• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10a
• /
• pp.63-66
• /
• 2006

본 논문에서는 SNP데이터를 이용하여 간경화에 대한 감수성을 예측하기 위해 의사결정 트리를 이용하였다. 데이터는 간경화 환자와 정상환자 총 116명의 데이터를 사용하였으며, Feature 값으로는 간질환과 밀접한 연관성을 갖는 28개의 SNP데이터를 사용하였다. 실험방법은 각각의 SNP에 대하여 의사결정트리로 분류율을 측정한 후 가장 높은 분류율을 가지는 SNP부터 조합해 나가는 방식으로 C4.5 의사결정트리를 이용 leave-one-out cross validation으로 간경화와 정상을 구분하는 정확도를 측정하였다. 실험결과 간 질환 관련 SNP중 IL1RN-S130S, IRNGR2-Q64R, IL-10(-592), IL1B_S35S 4개의 SNP조합에서 65.52%의 정확도를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.489-490
• /
• 2023

기계 학습에서 데이터 및 기능은 기계 학습의 상한을 결정한다.이러한 기능은 산업 생산에서 과도한 데이터 양과 유형으로 인해 상당한 추가 비용이 발생할 수 있다. 따라서 적절한 특징 처리 방법이 매우 중요해졌다. 대부분의 기존 특징 처리 방법은 특징 엔지니어링을 기능 검색 문제, 즉 모델 성능을 최적화할 수 있는 기능 변환 작업을 검색하는 것으로 추상화한다. 그러나 자동 특징 엔지니어링의 경우 검색량과 변환 조합의 수가 매우 많기 때문에 요인 분해 기반 모델을 사용하여 벡터 곱셈을 통해 상호 작용을 측정하면 조합 특징의 패턴을 자동으로 학습하는 방법이 특히 효율적이다. xDeepFM 은 명확한 방식으로 특징적인 상호작용을 생성하도록 설계된 새로운 Compressed Interaction Network (CIN)를 제안한다. 여기에 제시된 Low-rank Compressed Interaction Network(LRCIN )은 xDeepFM 접근 방식에서 CIN 네트워크의 단순화된 개선을 기반으로 하며 xDeepFM 에 주의 메커니즘을 추가하여 보다 정확하게 예측된다. 실험 결과에 따르면 모델은 계산 복잡성을 단순화할 뿐만 아니라 예측 정확도도 다른 모델보다 훨씬 우수한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.120-129
• /
• 2006

유역특성을 충분히 고려한 비홍수량 산정 공식을 유도하여 개략적인 홍수량 산정 및 홍수량 범위 예측 등을 가능하게 하는 것의 실무적 필요성이 대두되고 있다. 이에 따라 홍수량 산정의 주요 입력인자 조건을 설정하고 이들 조합에 의한 홍수량 산정 결과를 회귀분석함으로써 유역특성을 충분히 고려하고 일종의 지역빈도해석 개념의 비홍수량 산정 공식을 제시하고자 한다.

• Journal of the KSME
• /
• v.33 no.7
• /
• pp.614-627
• /
• 1993

좌굴하기 쉬운 구조물을 설계할 때는 반드시 좌굴특성에 대한 어떤 직관을 가져야 한다. 이글의 목적은 셸 구조물이 비선형붕괴(nonlinear collapse), 분기좌굴(bifurcation buckling) 또는 이들 모드의 조합에 의해서 어떻게 좌굴될 것인가에 대한 감각을 전하는데 있다. 이 불안정에 대한 직관적 이해는 보강되고 여러 요소들로 조립되며 분지셸(branched shell)을 갖거나 복잡한 벽구 조를 갖는 실제 셸 구조물 등의 많은 예에 의해서 얻어질 수 있다. 이 글에서는 수식의 개발이 아니라 불안정의 예측에 주안점을 두고 있으며, 큰 처짐과 소성의 조합에 의해 발생되는 비선 형좌굴과 결함민감도가 특히 강조된다. 또한 최적화된 구조물의 국부 및 전체 불안정, 좌굴모드의 상호작용, 그리고 결함민감도(imperfection sensitivity) 등이 예시된다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.3
• /
• pp.20-29
• /
• 2021

In the Industry 4.0 era, artificial intelligence has attracted considerable interest for learning mass data to improve the accuracy of forecasting and classification. On the other hand, the current method of detecting anomalies relies on traditional statistical methods for a limited amount of data, making it difficult to detect accurate anomalies. Therefore, this paper proposes an artificial intelligence-based anomaly detection methodology to improve the prediction accuracy and identify new data patterns. In particular, data were collected and analyzed from the point of view that sensor data collected at vehicle idle could be used to detect abnormalities. To this end, a sensor was designed to determine the appropriate time length of the data entered into the forecast model, compare the results of idling data with the overall driving data utilization, and make optimal predictions through a combination of various sensor data. In addition, the predictive accuracy of artificial intelligence techniques was presented by comparing Convolutional Neural Networks (CNN) and Long Short Term Memory (LSTM) as the predictive methodologies. According to the analysis, using idle data, using 1.5 times of the data for the idling periods, and using CNN over LSTM showed better prediction results.

• Journal of the Korea Convergence Society
• /
• v.13 no.4
• /
• pp.17-24
• /
• 2022

Bitcoin is a peer-to-peer cryptocurrency designed for electronic transactions that do not depend on the government or financial institutions. Since Bitcoin was first issued, a huge blockchain financial market has been created, and as a result, research to predict Bitcoin price data using machine learning has been increasing. However, the inefficient Hyper-parameter optimization process of machine learning research is interrupting the progress of the research. In this paper, we analyzes and presents the direction of Hyper-parameter optimization through experiments that compose the entire combination of the Timesteps, the number of LSTM units, and the Dropout ratio among the most representative Hyper-parameter and measure the predictive performance for each combination based on Bitcoin price prediction model using LSTM layer.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.22 no.2
• /
• pp.51-62
• /
• 2022

This study suggests a design of predictive modeling for a hospital fall risk based on inpatients' posture. Inpatient's profile, medical history, and body measurement data along with basic information about a bed they use, were used to predict a fall risk and suggest an algorithm to determine the level of risk. Fall risk prediction is largely divided into two parts: a real-time fall risk evaluation and a qualitative fall risk exposure assessment, which is mostly based on the inpatient's profile. The former is carried out by recognizing an inpatient's posture in bed and extracting rule-based information to measure fall risk while the latter is conducted by medical staff who examines an inpatient's health status related to hospital fall risk and assesses the level of risk exposure. The inpatient fall risk is determined using a sigmoid function with recognized inpatient posture information, body measurement data and qualitative risk assessment results combined. The procedure and prediction model suggested in this study is expected to significantly contribute to tailored services for inpatients and help ensure hospital fall prevention and inpatient safety.

• The KIPS Transactions:PartB
• /
• v.18B no.2
• /
• pp.67-72
• /
• 2011

Single nucleotide polymorphisms (SNPs) are a very important tool for the study of human genome structure. Cluster analysis of the large amount of gene expression data is useful for identifying biologically relevant groups of genes and for generating networks of gene-gene interactions. In this paper we compared the clusters of SNPs within asthma group and normal control group obtained by using hierarchical cluster analysis method with entropy distance. It appears that the 5-cluster collections of the two groups are significantly different. We searched the best set of SNPs that are useful for diagnosing the two types of asthma using representative SNPs of the clusters of the asthma group. Here support vector machines are used to evaluate the prediction accuracy of the selected combinations. The best combination model turns out to be the five-locus SNPs including one on the gene ALOX12 and their accuracy in predicting aspirin tolerant asthma disease risk among asthmatic patients is 66.41%.

• Journal of Advanced Navigation Technology
• /
• v.23 no.6
• /
• pp.487-494
• /
• 2019

Recently, interest in and use of drones is increasing. In this study, to provide accurate wind prediction at ultra low altitudes of 150 meters or below, the sensitivity of the physical process parameterization and initial conditions was assessed to select the optimal physical process and initial conditions. For this purpose, GFS and LDAPS data were used as initial and boundary conditions, and 7 experiments were constructed using a combination of PBL schemes such as YSU, RUC, ACM2, and LSM such as Noah, RUC, and Pleim. The experiment conducted for 1 month in April 2018. As a result, the RUC-YSU physical process combination using the GFS initial data showed the best performance. This study is meaningful in establishing an optimal modeling method for ultra low altitude wind prediction through experiments using different initial conditions and combination of physical processes.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.310-312
• /
• 2004

이 논문에서는, 단백질의 상호작용을 다양한 아미노산의 속성과 Support Vector Machine(SVM)을 사용하여 예측하였다. SVM을 사용한 단백질 상호작용의 예측 시스템에 단백질 상호작용에 중요한 작용을 하는 아미노산의 속성을 사용하고 있다. 이번 실험은 9가지의 아미노산의 속성의 조합 즉, 511(2$^{9}$ -1)가지의 아미노산 속성을 SVM 학습데이터로 사용하여 예측시스템의 결과를 비교한다. 실험에는 Database of Interacting Proteins(DIP)를 사용하였다. 실험을 위하여 DIP의 H.pylori를 학습용데이터로 사용하고, E.coli를 예측데이터(검증데이터)로 사용하였다. 실험에 따르면 H.pylori의 학습데이터와 E.coli를 예측데이터의 가공에 '소수성'을 사용한 방법보다 '방향성'을 사용한 방법이 더 높은 수치를 나타냈다.