The numerical analysis of two-dimensional transient flow around the obstacle with rotated square cross sections was carried out. The obtained velocity distributions for each time step and each rotation angle were imaged to provide data for CNN(convolutional neural network). Both classification and regression neural networks were used for prediction of rotation angle. As results The classification method incorrectly predicted the rotation angle in only 2 of the 470 images. The regression method predicted the rotation angle errors within except 2 out of 470 images. From these facts, it could be concluded that both methods can be sufficiently applicable to the flow analysis.

본 논문은 지각된 가치가 적용된 관광 행동의도 정보를 이용한 지능형 클라우드 환경에서의 관광추천시스템을 제안한다. 이 제안 시스템은 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 와이드 앤 딥러닝 기술을 이용하여 관광추천시스템에 적용하였다. 본 제안 시스템은 다양하게 수집할 수 있는 관광 정보와 관광객이 평소에 지각하고 있던 가치와 사람의 행동에서 나타나는 의도를 수집 분석하여 관광 추천시스템에 적용하였다. 이는 기존에 활용되던 다양한 분야의 관광플랫 폼에 관광 정보, 지각된 가치 및 행동의도에 대한 연관성을 분석하고 매핑하여, 실증적 정보를 제공한다. 그리고 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 선형 모형 구성요소와 신경만 구성요소를 합께 학습하여 한 모형에서 암기 및 일반화 모두를 달성할 수 있는 와이드 앤 딥러닝 기술을 이용한 관광추천 시스템을 제시하였고, 파이프라인 동작 방법을 제시하였다. 본 논문에서 제시한 추천시스템은 와이드 앤 딥러닝 모형을 적용한 결과 관광관련 앱 스토어 방문 페이지 상의 앱 가입률이 대조군 대비 3.9% 향상했고, 다른 1% 그룹에 변수는 동일하고 신경망 구조의 깊은 쪽만 사용한 모형을 적용하여 결과 와이드 앤 딥러닝 모형은 깊은 쪽만 사용한 모형 대비해서 가입률을 1% 증가하였다. 또한, 데이터셋에 대해 수신자 조작 특성 곡선 아래 면적(AUC)을 측정하여, 오프라인 AUC 또한 와이드 앤 딥러닝 모형이 다소 높지만 온라인 트래픽에서 영향력이 더 강하다는 것을 도출하였다.

The flow analysis of two dimensional transient flow over the obstacles with rectangular cross sections was performed. And 190 velocity distributions for each aspect ratio were imaged to provide input data for convolutional neural network learning. The classification and regression methods were used in estimating the aspect ratio from given velocity distributions. As a result the classification method was more exact than the regression method. But both the classification and regression methods gave relatively accurate prediction of the defined aspect ratio judging from the imaged velocity distributions. This confirms that the deep learning technique is applicable to the flow analysis.

이 연구에서는 국내 현장교육에 게임이 거의 활용되지 않는 원인을 게임 내적 원인과 외적 원인으로 구분하여 찾아보고, 딥러닝 교육에 적용될 수 있는 게임 형식과 구성방법에 대하여 현실적인 교육자 요구조건을 도출하였다. 도출된 요구조건에 기반을 두는 게임화 설계안에서는 딥러닝 교육에서 이루어지는 일련의 학습 과정 중 ‘에이전트 설정’, ‘행동‧보상‧상태 점검 및 수정’, ‘브레인 선택과 비교’, ‘학습 시나리오’, ‘휴리스틱 브레인 프로세스’, ‘내부 및 외부 브레인 프로세스’ 단계를 게임 플레이 과정으로 구현하여 학습효과를 높이도록 하였다. 설계안을 바탕으로 실행 프로토타입을 개발하여 시범 학습 시나리오를 적용한 후 교육자 평가를 통하여 게임 플레이 중심의 교육 플랫폼으로서의 유의미함을 논의하였다.

본 연구에서는 영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상검출 기법을 제안하였다. 이를 위해 먼저, 딥러닝 및 이미지 프로세싱 기반 볼트풀림 검출 기법을 설계하였다. 영상기반 볼트풀림 검출 기법은 볼트 이미지 검출 과정 및 볼트풀림 각도 추정 과정으로 구성된다. 볼트 이미지의 검출을 위하여 RCNN기반 딥러닝 알고리즘을 이용하였다. 영상의 원근왜곡 교정을 위해 호모그래피 개념을 이용하였으며 볼트풀림 각도를 추정을 위하여 Hough 변환을 이용하였다. 다음으로 제안된 기법의 성능을 검증을 위하여 거더의 볼트 연결부 모형을 대상으로 볼트풀림 손상검출 실험을 수행하였다. 다양한 원근 왜곡 조건에 대하여 RCNN 기반 볼트 검출기와 Hough 변환 기반 볼트풀림 각도 추정기의 성능을 검토하였다.

최근 디지털 콘텐츠 중 E-Book과 웹 소설이 증가하고 있다. 삽화는 텍스트 콘텐츠에서 독자의 이해를 도울 수 있다. 따라서 텍스트 콘텐츠를 분석하여 자동으로 삽화를 생성하는 여러 접근방법이 등장했다. 먼저 규칙 기반 접근방법은 문장을 분석하는 규칙과 분석된 문장 구조를 삽화로 변환하는 규칙을 모두 활용하여 삽화를 생성한다. 그러나 정해진 규칙에서 벗어나면 삽화를 생성하지 못 할 수도 있다는 단점이 있다. 다음으로 통계 기반 접근방법은 통계를 기반으로 후보 중 가장 가능성이 높은 삽화를 생성한다. 그러나 통계 기반 접근방법은 사람이 추출한 정보에 강하게 의존한다는 단점이 있다. 본 연구는 사람이 아닌 시스템이 자동으로 정보를 추출하는 딥러닝을 활용한 삽화 생성 시스템을 제안한다. 제안하는 시스템은 형태소 분석기, 개체명 인식기, 의존 구문 구조 분석기로 이루어져있다. 동화 "빨간모자"를 통해 평가하였고, 총 99문장 중 삽화 생성이 가능한 문장이 28문장, 삽화 생성이 불가능한 문장이 71문장이었다. 삽화 생성이 불가능한 문장의 경우 대사가 41문장, 불명확한 주어가 2문장, 그리고 표현이 불가능한 서술어가 28문장이었다. 제안하는 시스템이 올바른 삽화를 생성한 문장은 23문장, 부적절한 삽화를 생성한 문장은 2문장, 삽화를 생성하지 않은 문장은 74문장으로 나타났다.

There has been considerable recent interest in deep learning techniques for structural analysis and design. However, despite newer algorithms and more precise methods have been developed in the field of computer science, the recent effective deep learning techniques have not been applied to the damage detection topics. In this study, we have explored the structural damage detection method of truss structures using the state-of-the-art deep learning techniques. The deep neural networks are used to train knowledge of the patterns in the response of the undamaged and the damaged structures. A 31-bar planar truss are considered to show the capabilities of the deep learning techniques for identifying the single or multiple-structural damage. The frequency responses and the elasticity moduli of individual elements are used as input and output datasets, respectively. In all considered cases, the neural network can assess damage conditions with very good accuracy.