• Journal of Korea Artificial Intelligence Association
• /
• 제1권1호
• /
• pp.11-16
• /
• 2023

Accurate hospital case modeling and prediction are crucial for efficient healthcare. In this study, we demonstrate the implementation of regression analysis methods in machine learning systems utilizing mathematical statics and machine learning techniques. The developed machine learning model includes Bayesian linear, artificial neural network, decision tree, decision forest, and linear regression analysis models. Through the application of these algorithms, corresponding regression models were constructed and analyzed. The results suggest the potential of leveraging machine learning systems for medical research. The experiment aimed to create an Azure Machine Learning Studio tool for the speedy evaluation of multiple regression models. The tool faciliates the comparision of 5 types of regression models in a unified experiment and presents assessment results with performance metrics. Evaluation of regression machine learning models highlighted the advantages of boosted decision tree regression, and decision forest regression in hospital case prediction. These findings could lay the groundwork for the deliberate development of new directions in medical data processing and decision making. Furthermore, potential avenues for future research may include exploring methods such as clustering, classification, and anomaly detection in healthcare systems.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.202-202
• /
• 2018

본 논문에서는 분포형 강우-유출 모형인 GRM(Grid based Rainfall-runoff Model)(최윤석, 김경탁, 2017)을 이용해서 낙동강 유역을 대상으로 대유역 홍수해석시스템을 구축하고, 유출해석을 위한 실행시간을 평가하였다. 유출모형은 낙동강의 주요 지류와 본류를 소유역으로 구분하여 모형을 구축하고, 각 소유역의 유출해석 결과를 실시간으로 연계할 수 있도록 하여 낙동강 전체 유역의 유출모형을 구축하였다. 이와 같이 하나의 대유역을 다수의 소유역시스템으로 분할하여 모형을 구축할 경우, 유출해석시스템 구성이 복잡해지는 단점이 있으나, 소유역별로 각기 다른 자료를 이용하여 다양한 해상도로 유출해석을 할 수 있으므로, 소유역별 특성에 맞는 유출모형 구축이 가능한 장점이 있다. 또한 각 소유역시스템은 별도의 프로세스로 계산이 진행되므로, 대유역을 고해상도로 해석하는 경우에도 계산시간을 단축할 수 있다. 본 연구에서는 낙동강 유역을 20개(본류 구간 3개, 1차 지류 13개, 댐상류 4개)의 소유역으로 분할하여 계산 시간을 검토하였으며, 최종적으로 21개(본류 구간 3개, 1차 지류 13개, 댐상류 5개)의 소유역으로 분할하여 유출해석시스템을 구축하였다. 댐 상류 유역은 댐하류와 유량전달이 없이 독립적으로 모의되고, 댐과 연결된 하류 유역은 관측 방류량을 상류단 하천의 경계조건으로 적용한다. 지류 유역은 본류 구간과 연결되고, 지류의 계산 유량은 본류와의 연결지점에 유량조건으로 실시간으로 입력된다. 이때 본류와 지류의 유량 연계는 데이터베이스를 매개로 하였다. 유출해석시스템의 성능을 평가하기 위해서 Microsoft 클라우드 서비스인 Azure를 이용하였다. 낙동강 유역을 20개 소유역으로 구성한 경우에서의 유출해석시스템의 속도 평가 결과 Azure virtual machine instance DS15 v2(OS : Windows Server 2012 R2, CPU : 2.4 GHz Intel $Xeon^{(R)}$ E5-2673 v3 20 cores)에서 1.5분이 소요 되었다. 계산시간 평가시 GRM은 'IsParallel=false' 옵션을 적용하였으며, 모의 기간은 24시간을 기준으로 하였다. 연구결과 분포형 모형을 이용한 대유역 유출해석시스템 구축이 가능했으며, 계산시간도 충분히 단축할 수 있었다. 또한 추가적인 CPU와 병렬계산을 적용할 경우, 계산시간은 더 단축될 수 있으며, 이러한 기법들은 분포형 모형을 이용한 대유역 유출해석시스템 구축시 유용하게 활용될 수 있을 것으로 판단된다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권6호
• /
• pp.181-190
• /
• 2021

여러 명이 모여서 진행되는 스포츠 활동은 코로나19와 같이 광범위하게 유행하는 전염병이 퍼지는 상황에서는 진행되기 어려우며, 이로 인해 현대인의 신체 활동 부족이 발생한다. 비대면으로 진행되는 운동 콘텐츠들을 이용하면 이런 문제점을 극복할 수 있지만, 대면 운동 시와 같은 세밀한 자세 확인이 어렵다. 본 연구에서는 보다 나은 비대면 운동 콘텐츠 운영을 위해서 IT 시스템에서 자세를 감지하고 움직임을 추적하는 모델을 제시한다. 제안하는 움직임 추적 모델은 체육학에서 널리 사용되는 움직임 분석 방법들을 참고하여 신체 모델을 정의하고 이에 따른 자세 및 움직임을 정의한다. 제안한 모델을 사용하면 운동에 쓰이는 움직임을 인식하고 분석할 수 있으며 운동 프로그램에서 특정 움직임의 횟수를 알 수 있고, 운동프로그램 수행 여부 감지도 가능하다. 제안한 모델의 유효성을 확인하기 위해 마커리스 모션 캡쳐 장비인 Azure Kinect DK를 사용하여 움직임 추적, 그리고 운동 프로그램 추적 프로그램을 구현하였다. 제안된 움직임 분석 모델을 개선하고 모션 캡쳐 시스템의 성능을 높인다면 보다 세밀한 움직임 분석이 가능하며, 적용할 수 있는 운동의 종류를 늘릴 수 있다.

• International Journal of Advanced Culture Technology
• /
• 제9권3호
• /
• pp.315-320
• /
• 2021

Currently, cloud computing is being used as a technology that greatly changes the IT field. For many businesses, many cloud services are available in the form of custom, reliable, and cost-effective web applications. Most cloud service providers provide functions such as IoT, machine learning, AI services, blockchain, AR & VR, mobile services, and containers in addition to basic cloud services that support the scalability of processors, memory, and storage. In this paper, we will look at the most used cloud service providers and compare the services provided by the cloud service providers.

• 한국산학기술학회논문지
• /
• 제21권5호
• /
• pp.664-671
• /
• 2020

스마트 빌딩 (Smart Building)은 사물 인터넷 (IoT; Internet of Things) 장치와 클라우드 서비스에서 모두 사용될 수 있는 응응 프로그램을 의미한다. 최근 Amazon, Google 및 Microsoft와 같은 클라우드 서비스 제공 업체는 IoT 장치에서 클라우드 애플리케이션 서비스를 제공할 수 있는 IoT 클라우드 플랫폼을 제공하고 있다. Postscapes에 따르면 최근에 152 개의 IoT 클라우드 플랫폼이 존재하고 있으며 스마트 빌딩 구현을 위해 하나를 선택하는 것은 어려운 문제이다. 본 논문에서는 실험을 위해서 마이크로소프트 Azure IoT 허브와 아마존의 AWS(Amazon Web Services) IoT를 선택하였다. 두 개의 IoT 클라우드 플랫폼을 선택하고 스마트 빌딩 관점에서 평가하였다. IoT 클라우드 플랫폼을 평가하기 위해 두 가지 다른 IoT 클라우드 플랫폼을 활용하였고, 일반적인 스마트 빌딩 시나리오를 가정하여 프로토타입을 구현하였다. 실험은 IoT 클라우드 플랫폼을 사용하여 시스템을 개발하는 과정에서 얻은 정보와 경험을 기반으로 수행하였다. 이 평가 결과는 스마트 빌딩을 위해 IoT 클라우드 플랫폼을 선택할 때 활용될 수 있다.

• 융합정보논문지
• /
• 제10권4호
• /
• pp.1-10
• /
• 2020

오프라인 쇼핑몰은 온라인과 비교하여 고객들의 방문 정보를 얻기 어렵기 때문에 맞춤형 제품 추천 시스템의 수준이 온라인과 비교하면 빈약하다. 본 논문에서는 MS Azure의 Face API를 이용해 오프라인 쇼핑몰을 방문하는 고객들의 얼굴을 인식하여 얻은 성별과 나이 정보를 이용해 맞춤형 광고를 제공하는 이동형 로봇 플랫폼을 개발하였다. 개발한 로봇은 구동 실험을 통해 프로세스가 정상 동작하는 것을 보였고, 오픈 얼굴 데이터셋(AFAD)을 사용해 API의 성능을 검증하였다. 개발된 로봇은 오프라인 쇼핑몰의 방문 고객층을 실시간으로 파악하여 맞춤형 광고를 제공함으로써 효율적인 마케팅 효과를 기대할 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제9권1호
• /
• pp.15-23
• /
• 2016

최근 다양한 IoT 기기들의 등장과 데이터 공유를 위하여 DropBox, Amazon S3, Microsoft Azure Storage 등의 클라우드 서비스가 많이 사용되고 있다. 데이터 보안을 위해 AES 같은 암호화 알고리즘이 널리 쓰이고 있지만, 데이터의 보안등급 이나 사용목적에 따라 LEA, SEED, ARIA 같은 여러 가지 다양한 방식의 암호 알고리즘을 선별적으로 유연하게 사용하지 못하고 있다. 이는 적절한 암호화 알고리즘을 사용하지 않음으로 인하여 전력 효율이 중요한 장치들에 더 많은 과부화가 걸리게 할 수 있고 암호화도 필요 이상으로 느려지게 되어 성능이 떨어지는 원인이 된다. 이에 본 논문에서는 IoT 장치 위에서 클라우드 서비스의 클라이언트 프로그램들이 데이터의 보안등급 이나 사용용도에 따라 암호화 알고리즘을 선택 할 수 있는 CloudGate 시스템을 설계 및 구현하였다. 선택적으로 LEA 경량화 알고리즘을 사용함으로써 AES를 사용할 때보다 최대 1.8배 더 빠르고 효율적으로 암호화를 할 수 있음을 확인하였다.

• 식물조직배양학회지
• /
• 제25권3호
• /
• pp.153-158
• /
• 1998

Arabidopsis thaliana에 beet curly top virus (BCTV)를 인공접종하여 외부병징 및 조직내부구조 변화를 광학현미경으로 검경하였다. BCTV-Logan에 접종된Arbidopsis thaliana ecotype Sei-O 줄기에서 약 2주 후 이상비대현상이 관찰되었고, 약 4주 후에는 캘러스조직이 형성되었다. 감염된 각 시기별로 증상부위의 Sei-O 줄기를 횡단절단하여 관찰한 결과 다음과 같은 순서, (1) 사부조직의 이상비대, (2) 이상비대된 사부의 괴사, (3) 괴사조직의 lacuna 형성, (4) lacuna형성된 사부 주위의 피층과 표피세포 신장 및 확대, (5) 신장된 피층 및 표피세포에서의 세포분열 유도, (6) 캘러스 조직의 유도 순으로 내부구조 변화가 관찰되었다. BCTV에 감염된 Arabidopsis에서의 캘러스 형성은 바이러스의 감염결과로 유도되었으며, azure-A염색법에 의해 바이러스 inclusion body는 사부조직과 캘러스에서도 존재함이 관찰되었다. 본 연구 결과 BCTV에 감염된 Arabidopsis에서 관찰된 캘러스 형성의 원인은 감염된 숙주식물의 사부조직의 괴사에 따른 lacuna 주위 피층세포의 세포분열에 기인한 것으로 사료된다.

• Journal of the Korean Association of Oral and Maxillofacial Surgeons
• /
• 제48권4호
• /
• pp.201-206
• /
• 2022

Objectives: Contemporary biometric technologies have been gaining traction in both public and private security sectors. Facial recognition is the most commonly used biometric technology for this purpose. We aimed to evaluate the ability of a publicly available facial recognition application program interface to calculate similarity scores of presurgical and postsurgical photographs of patients who had orthognathic surgery. Materials and Methods: Presurgical and postsurgical photographs of 75 patients who had orthognathic surgery between January 2018 and November 2020 in our department were used. Frontal photographs of patients in relaxed and smiling states were taken. The patients were classified into three groups: Group 2 had one-jaw surgery, Group 3 had two-jaw surgery to correct mandibular prognathism, and Group 4 had two-jaw surgery to correct facial asymmetry. For comparison, photographs of 10 participants were used as controls (Group 1). Two facial recognition application programs (Face X and Azure) were used to assess similarity scores. Results: The similarity scores in the two programs showed significant results. The similarity score of the control group, which did not undergo orthognathic surgery, was the highest. The results for Group 2, Group 3, and Group 4 were higher in the order of Group 2, Group 3, and Group 4. Conclusion: In this study, all orthodontic patients were recognized as the same person using the face recognition program before and after surgery. A significant difference in similarity results was obtained between the groups with both Face X and Azure and in both relaxed and smiling states.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권2호
• /
• pp.841-854
• /
• 2020

The paper explains the method to process, analyze and predict traffic patterns in Los Angeles county using Big Data and Machine Learning. The dataset is used from a popular navigating platform in the USA, which tracks information on the road using connected users' devices and also collects reports shared by the users through the app. The dataset mainly consists of information about traffic jams and traffic incidents reported by users, such as road closure, hazards, accidents. The major contribution of this paper is to give a clear view of how the large-scale road traffic data can be stored and processed using the Big Data system - Hadoop and its ecosystem (Hive). In addition, analysis is explained with the help of visuals using Business Intelligence and prediction with classification machine learning model on the sampled traffic data is presented using Azure ML. The process of modeling, as well as results, are interpreted using metrics: accuracy, precision and recall.