• 한국의료질향상학회지
• /
• 제18권1호
• /
• pp.79-87
• /
• 2012

문제: 투약오류는 의료기관 전반에서 가장 많이 발생하는 오류의 하나이며, 환자에게 중대한 위해를 초래하기도 한다. 특히 고농축전해질은 문제발생의 가능성과 위험성이 높아 지속적인 관리 및 교육을 필요로 하고 있다. 목적: 발생한 투약오류 건에 대한 근본원인분석을 시행함으로써 유사사례가 발생하는 것을 예방하여 환자안전을 도모하고자 한다. 의료기관: 연세대학교 세브란스병원 질 향상 활동: 투약오류 건에 대해 근본원인분석 시행 후 고위험약물 관련 내규를 보완하였고, 고위험약물에 대한 Alert System 개발, 고위험약물 라벨 부착, 약 처방 관련 의료진 교육을 시행하였다. 개선효과: 고위험약물 투여와 관련된 시스템 개선 활동 이후 유사사례는 발생하지 않았고, 의료진 교육을 통하여 환자안전에 대한 인식과 중요성을 더욱 증가시켰다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권5호
• /
• pp.546-550
• /
• 2010

본 논문에서는 모바일 폰에서 오프라인 필기체 과분할 인식의 후처리 방법에 관하여 논하였다. 제안된 방법은 조합 행렬 생성, 문자 조합 필터링, 문자 유사도 측정으로 구성된다. 조합 행렬 생성 과정은 각각의 조각의 인식 결과로부터 생성가능한 모든 조합 행렬을 계산하는 부분이며 조합 행렬을 그래프로 구성하게 된다. 문자 조합 필터링 과정은 그래프의 노드들과 단어 사전을 비교하여 불필요한 노드를 삭제하는 과정이며 문자 유사도 측정과정은 단어 사전의 각각의 단어들과 Levenshtein 거리(distance)를 계산하여 최적의 후처리 결과를 추출하게 된다. 제안된 방법의 인식률은 85.8%의 정확도를 보였다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2001년도 추계학술발표대회 논문집 제20권 2호
• /
• pp.109-112
• /
• 2001

본 논문에서는 한국어 Trainable TTS System의 자연스러운 음성 합성을 위해 400문장(어절수 : 6,220, 음운수: 총43,701: 자음 23,899,모음: 19,802)에 대하여 단일 남성화자가 발성한 문 음성 데이터를 음운레벨세그먼트, 음운 라벨링 ,어절간의 띄어쓰기 ,어절에 대한 음운별 품사가 태깅된 문 음성 코퍼스를 사용하여 음운 환경과 품사에 의하여 음운의 지속시간이 어떻게 변화하는가에 대하여 통계적으로 분석하였다. 그리고 음운 지속시간을 보다 정교하게 예측하기 위하여, 각 음운에 대한 고유 지속시간의 영향이 배제된 정규화 음운지속시간에 대한 회귀트리를 이용하여 정규화 지속시간에 영향을 미치는 특징요소들 간의 관계를 통계적인 방법으로 분석하였다. 그 결과 문법적인 특징요소를 나타내는 요소들간에 서로 상관이 높게 나타나는 것을 알 수 있었다 그리고 이러한 경우 유사한 특징 요소들간에 상관이 1에 가까울 정도로 상관이 높은 요소들의 경우 예측지수가 낮은 요소들을 제거하여도 지속시간변화에 영향을 미치지 못하는 것으로 나타났다. 그 결과 문법적 성질이 유사한 특징 요소들을 회귀트리를 통해 모델링할 경우에 요소들간의 상관정도를 분석하여 최소한의 특징요소들을 선택 할 수 있는 방법을 제시하였다 그리고 이를 토대로 한 정규화 회귀트리의 모델링이 지속시간 회귀트리 모델링보다 우수함을 입증하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권9호
• /
• pp.445-456
• /
• 2017

본 논문에서는 트레이닝 데이터가 제한된 환경에서 n-gram 사전을 이용하여 불건전 정보를 포함하는 스팸 트윗을 탐지하는 방법을 제안한다. 불건전 정보를 포함하는 스팸 트윗은 유사한 단어와 문장을 사용하는 경향이 있다. 이러한 특성을 이용하여 스팸 트윗과 정상 트윗에 대한 n-gram 사전을 구축하고 나이브 베이스 분류기를 적용하여 효과적으로 스팸 트윗을 탐지할 수 있음을 보인다. 반면에, 실시간으로 대용량의 데이터가 유입되는 트위터의 특성은 초기 트레이닝 집합 구성에 매우 큰 비용을 요구 한다. 따라서, 초기 트레이닝 집합이 매우 작거나 존재하지 않는 환경에서 적용할 수 있는 스팸 트윗 탐지 방법이 필요하다. 이를 위해 트위터의 리트윗 기능을 활용하여 의사 라벨을 생성하고 초기 트레이닝 집합의 구성과 n-gram 사전 업데이트에 활용하는 방법을 제안한다. 2016년 12월 1일부터 2016년 12월 7일까지 수집된 한국어 트윗 130만 건을 사용한 다양한 실험 결과는 비교 방법들보다 제안하는 방법의 성능이 우수함을 입증한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.389-392
• /
• 2010

본 논문에서는 웹캠으로 입력받은 컬러 영상에서 손의 구조정보를 활용하여 위치를 탐지하고 손동작을 인식하는 방법을 제시한다. 본 시스템에서는 피부색을 기반으로 영상을 이진화하고, 라벨링한다. 각각의 라벨링된 영역 내에서 Voronoi Diagram을 활용한 최대 내접원(Maximum Inscribed Circle)을 탐색하여 손의 중심점을 찾고 최대 내접원과 연결된 타원 성분을 분석하여 손 영역을 추출한다. 그리고 여기에서 찾아진 최대 내접원과 타원 성분을 손동작 인식의 특징점으로 사용한다. 제안하는 알고리즘은 다양한 환경에서 손을 인식할 때 문제가 되는 배경에서의 유사한 색상을 가진 물체를 효과적으로 제거할 수 있는 장점이 있다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.197-206
• /
• 2021

GPR(Ground Penetrating Radar)에서 수집된 데이터는 지하 탐사를 위해 사용된다. 이 때, 지반 아래의 시설물들이 GPR을 반사하는 경우가 종종 발생하여 수집된 데이터는 전문가에 경험에 의존하여 해석된다. 또한, GPR 데이터는 수집 장비, 환경 등에 따라 데이터의 노이즈, 특성 등이 다르게 나타난다. 이로 인해 정확한 레이블을 가지는 데이터가 충분히 확보되지 못하는 경우가 많다. 일반적으로 이미지 분류 문제에서 높은 성능을 보이는 인공신경망 모델을 적용하기 위해서는 많은 양의 학습 데이터가 확보되어야 한다. 그러나 GPR 데이터의 특성 상 데이터에 정확한 레이블을 붙이는 것은 많은 비용을 필요로 하여 충분한 데이터를 확보하기가 어렵다. 이는 결국 일반적으로 활용되는 지도학습 방법을 기반으로 인공신경망을 적절히 학습시킬 수 없게 한다. 본 논문에서는 각 레이블의 정확도가 유사한 수준을 갖도록 하는 것을 목표로 데이터 특성을 바탕으로 하는 이미지 분류 방법을 제안한다. 제안 방법은 준지도학습을 기반으로 하고 있으며, 인공신경망으로부터 이미지의 특징값을 추출한 후 클러스터링 기법을 활용하여 이미지를 분류한다. 이 방법은 라벨링 된 데이터가 충분하지 않은 경우 라벨링할 때 뿐 만 아니라 데이터에 달린 레이블의 신뢰도가 높지 않은 경우에도 활용할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.2-2
• /
• 2023

기후변화가 가속화로 인해 수재해의 빈도와 강도 예측이 어려워짐에 따라 실시간 홍수 모니터링에 대한 수요가 증가하고 있다. 합성개구레이다는 광원과 날씨에 무관하게 촬영이 가능하여 수재해 발생시에도 영상을 확보할 수 있다. 합성개구레이다를 활용한 수체 탐지 알고리즘 개발이 활발히 연구되어 왔고, 딥러닝의 발달로 CNN을 활용하여 높은 정확도로 수체 탐지가 기능해졌다. 하지만, CNN 기반 수체 탐지 모델은 훈련시 높은 정량적 정확성 지표를 달성하여도 추론 후 정성적 평가시 경계와 소하천에 대한 탐지 정확성이 떨어진다. 홍수 모니터링에서 특히 중요한 정보인 경계와 좁은 하천에 대해서 정확성이 떨어짐에 따라 실생활 적용이 어렵다. 이에 경계를 강화한 적대적 학습 기반의 수체 탐지 모델을 개발하여 더 세밀하고 정확하게 탐지하고자 한다. 적대적 학습은 생성적 적대 신경망(GAN)의 두 개의 모델인 생성자와 판별자가 서로 관여하며 더 높은 정확도를 달성할 수 있도록 학습이다. 이러한 적대적 학습 개념을 수체 탐지 모델에 처음으로 도입하여, 생성자는 실제 라벨 데이터와 유사하게 수체 경계와 소하천까지 탐지하고자 학습한다. 반면 판별자는 경계 거리 변환 맵과 합성개구레이다 영상을 기반으로 라벨데이터와 수체 탐지 결과를 구분한다. 경계가 강화될 수 있도록, 면적과 경계를 모두 고려할 수 있는 손실함수 조합을 구성하였다. 제안 모델이 경계와 소하천을 정확히 탐지하는지 판단하기 위해, 정량적 지표로 F1-score를 사용하였으며, 육안 판독을 통해 정성적 평가도 진행하였다. 기존 U-Net 모델이 탐지하지 못하던 영역에 대해 제안한 경계 강화 적대적 수체 탐지 모델이 수체의 세밀한 부분까지 탐지할 수 있음을 증명하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2013년도 제48차 하계학술발표논문집 21권2호
• /
• pp.269-270
• /
• 2013

퍼지 클러스터링은 유사도가 높은 데이터 포인트들이 동일한 클러스터에 포함되도록 하는 대표적인 비교사 학습 방법 중 하나이다. 이 논문에서는 클러스터링을 분류기의 전처리 단계에서 활용할 수 있도록 클러스터 내에서 분류 오류가 최소가 될 수 있도록 클러스터를 생성할 수 있는 새로운 퍼지 클러스터링 방법을 제안한다. 제안하는 클러스터링은 특징 벡터와 함께 클래스 라벨을 활용하므로 분류기와 결합하여 사용할 경우 기존 분류기와 함께 사용할 경우 보다 우수한 성능을 기대할 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2010년도 제42차 하계학술발표논문집 18권2호
• /
• pp.145-148
• /
• 2010

본 논문에서 우리는 도로 영역과 하늘 영역, 그리고 도로와 하늘이 아닌 나머지 영역으로 분할하기 위해 동적인(dynamic) 패턴을 이용한 적응적인(adaptive) 병합 방법을 제안한다. 원본영상에서 Mean Shift 알고리즘과 라벨링(Labeling)을 수행하고 영역을 과분할 한다. 컬러에 의해서 도로와 하늘영역이 검출되지 못하는 영역을 위해서 도로 영역과 하늘 영역에서 동적인 패턴 추출한 후 매칭을 통해 유사 영역을 병합한다. 이것은 도로와 하늘의 정보를 현재 환경에서 적응적으로 추출하는 방법이다. 실험에서 정적인(static) 패턴을 사용해서 병합하는 방법과 동적인 패턴을 사용해서 병합하는 방법을 비교하였다. 그 결과, 동적인 패턴을 사용하였을 때 8.12%의 향상된 성능을 보였다.

• 한국도로학회논문집
• /
• 제12권1호
• /
• pp.79-86
• /
• 2010

일반적으로 유화 아스팔트와 폼드 아스팔트를 사용한 현장 상온 재생 아스팔트 포장은 노후한 아스팔트 포장을 재생하는데 가장 경제적이며 친환경적인 재활용 공법이다. 최근, 현장 상온 재생 아스팔트 혼합물의 코팅, 라벨링, 잔류안정도, 양생조건을 향상시켜주는 고점착 유화 아스팔트가 개발되었다. 본 연구의 목적은 현장 상온 재생 아스팔트 포장을 위한 고점착 유화 아스팔트 혼합물과 폼드 아스팔트 혼합물의 실내시험에 대한 반응특성을 비교하는 것이다. 고점착 유화 아스팔트 혼합물은 폼드 아스팔트 혼합물과 비교하여 재활용 골재를 균일하게 코팅시켜주는 것으로 육안 관찰되었다. 현장 상온 재생 아스팔트 포장을 위한 고점착 유화 아스팔트 혼합물과 폼드 아스팔트 혼합물의 마샬안정도와 간접인장강도는 유사한 반응을 보여주었다. 하지만 진공으로 포화된 습윤상태의 고점착 유화 아스팔트 혼합물의 마샬안정도와 간접인장강도는 폼드 아스팔트 혼합물보다 우수한 것으로 나타났다. 4시간 양생 후 고점착 유화 아스팔트 혼합물의 라벨링 현상은 폼드 아스팔트 혼합물보다 적게 발생하였다. 본 실내시험에 대한 반응특성으로부터 현장 상온 재생 아스팔트 포장을 위한 고점착 유화 아스팔트 혼합물은 폼드 아스팔트 혼합물보다 우수한 저항성과 라벨링 저항성을 발휘하는 것으로 평가되었다.