http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
우리나라에서 일최심신적설의 추정을 위한 인공신경망모형의 활용
이건,이동률,김동균,Lee, Geon,Lee, Dongryul,Kim, Dongkyun 한국수자원학회 2017 한국수자원학회논문집 Vol.50 No.10
본 연구에서는 우리나라 전역에 대하여 인공신경망 기법을 사용하여 일최심신적설을 추정하였다. 인공신경망 모형 구조를 시행 착오법을 이용하여 설계한 결과, 입력자료는 일 최저 기온, 일 평균 기온, 강수량으로 정하였고, 은닉층과 노드의 수는 각각 1층, 10개로 정하였다. 관측값을 인공신경망의 입력자료로 활용하는 경우, 교차검증 상관계수는 0.87로 Ordinary Kriging기법을 활용하여 일최신심적설을 공간보간한 경우의 교차검증상관계수인 0.40보다 크게 높았다. 미계측 지역의 일최심신적설을 추정하는 경우의 인공신경망 모형의 성능을 알아보기 위하여 인공신경망 모형의 입력자료들을 Ordinary Kriging으로 공간보간하여 일최심신적설을 추정하였다. 이 경우 교차검증 상관계수는 0.49였다. 또한 해발 고도 200 m 이상의 산지에서의 인공신경망의 성능은 나머지 지역인 평지에서의 성능보다 다소 떨어짐을 확인하였다. 본 연구의 이러한 결과는 우리나라 전역에 걸친 정확한 적설량의 즉각적인 산정에 인공신경망 모형이 효과적으로 활용될 수 있음을 의미한다. This study estimated the daily maximum snow depth using the Artificial Neural Network (ANN) model in Korean Peninsula. First, the optimal ANN model structure was determined through the trial-and-error approach. As a result, daily precipitation, daily mean temperature, and daily minimum temperature were chosen as the input data of the ANN. The number of hidden layer was set to 1 and the number of nodes in the hidden layer was set to 10. In case of using the observed value as the input data of the ANN model, the cross validation correlation coefficient was 0.87, which is higher than that of the case in which the daily maximum snow depth was spatially interpolated using the Ordinary Kriging method (0.40). In order to investigate the performance of the ANN model for estimating the daily maximum snow depth of the ungauged area, the input data of the ANN model was spatially interpolated using Ordinary Kriging. In this case, the correlation coefficient of 0.49 was obtained. The performance of the ANN model in mountainous areas above 200m above sea level was found to be somewhat lower than that in the rest of the study area. This result of this study implies that the ANN model can be used effectively for the accurate and immediate estimation of the maximum snow depth over the whole country.
GPU를 이용한 고속 스페클 제거 알고리즘에 관한 연구
이건(Geon Lee),이명준(Myung-Jun Lee),정남훈(Nam-Hoon Jeong),최재호(Jae-Ho Choi),김경태(Kyung-Tae Kim) 한국전자파학회 2021 한국전자파학회논문지 Vol.32 No.9
합성 개구면 레이다(synthetic aperture radar: SAR) 영상 생성 시, 영상의 한 해상도 셀 내에 다수의 산란자가 존재할 경우, 산란자들로부터 반사되어 돌아오는 신호가 상호간에 간섭을 일으켜 영상 내의 화소의 강도를 불규칙적으로 변화시키며, 이러한 불규칙적인 강도를 지닌 화소들을 스페클이라고 한다. 스페클은 화소 탐지 시 오탐지율을 증가시키고, 탐지율을 떨어트리며, 이러한 문제를 해결하기 위해 스페클 제거 필터들이 개발되었다. 그러나 스페클 제거 성능이 우수한 필터들은 처리 시간이 길어 실시간 처리와 같은 고속 처리가 중요한 상황에서 사용할 수 없었다. 본 논문에서는 스페클 제거 필터의 처리 속도를 증가시키기 위하여 그래픽 처리 장치(graphics processing unit: GPU)를 사용하였으며, 기존의 스페클 제거 필터의 알고리즘을 GPU의 병렬화 연산에 맞춰 최적화시키고, SAR 영상에 대하여 최적화한 알고리즘과 기존의 알고리즘을 수행하여 수행시간 및 필요로 하는 데이터 공간을 분석하였다. When a synthetic aperture radar (SAR) image is created, if there are some scatterers in the resolution cell, the reflected signals from the scatterers interfere with each other, causing irregular changes in the intensity of pixels in the image called speckles. Speckles increase the false alarm rate and decrease the pixel detection rate. Therefore, speckle reduction filters have been developed to reduce the influence of speckles. However, filters that reduce large amounts of speckles have a long processing time; therefore, they are costly to use in real-time applications, in which quick processing is crucial. This study used a graphics processing unit (GPU) to increase the processing speed of speckle reduction filters and optimized the existing speckle reduction algorithm to run in parallel with a GPU. Furthermore, we compared the processing time and data capacity of existing and optimized algorithms.