• Animal Bioscience
• /
• 제35권5호
• /
• pp.648-658
• /
• 2022

Objective: The identification of nonlinear mixed models that describe the growth trajectory of New Zealand rabbits was performed based on weight records and carcass measures obtained using ultrasonography. Methods: Phenotypic records of body weight (BW) and loin eye area (LEA) were collected from 66 animals raised in a didactic-productive module of cuniculture located in the southern Piaui state, Brazil. The following nonlinear models were tested considering fixed parameters: Brody, Gompertz, Logistic, Richards, Meloun 1, modified Michaelis-Menten, Santana, and von Bertalanffy. The coefficient of determination (R²), mean squared error, percentage of convergence of each model (%C), mean absolute deviation of residuals, Akaike information criterion (AIC), and Bayesian information criterion (BIC) were used to determine the best model. The model that best described the growth trajectory for each trait was also used under the context of mixed models, considering two parameters that admit biological interpretation (A and k) with random effects. Results: The von Bertalanffy model was the best fitting model for BW according to the highest value of R² (0.98) and lowest values of AIC (6,675.30) and BIC (6,691.90). For LEA, the Logistic model was the most appropriate due to the results of R² (0.52), AIC (783.90), and BIC (798.40) obtained using this model. The absolute growth rates estimated using the von Bertalanffy and Logistic models for BW and LEA were 21.51g/d and 3.16 cm², respectively. The relative growth rates at the inflection point were 0.028 for BW (von Bertalanffy) and 0.014 for LEA (Logistic). Conclusion: The von Bertalanffy and Logistic models with random effect at the asymptotic weight are recommended for analysis of ponderal and carcass growth trajectories in New Zealand rabbits. The inclusion of random effects in the asymptotic weight and maturity rate improves the quality of fit in comparison to fixed models.

• 한국재난정보학회 논문집
• /
• 제19권1호
• /
• pp.161-172
• /
• 2023

건설근로자에게 강의식으로 전달하는 안전교육은 집중도와 몰입도에 한계가 있으므로 전달력과 흥미가 떨어진다. 교육을 통하여 불안전한 행동을 개선하고, 안전사고를 예방하기 위해서는 체험식 교육으로 패러다임을 전환할 필요가 있다. 연구목적: 체험식 안전교육은 건설근로자가 위험을 더 빠르게 인지하고, 응급대처 능력향상과 사전·사후 학습전이 효과성을 검증하므로 건설근로자 사고 예방에 기여하고, 체험교육이 건설근로자 안전한 행동 유도에 미치는 영향 연구가 목적이다. 연구방법:실제 건설 현장과 동일 작업환경으로 구성된 체험시설을 경험한 종사자들의 설문으로 안전체험교육 사전·사후에 대한 의견조사와 학습전이 성과에 대해서 조작적 정의와 변수측정도구를 계획하고, 연구가설을 설정하였다. 연구결과: 구조방정식 모형을 통하여 경로분석 하였으며, 베이지안 이론과 MC 시뮬레이션 분석법으로 척도목표 기술통계량 및 척도입력 기술통계량에서 의도된 안전(A), 불안전(B)의 하위영역 비(非) 체험 교육, 체험식 교육의 평균, 표준편차, 최소·최대 값을 통해서 건설근로자 행동 변화를 확인하고 가설을 증명하였다. 결론: 건설근로자들에게 참여동기가 유발되어야 교육의 효과와 산업재해가 감소된다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.107-119
• /
• 2023

군인의 동작 및 운동 상태를 인식하는 기술은 웨어러블 테크놀로지와 인공지능의 결합으로 최근 대두되어 병력 관리의 패러다임을 바꿀 기술로 주목받고 있다. 이때 훈련 상황에서의 평가 및 솔루션 제공, 전투 상황에서의 효율적 모니터링 기능을 의도한대로 제공하기 위해서는 상태 판별의 정확도가 매우 높은 수준으로 유지되어야만 한다. 하지만 입력 데이터가 시계열 또는 시퀀스로 주어지는 경우, 기존의 피드포워드 신경망으로는 분류 성능을 극대화하는데 한계가 발생한다. 전장에서의 군사 동작 인식을 위해 다뤄지는 인간의 행동양식 데이터(3축 가속도 및 3축 각속도)는 시의존적 특성의 분석이 요구되기 때문에, 본 논문은 순환 신경망인 LSTM(Long-short Term Memory) 네트워크를 활용하여 취득 데이터의 이동 양상 및 순서 의존성을 파악하고 여덟 가지의 대표적 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는 고성능 인공지능 모델을 제안한다. 이때, 학습 조건 및 모델 변수는 그 정확도에 결정적인 영향을 끼치지만 인간의 수동적 조정이 필요해 비용 비효율적이고 최적의 값을 보장하지 못한다. 본 논문은 기계 스스로 일반화 성능이 극대화된 조건들을 취득할 수 있도록 베이지안 최적화를 활용해 하이퍼파라미터를 최적화한다. 그 결과, 최종 아키텍쳐는 학습 가능한 파라미터의 개수가 유사한 기존의 인공 신경망과 비교해서 오차율이 62.56% 감소할 수 있었으며, 최종적으로 98.39%의 정확도로 군사 동작 인식 기능을 구현할 수 있었다.

• 한국재난정보학회 논문집
• /
• 제19권3호
• /
• pp.519-531
• /
• 2023

건설 사업장에서 발생하는 안전사고 예방을 목표로 건설 현장의 불안전한 행동이라는 고질적 어려움과 고충을 해소하기 위해서 스마트 안전보건활동이라는 변수를 통하여 의도된 안전한 행동을 만들고, 이러한 행동 변화로 산업재해 감소에 도움이 되고자 한다. 연구목적: 스마트 안전보건활동이 불안전한 행동으로 발생하는 사고와 근본 원인인 근로자 행동 변화에 어떤 영향을 미치는지 분석하고, 이 활동은 근로자의 안전 경험치가 향상되고, 불안전한 행동을 의도된 안전한 행동으로 변화되며, 작업중에 나타나는 불안전 행동이 줄어들므로 안전사고 예방과 근로자 생명 보호에 도움이 된다는 가설을 검증한다. 연구방법: 스마트 안전보건활동을 독립변수(X)로 선정하였고, 근로자 행동 의도인 의도된 안전과 불안전을 종속변수(Y), 태도와 주관적 규범, 계획된 행동 통제를 매개변수(M)로 정하였다. 척도의 신뢰성과 타당도 분석은 안전보건활동에 관한 탐색적 요인분석과 판별타당도분석, 집중타당도를 분석했으며, 행동 변화의 가설검증을 위해서 주요 변수의 경로분석과 근로자 행동 변화의 실증분석으로는 베이지안모델 분석과 MC시뮬레이션의 확률밀도 분포를 통해 연구를 검증했다. 연구결과:건설 현장의 스마트 안전보건활동을 경험한 근로자는 불안전한 행동이 줄고, 의도된 안전 행동을 한다는 분석이 가장 높게 나타남을 알 수 있었다. 이는 근로자 행동변화에 영향을 미칠것이라는 연구가설이 입증되었고, 연구분석의 구조방정식과 경로분석에서 변수간의 상관관계 확인, 실증분석을 통해 스마트 안전보건활동이 근로자 불안전한 행동을 통제하고, 감소시킬 수 있다는 점을 확인하였다. 결론:건설 현장에서 사고를 예방하고 근로자의 행동을 변화시키기 위해서는 스마트 안전 보건활동이 매우 중요한 항목이란 것을 알 수 있었다.

• 생태와환경
• /
• 제56권2호
• /
• pp.140-150
• /
• 2023

깔따구류 유충(Chironomidae larvae)은 저서성대형무척추동물로 수질 및 환경오염 생물 모니터링에 중요한 지표생물이다. 본 연구에서는 2022년 7월에서 9월 동안 한강의 다양한 수계에서 서식하는 깔따구류 유충을 채집하여 형태적 동정 및 유전자 계통 분석을 실시하였다. 20개 지점에서 총 3아과 18속 32종의 깔따구류 유충이 출현하였으며, 반지깔따구속에 속하는 1개 종이 6개 지점에서 우점하였다. 깔따구류 유충을 분류하는 데 이용하는 몸통, 두부, 하순기절, 촉각 등을 관찰하여 특징을 Pictorial key로 제시하였고, 유전자 계통분석 결과 3개 아과가 명확하게 구분되었으며, 속 수준에서도 구분이 되었다. 이러한 결과들은 깔따구류 유충 동정에 도움이 될 것이고, 수질 조사 및 관리에 기초적인 자료로 활용할 것으로 기대된다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.119-142
• /
• 2015

사용자의 취향과 선호도를 고려하여 정보를 제공하는 추천 시스템의 중요성이 높아졌다. 이를 위해 다양한 기법들이 제안되었는데, 비교적 도메인의 제약이 적은 협업 필터링이 널리 사용되고 있다. 협업 필터링의 한 종류인 모델 기반 협업 필터링은 기계학습이나 데이터 마이닝 모델을 협업 필터링에 접목한 방법이다. 이는 희박성 문제와 확장성 문제 등의 협업 필터링의 근본적인 한계를 개선하지만, 모델 생성 비용이 높고 성능/확장성 트레이드오프가 발생한다는 한계점을 갖는다. 성능/확장성 트레이드오프는 희박성 문제의 일종인 적용범위 감소 문제를 발생시킨다. 또한, 높은 모델 생성 비용은 도메인 환경 변화의 누적으로 인한 성능 불안정의 원인이 된다. 본 연구에서는 이 문제를 해결하기 위해, 군집화 기반 협업 필터링에 마르코프 전이확률모델과 퍼지 군집화의 개념을 접목하여, 적용범위 감소 문제와 성능 불안정성 문제를 해결한 예측적 군집화 기반 협업 필터링 기법을 제안한다. 이 기법은 첫째, 사용자 기호(Preference)의 변화를 추적하여 정적인 모델과 동적인 사용자간의 괴리 해소를 통해 성능 불안정 문제를 개선한다. 둘째, 전이확률과 군집 소속 확률에 기반한 적용범위 확장으로 적용범위 감소 문제를 개선한다. 제안하는 기법의 검증은 각각 성능 불안정성 문제와 확장성/성능 트레이드오프 문제에 대한 강건성(robustness)시험을 통해 이뤄졌다. 제안하는 기법은 기존 기법들에 비해 성능의 향상 폭은 미미하다. 또한 데이터의 변동 정도를 나타내는 지표인 표준 편차의 측면에서도 의미 있는 개선을 보이지 못하였다. 하지만, 성능의 변동 폭을 나타내는 범위의 측면에서는 기존 기법들에 비해 개선을 보였다. 첫 번째 실험에서는 모델 생성 전후의 성능 변동폭에서 51.31%의 개선을, 두 번째 실험에서는 군집 수 변화에 따른 성능 변동폭에서 36.05%의 개선을 보였다. 이는 제안하는 기법이 성능의 향상을 보여주지는 못하지만, 성능 안정성의 측면에서는 기존의 기법들을 개선하고 있음을 의미한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제33권6호
• /
• pp.888-901
• /
• 2020

Objective: A set of microsatellite markers with high polymorphism from Tsaiya duck were used for the genetic monitoring and genetic structure analysis of Brown and White Tsaiya duck populations in Taiwan. Methods: The synthetic short tandem repeated probes were used to isolate new microsatellite markers from the genomic DNA of Tsaiya ducks. Eight populations, a total of 566 samples, sourced from Ilan Branch, Livestock Research Institute were genotyped through novel and known markers. The population genetic variables were calculated using optional programs in order to describe and monitor the genetic variability and the genetic structures of these Tsaiya duck populations. Results: In total 24 primer pairs, including 17 novel microsatellite loci from this study and seven previously known loci, were constructed for the detection of genetic variations in duck populations. The average values for the allele number, the effective number of alleles, the observed heterozygosity, the expected heterozygosity, and the polymorphism information content were 11.29, 5.370, 0.591, 0.746, and 0.708, respectively. The results of analysis of molecular variance and principal component analysis indicated a contracting Brown Tsaiya duck cluster and a spreading White Tsaiya duck cluster. The Brown Tsaiya ducks and the White Tsaiya ducks with Pekin ducks were just split to six clusters and three clusters when K was set equal to 6 and 3 in the Bayesian cluster analysis. The individual phylogenetic tree revealed eight taxa, and each individual was assigned to its own population. Conclusion: According to our study, the 24 novel microsatellite markers exhibited a high capacity to analyze relationships of inter- and intra-population in those populations with a relatively limited degree of genetic diversity. We suggest that duck farms in Taiwan could use the new (novel) microsatellite set to monitor the genetic characteristics and structures of their Tsaiya duck populations at various intervals in order to ensure quality breeding and conservation strategies.

• 정보처리학회논문지B
• /
• 제15B권2호
• /
• pp.137-146
• /
• 2008

결함 지역화는 관찰된 결함의 근본 원인을 자동 인식 하는 것이 가능하기 때문에 규모가 큰 분산시스템에서 중요 역할 수행하며 시스템의 신뢰성 개선을 위해 시스템의 관리와 제어가 가능한 자가 관리를 지원한다. 결함 지역화를 지원하는 기존 연구들은 유비쿼터스 환경에서 베이지안 네트워크와 같은 인공지능 기술들을 주로 사용하여 진단과 예측 기능 중 하나만을 고려하고 있다. 따라서, 본 논문에서는 시스템의 신뢰성 개선을 위해 실시간 시스템 성능 스트림에 대한 학습을 통해 자가관리를 위한 확률적 의존 분석을 기반으로 하는 결함 지역화 방법을 제안하여 진단과 예측기능을 동시 제공한다. 학습 방법으로 베이지안 네트워크 알고리즘을 사용하여 각종 관련된 요소들을 연결함으로써 네트워크를 생성하고 확률적 의존 관계를 통해 귀납적과 연역적 추론기능을 제공한다. 베이지안 네트워크의 구성은 노드들간의 연관성을 찾아내는 것이 중요하기 때문에 그것을 구성하는 인자의 개수가 많은 경우 노드 순서 리스트를 추출하는 사전처리 과정이 필요하다. 따라서 전체 모델링 프로세스에 대한 개선이 요구된다. 이러한 문제를 해결하기 위해 발생한 문제와 관련성이 높은 노드 순서 리스트를 추출하는 방법을 제공한다. 구조 학습을 지원 하는 사전처리 방법을 통해 다양한 문제 영역에서의 학습 효율성을 높이며 학습에 필요로 되는 시간을 줄인다. 제안 방법론을 통해서 시스템의 자원 문제를 신속하고 정확하게 진단하는 것이 가능하며, 관찰된 정보를 기반으로 실행 중에 발생되는 잠재적인 문제를 예측하는 것이 가능하다. 시스템 성능 평가 영역에서 제안 방법론을 적용한 시스템 성능 분석을 기반으로 진단, 예측의 효율성과 정확성을 평가하여 제안 방법론의 유효성을 입증하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권12호
• /
• pp.966-978
• /
• 2002

기계학습 기법을 이용한 문서분류시스템의 정확도를 결정하는 요인 중 가장 중요한 것은 학습문서 집합의 선택과 그것의 구성방법이다. 학습문서집합 선택의 문제란 임의의 문서공간에서 보다 정보량이 큰 적은 양의 문서집합을 골라서 학습문서로 채택하는 것을 말한다. 이렇게 선택한 학습문서집합을 재구성하여 보다 정확도가 높은 문서분류함수를 만드는 것이 학습문서집합 구성방법의 문제이다. 전자의 문제를 해결하는 대표적인 알고리즘이 능동적 학습(active learning) 알고리즘이고, 후자의 경우는 부스팅(boosting) 알고리즘이다. 본 논문에서는 이 두 알고리즘을 Naive Bayes 문서분류 알고리즘에 적응해보고, 이때 생기는 여러 가지 특징들을 분석하여 새로운 학습문서집합 구성방법인 AdaBUS 알고리즘을 제안한다. 이 알고리즘은 능동적 학습 알고리즘의 아이디어를 이용하여 최종 문서분류함수룰 만들기 위해 임시로 만든 여러 임시 문서분류함수(weak hypothesis)들 간의 변이(variance)를 높였다. 이를 통해 부스팅 알고리즘이 효과적으로 구동되기 위해 필요한 핵심 개념인 교란(perturbation)의 효과를 실현하여 문서분류의 정확도를 높일 수 있었다. Router-21578 문서집합을 이용한 경험적 실험을 통해, AdaBUS 알고리즘이 기존의 알고리즘에 비해 Naive Bayes 알고리즘에 기반한 문서분류시스템의 정확도를 보다 크게 향상시킨다는 사실을 입증한다.