메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 / 회원가입
고객센터 ENG
주제분류
인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(University of Leeds) (Sungkyunkwan University)
저널정보
한국측량학회 한국측량학회지 한국측량학회지 제43권 제2호
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    본 연구는 동해지역에서 딥러닝 기술로 최적화된 완전 연결 신경망(FCNN: fully connected neural network) 모델을 활용하고, 인공위성 레이더 고도계로부터 계산된 중력이상으로부터 결정된 튜닝 밀도차이를 GGM (Gravity-Geologic Method)에 적용하여 해저지형을 추정하였다. 연구지역 내 선상 관측자료가 충분히 분포된 실험 지역에서 하향연속법(downward continuation method)으로 튜닝 밀도차이 14.19g/㎤를 결정하였다. FCNN 모델의 정확도를 높이고, 학습에 필요한 시간을 절약하기 위하여, 베이지안 최적화(Bayesian optimization)를 이용하여 FCNN의 층의 수, 각 층의 신경망 수, 학습률, 배치 크기, 반복횟수를 조절하였다. 본 연구에서는 Bayesian optimization을 이용하여 최적화된 FCNN 모델로 예측된 수심 및 중력이상과 튜닝 밀도차이 14.19g/㎤를 GGM에 적용하여 해저지형 모델을 추정하였다. 정확도 평가 결과, 14.19 g/㎤의 튜닝 밀도차이를 사용한 해저지형 모델이 1.67g/㎤의 이론적 밀도차이를 사용한 해저지형 모델과 비교하면 NCEI (National Centers for Environmental Information) 선상 관측점에서 17.42% 향상되었다. 본 연구는 Bayesian optimization을 이용하여 최적화된 완전 연결 신경망 모델이 해저지형 추정에 있어 다른 모델보다 우수함을 입증하였다.
    #Deep Learning #Fully Connected Neural Network #Gravity Anomaly #Density Contrast #Seafloor Topography #딥러닝 #완전 연결 신경망 #중력이상 #밀도차이 #해저지형

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-093052940