http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
서태평양 해저산의 망간각 자원평가를 위한 해저지형 특성 분석
주종민,김종욱,고영탁,김승섭,손주원,박상준,함동진,손승규,Joo, Jongmin,Kim, Jonguk,Ko, Youngtak,Kim, Seung-Sep,Son, Juwon,Pak, Sang Joon,Ham, Dong-Jin,Son, Seung Kyu 대한자원환경지질학회 2016 자원환경지질 Vol.49 No.2
서태평양 공해 해저산의 다중빔 음향측심자료와 해저면 영상관측 자료를 활용하여 해저산 정상부와 경사면에 피복된 망간각의 공간 분포 변화 양상을 파악하였다. 다중빔 음향측심기를 이용하여 구분된 해저산의 지형 특성은 정상부 면적의 약 70% 이상이 경사가 $5^{\circ}$ 미만으로 비교적 평평한 지대로 이루어져 있으나 후방산란강도는 해저면의 매질변화를 지시하는 이봉분포를 보였다. 이 이봉분포에서 -30 dB이상의 높은 최빈값은 경사면과 정사부 가장자리 지역에서 우세하였으며 -30 dB이하의 낮은 최빈값은 정상부 중앙지역에서 우세하였다. 해저면 표층의 영상자료와 후방산란 자료의 연관성을 분석한 결과, 정상부 중앙지역은 경사면에 비해 상대적으로 완만한 기울기와 미교결 퇴적물만 존재하여 후방산란이 낮게 나타난다. 반면, 정상부 가장자리 및 경사면은 퇴적물이 없어 기반암이 노출되거나 망간각이 피복되어 후방산란이 높게 나타남을 보여준다. 따라서 다중빔 음향측심조사를 통해 획득된 후방산란 자료와 해저면의 퇴적물 및 망간각 분포 사이의 상관관계가 높다는 것을 알 수 있다. 이 연구결과는 다중빔 음향측심조사를 통해 획득된 후방산란 자료를 활용하면 기요형태의 해저산에 피복된 망간각의 전체적인 분포 규모를 확인할 수 있음을 의미한다. 따라서 해저산 지역의 망간각 개발 유망구역을 선별하는데 후방산란 자료가 유용하게 활용될 수 있을 것이다. We characterize the spatial distribution of Cobalt-rich ferromanganese crusts covering the summit and slopes of a seamount in the western Pacific, using acoustic backscatter from multibeam echo sounders (MBES) and seafloor video observation. Based on multibeam bathymetric data, we identify that ~70% of the summit area of this flattopped seamount has slope gradients less than $5^{\circ}$. The histogram of the backscatter intensity data shows a bi-modal distribution, indicating significant variations in seabed hardness. On the one hand, visual inspection of the seafloor using deep-sea camera data exhibits that the steep slope areas with high backscatter are mainly covered by manganese crusts. On the other hand, the visual analyses for the summit reveal that the summit areas with relatively low backscatter are covered by sediments. The other summit areas, however, exhibit high acoustic reflectivity due to coexistence of manganese crusts and sediments. Comparison between seafloor video images and acoustic backscatter intensity suggests that the central summit has relatively flat topography and low backscatter intensity resulting from unconsolidated sediments. In addition, the rim of the summit and the slopes are of high acoustic reflectivity because of manganese crusts and/or bedrock outcrops with little sediments. Therefore, we find a strong correlation between the acoustic backscatter data acquired from sea-surface multibeam survey and the spatial distribution of sediments and manganese crusts. We propose that analyzing acoustic backscatter can be one of practical methods to select optimal minable areas of the ferromanganese crusts from seamounts for future mining.
단어의 의미와 문맥을 고려한 순환신경망 기반의 문서 분류
주종민,김남훈,양형정,박혁로,Joo, Jong-Min,Kim, Nam-Hun,Yang, Hyung-Jeong,Park, Hyuck-Ro 한국정보처리학회 2018 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.7 No.7
In this paper, we propose a method to classify a document using a Recurrent Neural Network by extracting features considering word sense and contexts. Word2vec method is adopted to include the order and meaning of the words expressing the word in the document as a vector. Doc2vec is applied for considering the context to extract the feature of the document. RNN classifier, which includes the output of the previous node as the input of the next node, is used as the document classification method. RNN classifier presents good performance for document classification because it is suitable for sequence data among neural network classifiers. We applied GRU (Gated Recurrent Unit) model which solves the vanishing gradient problem of RNN. It also reduces computation speed. We used one Hangul document set and two English document sets for the experiments and GRU based document classifier improves performance by about 3.5% compared to CNN based document classifier. 본 논문에서는 단어의 순서와 문맥을 고려하는 특징을 추출하여 순환신경망(Recurrent Neural Network)으로 문서를 분류하는 방법을 제안한다. 단어의 의미를 고려한 word2vec 방법으로 문서내의 단어를 벡터로 표현하고, 문맥을 고려하기 위해 doc2vec으로 입력하여 문서의 특징을 추출한다. 문서분류 방법으로 이전 노드의 출력을 다음 노드의 입력으로 포함하는 RNN 분류기를 사용한다. RNN 분류기는 신경망 분류기 중에서도 시퀀스 데이터에 적합하기 때문에 문서 분류에 좋은 성능을 보인다. RNN에서도 그라디언트가 소실되는 문제를 해결해주고 계산속도가 빠른 GRU(Gated Recurrent Unit) 모델을 사용한다. 실험 데이터로 한글 문서 집합 1개와 영어 문서 집합 2개를 사용하였고 실험 결과 GRU 기반 문서 분류기가 CNN 기반 문서 분류기 대비 약 3.5%의 성능 향상을 보였다.
소셜 데이터를 이용한 협업필터링 추천 시스템 성능 개선 연구
주종민 ( Jong-min Joo ),양형정 ( Hyung-jeong Yang ),김남훈 ( Nam-hun Kim ),박성현 ( Sung-hyun Park ),이건우 ( Gun-woo Lee ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.2
다양한 소셜 네트워크 서비스가 발달되고 많은 사람들이 소셜 미디어에 참여하면서 방대한 양의 정보가 발생하고 있다. 따라서 원하는 정보를 선별하고 가공하는 연구도 활발히 진행되고 있다. 협업필터링은 이러한 정보를 토대로 사용자에게 맞춤형 아이템을 추천해주는 알고리즘이다. 하지만 정확한 추천을 위해서는 매우 방대한 양의 정보가 필요하다. 또한 협업필터링에는 초기에는 제대로 추천이 이루어지지 않는 콜드스타터 문제가 있다. 이러한 문제를 해결하기 위해 본 논문에서는 소셜 네트워크 서비스 중의 하나인 트위터 데이터를 활용하여 협업필터링 추천 시스템의 성능을 높이고자 한다. 협업 필터링의 평점에 특정 아이템 관련 트윗을 수집해서 긍정/부정을 측정하여 가중치를 부여한다. RMSE 평가 방법을 통한 실험 결과, 소셜 미디어의 긍부정 영향력을 측정하여 적용했을 때가 기존의 협업필터링 방식에 비해 약 5.5%의 성능 향상을 확인하였다.