This study evaluated the short- and long-term prediction performances of a transformer-based trajectory-forecasting model for urban intersections. While a previous study focused on developing the basic structure of a transformer model for future trajectory prediction, the present study aimed to determine a practical prediction sequence length. To this end, multiple transformer models were trained with output sequence lengths ranging from 1 s to 10 s, and their performances were compared. The trajectory data used for training were generated through a microscopic traffic simulation, and the model accuracy was assessed using the metrics average displacement error (ADE) and final displacement error (FDE). The results demonstrate that the prediction accuracy decreases significantly when the output trajectory length exceeds 3 s. Specifically, straight-driving trajectories exhibit rapidly increasing errors, while turning trajectories maintained a relatively stable accuracy. In contrast, for turning-driving trajectories, prediction errors increased sharply during short-term forecasting, but the increase was more gradual in long-term forecasts. Additionally, the long-term prediction models produced higher errors even in the initial 1-second outputs, implying a tendency toward conservative inference under uncertain future scenarios. This conservative behavior is likely influenced by the model’s effort to minimize the overall loss across a broader prediction window, especially when trained with Smooth L1 loss function. This study provides practical insights into model design for edge-computing environments and contributes to the development of reliable short-term trajectory prediction systems for urban ITS applications.

기후 변화로 인해 해수면 상승과 폭풍해일 발생 빈도가 증가하면서, 해안 지역에서의 재난 위험이 심화되고 있다. 본 연구는 NOAA의 GFS(Global Forecast System) 모델과 일본 기상청의 JMA-MSM(Japan Meteorological Agency Meso-Scale Model) 데이터를 기반으로 딥 러닝 기술을 활용하여 폭풍해일 예측 알고리즘을 개발하고, 두 모델에서 제공하는 대기 데이터를 입력 변수로 사용하여 예측 성능을 비 교하는 것을 목표로 한다. CNN(Convolutional Neural Network), LSTM(Long Short-Term Memory), Attention 메커니즘을 결합한 모델을 설계하고, 조위관측소의 관측 자료를 학습 데이터로 사용하였다. 과거 한반도에 직접적인 영향을 미쳤던 네 개의 태풍 사례를 통해 모델 성능을 검 증한 결과, JMA-MSM 기반 모델이 GFS 기반 모델에 비해 서해, 남해, 동해에서 각각 평균 RMSE를 0.34cm, 0.73cm, 1.86cm, MAPE를 0.15%, 0.36%, 0.68% 개선하였다. 이는 JMA-MSM의 고해상도 자료가 지역적 기상 변화를 정밀하게 반영했기 때문으로 분석된다. 본 연구는 해안 재난 대비를 위한 폭풍해일 예측의 효율성을 높이고, 추가 기상 데이터를 활용한 향후 연구의 기반 제공이 기대된다.

본 연구에서는 박스 구조물의 부재력 예측을 위한 다양한 딥러닝 모델의 정확성을 비교하고자 하였다. 이를 위해 상용 유한 요소 프로그램인 MIDAS를 이용하여 300개의 유한요소모델을 작성하고, 수치해석을 수행하여 딥러닝 모델에 적용하기 위한 학습데이 터를 생성하였다. 또한, 딥러닝 모델의 정확성을 비교하기 위해 MLP, CNN, RNN 및 LSTM과 같은 다양한 신경망 모델과 Adam, SGD, RMSprop 및 Adamax 등 최적화 알고리즘을 교차 적용하여 16개의 딥러닝 모델을 생성하였다. 그 결과 Adam 최적화 알고리즘 이 모든 모델에서 가장 우수한 성능을 보여주었으며, 특히 MLP 모델에서 가장 높은 R2 값을 나타내었다. 이를 통해, 박스 구조물의 부재력 예측을 위한 최적의 딥러닝 모델 구성은 Adam optimizer와 MLP 구조임을 확인하였다.

Drug-induced liver injury (DILI) is considered to be a significant cause of drug wastage. To mitigate clinical DILI risks, assessing drugs using human liver models is crucial since animal studies may fall short due to species-specific liver pathway variations. Cell-based preclinical hepatotoxicity testing is often pertinent. In the present study, cells from a human liver cancer line (HepG2 and HepaRG) were cultured in both formats of 2D and 3D spheroids to explore their responses to drugs. Liver-specific marker expressions across cell lines and culture formats were also examined to assess disparities in DILI marker expressions. After treating each cell with the drugs, cytotoxicity and liver injury markers aspartate aminotransferase and alanine aminotransferase were increased. In addition, liver specific markers albumin and urea decreased in a drug concentration-dependent manner. These findings were consistent with drug sensitivity. Additionally, mRNA expression levels of cytochrome P450 enzymes (CYPs) involved in hepatocellular drug metabolism were compared following treatment with enzyme inducers. CYP1A2 and CYP2C9 were not epxressed in HepG2 cells. HepaRG cells exhibited significantly increased expression of CYP1A2, 2C9, and 3A4 post-treatment. Notably, enzyme expression was notably higher in 3D cultures than in 2D cultures. Collectively, these findings suggest that HepaRG cells and 3D cultures hold promise for evaluating DILI during early-stage drug development.

Determining the size or area of a plant's leaves is an important factor in predicting plant growth and improving the productivity of indoor farms. In this study, we developed a convolutional neural network (CNN)-based model to accurately predict the length and width of lettuce leaves using photographs of the leaves. A callback function was applied to overcome data limitations and overfitting problems, and K-fold cross-validation was used to improve the generalization ability of the model. In addition, ImageDataGenerator function was used to increase the diversity of training data through data augmentation. To compare model performance, we evaluated pre-trained models such as VGG16, Resnet152, and NASNetMobile. As a result, NASNetMobile showed the highest performance, especially in width prediction, with an R_squared value of 0.9436, and RMSE of 0.5659. In length prediction, the R_squared value was 0.9537, and RMSE of 0.8713. The optimized model adopted the NASNetMobile architecture, the RMSprop optimization tool, the MSE loss functions, and the ELU activation functions. The training time of the model averaged 73 minutes per Epoch, and it took the model an average of 0.29 seconds to process a single lettuce leaf photo. In this study, we developed a CNN-based model to predict the leaf length and leaf width of plants in indoor farms, which is expected to enable rapid and accurate assessment of plant growth status by simply taking images. It is also expected to contribute to increasing the productivity and resource efficiency of farms by taking appropriate agricultural measures such as adjusting nutrient solution in real time.

Surface environmental factors such as climate change can affect the safety of the disposal system by changing groundwater recharge or flow. Therefore, it is important to identify surface environmental factors and hydrogeological factors to evaluate long-term changes in hydrogeological environment of a disposal system. In particular, evapotranspiration is an important to be considered because it loses 70% of rainfall and has a great effect on groundwater recharge. Evapotranspiration can be estimated using simple or complex models based on meteorological data. Meteorological data from January 2010 to December 2022 were collected from 44 Automatic Synoptic Observation Systems (ASOS) of the Korea Meteorological Administration (KMA), which observe factors necessary for calculating evapotranspiration. For the estimation of evapotranspiration through simple models, temperature-based models (Blaney-Criddle method, modified Blaney-Criddle method, Hargreaves-Samani method) and radiation-based models (Simple Abtew method, Makkink method, Prietley-Taylor method, Turc method, Solar radiation-Maximum temperature method) were used. The calculation of evapotranspiration through the complex model used the Penman-Monteith method, which is used as a standard model in the USA, Japan, and FAO. By comparing the evapotranspiration calculated by complex and simple model, methods with small errors were identified each region. In addition, long-term climate change scenarios were applied to confirm changes in long-term evapotranspiration in South Korea. The results of this study will be used to find alternative models in the case of missing data in the Penman-Monteith model, which requires a lot of meteorological data, and can be used as basic data for calculating groundwater recharge that can affect the disposal system in the future.

본 연구에서는 마찰모델에 따라 다른 마찰진자시스템(FPS)이 적용된 교량의 성능을 비교･분석하기 위해 구조해석을 수행하였다. 마찰해석모델 별 성능을 분석하기 위해 PVDF/MgO 마찰재의 마찰계수를 활용하여 쿨롱 마찰모델과 속도 의존 마찰모델을 구축했다. 쿨롱 마찰모델은 마찰속도와 관계없이 단일 마찰계수를 사용하며, 속도 의존 마찰모델은 마찰속도에 따른 마찰계수의 변화를 반영하 는 마찰모델이다. 지진해석으로 비선형 시간 이력 해석과 지진 취약도 해석을 수행하여 구조물의 응답을 확인하였다. 마찰모델에 따 른 바닥판과 교각의 지진 응답을 활용해 면진된 교량의 성능을 분석하였으며, 면진된 교량의 성능을 효과적으로 평가할 수 있는 마찰 모델을 분석했다.

본 연구는 신축이음장치를 설치하지 않고 상부구조와 교대를 일체화하는 무조인트 교량의 거동해석에 대한 것이다. 선행연구에서 는 민감도 해석을 통해 무조인트 교량의 최적 수치해석 모들은 상대오차에 의한 변위 형상의 유사성과 정밀도를 유지하면서 실용적 인 shell 요소 기반 모델이 가장 적합한 것으로 판단하였다. 따라서 본 연구에서는 shell 요소 기반 모델과 solid 요소 모델간의 벽체 깊 이별 거동 분석을 수행하였다. 또한 MIDAS Civil과 ABAQUS를 사용하여 해석 프로그램간 비교를 하였다. 반일체식 교대 교량인 A 교와 B 교의 경우 선형 스프링 조건인 Case 1, +30°C의 경우 지반반력으로 인해 벽체 깊이가 깊어질수록 변위가 감소하였다. -30°C의 경우는 지반반력이 작용하지 않으므로 변위 변화가 미소하였다. 완전일체식 교대 교량인 C 교와 흉벽일체식 교대 교량인 D 교의 경우 말뚝의 저항력으로 인하여 +30°C, -30°C 모두 벽체 깊이가 깊어질수록 변위가 감소하였다. 해석 프로그램간 비교는 Case 1의 경우 상 대오차는 미소하였으나 Case 2의 경우는 차이가 발생하였다. 이는 해석 프로그램에 따른 비선형 스프링의 적용 방식의 차이로 인한 것으로 판단된다.

The purpose of this study is to compare short-term price predictive power among ARMA ARMAX and VAR forecasting models based on the MDM test using monthly consumer price data of frozen mackerel. This study also aims to help policymakers and economic actors make reasonable choices in the market on monthly consumer price of frozen mackerel. To analyze this study, the frozen wholesale prices and new consumer prices were used as variables while the price time series data were used from December 2013 to July 2021. Through the unit root test, it was confirmed that the time series variables employed in the models were stable while the level variables were used for analysis. As a result of conducting information standards and Granger causality tests, it was found that the wholesale prices and fresh consumer prices from the previous month have affected the frozen consumer prices. Then, the model with the highest predictive power was selected by RMSE, RMSPE, MAE, MAPE, and Theil’s inequality coefficient criteria where the predictive power was compared by the MDM test in order to examine which model is superior. As a result of the analysis, ARMAX(1,1) with the frozen wholesale, ARMAX(1,1) with the fresh consumer model and VAR model were selected. Through the five criteria and MDM tests, the VAR model was selected as the superior model in predicting the monthly consumer price of frozen mackerel.

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.

목적 : 인공지능의 기계학습 또는 심층학습을 이용한 연구가 다양한 분야에서 시도되고 있다. 본 연구는 공공 시력데이터를 자동화 수집하고, 수집한 데이터를 기계학습에 적용 및 예측하였다. 다양한 학습모델간 성능을 비교 함으로써, 시과학분야에서 적용 가능한 기계학습 최적화모델을 제시함에 있다. 방법 : 국민건강보험(NHISS) 및 통계포털(KOSIS)에 발표된 국민 시력분포 현황관련 자료를 특정 색인을 포함하 는 자료검색기법인 크롤링(crawling)을 사용하여 검색 및 수집을 자동화하였다. 2011년부터 2018년까지 보고된 모든 자료를 수집하였으며, 데이터 학습을 위해 Linear Regression, LASSO, Ridge, Elastic Net, Huber Regression, LASSO/LARS, Passive Aggressive Regressor 그리고 Pansacregressor 총 8개 모델을 사용하여 각각 데이터 학습 하였다. 결과 : 수집한 데이터를 기반으로 기계학습 모델을 통해 2018년을 예측하였다. 각 모델간 2018년도 실제-예측데 이터 차이를 MAE(Mean Absolute Error)와 RMSE(Root Mean Square Error) 점수로 각각 나타냈다. 학습모델 별 차이 중 MAE 평가결과 모델간 우/좌 Linear Regression(0.22/0.22), LASSO(0.83/0.81), RIDGE(0.31/0.31), Elastic Net(0.86/0.84), Huber Regression(0.14/0.07), LASSO/LARS(0.15/0.14), Passive Aggressive Regressor (0.29/0.18) 그리고 RANSA Regressor(0.22/0.22)를 보였다. RMSE에서 Linear Regression(0.40/0.40), LASSO (1.08/1.06), Ridge(0.54/0.54), Elastic Net(1.19/1.17), Huber Regression(0.20/0.20), LASSO/LARS(0.24/0.23), Passive Aggressive Regressor(0.21/0.58) 그리고 RANSA Regressor(0.40/0.40) 각각 나타냈다. 결론 : 본 연구는 자동화 자료검색 및 수집을 위한 크롤링 기법을 이용하여 데이터를 수집하였다. 이를 기반으 로 고전 선형모델을 기계학습에 적용할 수 있도록 하고, 데이터 학습을 위한 8개 학습모델들 간 성능을 비교하였다.

본 논문에서는 건물, 교량 및 해양구조물에 많이 적용되는 기본적인 형상인 벽면에 부착되어 있는 사각실린더 주변의 유동에 대해, 3개의 난류모델(v2-f 모델, k-ω 모델, k-ε 모델)을 적용하여 URANS 수치해석을 각각 수행하고, 그 결과를 비교하였다. 이 유동 은 물체의 모서리에서 발생하는 칼만와(karman vortex) 때문에 본질적으로 강한 비정상성을 가지고 있으며, 물체의 후류 영역에서도 매우 복잡한 유동구조를 가지고 있다고 알려져 있다. 3개의 난류모델이 적용된 수치해석으로부터 예측되는 평균 유동장과 지배적인 유동 의 주파수를 Wang et al.(2004; 2006)의 실험결과와 비교하였다. 비교 결과, v2-f 모델이 적용된 URANS 결과가 실험결과와 가장 유사한 결과를 보여주었고, k-ω 모델도 우수한 결과를 보인 반면, k-ε 모델은 본 대상 유동에 적용하기에 부족함을 확인하였다. 따라서 강한 박리가 존재하는 유동의 해석 시에는 v2-f 모델은 좋은 선택이다. 그리고 유동의 박리 제어를 위한 연구에 활용될 것으로 기대된다.

Although canine brucellosis has been known to be an important re-emerging zoonosis, the pathophysiological mechanisms of Brucella canis infection remains clues to be solved. Different culture models, single and co-culture models, were constructed with canine epithelial cells, D17 and macrophage, DH82 to investigate the induction of immune responses in in vivo B. canis infection. Expression of genes related with induction of immune responses, Th1, Th2 and Th17, was compared in the two different models after the bacterial infection. In this study, expression of cytokine genes, IL-1β, IL-5, IL-6, IL-10, IL-23, and TNF-α was quantified in the DH82 at different time points using RT-qPCR in the two different culture systems after the infection. Cytokine genes related with Th1, IL-1β and TNF-α and Th17, IL-6 and IL-23 were expressed with time-dependent manners in the both systems (p<0.05). However, increase of Th2-related cytokine genes expression was not detectable in the both systems by comparison with control. The expression of Th1 and Th17 related cytokine genes was earlier in single cell culture than those in co-culture model (p<0.05). In general, amounts of the expressed genes were shown higher in single cell model than those in co-culture models. This study indicate that Th1 and Th17-associated immune responses are central to B. canis infection in dogs. In addition, it suggests a specific role of epithelial cells in the B. canis infection in vivo, which should resolved in the further study.

항공교통 수요 증가로 항공기의 운항이 증가하면서 항공기 동체와 조류가 충돌하는 조류 충돌 사고가 매년 증가하고 있다. 이에 각 공항에서는 조류 충돌 사고기록을 바탕으로 항공기에 피해를 줄 것으로 예상되는 조류 종을 파악하고 순위를 매겨 충돌 위험을 효과적으로 평가 및 관리할 수 있는 연구를 수행하고 있다. 본 연구는 김포, 김해 및 제주국제공항에서 2005년부터 2013년까지 수집된 통합운항정보시스템 (Integrated Flight Information Service, IFIS) 자료를 바탕으로 항공기 에 피해를 줄 것으로 예측되는 조류 종을 파악하고, 단일 및 다중 매트릭스 모델 간 위험성 평가 결과를 비교 분석 및 고찰하기 위해 수행되었다. 단일 매트릭스 모델을 통한 평가 결과 김포국제공항 및 김해국제공항에서는 왜가리, 독수리 2종과 백로류, 기러기류, 오리류, 갈매기류, 비둘기류 및 까마귀류가, 제주국제공항에서는 독수리, 까치 2종과 기러기류, 오리류, 갈매기류, 비둘기류 및 까마귀류가 ‘매우 높음’ 또는 ‘높음’으로 평가되었다. 다중 매트릭스 모델을 통한 평가 결과 김포국제공 항에서는 왜가리, 독수리, 까치 3종과 백로류, 기러기류, 오리류, 도요류 및 비둘기류가, 김해국제공항에서는 왜가리, 독수리, 찌르레기, 까치 4종과 백로류, 기러기류, 오리류, 도요류 및 비둘기류가, 제주국제공항에서는 왜가리, 까치 2종과 오리류, 도요류, 비둘기류가 ‘매우 심각’ 또는 ‘매우 높음’으로 평가되었다. 모델 간 예측 결과에 있어 김포국제공항과 김해국제공항은 차이가 없었으나, 제주국제공항은 유의한 차이가 있었다. 이는 김포와 김해국제공항은 모두 하천의 하류에 위치하고 있어 대형 수조류들이 주로 관찰된 것에 반해 제주국제공항은 바다와 도심에 가까이 위치하고 있어 몸무게가 작은 소형 조류들이 많이 관찰되었기 때문이다. 이러한 종들과의 충돌이 항공기 동체에 미치는 영향이 적어 모델 간의 공통된 변수의 영향은 적었고, 추가적인 변수에 의해 두 모델의 평가 결과 간 큰 차이가 발생한 것으로 판단된다.

This study reviews theoretical comparisons regarding reentry issues of incarcerated people in order to promote a better understanding of individuals’ criminal desistance. There are three major competing criminal desistance theories, and they include the subjective (identity) theory explaining an individual’s subjective processes, structural (social bonds) theory focusing on structural conditions, and integrative (subjective-social model) theory describing personal commitment and motivation combined with structural resources. First, identity defined as a sense of self is directly linked to one’s motivation and behavioral guidelines. Thus, identity theory assumes that intentional changes in one’s sense of self are necessary for criminal desistance. The theory posits that only justice-involved individuals who intentionally transform their identities can attempt to utilize structural support to help them pursue change. Second, the structural theory on social bonds provides an appropriate theoretical foundation on how social bonds, such as employment, affect criminal desistance through a series of exogenous circumstances called turning points. Employment is an important example of a social bond for justice-involved individuals since it provides structure to one’s life. Third, the integrative model assumes that personal characteristics may interact within social contexts, in that an individual has to identify, select, and act within the structure they live in, through their cognitive transformation. This article also briefly discusses two major methodological challenges deriving from the utilization of the theory.