selection of 400mg/ml. We were able to obtain forty three colonies harboring pIcam2-CD73 to provide donor cells for transgenic cloned porcine production.

In the area of game graphics pipeline, efficiency of texture mapping process is very important. In this paper we proposed novel system of converting vector graphics data into shading language using the SVG vector graphics standard. Our system remove the dependance of special purpose authoring tool and utilize commercial vector authoring applications by using the XML-based standard. This study also can be used in the area of converting vector graphics from ‘implicit imaging model’ to ‘explicit imaging model’. We implemented this system in the RenderMan rendering architecture and we showed the result of applying vector graphics texture into 3D geometric model.

묘목 생산성과 적절한 품질을 유지하기 위하여 시비는 매우 중요하지만, 수종에 따른 최적의 시비량을 결정하기는 어렵다. 이 연구에서는 경제림 육성 수종인 물푸레나무, 들메나무, 잣나무, 전나무를 대상으로 복합비료 1x(N 6.9 g m-2, P 3.1 g m-2, K 3.7 g m-2), 2x(1x의 2배), 4x(1x의 4배) 처리가 묘목의 생장과 양분변화에 미치는 영향을 양분벡터분석(Vector diagnosis)을 이용하여 정량화하였다. 시비량이 증가함에 따라 물푸레나무와 들메나무의 수고와 근원경은 증가하는 경향을 보였고 잣나무와 전나무는 시비량에 따른 차이를 보이지 않았다. 처리 1x, 2x, 4x는 대조에 비하여 물푸레나무의 건중량을 각각 43, 11, 87% 증가시켰고, 들메나무는 각각 36, 145, 143% 더 증가시켰다. 반면 잣나무와 전나무 건중량은 시비량에 따른 유의한 차이가 없었다. 시비에 대한 양분벡터반응은 수종과 시비량에 따라 상이한 경향을 보였는데, 물푸레나무 조직의 질소 농도는 생장 및 질소함량의 증가만큼 증가하지 않는 “양분결핍” 상태였고, 들메나무는 흡수한 것보다 생장이 증가하여 농도가 감소하는 “양분희석” 상태였으며, 잣나무와 전나무는 생장이 거의 증가하지 않으면서 농도는 약간 감소하는 “과량길항” 현상을 보였다. 본 연구는 물푸레나무와 들메나무는 처리 2x 또는 그 이상의 시비가 요구되고, 잣나무와 전나무의 경우 초기 시비를 하지 않아도 생장과 양분 흡수에 문제가 없음을 보여주고 있다.

As more computer game integrates with video and working under mobile environments, it requires seamless bandwidth limited video transport environment including integrated game video compression and real time video conference between game users. Video transmission system consists of encoder and decoder. In communication environment, when the encoder transmits the stream data to the decoder, the bit-stream is alternated or lost because of various channel noises. Altered and lost bit-stream data cause the loss of the video data intensity value or motion vector (MV) value. These lost data cause serious damage of the video quality. In this paper, we propose MV recovery method because MV is essential information to keep the better video quality. To recover the lost MV, we use adjacent block’s MV as input data of Kalman filter to estimate the optimized value for current block’s lost MV. In our experimentation with the standard video image: Mobile&Calendar and Susie, our proposed method achieved 0.497dB ~ 1.898dB improvements on video quality over no MV recovery and achieved average 0.03dB ~ 0.725dB improvements over SRMC scheme.