http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
박혜진,이주홍,권누리,강혜정,김주형,박진주,엄현주,Park, Hye Jin,Lee, Juhong,Kwon, Nu Ri,Kang, Hye Jeong,Kim, Ju-Hyoung,Park, Jinju,Eom, Hyun-Ju 한국식품영양학회 2022 韓國食品營養學會誌 Vol.35 No.5
A total of 51 vegetables and fruits, commonly consumed agriculture products in Korea, were analyzed for their α-carotene, β-carotene, and β-cryptoxanthin contents as provitamin A. The beta-carotene content (㎍/100 g) was high in a few green leaf vegetables such as coriander (5,924.07), gegeol radish leaf (5.855.72), and curried mallow (5,138.01), while α-carotene and β-cryptoxanthin contents were not detected. The β-carotene in 8 kinds of 20 general vegetables was detected in the range of 214.06~1,437.67 ㎍/100 g, while α-carotene was detected at 460.17 ㎍/100 g in only old pumpkin. The β-cryptoxanthin was detected in the range of 106.55~315.49 ㎍/100 g in Japanese elm, watermelon, white cucumber, and lettuce. However, carotenoids were not detected in 10 kinds of agricultural products including oriental melon, potato, etc. In fruits, the beta-carotene contents ranged from 165.72~3,997.39 ㎍/100 g, showing maximum value in apple mango and minimum value in persimmon. The β-cryptoxanthin was detected at 232.22 ㎍/100 g in only passion fruit, while the α-carotene was detected at 77.25 ㎍/100 g in only darae. Thus, based on the analyzed results of carotenoids of agriculture products consumed or cultivated in Korea, and it was found that green leaf vegetables comprise high beta-carotene overall.
안전하고 효과적인 자율주행을 위한 불확실성 순차 모델링
윤재웅(JAE UNG YOON),이주홍(JUHONG LEE) 한국스마트미디어학회 2022 스마트미디어저널 Vol.11 No.9
심층강화학습은 자율주행 도메인에서 널리 사용되는 end-to-end 데이터 기반 제어 방법이다. 그러나 기존의 강화학습 접근 방식은 자율주행 과제에 적용하기에는 비효율성, 불안정성, 불확실성 등의 문제로 어려움이 존재한다. 이러한 문제들은 자율주행 도메인에서 중요하게 작용한다. 최근의 연구들은 이런 문제를 해결하고자 많은 시도가 이루어지고 있지만 계산 비용이 많고 특별한 가정에 의존한다. 본 논문에서는 자율주행 도메인에 불확실성 순차 모델링이라는 방법을 도입하여 비효율성, 불안정성, 불확실성을 모두 고려한 새로운 알고리즘 MCDT를 제안한다. 강화학습을 높은 보상을 얻기 위한 의사 결정 생성 문제로 바라보는 순차 모델링 방식은 기존 연구의 단점을 회피하고 효율성과 안정성을 보장하며, 여기에 불확실성 추정 기법을 융합해 안전성까지 고려한다. 제안 방법은 OpenAI Gym CarRacing 환경을 통해 실험하였고 실험 결과는 MCDT 알고리즘이 기존의 강화학습 방법에 비해 효율적이고 안정적이며 안전한 성능을 내는 것을 보인다. Deep reinforcement learning(RL) is an end-to-end data-driven control method that is widely used in the autonomous driving domain. However, conventional RL approaches have difficulties in applying it to autonomous driving tasks due to problems such as inefficiency, instability, and uncertainty. These issues play an important role in the autonomous driving domain. Although recent studies have attempted to solve these problems, they are computationally expensive and rely on special assumptions. In this paper, we propose a new algorithm MCDT that considers inefficiency, instability, and uncertainty by introducing a method called uncertainty sequence modeling to autonomous driving domain. The sequence modeling method, which views reinforcement learning as a decision making generation problem to obtain high rewards, avoids the disadvantages of exiting studies and guarantees efficiency, stability and also considers safety by integrating uncertainty estimation techniques. The proposed method was tested in the OpenAI Gym CarRacing environment, and the experimental results show that the MCDT algorithm provides efficient, stable and safe performance compared to the existing reinforcement learning method.
AHP 기법과 GIS 를 이용한 인천 지역의 경찰서 적지 선정
김윤수 ( Younsoo Kim ),이주홍 ( Juhong Lee ),송재원 ( Jaewon Song ) 한국정보처리학회 2012 한국정보처리학회 학술대회논문집 Vol.19 No.2
본 연구에서는 인천 지역의 범죄의 특성 지역을 분석하기 위하여 기존의 이론적인 논의에 기초하며 AHP 와 GIS 와 연계를 통해 분석하고자 하였다. 이를 위해 인천의 범죄 우발지역을 볼 수 있는 공간적 패턴과 경찰서 내지 파출소의 적지를 선정하고 자료 분석 및 데이터 수집과 통틀어 공간분석을 수행하며 이러한 분석을 통해 얻어진 여러 가지 요인들과 범죄 율을 나타내어 최종 자료를 구현하기 위한 연구를 한다. 범죄 율의 공간적 표현을 위해서 수식을 이용하여 범죄 율을 구했으며 인구 및 정확한 데이터들을 수집하여 분석하고 그대로 반영한다. AHP 를 이용하여 설문조사 및 객관적인 판단과 가중치를 판단할 수 있는 중요한 척도가 되었으며, 이것들을 반영하여 최종 결과물에 현실성을 더하여, 실제로 예방조치를 취할 수 있도록 할 수 있을 것이다. 또한 GIS 소프트웨어에서 제공되는 좌표체계와 데이터베이스 및 SQL 등을 이용하여 현실성과 정밀성을 더하여 활용될 수 있음을 확인하였다.
박상호(Sangho Park),이종인(Jongin Lee),박선(Sun Park),강윤희(Yunhee Kang),이주홍(Juhong Lee) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅰ
소비자의 신용 대출 규모가 점차 증가하면서 기업에서 고객의 신용 등급에 의한 정확한 고객 분류를 필요로 하고 있다. 이를 위해 판별 분석과 신경망의 역전파(BP:BackPropagation)를 이용한 고객 분류 시스템이 연구되었다. 그러나, 판별 분석을 사용한 방법은 불규칙한 신용 거래의 성향을 보이는 비정규 분포의 고객 데이터의 영향으로 여러 개의 판별 함수와 판별점이 존재하여 분류 정확도가 떨어지는 단점이 있다. 신경망을 이용한 방법은 불규칙한 신용 거래의 성향을 보이는 고객 데이터에 의해서, 지역 최소점(Local Minima)에 빠져 최대의 분류 정확률을 보이는 분류자를 얻지 못하는 경우가 발생할 수 있다. 본 논문에서는 이러한 기존 연구의 분류 정확률을 저하시키는 단점을 해결하기 위해 SVM(Support Vector Machine)을 사용하여 고객의 신용 등급을 분류하는 방법을 제안한다. SVM은 SV(Support Vector)의 수에 의해서 학습 성능이 좌우되므로, 불규칙한 거래 성향을 보이는 고객에 대해서도 높은 차원으로의 매핑을 통하여, 효과적으로 학습시킬 수 있어 분류의 정확도를 높일 수 있다 하지만, SVM은 근사화 알고리즘(Approximation Algorithms)을 이용하므로 분류 정확도가 이론적인 성능에 미치지 못한다. 따라서, 본 논문은 점진적 앙상블 SVM을 사용하여, 기존의 고객 분류 시스템의 문제점을 해결하고 실제적으로 SVM의 분류 정확률을 높인다. 실험 결과는 점진적 앙상블 SVM을 이용한 방법의 정확성이 기존의 방법보다 높다는 것을 보여준다.
Fast Messy Genetic Algorithm을 이용한 병렬전단벽 건물의 최적설계
이주홍,이차돈 대한건축학회 2004 대한건축학회 학술발표대회 논문집 - 계획계/구조계 Vol.24 No.1(구조계)
Optimally designed coupled shear wall building needs to satisfy cost minimization, inter-story drift limits, code specifications on strength design and practical dimensions following building modules. Fast Messy Genetic Algorithm(fmGA) is used for discrete optimization of reinforced concrete coupled shear wall building subject to combinations of gravity loads and lateral loads. Difficulties in finding optimum sections from semi-infinite set of member sizes and reinforcement arrangements are alleviated by constructing data sets containing a finite number of sectional dimensions of coupling beams and coupled shear walls in a practical range. Optimum wall thickness and wall width, vertical and horizontal wall reinforcements, coupling beam depth, flexural reinforcements for positive and negative moments of coupling beam shear reinforcements of coupling beam are found by the developed algorithm. It is shown that the Fast Messy Genetic Algorithm was able to reach optimum design for reinforced concrete coupled shear wall buildings.