http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
최성기(Choi, SungKi),윤형구(Yoon, Hyung-Koo),김영석(Kim, YoungSeok),김세원(Kim, Sewon),최현준(Choi, Hyun-Jun),민대홍(Min, Dae-Hong) 한국지반공학회 2024 한국지반공학회논문집 Vol.40 No.2
지하 매설된 케이블은 불확실한 설계 도면으로 도로 및 지하 구조물 건설 시 단선이 발생한다. 본 논문은 지하 매설 케이블의 위치를 지표 투과 레이더(GPR)로 탐지하고 검증하는 실험을 수행하였다. 수행된 실험 장소는 케이블 매설이 예상되는 실제 도로 건설 부지에서 수행하였으며 400MHz~900MHz의 고주파수 대역을 갖는 지표 투과 레이더를 사용하여 지하 내부 구조를 측정하였다. 탐사 방법은 조사 지역 전체를 파악하기 위한 지표 투과 레이더 1차 실험과 1차 실험 결과 기반의 2차 실험을 수행하였으며 측선 방향의 다양성과 개수를 증가시키는 방법을 사용하였다. 실험 결과는 동일선상의 위치에서 일관된 케이블에서 반사되는 파형 특징인 하이퍼볼라를 확인하였으며 설계 도면 비교 결과 해당 위치에 케이블이 매설된 것을 검증하였다. 해당 연구 결과는 탐지하기 어려운 지하 매설 케이블의 위치를 전자기파 반사 파형인 하이퍼볼라를 기반으로 지표 투과 레이더에 적합한 방법론을 제시한다. Underground buried cables can cause disconnections during the construction of roads and other subterranean structures due to uncertain designs. This paper describes experiments conducted to detect and verify the locations of these cables utilizing ground penetrating radar (GPR). The experiments were carried out at an active road construction site, where cable burial was anticipated. The GPR used operated within a frequency range of 400 MHz to 900 MHz to probe underground structures. The exploration methodology consisted of an initial GPR test to survey the entire area, followed by a secondary test informed by the results of the initial experiment, incorporating a diverse and increased number of lines. The findings confirmed the hyperbolic reflection patterns of cables at consistent locations along the same lines. These patterns were then compared to existing designs to corroborate the presence of cables at the identified locations. This research establishes an effective GPR methodology based on the electromagnetic wave reflection pattern, specifically the hyperbola, to detect difficult-to-locate underground buried cables.
김민호 ( Minho Kim ),최성기 ( Sungki Choi ),권혁철 ( Hyuk-chul Kwon ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.1
심층 학습에 기반을 둔 통계적 언어모형에서 가장 중요한 작업은 단어의 분산 표현(distributed representation)이다. 단어의 분산 표현은 단어 자체가 가지는 의미를 다차원 공간에서 벡터로 표현하는 것으로서, 워드 임베딩(word embedding)이라고도 한다. 워드 임베딩을 이용한 심층 학습 기반 통계적 언어모형은 전통적인 통계적 언어모형과 비교하여 성능이 우수한 것으로 알려져 있다. 그러나 워드 임베딩 역시 자료 부족문제에서 벗어날 수 없다. 특히 학습데이터에 나타나지 않은 단어(unknown word)를 처리하는 것이 중요하다. 본 논문에서는 고품질 한국어 워드 임베딩을 위하여 단어의 의미적 계층정보를 이용한 워드 임베딩 방법을 제안한다. 기존연구에서 제안한 워드 임베딩 방법을 그대로 활용하되, 학습 단계에서 목적함수가 입력 단어의 하위어, 동의어를 반영하여 계산될 수 있도록 수정함으로써 단어의 의미적 계층정보를 반영할 수 있다. 본 논문에서 제안한 워드 임베딩 방법을 통해 생성된 단어 벡터의 유추검사(analog reasoning) 결과, 기존 방법보다 5%가 증가한 47.90%를 달성할 수 있었다.