• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.1
• /
• pp.25-32
• /
• 2020

In the context-aware system, rule-based AI technology has been used in the abstraction process for getting context information. However, the rules are complicated by the diversification of user requirements for the service and also data usage is increased. Therefore, there are some technical limitations to maintain rule-based models and to process unstructured data. To overcome these limitations, many studies have applied machine learning techniques to Context-aware systems. In order to utilize this machine learning-based model in the context-aware system, a management process of periodically injecting training data is required. In the previous study on the machine learning based context awareness system, a series of management processes such as the generation and provision of learning data for operating several machine learning models were considered, but the method was limited to the applied system. In this paper, we propose a training data generating method of a machine learning model to extend the machine learning based context-aware system. The proposed method define the training data generating model that can reflect the requirements of the machine learning models and generate the training data for each machine learning model. In the experiment, the training data generating model is defined based on the training data generating schema of the cardiac status analysis model for older in health status notification service, and the training data is generated by applying the model defined in the real environment of the software. In addition, it shows the process of comparing the accuracy by learning the training data generated in the machine learning model, and applied to verify the validity of the generated learning data.

• Journal of dental hygiene science
• /
• v.9 no.4
• /
• pp.419-426
• /
• 2009

The occurrence of toothache signals the malfunction in oral health, which allows the detection of any abnormal condition in the oral cavity at an early stage to prevent the condition from worsening, and thus can act as a preventive measure. This study has looked into the status of oral health management in relation to toothache through the structured survey administered to 235 college students. Based on the survey results, this study aimed at comparing the toothache occurrence prediction between regression analysis and CART model in order to clarify the relationship between the factors of oral health management habits that contribute to toothache occurrence. According to the result, there was a difference between the present health status and the health status of the past year depending on the presence or non-presence of toothache occurrence (p<0.05). There was a difference in the regularity of meal time depending on the presence non-presence of toothache occurrence from the dietary habits of the research subjects (p<0.05). As for the presence or non-presence of toothache occurrence from the oral hygiene habits of the research subject, there was a difference between the occurrence and nonoccurrence of bleeding during brushing or flossing (p<0.05). According to the results of regression analysis, no factors were signifiant in the relationship with the presence or non-presence of toothache occurrence from the status of life habits and oral hygiene habits. 70% of the researched group was randomly selected as the sample for generating an analytical model and the remaining 30% was used as the sample for generating an evaluation model. According to the results of CART model, the occurrence of toothache was higher in the case of irregular meal time and poor current health condition than the case of average or satisfactory health condition. The above results imply that CART model is very useful technique in predicting toothache occurrence compared to regression analysis, and suggests that CART model could be very useful in predicting other oral diseases including toothache.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.1005-1008
• /
• 2021

메타버스의 산업적/학술적 가치가 증대되면서, 실세계 인간과 메타버스 내 디지털 휴먼과의 상호작용 시스템 또한 큰 조명을 받고 있다. 본 논문에서는 인간과 디지털 휴먼이 상호작용할 때, 인간의 발화에 대해 감성적 지지가 가능한 디지털 휴먼 프로토타입을 소개한다. 대화의 의미에 따른 동작 생성이 가능한 아바타 구축 공개 프레임워크를 도입하고, 사전학습모델을 바탕으로 감성적 지지가 가능한 심층 대화 생성 모델 기반 대화 시스템을 여기에 통합하여 인간의 감성 상태에 따른 동작과 대화를 진행하는 감성 지지형 디지털 휴먼 프로토타입을 구현하였다. 이러한 프로토타입을 고도화 하면, 향후 메타버스 기반 정신 건강 케어 및 디지털 치료제로의 확장이 가능할 것으로 사료된다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.19 no.3
• /
• pp.633-640
• /
• 2024

This study develops AI-based 3D body shape modeling technology that can be utilized in the healthcare sector, proposing a system that enables monitoring of users' body shape changes and health status. Utilizing data from Size Korea, the study developed a model to generate 3D body shape images from 2D images, and compared various models to select the one with the best performance. Ultimately, by proposing a system process through the developed technology, including personalized health management, exercise recommendations, and dietary suggestions, the study aims to contribute to disease prevention and health promotion.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.1033-1034
• /
• 2023

현대 사회에서 정신건강이 중요한 문제로 부상하고 있으나 국내 정신건강 서비스 이용률은 7.2%에 그친다. 코로나 발생 이후 이동성 제약 등의 요인에 따라 디지털 정신건강 관리 시장이 크게 성장할 것으로 보인다. 이에 본 논문에서는 AI 챗봇을 활용한 고민 상담을 통해 위로 및 제안을 제공하고, 대화 내용을 기반으로 영화를 추천하는 시스템을 제안한다. KoBert 모델을 이용하여 사용자의 감성을 분석하고, KoGPT 모델을 활용해 챗봇 응답을 생성한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.448-448
• /
• 2021

최근 급격한 기후변화와 도시화 및 산업화로 인한 지류하천에서의 수량과 수질의 변동은 생물 다양성 감소와 수생태계 건강성 저하에 큰 영향을 미치고 있다. 효율적인 수생태 관리를 위해서는 지속적인 유량, 수질, 그리고 수생태 모니터링을 통한 데이터 축적과 더불어 면밀한 상관 분석을 통해 수생태계 건강성의 악화 원인을 규명해야 할 필요가 있다. 그러나 수많은 지류하천을 대상으로 한 지속적인 모니터링은 현실적으로 어려움이 있으며, 수생태계의 특성 상 단일 영향 인자만으로 수생태계의 건강성 변화와의 관계를 정확히 파악하는데 한계가 있다. 따라서 지류하천에서의 유량 및 수질의 시공간적인 변동성과 다양한 영향 인자를 고려하여 수생태계의 건강성을 효율적으로 예측할 수 있는 기술이 필요하다. 이에 본 연구에서는 경험적 데이터 기반의 머신러닝 모델 구축을 통해 미계측 하천에서의 수생태계 건강성 지수(BMI, TDI, FAI)의 등급(A to E)을 예측하고자 하였다. 머신러닝 모델은 학습 데이터셋의 양과 질에 따라 성능이 크게 달라질 수 있으며, 학습 데이터셋의 분포가 불균형적일 경우 과적합 또는 과소적합 문제가 발생할 수 있다. 이를 보완하고자 본 연구에서는 실제 측정망 데이터셋을 바탕으로 생성적 적대 신경망 GAN(Generative Adversarial Network) 알고리즘을 통해 머신러닝 모델 학습에 필요한 추가 데이터셋(유량, 수질, 기상, 수생태 등급)을 확보하였다. 머신러닝 모델의 성능은 5차 교차검증 과정을 통해 평가하였으며, GAN 데이터셋의 정확도는 실제 측정망 데이터셋의 정규분포와의 비교 분석을 통해 평가하였다. 최종적으로 SWAT(Soil and Water Assessment Tool) 모형을 통해 예측 된 미계측 하천에서의 데이터셋을 머신러닝 모델의 검증 자료로 사용하여 수생태계 건강성 등급 예측 정확도를 평가하였다. 본 연구에서의 GAN에 의해 강화된 머신러닝 모델은 수질 및 수생태 관리가 필요한 우심 지류하천 선정과 구조적/비구조적 최적관리기법에 따른 수생태계 건강성 개선 효과를 평가하는데 활용될 수 있을 것이다. 또한 이를 통해 예측된 미계측 하천에서의 수생태계 건강성 등급 자료는 수량-수질-수생태를 유기적으로 연계한 통합 물관리 정책을 수립하는데 기초자료로 활용될 수 있을 것이라 사료된다.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2000.11a
• /
• pp.432-433
• /
• 2000

고농도의 오존은 인간이나 동물의 건강뿐이 아닌 식물 및 토양등에도 중요한 영향을 미치는 것으로 확인되었으며, 따라서 날로 그 관심도가 증대되고 있다. 오존의 효율적 제어를 위해서는 오존 생성 메카니즘을 면밀히 분석하여 어떠한 물질 혹은 물질의 비율이 고농도 오존 발생과 연관성이 있는지에 대한 연구가 선행되어야 한다. 본 연구에서는 광화학 반응모델에서 초기농도 등에 따른 민감도 분석결과를 바탕으로 고농도 오존에 영향을 주는 지표를 살펴보고, 오존농도의 효율적 제어를 위한 기초자료로 활용하고자 한다. (중략)

• Journal of Digital Contents Society
• /
• v.19 no.9
• /
• pp.1819-1824
• /
• 2018

This paper proposes a control method of ASMR(autonomous sensory meridian response) contents to relieve user's stress and improve his attention. The proposed method measures EEG(electroencephalography), attention, meditation, and eyeblink data from an EEG device and sends them to an oneM2M-compliant IoT(internet of things) server platform through an Android IoT Application. Then a SVM(support vector machine) model is built to classify user's mental health status by using EEG, attention and meditation data collected in the server platform. The ASMR contents are controlled by the mental health status classified by a SVM model and the eyeblink data. When comparing the SVM models according to types of data used, the SVM model with attention and meditation data showed accuracy of 85.7%. It was verified that the proposed control algorithm of ASMR contents properly worked as the mental health status from the SVM model and the eyeblink data changed.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.333-335
• /
• 2022

본 논문에서는 기존에 두 가지 모델이 필요했던 작업을 하나의 모델로 처리할 수 있는 자연어 처리 아키텍처를 제안한다. 단일 모델로 알츠하이머 환자의 언어패턴과 대화맥락을 분석하고 두 가지 결과인 환자분류와 챗봇의 대답을 도출한다. 일상생활에서 챗봇으로 환자의 언어특징을 파악한다면 의사는 조기진단을 위해 더 정밀한 진단과 치료를 계획할 수 있다. 제안된 모델은 전문가가 필요했던 질문지법을 대체하는 챗봇 개발에 활용된다. 모델이 수행하는 자연어 처리 작업은 두 가지이다. 첫 번째는 환자가 병을 가졌는지 여부를 확률로 표시하는 '자연어 분류'이고 두 번째는 환자의 대답에 대한 챗봇의 다음 '대답을 생성'하는 것이다. 전반부에서는 셀프어탠션 신경망을 통해 환자 발화 특징인 맥락벡터(context vector)를 추출한다. 이 맥락벡터와 챗봇(전문가, 진행자)의 질문을 함께 인코더에 입력해 질문자와 환자 사이 상호작용 특징을 담은 행렬을 얻는다. 벡터화된 행렬은 환자분류를 위한 확률값이 된다. 행렬을 챗봇(진행자)의 다음 대답과 함께 디코더에 입력해 다음 발화를 생성한다. 이 구조를 DementiaBank의 쿠키도둑묘사 말뭉치로 학습한 결과 인코더와 디코더의 손실함수 값이 유의미하게 줄어들며 수렴하는 양상을 확인할 수 있었다. 이는 알츠하이머병 환자의 발화 언어패턴을 포착하는 것이 향후 해당 병의 조기진단과 종단연구에 기여할 수 있음을 보여준다.

• Journal of Digital Convergence
• /
• v.11 no.5
• /
• pp.429-436
• /
• 2013

Context aware environment u-health service is to provide health service with recognition of a computer. The computer recognizes that a patient can contact real life in many context. Context aware environment service for recommend have to definition of context data and service recommendations related to factors shall be identified. In this paper, Context aware environment of u-health service will be provide context data related to identifies recommendations factors using multivariate analysis method and recommendations factors creation to decision tree, association rule based decision model. health service recommend for significantly context data can be distinguish through recommendation factors of identify. Also, context data of patient can know preference factors through preference decision model.