• International journal of advanced smart convergence
• /
• 제12권1호
• /
• pp.53-58
• /
• 2023

With the fast development of artificial intelligence day by day, users are demanding explanations about the results of algorithms and want to know what parameters influence the results. In this paper, we propose a model for bankruptcy prediction with interpretability using the SHAP framework. SHAP (SHAPley Additive exPlanations) is framework that gives a visualized result that can be used for explanation and interpretation of machine learning models. As a result, we can describe which features are important for the result of our deep learning model. SHAP framework Force plot result gives us top features which are mainly reflecting overall model score. Even though Fully Connected Neural Networks are a "black box" model, Shapley values help us to alleviate the "black box" problem. FCNNs perform well with complex dataset with more than 60 financial ratios. Combined with SHAP framework, we create an effective model with understandable interpretation. Bankruptcy is a rare event, then we avoid imbalanced dataset problem with the help of SMOTE. SMOTE is one of the oversampling technique that resulting synthetic samples are generated for the minority class. It uses K-nearest neighbors algorithm for line connecting method in order to producing examples. We expect our model results assist financial analysts who are interested in forecasting bankruptcy prediction of companies in detail.

• International journal of advanced smart convergence
• /
• 제12권2호
• /
• pp.56-66
• /
• 2023

The goal of deep learning is to extract complex features from multidimensional data use the features to create models that connect input and output. Deep learning is a process of learning nonlinear features and functions from complex data, and the user data that is employed to train deep learning models has become the focus of privacy concerns. Companies that collect user's sensitive personal information, such as users' images and voices, own this data for indefinite period of times. Users cannot delete their personal information, and they cannot limit the purposes for which the data is used. The study has designed a deep learning method that employs privacy protection technology that uses distributed collaborative learning so that multiple participants can use neural network models collaboratively without sharing the input datasets. To prevent direct leaks of personal information, participants are not shown the training datasets during the model training process, unlike traditional deep learning so that the personal information in the data can be protected. The study used a method that can selectively share subsets via an optimization algorithm that is based on modified distributed stochastic gradient descent, and the result showed that it was possible to learn with improved learning accuracy while protecting personal information.

• International journal of advanced smart convergence
• /
• 제12권2호
• /
• pp.47-55
• /
• 2023

The automotive industry is undergoing a paradigm shift due to the convergence of IT and rapid digital transformation. Various components, including embedded structures and systems with complex architectures that incorporate IC semiconductors, are being integrated and modularized. As a result, there has been a significant increase in vehicle defects, raising expectations for the quality of automotive parts. As more and more data is being accumulated, there is an active effort to go beyond traditional reliability analysis methods and apply machine learning models based on the accumulated big data. However, there are still not many cases where machine learning is used in product development to identify factors of defects in performance and durability of products and incorporate feedback into the design to improve product quality. In this paper, we applied a prediction algorithm to the defects of automotive door devices equipped with automatic responsive sensors, which are commonly installed in recent electric and hydrogen vehicles. To do so, we selected test items, built a measurement emulation system for data acquisition, and conducted comparative evaluations by applying different machine learning algorithms to the measured data. The results in terms of R² score were as follows: Ordinary multiple regression 0.96, Ridge regression 0.95, Lasso regression 0.89, Elastic regression 0.91.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.147-153
• /
• 2023

In recent times, an absence of effective crowd management has led to numerous stampede incidents in crowded places. A crucial component for enhancing on-site crowd management effectiveness is the utilization of crowd counting technology. Current approaches to analyzing congested scenes have evolved beyond simple crowd counting, which outputs the number of people in the targeted image to a density map. This development aligns with the demands of real-life applications, as the same number of people can exhibit vastly different crowd distributions. Therefore, solely counting the number of crowds is no longer sufficient. CSRNet stands out as one representative method within this advanced category of approaches. In this paper, we propose a crowd counting network which is adaptive to the change in the density of people in the scene, addressing the performance degradation issue observed in the existing CSRNet(Congested Scene Recognition Network) when there are changes in density. To overcome the weakness of the CSRNet, we introduce a system that takes input from the image's information and adjusts the output of CSRNet based on the features extracted from the image. This aims to improve the algorithm's adaptability to changes in density, supplementing the shortcomings identified in the original CSRNet.

• 방송공학회논문지
• /
• 제10권1호
• /
• pp.43-56
• /
• 2005

기존의 방송환경은 시청자에게 단 방향의 서비스를 제공하며, 시청자 각자의 취향에 상관없이 소극적인 자세를 요구한다. 이러한 일방적인 사용자 시청환경에서, 대개의 프로그램들은 방송사에 의해 다수 사용자의 대표적인 시간대에 적절하게 배치되며, 그러한 프로그램의 인기도 혹은 시청 연령, 시간대에 따른 광고가 그 프로그램을 지원하게 된다. 시청자의 적극적 선별 노력에 의해 선택된 프로그램과 달리 그에 딸린 광고는 사용자가 원하는 대개의 프로그램을 지원하는 중요한 수단이지만, 정작 시청자의 관심과는 상관없이 제공된다. 또한 디지털 방송치 시작과 함께 양방향 서비스 환경에서도 사용자를 고려한 광고의 적절한 분배가 이루어지지 않고 있다. 이러한 일률적인 광고 컨텐츠의 제공은 시청자의 무관심을 초래할 수 있으며, 이러한 경향이 높을수록 효율적인 정보 제공에 많은 제한을 받을 수 있다. 본 논문에서는. 제한적 정보 제공의 해소와 새로운 시청 환경 제안을 위한, 시청자의 성별, 연령 그리고 직업과 같은 프로파일 정보에 따른 맞춤형 광고, 즉 표적 광고 서비스(Target Advertisement Service)를 제안한다. 제안된 표적 광고 서비스는 개인 정보 유출의 피해 없이 사용자의 시청 정보를 이용해 사용자의 프로파일 정보를 예측하며, 예측된 정보를 이용하여 사용자에게 맞는 광고 콘텐츠를 전달한다. 본 논문의 실험을 위해 AC Nielsen Korea에서 제공된 실제 연령대별. 성별. 시간대별로 기록된 사용자의 TV 시청 자료를 사용하였으며, 실험 결과를 통해 본 논문에서 제안된 두 가지 표적 광고 서비스 알고리즘. 즉, 정규거리합(Normalized Distance Sum)과 벡터 상관법(Vector Correlation)의 효율성 검증과 이를 이용한 표적 광고 서비스 프로토타입 시스템을 보인다.te TC-POXR-2의 열전도도가 1.13 W/mK, 그리고 TC-POXR-4가 1.19 W/mK였으며 이는 단일입자경을 갖는 충전제를 가하여 제조한 경우보다 높은 열전도성을 나타내었다. 제조하였으며 이들의 기계적 및 열전도 특성 그리고 체적 저항을 측정하였다. 달랐지만 단측검정 결과 유의하지 않았다.C)와 파인크리크 CC(Pine Creek CC)가 하나의 군을 형성하고 있었다. 블루헤런 CC(Blue Heron CC)는 다른 군과는 또 다른 의미로서 구분되었는바, 블루헤런 CC(Blue Heron CC)는 경관적 의미에 대한 가치평가가 놀은 결과로서 하나의 군으로 나누어 졌다.과 백삼의 효과 우열의 측면이 아닌 그 용도와 적응증에 차이가 있는지에 초점을 맞추어 보다 과학적 평가가 이루어져야 할 것이다. 결론적으로 가능한 동일한 재배조건에서 생산된 원료수삼으로 제조된 홍삼과 백삼의 원 생약과 그 추출 분획물, 또는 성분을 시료로 하여 화학성분 조성을 비교하고 이와 연계한 실험적 효능연구의 확충과 특히 임상적 효능 비교연구를 통해 과연 그 적응증에 차이가 있는지에 대한 보다 많은 과학적 검토가 이루어져야 할 것이다.ontrol (43.4 mg/L)에 비해 2.17배로 증가되었다.재래시장과 백화점에서 시판되고 있는 계란 총 446개에 대해서도 동일한 절차와 방법으로 조사하였던바, 재래시장에서 구입했던 계란의 난각부분(Egg-shell)에서만 가금티푸스(fowl Typhoid)의 병원체인 S. gallinarum이 1주$(0.2\%)$만이 분리되었고, 기타 세균으로서는 대장균군이 역시 난각에서 가장 높은 빈도로 분리되었고, 난황(Yolk)에서는 극히 낮은 수준의 세균오염도를 보였다. 다양한 동물종유래 S. aureus 균주들의 유전학적 분석목적에 가장 신뢰도 높고 감별능력이 뛰어난

• 한국통신학회논문지
• /
• 제39B권11호
• /
• pp.730-742
• /
• 2014

인지무선 애드혹 네트워크(Cognitive Radio Ad-hoc Networks)에서 요구기반 라우팅을 수행할 경우, 경로 탐색 과정에서 발생하는 경로탐색 메시지의 브로드캐스팅은 공통 제어 채널의 과부하를 유발하고 패킷 간의 충돌을 발생시킨다. 이런 현상은 경로탐색의 오버헤드를 증가 시키며, 정확하고 신뢰성있는 경로의 탐색에 제한을 받게 된다. 이로 인하여 신뢰성있는 채널을 찾는 경로가 제한되기 때문에 경로의 생존 시간이 단축되고 경로의 안정성이 감소된다. 본 논문에서는 인지무선 ad-hoc네트워크에서 주사용자의 출현 가능성과 주변 사용자의 상황을 고려하여 패킷 충돌을 감소시키고 경로의 생존시간을 향상 시키는 라우팅 알고리즘을 제안한다. 각 노드는 주기적인 센싱을 통해 주사용자의 사용패턴을 감지하고 채널의 사용 확률과 현재 채널 상태를 알고 있다. 또한 이웃 노드와 메시지 교환을 통해 공통된 채널과 해당 채널의 품질을 파악하여 노드 사이에 링크 레벨을 부여한다. 제안된 방법에서는 링크 레벨을 이용하여 경로 탐색 과정에서 발생하는 제어 메시지의 수를 감소시킨다. 또한 링크의 생존성과 품질을 홉 카운트에 따라 가중치를 부여하여 경로를 선택함으로써 경로의 생존 시간을 향상 시킬 수 있다. 성능 평가를 통해 기존의 방법 보다 제안된 방법을 이용하여 라우팅을 수행할 경우 제어 채널의 오버헤드가 감소되고 경로의 생존시간이 증가하는 것을 확인 할 수 있다.

• 한국정보과학회논문지:정보통신
• /
• 제35권4호
• /
• pp.251-267
• /
• 2008

본 논문에서 비구조적 피어투피어 망을 위한 적은 검색 시간을 가지는 최적화된 위상을 구성하는 분산된 위상 제어 알고리즘을 제안한다. 각 노드는 높은 검색 적중률을 가지는 최적의 노드들을 노드 자신의 적중률에 지수적으로 비례하는 수만큼 선택하고, 그들과 연계한다. 총체적 거동은 자연계에서는 볼 수 있는, 각 입자의 에너지 준위에 따라 입자들이 결합되는 재결정 현상과 결과적으로 거의 유사하다. 구성된 위상의 노드들의 적중율들 사이에는 부분 순서(Partial-order) 관계가 있다. 그러므로, 질의 메시지가 노드를 방문하는 경우에, 그 노드는 항상 직전에 방문하였던 노드들 보다 더 높은 적중률을 가지고 있다. 또한, 무위도식(Freeloader) 노드로부터 보내진 질의 메시지는 한 홉 전달에 의해, 무위도식하지 않은 노드들로 전달될 수 있고, 그것은 다시는 무위도식하는 노드들을 방문하지 않는다. 이처럼 검색은 제한된 지연시간 안에 이루어진다. 또한, 본 논문에서는 이 위상을 활용하여 효과적인 연쇄반응적 검색 방법을 제안한다. 그러한 제어된 다중 전송 방식은, 방송을 사용하는 방식 보다 질의 메시지들의 수를 43 퍼센트만큼 줄이며, 검색시간을 94 퍼센트 절감한다. 제안된 방안의 검색 성공률은 99 퍼센트이다.

• 한국산학기술학회논문지
• /
• 제21권2호
• /
• pp.1-7
• /
• 2020

현대 사회에서는 기술의 고도화와 인간의 생활 영역이 확대됨에 따라 시간과 장소의 제약 없이 고품질 음성, 영상 등의 통신 서비스를 제공 받고자하는 요구가 증가하고 있다. 이러한 요구에 대응하여 지역적인 거리에 영향을 받지 않고 광범위한 통신 반경을 제공하고 다중접근이 가능한 위성 통신 시스템이 나날이 발전하고 있으며 DVB-RCS, WIN-T 등의 위성 통신 체계에서는 효율적인 자원 할당을 위해 복수의 주파수 대역에서 시간을 분할하여 할당하는 기법인 MF-TDMA DAMA 다중접속 방식을 사용하고 있다. 이 방식의 경우, 망제어기에 위성 단말들이 주기적으로 자원을 요청하고 이에 따라 망제어기는 동적으로 자원을 할당하게 되므로 수시로 자원할당 정보의 정렬이 필요하다. 이런 정렬 시간의 단축은 원거리 송수신에 의해 긴 전송지연 시간이 발생하는 위성 통신 시스템에서는 더욱더 중요한 요소로 작용한다. 본 논문은 MF-TDMA DAMA 위성통신 시스템에서 자원할당 정보 정렬 시 최대 프레임 개수를 임계값으로 두고 임계값을 기준으로 정렬 알고리즘을 교차 선택하여 정렬 시간을 단축하는 정렬 알고리즘 가변 선택 기법을 제안한다.

• 한국멀티미디어학회논문지
• /
• 제14권9호
• /
• pp.1165-1174
• /
• 2011

데이터 방송 시스템에서 서버는 방송 채널을 통하여 데이터들을 지속적으로 전파하고, 이동 클라이언트는 자신이 원하는 데이터가 방송 채널에 나타나기를 기다리기만 하면 된다. 그러나 방송 채널은 많은 데이터들에 의해 공유되어야 하므로, 원하는 데이터를 수신하기까지 예상 지연시간이 증가할 수 있다. 본 논문은 전체 데이터들의 예상 지연시간을 최소화하기 위하여 다중 방송 채널에 적절하게 데이터를 할당하기 위한 주제를 연구하여 TLBP(Two Level Bin-Packing)로 명명된 새로운 데이터 할당 기법을 제안한다. 본 논문은 우선 평균 예상지연시간의 이론적 하한 값을 소개하고, 이 값에 기초하여 저장소의 용량을 결정한다. TLBP 기법은 저장소-적재 알고리즘을 이용하여 전체 데이터들을 다수 개의 그룹으로 분할하고, 각 그룹의 데이터들을 각 채널에 배정한다. TLBP는 저장소-적재 알고리즘을 두 단계로 적용함에 의해, 동일 방송 채널에 할당된 데이터들의 액세스 확률의 차이를 방송 스케줄에 반영할 수 있어 성능을 향상시킬 수 있다. TLBP와 세가지의 기존 기법과 성능을 비교하기 위하여 시뮬레이션이 수행되었다. 시뮬레이션 결과에 의하면 TLBP는 합리적인 실행부담을 가지면서도 평균 예상지연시간의 성능에 있어서 다른 기법보다 우수한 성능을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제19권7호
• /
• pp.141-149
• /
• 2014

본 논문에서는 안드로이드 플랫폼과 같은 낮은 사양의 시스템에서 처리속도에 부담을 주지 않고 공간영역에서 워터마크의 삽입 및 검출 알고리즘을 제안하고자 한다. 워터마크는 사용자의 정보를 암호화하여 삽입하는 핑거프린트의 형태로 삽입되며 노출 위험을 피하기 위해 사용자 ID를 블록 암호화하여 의사 난수화하고 이를 토대로 워터마크의 삽입위치, 크기 및 삽입 프레임 번호에 변화를 주는 방법을 사용하였다. 또한 동영상의 특징상 많은 프레임이 존재하므로 이런 특징을 적극 활용하여 검출 결과를 안정화한 후 적분을 통하여 검출 가능성을 높였다. 본 연구에서 제시한 워터마크의 삽입 및 검출은 제한된 조건하에서도 높은 검출율을 얻을 수 있었다. 또한 검출 결과를 시각적으로 보여주기 위한 결과에서도 비교적 선명한 결과를 얻을 수 있었다. 상관계수 r 연산에 의한 결과도 움직임이 많은 경우 0.87, 중간의 경우 0.79, 움직임 적은 경우 0.84라는 높은 결과를 얻을 수 있어서 0.7 이상인 경우 확정적인 것을 참고하면 높은 검출 결과를 얻게 되었다. 워터마크 기호 영상 추출 단계에서 성공율 95.45%의 결과를 얻었으며 이 결과 영상에 상관계수 r 연산을 적용하면 99% 이상 검출 결과를 얻을 수 있었다. 향후 다양한 공격에 대비한 알고리즘의 보완을 통해 상품화의 단계를 지향하고 있으며 이를 통해 영상 관제 시스템과 지적 재산권 보호 시스템에 적용할 예정이다.