탭 버튼을 선택하면 분야별로 볼 수 있습니다.
본 연구는 초점이 2개인 타원이 가지는 다양한 성질, 예를 들어 한 초점에서 나온 빛이 다른 초점 에 도달하는 성질 등을 확장하여, 초점이 3개 이상인 타원이나 거리의 정의가 다른 공간에서의 타원 의 성질을 탐구하는 것을 목적으로 한다. 기존 연구에서는 이러한 성질들이 충분히 밝혀지지 않은 상태이다. 이를 해결하기 위해 본 연구에서는 택시 기하학과 유클리드 기하학에서의 거리 개념을 포 함하는 민코프스키 거리 개념을 도입하여 새로운 형태의 타원을 연구하고자 한다. 택시 기하학의 맨해튼 거리에서의 다초점 타원, 유클리드 거리에서의 다초점 타원에 대한 방정식과 그래프를 간단 하게 일반화하는 방법을 탐구한다. 또한 일반적인 민코프스키 거리공간에서 새로운 타원을 탐구하여 그 방정식을 구하고 이를 시각화하고, 기존 타원의 광학적인 성질이 성립하는지 확인하고자 한다. 주제어: (n, p)타원, 다초점, 민코프스키 거리, 매개변수화, 광학적 성질
본 연구는 대표적인 수치적분 방법인 가우스-르장드르 구적법의 한계를 극복하기 위한 새로운 접근 법을 제안한다. 기존 가우스-르장드르 구적법은 무한구간 적분이나 급격한 함수 변동을 처리하는 데 한계가 있었으나, 본 연구에서는 탄젠트 함수 치환을 통해 이러한 문제를 해결하고자 하였다. 탄 젠트 치환은 발산하는 적분을 유한 구간으로 변환하여 보다 안정적이고 정확한 수치적분 결과를 얻 을 수 있도록 한다. 이 방법은 단순히 발산 문제를 해결하는 데 그치지 않고, 다양한 과학 및 공학 적 문제에서 발생하는 복잡한 적분 문제에도 효과적으로 적용될 수 있음을 보여준다. 또한, 본 연구 는 새로운 구적법을 제시하여 다양한 적분법 발전에 기여하고자 한다. 이러한 연구 결과는 수치적 분 분야에서 새로운 방법을 제시하며, 보다 복잡한 상황에서도 정확한 적분을 수행할 수 있는 기술 발전에 기여할 것으로 기대된다. 주제어: 수치적분, 구적법, 가우스 구적법, 가우스 구적법 개선
본 연구는 ROS 기반 TurtleBot 3의 SLAM(Simultaneous Localization and Mapping) 구현을 통 해 로봇이 올바르게 경로를 탐색하고 이동할 수 있도록 하는 것을 목표로 진행되었다. Ubuntu 환 경에서 ROS를 설치하고 설정하여 TurtleBot 3의 전진, 후진, 회전 등의 기본적인 동작을 성공적으 로 수행하여 원활하게 작동함을 확인하였다. 그리고 장애물 환경을 만들고 SLAM(Simultaneous Localization and Mapping) 과정을 수행하여 로봇이 실시간으로 위치를 추정하고, 환경 지도를 구 축하여 자율적으로 최적 경로를 탐색하게 하였다. 이 과정에서 팽창계수를 변경하며 각 환경에서 최적의 팽창계수를 찾아봤다. 주제어: 자율주행 자동차, ROS(Robot Operating System), Turtlebot3, LiDAR, SlAM
본 연구는 ROS(Robot Operating System)와 라즈베리파이(Raspberry Pi)를 활용하여 자율주행 모형 차를 제작하고, 차선 인식 및 자율주행 알고리즘을 구현하는 데 초점을 맞추었다. 단안 카메라를 센서로 활용하여 카메라 캘리브레이션(intrinsic, extrinsic)을 수행하였으며, 이를 통해 차선 인식과 주행 경로 계획의 정확도를 높였다. 또한 SLAM 및 장애물 회피를 포함한 자율주행 기술을 적용 하여 제작된 모형차의 성능을 테스트하였다. 연구 결과, 체스보드 패턴을 활용한 캘리브레이션이 차선 인식의 정밀도에 크게 기여하였으며, 개선된 보정값을 반영한 자율주행 시스템이 트랙 완주 에 성공하였다. 본 연구는 저비용 환경에서 자율주행 알고리즘을 학습하고 실험할 수 있는 가능 성을 제시한다. 주제어: 카메라 기반의 자율주행, ROS, 차선 인식, calibration
기계학습은 데이터를 기반으로 기계가 스스로 학습하여 특정 작업을 수행하는 기술로, 그 활용 범 위가 점점 넓어지고 있다. 본 연구에서는 인공신경망과 유전 알고리즘을 활용한 강화학습을 탐구한 다. 본 연구의 목표는 유전 알고리즘을 활용하여 강화학습 환경에서 최적의 하이퍼파라미터를 탐색 하는 것이다. 이를 위해, 우선적으로 유전 알고리즘을 통해 마방진 문제를 해결하며, 그 과정에서 도출된 하이퍼 파라미터 값을 강화학습 환경인 바이페달 워커 환경에 적용한다. 이 연구를 통해 최 적의 학습 파라미터를 찾고, 이를 활용하여 강화학습 모델의 성능을 향상시키는 방법을 제시하고자 한다. 주제어: 유전 알고리즘, 강화학습, 최적화, 바이페달워커
본 연구는 인공지능 기법을 활용하여 반도체 결함 검사를 자동화하고 효율성을 극대화하는 방법 을 제시한다. 현재 반도체 제조 공정에서 사용되는 EFA, nanoprobing, MTS 기법은 시간이 많이 소 요되고 정확도가 떨어지는 문제점을 가지고 있다. 이를 극복하기 위해 본 연구에서는 딥러닝 기반 의 합성곱 신경망(CNN)을 적용하여, 가공된 웨이퍼 이미지를 분석하고 반도체 내 결함의 효과적으 로 탐지할 수 있는 모델을 개발하였다. 이 모델은 웨이퍼 이미지를 학습 데이터로 활용하며, 다양한 반도체 결함 유형을 자동으로 분류하고 검출하는 데 중점을 둔다. 향후 연구에서는 데이터셋을 다 양화하고 추가적인 딥러닝 기법을 적용하여 모델의 성능을 더욱 향상시킬 예정이다. 주제어: 결함 검사, 반도체, 인공지능, 딥러닝, CNN
우리나라에 위치하고 있는 많은 양의 옹벽들에 소모되는 인력을 줄이기 위해 객체인식을 할 수 있 는 딥러닝 모델인 YOLO를 활용하여 옹벽의 외부문제를 실시간 탐지하기 위해 옹벽에 나타나는 주 요 문제들인 옹벽의 균열, 백태, 배수구 막힘, 박리 현상을 수집하여 모델을 학습시킨다. 이때 최대 한 효율적인 모델을 고르기 위해 YOLOv8의 n, s, m, l 모델을 사전 훈련시켜 성능을 확인하여 보 고 확인한 모델들 중 s, m, l을 Teacher model로 n모델을 Student model로 지식증류법을 통해 학습시키고 m, l 모델을 Teacher model로 s모델을 Student model로 지식증류법을 통해 학습시 키고 l모델을 Teacher model로 m모델을 Student model로 지식증류법을 통해 학습시켜 이 중 가 장 효과적인 모델을 이용한다. 주제어: 객체 탐지, YOLO, 옹벽 이상, 지식증류
현존하는 생성형 AI는 표 데이터에 대한 인식률이 떨어지는 반면, 자연어 처리에는 좋은 성능을 보여준다. 이는 생성형 AI의 표에 대한 인식 및 처리 능력의 저하로 이어진다. 본 연구는 전처리 기 법을 통해 표 데이터를 자연어로 바꿔줌으로써 위와 같은 문제를 해결한다. 우리는 표 속성에서 가 장 상위 데이터를 기준으로 나열하고 가장 상위 데이터에서 하위 데이터가 추가되면 특정 기호를 통해 표 속성의 데이터 간의 연관성을 나타내는 전처리 방식을 고안하였다. 이후 RAG 과정을 통해 고안한 전처리 기법을 적용하여, 전처리된 데이터를 생성형 AI가 표에 대해 정확하게 이해하고 답 변하도록 하였다. 그 결과 생성형 AI의 표의 인식률과 답변 정확도가 이전보다 향상되었음을 확인 하였다. 주제어: 생성형 AI, 표 데이터, 전처리 기법, 표 내 속성 간의 연관성, 질의응답 정확도
본 연구는 코딩역량을 평가하는 기존 방식의 한계를 극복하고, 생성형 인공지능을 활용하여 보다 정확한 코딩역량평가 시스템을 개발하는 것을 목표로 한다. 연구는 파이썬 코딩 스타일 가이드 문서(PEP8)를 기준으로 코딩 역량평가를 진행하였다. 코딩 스타일 가이드 문서를 청크 단위로 나누어 임베딩한 벡터스토어에 저장한다. 사용자의 코드를 앙상블 한 검색기(bm25, db)와 리랭킹 과정을 거쳐 높은 유사도의 청크를 선 택해 코드를 평가하는 과정을 갖는다. 이후 RAG를 이용해 선정한 청크를 기반으로 사용자의 코 드의 문제점과 개선 방안을 제시하여 사용자의 코딩역량을 키우는 것을 돕는다. 주제어: PEP8, RAG, 임베딩, 리랭킹
교모세포종(Glioblastoma)은 뇌 조직에 풍부한 신경교세포에서 발생하며 가장 공격적인 원발성 악성 뇌종양 중 하나로 방사선 치료 저항성이 매우 크기에 치료가 어렵다. 이에 대해 본 연구에서는 방 사선 저항성 세포주에서 과발현된 아연 수송 단백질인 ZIP4-variant을 표적으로 선정하고 ROS가 ER stress에 영향을 준다는 선행 연구를 토대로 가설을 세웠다. 이를 검증하기 위하여 ZIP4-variant 발현량을 조절하고 ER stress와 ROS 및 cell viability를 측정하여 비교하였다. 그 결과 U87MG-RR 에서 ZIP4-variant는 방사선 조사로 증가된 세포 내 ROS를 감소시켜서 ER stress를 완화시키고, 이 는 곧 세포의 생존율을 증가시킨다는 것을 알 수 있었다. 이를 통하여 ZIP4-variant로 인한 Zinc 수 송이 방사선 조사에 의한 세포 손상을 감소시키므로 Zip4-variant의 과발현이 GBM의 방사선 저항 성 획득에 기여한다는 결론을 도출하였다. 주제어: Glioblastoma, ZIP4-variant, ER stress, ROS, Radioresistance
암세포는 GLUT3에 가장 의존적이므로‘GLUT3의 발현량을 낮추었을 때 암세포가 포도당을 공급받 지 못해 사멸할 것이다’라는 가설을 세우고 실험을 수행하였다. 가설을 확인하기 위해 RNA sampling 후 qRT-PCR을 통해서 low glucose 환경에서 reference gene(GAPDH)와 GLUT3의 발현을 확인하였다. 그리고 western blot을 통해 단백질의 발현량을 확인한 다음에 immunocytochemistry(ICC)를 통해서 단백질의 위치를 확인하였다. 그리고 GLUT3를 knock down시키고 transfection을 통해서 GLUT3의 중요성을 확인하였다. cell viability assay & glucose uptake 과정을 통해 knock down된 정도를 확인하였다. GLUT3가 세포막에 얼마나 존재 하는지 확인하였다. 주제어: 교모세포종, GLUT3, 표적 저해제, 유전자 발현 조절
본 연구는NAC 그룹 전사인자가 식물의 환경 스트레스 대응 메커니즘에서 수행하는 역할을 규명하 고자NAC047과NAC102 유전자에 대해 분자생물학적 특성을 분석하였다. NAC047과NAC102 유전자 증폭을 위해PCR을 수행하였으며, EcoRI 제한효소를 이용해 벡터에 삽입하고 대장균 형질전환과 플 라스미드 추출을 통해 클로닝 성공 여부를 확인하였다. 실험 결과NAC047 유전자는 효모 형질전환 과β-gal filter assay 및growth assay에서 전사 활성화 기능을 가짐을 확인할 수 있었고, 형질전환 애기장대는 고염 조건에서NAC047 과발현체가 높은 내성을 나타내었다. GFP 형광단백질 융합을 통 해NAC047 유전자가 특정 세포 부위에서 발현되는 위치를 형광현미경으로 시각적으로 관찰하였다. 본 연구는NAC 전사인자가 환경 스트레스 저항성 작물 개발을 위한 기초 자료로 활용될 수 있음을 시사한다. 주제어: NAC 047, 유전자 클로닝, 형광단백질 분석, RT-PCR