• The KIPS Transactions:PartA
• /
• v.13A no.1 s.98
• /
• pp.19-26
• /
• 2006

Diagnosability is an important factor in measuring the reliability of an interconnection network. Typical models of fault diagnosis are the PMC and the comparison diagnosis model. In this paper, we prove that the regular network Hyper-Star HS(2n,n) under two models is n-diagnosable.

• Journal of Intelligence and Information Systems
• /
• v.5 no.2
• /
• pp.29-42
• /
• 1999

현재 산업의 고도상장과 함께 주기적으로 고장을 진단하여야 하는 기기의 수와 종류도 급속도로 증가하고 있다. 이에 따라 여러 산업 분야에서 고장진단 시스템의 이용이 늘고 있는 추세이다. 이러한 고장진단 시스템은 경험적 고장진단 방식과 모델기반 고장 진단 방식으로 크게 나눌 수 있다. 경험적 고장진단 방식은 전문가가 경험한 사실의 범주에서는 신속하게 고장의 원인을 진단할 수 있지만 전문가가 경험하지 못했던 상황에 대해서는 융통성 있게 진단하지 못한다. 한편 기기의 물리적 기능적 지식을 기반으로 하는 모델기반 고장진단 방식을 변화하는 상황에 적절하게 대처하여 고장의 원인을 진단할 수 있다. 그러나 모델기반 고장진단 방식을 기기의 구조로부터 증상들을 추론하여 원인을 파악하므로 탐색 범위가 넓어 진단속도가 늦다는 단점이 있다. 본 연구에서는 이러한 경험적 고장진단 방식과 기기의 모델기반 고장진단 방식의 장점을 결합하여 신속하고 정확하게 고장진단을 할 수 있는 통합방식 고장진단 시스템을 제시한다. 통합방식 고장진단 시스템은 대상 기기의 진단 상태에 따라서 동적으로 적절한 진단 방식을 선택하기 위해서 블랙보드 추론기관을 이용한다. 또한 각 진단방식이 생성하는 가설 및 사실들을 효과적으로 통합하여 추론하기 위해서 제어지식을 정의하여 적용한다. 그리고 사용자와 진단 시스템간에 원활한 의사소통을 위해서 멀티미디어 기반 인터페이스를 채용하여 통합방식 진단 시스템을 구축한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 1989.10a
• /
• pp.383-388
• /
• 1989

Fault트리를 기초로 하는 증상 트리 모델을 나프타 열분해로에 대한 지식 모델로 적용하여 이상 진단 전문가 시스템의 지식 베이스로 사용하였다. 이로서 전문가 시스템을 구현하여 실제 공정의 사고 사례와 가상 사고 사례에 적용한 결과 적절한 원인군의 신속한 제시와 각 원인들의 가능성 여부를 판단하는데 적은 시간이 소요되므로 실시간 이상 진단에 적합한 모델임을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.17-18
• /
• 2024

악성 흉수의 진단은 세포학적 검사로 암세포를 확인하는 것이 필수적이며 진단율은 50~80%로 나타난다. 양성자 단층 촬영은 비침습적으로 암 병기를 평가하는 유용한 방법이다. 하지만 암이 아닌 다른 원인으로 인한 포도당 대사로 인하여 양전자 단층 촬영만으로 악성 흉수를 진단하는 데 어려움이 있다. 악성 흉수 자동 진단 모델은 암세포를 진단하는데 있어서 보조적인 역할이 가능하다. 이에 따라 본 연구는 컨볼루션 신경망 기반의 딥러닝 모델을 개발하여 악성 흉수 진단 성능을 확인하고 진단의 보조적 목적으로써 딥러닝의 사용 가능성을 확인하고자 하였다. 결과적으로 모델 전반적으로 accuracy 0.7~0.86의 높은 성능을 보였다. 본 연구의 결과를 통해 실제 의료 환경에서 악성 흉수를 진단하는데 딥러닝 모델이 보조적인 역할을 할 수 있을 것으로 기대된다.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2016.02a
• /
• pp.91.1-91.1
• /
• 2016

플라즈마 전기적인 진단 방법이라 함은 플라즈마에 전기장을 인가하고 이로 인해 도출되는 전류와 그 위상차를 구하여 플라즈마의 임피던스를 얻는 방법을 통칭한다. 이러한 방법은 임피던스라는 raw data에서 출발하지만 플라즈마와 전기장의 상호작용에 따라 다양한 플라즈마 진단 모델이 적용될 수 있으며, 이러한 모델을 통해 다양한 플라즈마 변수 (플라즈마 밀도, 온도, 전위 등등)들을 도출할 수 있는 것이 특징이라고 할 수 있다. 본 발표에서는 진단에 사용되는 주파수와 진단기의 형상에 따라 달라지는 외부 전기장와 플라즈마의 전기적인 상호작용을 살펴보고, 어떻게 플라즈마 전기적 진단기술이 성립되는지를 다양한 전기적 진단 기술을 소개하면서 설명하고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.79-80
• /
• 2023

정부는 공공데이터의 품질 관리를 위하여 공공데이터 품질관리 수준평가를 진행하여 공공데이터 품질을 관리하고 있다. 파일 형식의 공공데이터를 진단 시 품질진단 담당자가 대량의 파일데이터를 필드명과 필드 내 데이터에 의존하여 수작업으로 도메인을 판단하여 진단한다. 때문에 품질진단의 정확성을 신뢰하기 어렵고 진단에 많은 시간이 소요된다. 본 논문은 파일형식의 공공데이터 품질진단의 정확성을 확보하고 진단 소요시간을 단축하기 위해 데이터 분포 통계를 이용한 CSV 형식의 공공데이터 도메인 판별 모델을 제안하였다. 제안된 모델을 적용하면 공공데이터 품질의 정확성을 향상하고 진단 소비 시간을 단축시킬 것으로 기대된다.

• Journal of Digital Convergence
• /
• v.9 no.2
• /
• pp.141-152
• /
• 2011

The data center has become an increasingly important part of most business operations. An increasing demand for computation has led to increasing industry energy consumption. Therefore, higher-than-normal rates of energy efficiency have become a core issue in the life cycle of data center. In this paper, we proposed the framework of level diagnosis for green data centre that can be used to diagnose the levels of capability maturity model. This framework contains the 5 key areas such as construction, air-conditioning, electricity, information technology, organization and indicators that can be applied as basic level diagnosis guide for green data center.

• Korean Journal of Cognitive Science
• /
• v.13 no.1
• /
• pp.53-59
• /
• 2002

This paper presents a model for diagnosing students'learning misconceptions in the domain of heat and temperature using fuzzy cognitive maps(FCM) and fuzzy associative memory(FAM). In a model for diagnosing learning misconceptions. an FCM can represent with cause and effect between preconceptions and misconceptions that students have about scientific phenomenon. An FAM which represents a neurallike memory for memorizing causal relationships is used to diagnose causes of misconceptions in learning. This study will present a new method for more autonomous and intelligent system than a model to diagnose misconceptions that was being done with classical methods in learning and may contribute as an intelligent tutoring system for learning diagnosis within various educational contexts.

• Journal of Intelligence and Information Systems
• /
• v.2 no.1
• /
• pp.11-26
• /
• 1996

본 논문에서는 화학공정의 이상 진단을 위한 지식 기반 조업 지원 시스템의 개발에 관하여 살펴보고자 한다. 조업지원 시스템에서 가장 핵심적인 부분은 공정에 비정상 상황이 발생한 경우 이를 감지하고, 공정에 발생한 증상들을 분석하여 이상의 근본 원인을 찾아내는 작업-이상 진단이다. 이상 진단을 효과적으로 수행하기 위해서는 적절한 데이터의 해석이 매우 중요한데, 기존의 데이터 해석법들은 정상상태에 기반한 방법들을 동적거동을 효과적으로 표현하기에는 어려움이 많다. 본 연구에서는 RBF에 기반한 신경망을 사용하여 동적을 효과적으로 표현할 수 있는 정성적인 데이터 해석 모듈을 구축하였으며, 이 모듈에서는 공정에서 측정된 정략적인 센서값들을 정성적인 정보로 가공하여 이상진단 모듈에 제공한다. 본 연구에서는 효과적인 이상진단을 위하여 기존의 인과관계 그래프 모델(Cause Effect DiGraph)에 기반한 두가지 그래프 모델을 개발하였다. RCED(Reduced Caue Effect Digraph)는 공정의 측정 변수만으로 공정의 인과관계를 표현하는 오프라인으로 구축된 지식베이스 모델이며, PGTT(Pattern Graph Through Time)는 공정에서 발생한 증상간의 인과관계를 실시간으로 나타내는 동적인 모델이다. 이상, 신경망에 기반한 정성적인 데이터 해석 모듈과 이상진단 모듈을 전문가 시스템 도구인 G2를 DEC AlphaStation 상에서 폴리프로필렌 공정에 대한 조업지원전문가 시스템을 구축하고 이를 적용하여보았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.577-579
• /
• 2021

의료영상기반의 인공지능 연구는 질환의 조기진단 및 예측 분야에 눈부신 기술발전이 되어왔다. 근감소증 질환은 다양한 기저질환을 기반으로 발생하며, 특히 60대 이상은 30%의 유병율을 갖는다. 해당 질환은 임상적인 진단 방법의 발달과 임상 결과가 알려지면서 관심이 증가하고 있다. 최근 근감소증 진단방법 중의 하나로 CT 또는 MR 의료영상을 통한 진단방법이 제시되었다. 본 논문에서는 인공지능을 기반으로 하여, 근감소증을 진단하기 위해 척추부위 중 Lumbar 3 영역의 근육, 지방 영역의 영상분할 모델을 제시하고자 한다. 이를 위해 인공지능 영상분할 모델을 개발하는 과정과 그 근육과 지방의 영상분할 결과를 보인다. 본 논문에서 제시한 영상분할모델을 통해 근감소증을 빠르게 진단할 수 있을 것으로 기대한다.