부유식 해상태양광 설비는 패널 지지를 위한 프레임 구조물, 구조체의 부력 제공을 위한 부유체와 전체 시스템의 거동을 제한하는 계류시설로 구성되어 있다. 계류시설은 구조물의 지지조건으로서의 역 할을 통해 안정적인 발전량 수급에 기여한다. 하지만 해당 시스템은 설치된 해상환경 특성상 계류선의 파단 및 손상 시 직접적인 탐지가 불가능해 유지관리에 어려움이 있다. 따라서 본 연구에서는 패널지 지 프레임 구조체에 가속도 센서 부착을 가정하여, 해당 센서 계측값을 토대로 계류설비에서 발생한 파단 및 손상이 발생한 위치를 추정하는 알고리즘을 개발하였다. 알고리즘은 비지도학습 인공지능의 일종인 오토인코더를 활용하여 가속도 계측값의 재현 과정을 통해 정상상태의 구조 응답을 학습한 모 델이 비정상상태의 계측값을 재현 시 발생한 오차를 통해 손상 발생 여부와 위치를 실시간 탐지하도 록 구성하였다. 정상상태 구조응답을 기반으로 한 모델의 학습을 위해 패널지지 구조체를 10x10 격자 형으로 결합한 다중 결합 시스템에 불규칙파랑을 환경하중으로 적용함을 통해 발생한 6자유도 가속도 데이터를 확보하였다. 계류시설의 손상 발생 시 주된 변화 인자 탐지를 위해 상관성 분석과 민감도 분 석을 실시하여 손상 위치 추정 알고리즘에 적용할 주요 인자를 선별하여 학습 및 추정 성능에 대한 비교 분석을 수행하였다. 구축된 알고리즘의 테스트를 위해 총 5개 종 손상 케이스 데이터셋을 구축하 여 손상 위치 추정 성능을 비교하였다. 본 연구를 통해 계류 시설에 발생한 손상 여부 및 위치를 추정 하여 부유식 해상태양광 설비의 선제적 유지관리에 기여할 수 있을 것으로 기대된다.

Deep learning-based computer vision anomaly detection algorithms are widely utilized in various fields. Especially in the manufacturing industry, the difficulty in collecting abnormal data compared to normal data, and the challenge of defining all potential abnormalities in advance, have led to an increasing demand for unsupervised learning methods that rely on normal data. In this study, we conducted a comparative analysis of deep learning-based unsupervised learning algorithms that define and detect abnormalities that can occur when transparent contact lenses are immersed in liquid solution. We validated and applied the unsupervised learning algorithms used in this study to the existing anomaly detection benchmark dataset, MvTecAD. The existing anomaly detection benchmark dataset primarily consists of solid objects, whereas in our study, we compared unsupervised learning-based algorithms in experiments judging the shape and presence of lenses submerged in liquid. Among the algorithms analyzed, EfficientAD showed an AUROC and F1-score of 0.97 in image-level tests. However, the F1-score decreased to 0.18 in pixel-level tests, making it challenging to determine the locations where abnormalities occurred. Despite this, EfficientAD demonstrated excellent performance in image-level tests classifying normal and abnormal instances, suggesting that with the collection and training of large-scale data in real industrial settings, it is expected to exhibit even better performance.

본 연구는 콰욜라 작품에서 컴퓨터 알고리즘 기술이 주체로서, 인간이 재현한 이미지를 디지털 이미지로 재창조하는 데서 발생한 숭고적 의미와 특성을 고찰한다. 그리고 이를 통해 콰욜라 작품이 인간중심성을 비판적으로 성찰한다는 점을 살펴본다. 숭고에서 주체는 변형 되고 비결정화되어 이전과 다른 창조적 자아로 거듭난다. 숭고에서 주체의 이런 양상은 주체 로서 알고리즘 기술이 대상에 야기하는 현상과 유사하다. 알고리즘 기술은 대상을 데이터화 함으로써 대상에 창조적 잠재력을 준다. 데이터로서 비결정화 된 대상은 다른 존재들로 다시 변형되어 이전과 불일치할 가능성을 갖기 때문이다. ≪포로들 #B06 Captives #B06≫ (2014)과 ≪유적: 프로방스 Remains: Provance≫(2016)에서 알고리즘 기술은 대상을 변 형, 비결정화 하고 이전과 불일치하게 만들어 대상에 창조적 잠재력과 숭고적 특성을 준다. 그래서 인간 시각에 대한 차이를 발생시켜 인간 시각과 근본적으로 같지만 다른 형태를 지 니는 기계의 시각을 제시한다. 그리하여 알고리즘 기술은 인간이 기계의 시각을 통해 자신에 대한 메타적 보기를 가능케 한다.

This paper proposes an algorithm for the Unrelated Parallel Machine Scheduling Problem(UPMSP) without setup times, aiming to minimize total tardiness. As an NP-hard problem, the UPMSP is hard to get an optimal solution. Consequently, practical scenarios are solved by relying on operator's experiences or simple heuristic approaches. The proposed algorithm has adapted two methods: a policy network method, based on Transformer to compute the correlation between individual jobs and machines, and another method to train the network with a reinforcement learning algorithm based on the REINFORCE with Baseline algorithm. The proposed algorithm was evaluated on randomly generated problems and the results were compared with those obtained using CPLEX, as well as three scheduling algorithms. This paper confirms that the proposed algorithm outperforms the comparison algorithms, as evidenced by the test results.

With the recent surge in YouTube usage, there has been a proliferation of user-generated videos where individuals evaluate cosmetics. Consequently, many companies are increasingly utilizing evaluation videos for their product marketing and market research. However, a notable drawback is the manual classification of these product review videos incurring significant costs and time. Therefore, this paper proposes a deep learning-based cosmetics search algorithm to automate this task. The algorithm consists of two networks: One for detecting candidates in images using shape features such as circles, rectangles, etc and Another for filtering and categorizing these candidates. The reason for choosing a Two-Stage architecture over One-Stage is that, in videos containing background scenes, it is more robust to first detect cosmetic candidates before classifying them as specific objects. Although Two-Stage structures are generally known to outperform One-Stage structures in terms of model architecture, this study opts for Two-Stage to address issues related to the acquisition of training and validation data that arise when using One-Stage. Acquiring data for the algorithm that detects cosmetic candidates based on shape and the algorithm that classifies candidates into specific objects is cost-effective, ensuring the overall robustness of the algorithm.

자기공명(magnetic resonance, MR)영상에서 주로 발생하는 Rician 노이즈는 영상의 화질을 저하하는 주요 요소 중의 하나이다. 본 연구에서는 노이즈 제거에 효율적이라고 잘 알려진 총변이(total variation, TV) 알고리즘을 모 델링하여 Rician 노이즈 레벨에 따른 파라미터를 최적화하고자 한다. 시스템은 8채널 기반의 3.0 T 장치를 활용하였 고 물 팬텀 영상을 획득하여 각각 Rician 노이즈를 0.05, 0.10, 0.15, 그리고 0.20 값을 부가하였다. TV 알고리즘 은 Rudin-Osher-Fatemi 모델을 기반으로 모델링하였고 최적화를 수행하기 위하여 반복수 파라미터를 조정하여 획득된 영상에 적용하였다. 결과적으로 Rician 노이즈 레벨을 0.05, 0.10, 0.15, 그리고 0.20을 사용하였을 때 각 각 30, 40, 80, 그리고 120 반복수를 기반으로 한 TV 노이즈 알고리즘에서 가장 우수한 신호 대 잡음비(signal to noise ratio, SNR)와 대조도 대 잡음비(contrast to noise ratio, CNR) 결괏값이 도출되었다. 또한, 최적화된 반복수를 적용한 TV 알고리즘을 사용한 MR 영상에서 기존의 위너 및 중간값 필터를 사용하였을 때 비하여 SNR과 CNR 모두 우수한 값을 획득할 수 있었다. 특히 기본적으로 획득된 MR 영상보다 최적화된 TV 알고리즘을 적용한 영상의 평균 SNR과 CNR은 각각 3.11 및 3.31배 향상됨이 증명되었다. 결론적으로, 노이즈 제거 효율이 우수한 TV 알고리즘의 최적화된 파라미터를 활용한다면 MR 영상에서의 활용 가능성이 클 것으로 기대한다.

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.

PURPOSES : A model for minimizing cutting loss and determining the optimum layout of blocks in pavements was developed in this study. METHODS : Based on literature review, a model which included constraints such as the amount, volume, overlap, and pattern, was developed to minimize the cutting loss in an irregular pavement shape. The Stach bond, stretcher bond, and herringbone patterns were used in this model. The harmony search and particle swarm algorithms were then used to solve this model. RESULTS : Based on the results of the model and algorithms, the harmony search algorithm yielded better results because of its fast computation time. Moreover, compared to the sample pavement area, it reduced the cutting loss by 20.91%. CONCLUSIONS : The model and algorithms successfully optimized the layout of the pavement and they have potential applications in industries, such as tiling, panels, and textiles.

Nowadays, artificial intelligence model approaches such as machine and deep learning have been widely used to predict variations of water quality in various freshwater bodies. In particular, many researchers have tried to predict the occurrence of cyanobacterial blooms in inland water, which pose a threat to human health and aquatic ecosystems. Therefore, the objective of this study were to: 1) review studies on the application of machine learning models for predicting the occurrence of cyanobacterial blooms and its metabolites and 2) prospect for future study on the prediction of cyanobacteria by machine learning models including deep learning. In this study, a systematic literature search and review were conducted using SCOPUS, which is Elsevier’s abstract and citation database. The key results showed that deep learning models were usually used to predict cyanobacterial cells, while machine learning models focused on predicting cyanobacterial metabolites such as concentrations of microcystin, geosmin, and 2-methylisoborneol (2-MIB) in reservoirs. There was a distinct difference in the use of input variables to predict cyanobacterial cells and metabolites. The application of deep learning models through the construction of big data may be encouraged to build accurate models to predict cyanobacterial metabolites.

목적 : 4차 산업혁명이 진행됨에 따라 타각적 굴절검사값, 수차 및 동공크기 등을 이용하여 최적의 안경처방값 을 도출해주는 머신러닝(machine learning)을 개발하고자 하였다. 방법: 시력에 영향을 줄 수 있는 안질환 및 전신질환이 없고 안구 수술 이력이 없는 근시안(1,000안)을 대상으로 진행하였다. I-Profilerplus(Zeiss, Berlin, Germany)를 사용하여 타각적 굴절이상도(objective-refraction) 및 안구수차(ocular wavefront-aberration), 동공 크기를 측정하였고, 자각적 굴절이상도(subjective-refraction)는 Visuphor500(Zeiss, Berlin, Germany)를 사용하여 구면 굴절력(S, Diopter), 원주 굴절력(C, Diopter), 난시 축(Ax, °)을 측정하였다. 측정 후, 파이썬(Python, version 3.10)을 이용하여 머신러닝 모델 생성 및 예측 성능을 확인하였다. 결과: 자각적 굴절이상도에서 구면 굴절력에 영향을 미치는 요인은 타각적 구면 굴절력, defocus aberration, spherical aberration, trefoil aberration 순으로 높았고, 원주 굴절력에 영향을 미치는 요인은 타각적 원주 굴 절력, defocus aberration, coma aberration, trefoil aberration 순으로 높았으며, 난시 축은 타각적 난시축만 영향을 미치는 것으로 나타났다. 구면 굴절력, 원주 굴절력, 난시 축의 자각적 굴절이상도와 머신러닝 예상값은 차이가 없는 것으로 나타났다(p=0.976, 0.948, and 0.349, respectively). 결론 : 자각적 굴절이상도를 예측하는 머신러닝 모델을 생성하였고, 해당 모델의 예측된 값과 자각적 굴절이상 도와 유의한 차이가 없는 것을 통해 예측 정확도를 확인하였으며 앞으로 개인 맞춤형 처방을 위한 정확한 안경처 방값을 도출하는데 기초자료가 될 수 있을 것으로 생각된다.