• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.444-447
• /
• 2005

본 논문에서는, 주성분분석기법과 다층신경망에 기반을 둔 유도전동기의 고장진단기법을 제안하고자 한다. 입력의 수가 많을 경우 다층신경망만을 이용하여 분류하는 데는 한계가 있다. 이러한 문제점을 해결하기 위해 주성분분석기법에 의해 입력특징의 수를 축약한 후, 비선형분류기인 다층신경망을 적용하였다. 또한, 주성분 분석기법에 추출된 특징벡터가 고장상태별로 비선형성특성을 보일 경우 기존의 거리척도 기반에 의한 분류방법으로는 정확한 진단을 하는데 어려움이 있다. 이를 위해 비선형 분류기인 MLP를 적용함으로써 효과적인 고장진단을 하고자 한다. 제안된 기법은 다양한 실험을 통해 기존의 선형분류기에 비해 우수한 결과를 보임을 나타내고자 한다.

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.119-123
• /
• 2006

본 논문에서는, 주성분분석기법과 다층신경망에 기반을 유도전동기의 고장진단기법을 제안하고자 한다. 입력의 수가 많을 경우 다층신경망만을 이용하여 분류하는 데는 한계가 있다. 이러한 문제점을 해결하기 위해 주성분분석기법에 의해 입력특징의 수를 축약한 후, 비선형분류기인 다층신경망을 적용하였다. 또한, 주성 분석기법에 추출된 특징벡터가 고장상태별로 비선형성 특성을 보일 경우 기존의 거리척도 기반에 의한 분류방법으로 정확한 진단을 하는데 어려움이 있다. 이를 위해 비선형 분류기인 MLP를 적용함으로써 효과적인 고장진단을 하자 한다. 세안된 기법은 다양한 실험을 통해 기존의 선형분류기에 비해 우수한 겨과를 보임을 나타내고자 한다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제8권3호
• /
• pp.563-570
• /
• 2018

본 논문에서는 기계학습 기반의 효율적인 변압기 유중가스 분석 및 분류 방법을 제안하여 기존 IEC 60599 진단기준 기반의 문제점을 해결하고 진단 성능을 개선한다. 기존 IEC 60599 진단기준은 조성비가 진단 기준에 존재하지 않거나 경계조건에 있는 경우 진단 전문가에게 의뢰하지 않고는 해석에 어려움이 있으며 진단영역이 겹치는 부분이 존재하므로 정확한 원인분석을 수행하는 데에 한계가 있다. 따라서 IEC 60599 진단 기준만으로 변압기 유중가스 데이터를 분석 및 분류하는 경우 IEC 60599 기준에 만족하지 않는 데이터를 분류하지 못한다는 문제점이 있다. 이와 같은 문제를 해결하기 위해 기계학습 기반의 변압기 유중가스 분석 및 분류 방법을 제안하였다. 제안한 기계학습 기반의 변압기 유중가스 분석 방법은 IEC 60599 진단기준으로 판단이 불가능한 데이터를 서포트 벡터 머신을 통해 정확히 분류 할 수 있다. 제안한 방법의 성능을 검증하기 위해 실제 유중가스 데이터를 사용하여 기계학습 기반의 변압기 유중가스 분석 방법의 효율성을 검증하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.314-316
• /
• 2009

본 논문에서는 사상체질분류검사 설문지를 이용하여 사상체질을 진단할 때, 진단의 정확도를 향상시키기 위한 사상체질 분류 함수를 개발하기 위하여 퍼지 분류기를 이용한다. 본 연구에서 사용하는 데이터는 9개 한의과대학의 10개 부속한방병원에서 치료를 받은 환자들 중 각 병원의 사상체질전문의로부터 체질진단을 받고 최소한 4주 이상 사상체질 처방을 사용한 후 주 증상이 전반적으로 호전되어 체질이 확인된 환자 1,914명을 대상으로 하고 있다. 본 연구는 사상체질의학의 광제설을 토대로 환자의 성별을 분리 하였을 뿐만 아니라, 비만도를 추가적으로 분류하였으며, 체형기상, 용모사기, 성질재간, 병증약리 중 체형기상을 토대로 분류하였으며, 사상체질을 판별할 수 있도록 설계되고 구현되었다.

• 지능정보연구
• /
• 제14권2호
• /
• pp.193-206
• /
• 2008

의료 진단 문제는 기정의된 특성치들로 표현되는 환자의 상태 데이터로부터 병의 유무를 판단하는 일종의 분류 문제로 간주할 수 있다. 본 연구는 혼용 유전자 알고리즘 기반의 분류방법을 도입함으로써 의료 진단 문제와 같은 다차원의 패턴 분류 문제를 해결할 수 있는 방안을 제안하고 있다. 일반적으로 분류 문제는 데이터 패턴에 존재하는 여러 클래스 간 구분경계를 생성하는 접근방법을 사용하는데, 이를 위해 본 연구에서는 일단의 영역 에이전트들을 도입하여 이들을 유전자 알고리즘 및 국소 적응조작을 혼용함으로써 데이터 패턴에 적응하도록 유도하고 있다. 일반적인 유전자 알고리즘의 진화단계를 거친 에이전트들에 적용되는 국소 적응조작은 영역 에이전트의 확장, 회피 및 재배치로 이루어지며, 각 에이전트의 적합도에 따라 이들 중 하나가 선택되어 해당 에이전트에 적용된다. 제안된 의료 진단용 분류 방법은 UCI 데이터베이스에 있는 잘 알려진 의료 데이터, 즉 간, 당뇨, 유방암 관련 진단 문제에 적용하여 검증하였다. 그 결과, 기존의 대표적인 분류기법인 최단거리이웃방법(the nearest neighbor), C4.5 알고리즘에 의한 의사 결정트리(decision tree) 및 신경망보다 우수한 진단 수행도를 나타내었다.

• 정보처리학회논문지D
• /
• 제16D권1호
• /
• pp.11-26
• /
• 2009

심혈관계 질환의 진단 위해서 복합 진단 지표를 이용한 출현 패턴 기반의 분류 기법을 제안하였다. 복합 진단 지표 적용을 위해서 심박동변이도의 선형/비선형적 특징들을 세 가지 누운 자세에 대해 분석하였고 ST-segments로부터 4개의 진단 지표를 추출하였다. 이 논문에서는 질환진단을 위해서 필수 출현 패턴을 이용한 분류 모델을 제안하였다. 이 분류 기법은 환자 그룹의 질환 패턴들을 발견하며, 이러한 출현 패턴은 심혈관계 질환 환자들에서는 빈발하지만 정상인 그룹에서는 빈발하지 않는 패턴들이다. 제안된 분류 알고리즘의 평가를 위해서 120명의 협심증(AP: angina pectrois) 환자, 13명의 급성관상동맥증후군(ACS: acute coronary syndrome) 환자 그리고 128명의 정상인 데이터를 사용하였다. 실험 결과 복합 지표를 사용하였을 때, 세 그룹의 분류에 대한 정확도는 약 88.3%였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 1995년도 추계학술대회논문집; 한국종합전시장, 24 Nov. 1995
• /
• pp.267-272
• /
• 1995

스팀터빈 발전기의 주요 진동현상을 분석종합하여, 진동 진단 시스템을 개발하였다. 진동진단 특성매개변수를 주파수, 발생속도, 진폭, 위상, 그리고 운전조건/상태변화에 따라 체계적으로 분류하였으며, 이를 인과관계에 따른 대응 진도원인과 연계시켜 종합진동진단표를 구성하였다. 아울러, 진단 특성매개변수의 선정 및 진단결과의 검증과 현장에서의 응급조치시 도움이 될 수 있도록, 각 진동별 대표적 특성과 운전조작/대책을 표로 작성하였다. 구성된 진단표를 토대로, 현장에서 노트-북 PC등을 활용한 손쉬운 진단이 가능하도록, 대화식 스팀터빈 발전기 진동진단 시스템을 개발하였다. 개발된 진단시스템에서는 현장에서 입수가능한 일부 대표적 진동현황 또는 특성만을 입력하여도 진단이 가능하도록 로직이 구성되어 있다. 한편, 개발된 진단시스템을 실제 스팀터빈의 사고사례에 적용하여 시험운용하였으며, 시험결과가 보고서의 분석결과와 만족스럽게 일치하였다. 따라서, 개발된 진단시스템을 활용하여 스팀터빈 발전기의 가능한 진동원인들을 반복해서 분류하고 이들을 검토, 분석함으로써, 신속한 1차적인 진동진단이 가능한 것으로 판단된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 지능정보 및 응용 학술대회
• /
• pp.155-159
• /
• 2008

본 논문에서는 사상체질분류검사 설문지를 이용하여 사상체질을 진단할 때 진단의 정확도를 향상시키기 위한 사상체질 분류모형을 개발하기 위하여 데이터마이닝의 주요 분류기법인 판별분석(discriminant analysis), 의사결정나무(decision tree analysis), 신경망분석(neural network analysis), 로지스틱 회귀분석(logistic regression analysis), 군집분석(clustering analysis) 등 다양한 분류분석모형을 이용한다. 본 연구에서는 분류의 비교적 정확도가 우수하며, 특히 분석과정을 쉽게 이해하고 설명할 수 있다는 점과 구현이 용이하다는 장점을 가지고 있는 판별분석모형과 의사결정나무분석모형을 기반으로 사상체질 분류모형을 개발하고, 두 분류모형을 적용한 사상체질 진단시스템을 구현하였다.

• 한국시뮬레이션학회논문지
• /
• 제29권4호
• /
• pp.1-7
• /
• 2020

농작물 질병에 대한 조기 진단은 질병의 확산을 억제하고 농업 생산성을 증대하는 데에 있어 중요한 역할을 하고 있다. 최근 합성곱신경망(convolutional neural network, CNN)과 같은 딥러닝 기법을 활용하여 농작물 잎사귀 이미지 데이터세트를 분석하여 농작물 질병을 진단하는 다수의 연구가 진행되었다. 이와 같은 연구를 통해 농작물 질병을 90% 이상의 정확도로 분류할 수 있지만, 사전 학습된 농작물 질병 외에는 진단할 수 없다는 한계를 갖는다. 본 연구에서는 미학습 농작물에 대해 효율적으로 질병 여부를 진단하는 모델을 제안한다. 이를 위해, 먼저 VGG16을 활용한 농작물 질병 분류기(CDC)를 구축하고 PlantVillage 데이터세트을 통해 학습하였다. 이어 미학습 농작물의 질병 진단이 가능하도록 수정된 질병 분류기(mCDC)의 구축방안을 제안하였다. 실험을 통해 본 연구에서 제안한 수정된 질병 분류기(mCDC)가 미학습 농작물의 질병진단에 대해 기존 질병 분류기(CDC)보다 높은 성능을 보임을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.359-361
• /
• 2003

정확한 암의 분류는 암의 진단 및 치료에 있어 매우 중요하지만, 암을 진단하기 위한 기존의 여러 방법들은 종종 불완전한 결과를 도출한다. 최근의 마이크로어레이 기술에 기반한 분자 수준의 진단은 정확하고 객관적이며 체계적인 암의 분류를 위한 방법론을 제시해준다. 유전자 발현 데이터는 일반적으로 수천개 이상의 유전자를 포함하는데, 유전자 발현 데이터의 모든 유전자가 암과 관련이 있는 것이 아니므로 정확한 암을 분류하기 위하여 중요한 유전자만을 추출하는 것이 바람직하다. 본 논문에서 음의 상관관계를 갖는 두 개의 이상적인 유전자 벡터를 정의한 후 이와 유사한 정도를 기준으로 중요한 유전자 집단을 추출하고, 각각을 신경망으로 학습하여 결합하는 신경망 쌍을 제안한다. 실험 결과는 음의 상관관계를 갖는 두 개의 유전자 집단이 암의 클래스를 잘 구분할 수 있음을 보여주었다. 이 유전자 집단을 특징으로 하여 각각 학습한 신경망을 베이시안 방법으로 결합한 결과, 벤치마크 데이터에 대하여 신경망 쌍이 개별 분류기에 비해 우수한 성능을 보임을 확인하였다.