• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.1-9
• /
• 2021

본 연구에서는 민감 정보가 포함된 경우의 서포트 벡터 머신 (SVM) 학습 알고리즘을 제안한다. 기계 학습 모형들이 실세계의 자동화된 의사 결정을 가능하게 하였지만 규제들은 프라이버시 보호를 위해서 민감 정보들의 활용을 제한하고 있다. 특히 인종, 성별, 장애 여부와 같은 법적으로 보호되는 정보들의 프라이버시 보호는 필수이다. 본 연구에서는 완전 동형암호를 활용하여 부분적인 민감 정보가 포함된 경우에 최소 제곱 SVM (LSSVM) 모형을 효율적으로 학습할 수 있는 방법을 제안한다. 본 프레임워크에서는 데이터 소유주가 민감하지 않은 정보와 민감한 정보 모두를 가지고 있고, 이를 기계학습 서비스 제공자에게 제공할 때에 민감 정보만 암호화해서 제공하는 것을 가정한다. 결과적으로 데이터 소유자는 민감 정보를 노출시키지 않으면서도 암호화된 상태로 모형의 학습 정보를 얻을 수 있다. 모형을 실제 활용할 경우에는 모든 정보를 암호화하여 안전하게 예측 결과를 제공할 수 있도록 한다. 실제 데이터에 대한 실험을 통해 본 알고리즘이 동형암호로 구현될 경우에 원래의 LSSVM 모형과 비슷한 성능을 가질 수 있음을 확인해 볼 수 있었다. 또한, 개선된 효율적인 알고리즘에 대한 실험은 적은 성능 저하로 큰 연산 효율성을 달성할 가능성을 입증하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.183-191
• /
• 2021

비간섭 부하 모니터링은 사용자 에너지 소비량의 실시간 모니터링을 통해 가전기기의 사용량 예측 및 분류를 하는 기술로, 최근 에너지 절약의 수단으로 관심이 증가하고 있다. 본 논문에서는 GAF(Gramian angular field) 기반 1차원 시계열 데이터를 2차원 행렬로 변환하는 기법과, 합성곱 신경망(convolutional neural networks)을 결합해 사용자 전력 사용량 데이터로부터 가전기기를 예측하는 시스템을 제안한다. 학습을 위해 공개 가정용 전력 데이터인 REDD(residential energy disaggregation dataset)를 사용하고, GASF(Gramian angular summation field), GADF(Gramian angular difference field)의 분류 정확도를 확인한다. 시뮬레이션 결과, 이중 상태(on/off)를 가지는 가전기기에서 두 모델 모두 97%의 정확도를 보였고, 다중 상태를 가지는 기기에서 GASF는 95%로 GADF보다 3% 높은 정확도를 보임을 확인하였다. 차후 데이터의 량을 증가시키고 모델을 최적화해 정확도와 속도를 개선할 예정이다.

• 디지털융복합연구
• /
• 제19권3호
• /
• pp.401-414
• /
• 2021

본 연구는 노인의 문자메시지와 SNS 활용역량이 비동거 자녀, 형제·자매 및 친인척, 친구, 이웃, 지인과의 접촉과 어떠한 관련성이 있는지 살펴보았다. 연구대상은 2017년 노인실태조사에 참여한 65세 이상 노인 8,392명으로, 노인의 문자메시지 받기와 보내기, SNS 활용역량을 기준으로 4집단으로 구분하였다. 회귀분석 결과, 노인이 문자메시지와 SNS를 모두 사용하는 능력을 보유하였을 때, 비공식적 사회관계망을 구성하는 모든 성원과 비대면 접촉(연락)이 가장 빈번하였다. 그러나 문자메시지와 SNS 활용역량은 친구, 이웃, 지인과의 대면접촉 빈도와 주로 유의한 관련성이 나타났다. 본 연구 결과는 문자메시지와 SNS 활용역량이 가족 및 친구와의 정서적, 도구적 지원 교환에 핵심적인 역할을 하여 지역사회에서 거주하는 노인의 삶의 질에 기여할 가능성을 제시한다. 또한 비공식적 사회관계망 성원들과 관계를 지속하는데 정보화 교육이 중요한 역할을 할 수 있음을 시사한다.

• 대한화장품학회지
• /
• 제48권3호
• /
• pp.197-212
• /
• 2022

본 연구는 우리나라 국민 20 ~ 49 세 연령군 가운데 289 명을 대상으로 피부 마이크로바이옴의 요인들인 유익균, 상재균, 여드름균이 유해균에 미치는 영향과 상호작용을 실증적으로 분석하기 위해 수행되었다. 피부 마이크로바이옴의 바이오 빅데이타를 활용하여 다중회귀모형으로 분석한 결과, 연구대상의 성별과 연령에 따른 피부 마이크로바이옴의 차이를 통제한 경우, 유익균은 유해균에 부(-)의 영향을 나타내었고, 상재균과 여드름균은 정(+)의 영향을 나타냈다. 특히 유익균이 유해균에 미치는 부(-)의 영향은 상재균의 수준에 따라 여드름균과의 상호작용을 통해 다르게 나타났다. 이러한 결과는 유익균의 활성화가 유해균을 억제하며, 피부 마이크로바이옴이 유해균에 미치는 영향은 독립적인 영향과 함께 상호작용을 통해서 피부 마이크로바이옴의 균형을 이루고 있음을 실증적으로 검증한 것이다. 따라서 개인 맞춤형 화장품 제조산업에서 유익균의 증식을 돕고 유해균을 억제하는 피부 환경을 조성하기 위한 피부 마이크로바이옴 제품을 연구할 때, 반드시 피부 마이크로바이옴 요인들의 독립적인 영향과 상호작용을 함께 고려해야 함을 시사한다.

• 산업융합연구
• /
• 제20권1호
• /
• pp.23-33
• /
• 2022

본 연구는 제조기업의 디지털 전환(DX)을 위한 실행모형을 개발하기 위해 진행하였다. 이를 위하여 경영혁신과 디지털전환 과정에 대한 선행연구를 검토하였다. 인터넷 비즈니스의 혁신과정에서 적용된 NEBIC이론과 혁신이론을 기반으로 DX과정모형을 도출하였다. 여기에 최고경영층(TMT)의 추진의지 요인을 포함한 연구모형을 구축하고 이를 검증하기 위해 험자료를 통해 확인하였다. 디지털 전환을 추진하고 있는 중견 제조기업의 구성원을 대상으로 수집된 자료를 기반으로 연구가설을 검증하였다. 회귀분석을 통해 연구모형(기술지식 → 기회인지 → 기대성과 → 실행의지)의 각 단계의 영향관계를 확인하였다. DX과정에 최고경영층의 DX추진의지에 대한 구성원의 인식의 매개효과를 파악하기 위해 위계적 회귀분석을 실시였다. Sobel test 확인결과, 각 단계별 관계에 경영층의 DX추진에 대한 인식이 부분적으로 매개하는 사실을 확인하였다. 본 연구는 중견 제조업의 디지털 전환에 적용 가능한 모형을 제시했다는 점에서 의미가 있다. 또한 혁신연구 및 NEBIC 확장에 대한 경험적 근거를 제공한 것에 가치를 지닌다. 동적특성을 지닌 과정모형에 대한 실증자료의 한계를 극복하기 위해서 종단연구가 필요하며 연구결과의 일반화를 위해 제조업 이외 다양한 분야에서 확장된 실증연구가 요구된다.

• 디지털융복합연구
• /
• 제20권2호
• /
• pp.241-250
• /
• 2022

COVID-19 여파로 인한 비대면 서비스와 가정 재정 불안정성의 증가로 이륜차 보험사기 발생이 예상되고 있다. 이와 함께 보험사기 수법도 갈수록 교묘해지고 있다. 하지만 비대면 배달 수요와 연관된 이륜차 교통사고와 보험사기 적발 모형 관련 연구는 매우 미흡한 실정이다. 이에 본 연구는 보험사기의 표본 편중문제를 해결하기 위해 균형 랜덤포레스트 알고리즘을 이용하고 보험사기 조사 전문가의 정성적인 판단 기준을 반영한 변수를 모델에 포함하여 적용성을 향상시키며 적발력 높은 이륜차 보험사기 모형을 개발하고자 한다. 보험사기 적발 모형 개발 결과, 기존의 비균형 랜덤 포레스트 모형에 비해 균형 랜덤 포레스트가 보험 사기혐의자를 분류하는 데 있어 통계적으로 우수한 점을 확인할 수 있었다. 특히, 총 26개의 변수를 토대로 탐색적 변수 조합을 적용한 모형의 예측 성능이 가장 높았지만 일부 변수만을 사용한 확인적 모형의 예측 성능도 크게 떨어지지 않은 와중에, 정성적인 보험사기 전문가가 선정한 변수만을 사용한 확인적 모형은 예측력이 떨어지는 것을 확인하였다. 또한, 총 26개의 변수 중 운전자 성별, 연령, 운전자 피보험자 일치 여부, 미수선 청구금액, 대인보험금 등이 중요한 변수로 확인되어 이를 활용해 이륜차 보험사기 혐의자 선별을 위한 적극적인 대처가 필요해 보인다.

• 한국산학기술학회논문지
• /
• 제22권5호
• /
• pp.108-117
• /
• 2021

최근 사회적·교육적 패러다임의 변화 속에 capstone design을 활용한 교육적 접근이 점진적으로 확대되고 있는 추세이다. Capstone design이 접목된 모델학과의 교과목 개발은 패션쇼 현장에서 패션모델로서의 실무 역량을 증진시켜 줌과 동시에 패션쇼와 관련된 다양한 분야에 대한 시야를 확장시켜준다는 측면에서 긍정적인 효과를 창출할 수 있다. 본 연구는 패션모델학과의 모델작품발표 교과목에 캡스톤 디자인 교수법을 적용한 교육 과정을 개발 및 그 성과를 제시하고, 교수자 측면에서 고려해야할 함의점을 제언하는데 목적이 있다. 연구 목적을 달성하기 위한 연구 방법은 캡스톤 디자인 교수법과 모델작품발표 교과목에 관련된 이론적 연구 및 캡스톤 디자인이 반영된 모델작품발표 교과목의 과정을 안내하기 위한 모형개발연구를 병행하였다. 본 연구의 결과, capstone design을 접목한 모델작품발표 교과목에 대한 학습자들의 수업 수행 방식이나 과정 및 학습 성과에 대한 만족도는 매우 높은 것으로 나타났으며, 특히, 수업 수행 과정에 대해 매우 큰 만족감을 나타내는 것으로 파악되었다. Capstone design을 활용한 모델작품발표 교과목을 진행함에 있어 교수자의 측면에서 고려해야할 함의점으로, 패션과 관련된 심층적·융합적인 관점에서의 교육에 대한 필요, 공간에 대한 시간적·공간적 활용도의 개선, 다양한 분야의 전문가 및 산업체들간의 연계성에 대한 깊이 있는 고민과 산업체와 지속적인 교류와 협력을 통한 교육 범위의 확장이 필요하다고 판단된다.

• 디지털융복합연구
• /
• 제19권8호
• /
• pp.319-325
• /
• 2021

무선 기술의 고도화 및 이동통신 기술의 인프라가 빠르게 성장함에 따라 AI 기반 플랫폼을 적용한 시스템이 사용자의 주목을 받고 있다. 특히 사용자의 취향이나 관심사 등을 이해하고, 선호하는 아이템을 추천해주는 시스템은 고도화된 전자상거래 맞춤형 서비스 및 스마트 홈 등에 적용되고 있다. 그러나 이러한 추천 시스템은 다양한 사용자들의 취향이나 관심사 등에 대한 선호도를 실시간으로 반영하기 어렵다는 문제가 있다. 본 연구에서는 이러한 문제를 해소하기 위해 GRU(Gated Recurrent Unit) 언어 모델을 이용한 Fuzzy-AHP 기반 영화 추천 시스템을 제안하였다. 본 시스템에서는 사용자의 취향이나 관심사를 실시간으로 반영하기 위해 Fuzzy-AHP를 적용하였다. 또한 대중들의 관심사 및 해당 영화의 내용을 분석하여 사용자가 선호하는 요인과 유사한 영화를 추천하기 위해 GRU 언어 모델 기반의 모델을 적용하였다. 본 추천 시스템의 성능을 검증하기 위해 학습 모듈에서 사용된 스크래핑 데이터를 이용하여 학습 모델의 적합성을 측정하였으며, LSTM(Long Short-Term Memory) 언어 모델과 Epoch 당 학습 시간을 비교하여 학습 수행 속도를 측정하였다. 그 결과 본 연구의 학습 모델의 평균 교차 검증 지수가 94.8%로 적합하다는 것을 알 수 있었으며, 학습 수행 속도가 LSTM 언어 모델보다 우수함을 확인할 수 있었다.

• 재활치료과학
• /
• 제11권4호
• /
• pp.23-39
• /
• 2022

목적 : 본 연구는 뇌졸중 환자의 기능적 결과를 예측하기 위한 인구통계학적 및 임상학적 특징과 머신러닝의 사용을 체계적으로 분석하고 요약하기 위해 수행되었다. 연구방법 : PubMed, CINAHL과 Web of Science를 사용하여 2010년부터 2021년 사이에 게재된 연구를 검색하였다. 주요 검색어는 "machine learning OR data mining AND stroke AND function OR prediction OR/AND rehabilitation"을 사용하였다. 뇌 이미지 처리 기법만을 분석한 연구, 딥러닝만 적용한 연구와 전체 본문을 열람할 수 없는 연구는 제외되었다. 결과 : 검색한 결과, 총 9편의 국내외 논문을 선정했다. 선정된 논문에서 가장 많이 사용된 머신러닝 알고리즘은 서포트 벡터 머신(support vector machine, 19.05%)과 랜덤포레스트(random forest, 19.05%)였다. 9개 중 7개의 연구에서 뇌졸중 환자의 기능을 예측하기 위해 중요하다고 추출된 변수를 결과로 제시했다. 그 결과, 5개(55.56%)의 연구에서 뇌졸중 환자의 기능을 예측하기 위해 환자의 임상적 특성이 아닌 modified ranking scale (mRS) 및 functional independence measure (FIM)과 같은 초기 또는 퇴원 평가 점수가 중요하다고 도출되었다. 결론 : 이 연구는 mRS 및 FIM과 같은 뇌졸중 환자의 초기 또는 퇴원 평가 점수가 임상적 특성보다 기능적 결과에 더 많은 영향을 미칠 수 있음을 나타냈다. 따라서, 뇌졸중 환자의 기능적 결과를 향상시키기 위한 최적의 중재를 개발하고 적용하기 위해서는 뇌졸중 환자의 초기 및 퇴원 시 기능적 결과를 평가하고 검토하는 것이 필요하다.

• International journal of advanced smart convergence
• /
• 제11권1호
• /
• pp.19-27
• /
• 2022

Across the world, 'housing' comprises a significant portion of wealth and assets. For this reason, fluctuations in real estate prices are highly sensitive issues to individual households. In Korea, housing prices have steadily increased over the years, and thus many Koreans view the real estate market as an effective channel for their investments. However, if one purchases a real estate property for the purpose of investing, then there are several risks involved when prices begin to fluctuate. The purpose of this study is to design a real estate price 'return rate' prediction model to help mitigate the risks involved with real estate investments and promote reasonable real estate purchases. Various approaches are explored to develop a model capable of predicting real estate prices based on an understanding of the immovability of the real estate market. This study employs the LSTM method, which is based on artificial intelligence and deep learning, to predict real estate prices and validate the model. LSTM networks are based on recurrent neural networks (RNN) but add cell states (which act as a type of conveyer belt) to the hidden states. LSTM networks are able to obtain cell states and hidden states in a recursive manner. Data on the actual trading prices of apartments in autonomous districts between January 2006 and December 2019 are collected from the Actual Trading Price Disclosure System of the Ministry of Land, Infrastructure and Transport (MOLIT). Additionally, basic data on apartments and commercial buildings are collected from the Public Data Portal and Seoul Metropolitan Government's data portal. The collected actual trading price data are scaled to monthly average trading amounts, and each data entry is pre-processed according to address to produce 168 data entries. An LSTM model for return rate prediction is prepared based on a time series dataset where the training period is set as April 2015~August 2017 (29 months), the validation period is set as September 2017~September 2018 (13 months), and the test period is set as December 2018~December 2019 (13 months). The results of the return rate prediction study are as follows. First, the model achieved a prediction similarity level of almost 76%. After collecting time series data and preparing the final prediction model, it was confirmed that 76% of models could be achieved. All in all, the results demonstrate the reliability of the LSTM-based model for return rate prediction.