• 약학회지
• /
• 제56권2호
• /
• pp.99-107
• /
• 2012

The protective effect of AI-1367 (Alnus japonica extract) on liver injury was investigated. Primary rat hepatocyte intoxication was induced by tert-butyl hydroperoxide (tBH), carbon tetrachloride ($CCl_4$), or D-glactosamine (D-GalN). Liver injury was induced by $CCl_4$, D-GalN or MCD (methionine choline deficient)-diet in mouse. The cellular leakage of lactate dehyrogenase and cell viability followed by the treatment of hepatotoxicants were significantly improved by AI-1367 treatment at a concentration range of 5~50 ${\mu}g/ml$ for tBH, 5~50 ${\mu}g/ml$ for D-GalN, and 5~100 ${\mu}g/ml$ for $CCl_4$, respectively. Treatment with AI-1367 (20, 10, 5 mg/kg, p.o.) on liver injury induced by subcutaneous injection of $CCl_4$ or D-GalN reduced significantly the levels of aspartate transaminase and alanine transaminase in serum. Histological observations revealed that fatty acid changes, hepatocyte necrosis and inflammatory cell infiltration in $CCl_4$ (D-GalN)-induced liver injury was improved by administration of AI-1367. AI-1367 treatment (10, 5, 2.5 mg/kg, p.o.) also significantly recovered the body weight change and serum levels of aspartate transaminase, alanine transaminase and triglyceride in liver injury induced by MCD diet. From these results, AI-1367 shows protective effects against tBH, $CCl_4$, D-GalN, or MCD diet-induced hepatotoxicity in vitro or in vivo.

• 융합정보논문지
• /
• 제11권6호
• /
• pp.49-54
• /
• 2021

최근 스마트 헬스케어 기술의 발전에 따라 일상적인 질환에 대한 관심이 증가하고 있다. 이에 따라 헬스케어 데이터를 통해 예측 모델로 질병을 분석하거나 예측하는 연구들이 증가하고 있다. 그러나 헬스케어 데이터에는 양성 데이터와 음성 데이터의 불균형이 존재한다. 이는 특정 질환을 가진 환자에 비하여 상대적으로 환자가 아닌 사람이 많아 데이터 수집에 어려움이 있어 발생하는 현상이다. 데이터 불균형은 질병 예측 및 탐지 시 진행하는 모델의 성능에 영향을 끼치기 때문에 이를 제거할 필요가 있다. 따라서 본 연구에서는 오버샘플링과 결측값 대치를 통해서 데이터 불균형을 해소한다. AutoML을 기반으로 여러 모델의 성능을 파악하고 모델 중 상위 3개의 모델을 앙상블한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.322-323
• /
• 2023

지속 가능한 에너지인 태양광 발전은 전 세계에서 널리 활용하는 재생 에너지 원천 중 하나로 최근 효율적인 태양광 발전 시스템 운영을 위해 태양광 발전량을 정확하게 예측하기 위한 연구가 활발히 진행되고 있다. 태양광 발전량 예측 모델을 구성하기 위해서는 기상 및 대기 환경을 넘어 태양의 위치에 따른 일사량의 정보가 필수적이나 태양의 실시간 위치 정보를 입력 변수로 활용한 연구가 부족한 실정이다. 그리하여 본 논문에서는 시간과 태양광 발전소 위치를 기반으로 태양의 고도와 방위각을 실시간으로 계산하여 입력 변수로 사용하는 방식을 제안한다. 이를 위해 AutoML 기반의 다양한 기계학습 모델을 구성하여 태양광 발전율을 예측하고 그 성능을 비교 분석하였다. 실험 결과, 태양 위치 정보를 포함한 경우에 환경 변수만을 고려하였을 때보다 예측 성능이 크게 향상되었음을 확인할 수 있었으며, Extra Trees 모델의 경우 태양 위치 정보를 추가하였을 때 MAE(Mean Absolute Error)가 33.90 에서 22.38 까지 낮아지는 결과를 확인하였다.

• International Journal of Heart Failure
• /
• 제6권1호
• /
• pp.11-19
• /
• 2024

The prevalence of heart failure (HF) is increasing, necessitating accurate diagnosis and tailored treatment. The accumulation of clinical information from patients with HF generates big data, which poses challenges for traditional analytical methods. To address this, big data approaches and artificial intelligence (AI) have been developed that can effectively predict future observations and outcomes, enabling precise diagnoses and personalized treatments of patients with HF. Machine learning (ML) is a subfield of AI that allows computers to analyze data, find patterns, and make predictions without explicit instructions. ML can be supervised, unsupervised, or semi-supervised. Deep learning is a branch of ML that uses artificial neural networks with multiple layers to find complex patterns. These AI technologies have shown significant potential in various aspects of HF research, including diagnosis, outcome prediction, classification of HF phenotypes, and optimization of treatment strategies. In addition, integrating multiple data sources, such as electrocardiography, electronic health records, and imaging data, can enhance the diagnostic accuracy of AI algorithms. Currently, wearable devices and remote monitoring aided by AI enable the earlier detection of HF and improved patient care. This review focuses on the rationale behind utilizing AI in HF and explores its various applications.

• 전자통신동향분석
• /
• 제35권5호
• /
• pp.14-29
• /
• 2020

The 6G mobile communication system will become a backbone infrastructure around 2030 for the future digital world by providing distinctive services such as five-sense holograms, ultra-high reliability/low-latency, ultra-high-precision positioning, ultra-massive connectivity, and gigabit-per-second data rate for aerial and maritime terminals. The recent remarkable advances in machine learning (ML) technology have recognized its efficiency in wireless networking fields such as resource management and cell-configuration optimization. Further innovation in ML is expected to play an important role in solving new problems arising from 6G network management and service delivery. In contrast, an approach to apply ML to a physical-layer (PHY) target tackles the basic problems in radio links, such as overcoming signal distortion and interference. This paper reviews the methodologies of ML-based PHY, relevant industrial trends, and candiate technologies, including future research directions and standardization impacts.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.395-396
• /
• 2023

본 논문에서는 디지털 전환 시대에 모든 사람들이 인공지능(AI) 체험부터 피지컬컴퓨팅을 통해서 SW·AI 융합해 아이디어를 쉽게 구현하고 교육 받을 수 있는 플랫폼을 구현하였다. AI 체험을 위해 P5.js와 텐서플로우에 기반한 ML5.js 라이브러리를 이용해 블록 코딩을 할 수 있도록 하였다. 또한 피지컬컴퓨팅에서는 마이크로비트와 아두이노, 라즈베리파이 등을 WebUSB를 통해서 PC와 연결하고 플랫폼에서 인공지능의 다양한 서비스와 융합시킬 수 있도록 제공한다.

• 문화기술의 융합
• /
• 제4권2호
• /
• pp.197-204
• /
• 2018

현재 우리가 사는 21세기에서 가장 핫한 이슈중 하나는 AI이다. 농경사회에서 산업혁명을 통해 육체노동의 자동화를 이루었듯이 정보사회에서 SW혁명을 통해 지능정보사회가 도래햇다. Google '알파고'의 등장으로 인해 컴퓨터가 스스로 학습하고 예측하는 machine learning (머신러닝) 사례를 보면서 이제 바둑의 세계 까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 기계학습ML(machine learning)은 인공 지능 분야로, 인공지능 컴퓨터가 인간을 뛰어넘는 시대가 도래했다. 기계학습ML(machine learning)은 인공지능의 분야로, 인공지능 컴퓨터가 혼자 학습 하도록 알고리즘 기술 개발을 하는 뜻을 의미하는데, 많은 기업들이 머신러닝을 바둑의 세계까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 많은 기업들이 머신러닝을 용하는데 그 예로는 Facebook에서 이미지를 계속 학습하여 나중에 그 이미지가 누구인지 알려주는 것도 머신러닝의 한 사례이다. 또한 구글의 데이터 센터 최적화를 위해서 효율적인 에너지 사용 모델 구축을 위해 neural network(신경망)을 활용하였다. 또 다른 사례로 마이크로소프트의 실시간 통역 모델은 번역 학습을 통해 언어관련 인풋 데이터가 증가할수록 더 정교한 번역을 해주는 모델이다. 이처럼 많은 분야에 머신러닝이 점차 쓰이면서 이제 우리 21세기 사회에서 앞으로 나아가려면 AI산업으로 뛰어들어야 한다.

• 한국수정란이식학회지
• /
• 제26권4호
• /
• pp.277-282
• /
• 2011

The present research was carried out to evaluate the possibility of increasing female offspring production ratios using artificial insemination buffer (AIB) before artificial insemination (AI). In this experiment, we optimized AIB composition, made an AIB gun and analyze factors affecting AI non-return rate after AIB treatment. The AIB was made with the base of Tris-buffer supplemented with L-arginine and several other chemicals that might reduce the motility of male sperm compared to the female counterpart, therefore, increasing the possibility of fertilization by female sperm. AIB must be deposited into $2^{nd}$ to $4^{th}$ cervix by AIB gun. After 15 min of AIB deposition, frozen semen was deposited into the same place. A total of 348 cattle were inseminated with AIB insemination, and there were no significant differences between AIB and traditional AI non-return rates (56.8% vs. 55.7%). The AI non-return rate in AIB group, however, differed significantly among 7 Hanwoo farms. The parturition numbers ($1^{st}$ to $7^{th}$) of cows did not affect AIB AI rate. The proportion of AIB AI success rates was significantly higher in Hanwoo cows than in dairy cows (61.0% vs. 48.7%), but the average AI success rate did not differ significantly between AIB and conventional AI (56.8% vs. 55.7%). The female offspring production rate in $2^{nd}$ to $4^{th}$ cervix deposition place was significantly higher than that in the uterus body (77.7% vs. 59.6%, p<0.05). The injection volume of AIB in 5 and 10 ml was significantly higher than that in 2 ml (77.7%, 78.7% vs. 51.8%, p<0.05), but there were no differences in AIB injection volume between 5 and 10 ml. The best exposure time of AIB in the cervix was 10 to 15 min rather than 5 min (79.2%, 77.2% vs. 52.6%, p<0.05). AIB therefore needs to have an exposure time of at least over 10 min for a higher production rate of female offspring. In conclusion, AIB could be used in AI industry to increase the female offspring ratio and AIB AI can increase the AI success rate.

• 인터넷정보학회논문지
• /
• 제20권6호
• /
• pp.73-84
• /
• 2019

최근 서비스로서의 머신러닝(MLaaS) 개념은 데이터 자체를 제외하고 네트워크 서버, 스토리지 또는 데이터 과학자 없이도 생산적인 서비스 모델을 구축할 수 있다는 점에서 기계학습을 다루는 대부분의 산업 분야와 연구 그룹들의 많은 관심을 받고 있다. 그러나 과학 분야에서는 양질의 빅데이터를 확보하는 가정 자체가 커다란 도전이 된다. 즉, 연구자 간 연구 결과물의 공유가 쉽지 않을 뿐 아니라 과학기술 데이터의 비정형성 문제를 해결해야하는 문제가 선행된다. 본 논문에서 제안된 KISTI-ML 플랫폼은 과학기술 데이터를 위한 AI 모델 고속 개발 도구로서, 머신러닝에 익숙하지 않은 연구자들을 위해 웹 기반 GUI 인터페이스를 제공하고 연구자는 자신의 데이터를 이용하여 머신러닝 코드를 손쉽게 생성하고 구동할 수 있다. 또한 승인된 커뮤니티 멤버들을 중심으로 데이터셋 및 특징 추출에 사용되는 데이터전처리, 학습 네트워크 설계 등이 포함되는 프로그래밍 코드를 공유할 수 있는 환경을 제공한다.

• 융합정보논문지
• /
• 제9권8호
• /
• pp.9-19
• /
• 2019

본 논문은 인공 지능 기술의 효과는 산업에 미치는 영향과 일상생활의 변화 등에 관한 연구이다. 또한 감성 인공 지능 개발은 차세대 3D 벡터 감응 인공 지능을 대비한다. 이것은 인공 지능의 의사 결정 권력의 주요 키워드를 제시한다. 특히 비 윤리적 학습의 중요성과 윤리적 가치 판단을 반영하는 의사 결정 시스템의 구현으로 인해 중요한 결과가 달성된다. 이것은 데이터 기반 시뮬레이션이며 (1) 사용 가능한 데이터, (2) 시뮬레이션 목표를 위한 기술을 필요로 한다. 실제 의도된 시뮬레이션 기반 연구의 일반적인 내용을 고려한다. 현재 기존 연구는 의미있는 연구 동기에 중점을 두고있느나, 본 연구는 기술의 방향성을 제시하는 결과이다. 그 결과 실증분석은 각국이 인공 지능에 대한 신기술 기업의 윤리 책임감에 대한 의사 결정력과 일치한다. 결론적으로, AI / ML의 기술적 측면에 대한 윤리적 주제에 대해 달성 할 수 있는 구체적인 기여와 해석이 필요하다. 이는 인공지능 의사 결정에서 인간의 공감의 분석력이 더욱 부각될 수 있다.