• 한국융합학회논문지
• /
• 제12권8호
• /
• pp.31-37
• /
• 2021

산업의 발전으로 도시화로 인해 건물의 규모가 커지면서, 건물의 공기 정화 및 쾌적한 실내 환경을 유지의 필요성 또한 증가하고 있다. 냉동 시스템의 모니터링 기술의 발전으로 건물 내에 발생하는 전력 소모량을 관리할 수 있게 되었다. 특히 상업용 건물에서 발생하는 전력 소모량 중 약 40%가 냉동 시스템에서 일어난다. 따라서 본 연구 냉동시스템 고장진단 알고리즘을 개발하기 위해서 냉동시스템의 구조를 이해하고, 냉동 시스템의 운영과정에서 발생하는 데이터를 수집 분석하여 다양한 유형과 심각도를 가지는 고장 상황을 조기에 신속하게 탐지 분류하고자 하였다. 특히 분류가 어려운 고장 유형들의 분류 정확도를 향상시키기 위하여 3단계 진단 및 분류 알고리즘을 개발하여 제안하였다. 다수의 실험과 초모수 (hyper parameter) 최적화 과정을 거쳐 각 단계에 적합한 분류 모형으로 SVM과 LGBM에 기반 한 모형을 제시하였다. 본 연구에서는 고장에 영향을 미치는 특성을 최대한 보존하면서, 선행연구에서 어려움을 겪었던 냉매 관련 고장을 포함한 모든 고장 유형을 우수한 결과로 도출하였다.

• 한국건축시공학회지
• /
• 제21권6호
• /
• pp.665-676
• /
• 2021

노후 건축물의 수가 증가함에 따라, 건물의 안전진단, 유지 보수에 대한 중요성이 증가하고 있다. 기존 외관 조사는 점검자의 주관적인 판단이 수반되어 평가 결과가 다르고 객관성과 신뢰성이 떨어진다. 따라서 본 연구는 기존 연구를 통해 기실시된 외관 조사 및 상태 평가 프로세스의 한계를 제시하였으며, UAV, Laser Scanner를 통해 3D Point Cloud 데이터를 수집하였다. 또한, Reverse Engineering 기술을 이용하여 3D 모델을 생성한 후 객관적인 상태평가 데이터를 취득하였다. 이후 기존의 정밀검사 데이터와 정밀 안전진단 데이터를 활용하여 DNN 구조를 생성하고, 고정밀도 측정 장치를 이용하여 얻은 상태평가 데이터를 적용하여 객관적인 건물안전등급을 산출하였다. 자동화된 프로세스는 20개의 노후된 건축물에 적용되며 동일 면적 건축물 기준 수작업으로 실시되는 안전진단의 시간에 비해 약 50% 감소하였다. 이후 본 연구에서는 안전등급 결과값과 기존값을 비교하여 안전등급 산출과정의 정확성을 검증하고 약 90%의 높은 정확도를 가진 DNN을 구축하였다. 이는 향후 노후 건물의 안전등급 산정의 신뢰성이 향상되고 비용과 시간을 절약해 경제성이 향상될 것으로 기대된다.

• 정보처리학회논문지A
• /
• 제16A권5호
• /
• pp.403-410
• /
• 2009

본 논문에서는 교수자에게 학습자의 지식 요소별 진단을 해 주는 것이 가능한 지능형 온라인 퀴즈를 저작할 수 있도록 해주는 교육용 소프트웨어에 대하여 소개한다. 이 도구는 베이지언 추론망을 활용하여 학습 요소들 간의 관계를 표현함으로써 학습자 모델을 설계하고 베이지언추론에 의해 학습자의 지식을 추론하는 진단 엔진을 자동적 생성한다. 또한 이 도구는 온라인 퀴즈 페이지를 생성하며 퀴즈 풀이 후에 학습자 보고서를 제시하며 학습자 개인별로 부족한 학습 요소를 보충하기 위한 콘텐츠를 제공하는 기능을 갖추고 있다. 저작도구 자동생성 기법에 따라 개발된 이 지능형 온라인 퀴즈 저작도구는 학습자 개인의 부족한 학습 요소를 파악함으로써 그 진단 결과에 따른 학습전략 수립과 다음 학습 내용 선택 그리고 부족한 지식 요소를 보강하기 위한 보충학습을 수행하는데 도움을 주는 것으로 나타났다.

• 융합신호처리학회논문지
• /
• 제23권2호
• /
• pp.84-90
• /
• 2022

공작기계 상태 진단은 기계의 상태를 자동으로 감지하는 프로세스이다. 실제로 가공의 효율과 제조공정에서 제품의 품질은 공구 상태에 영향을 받으며 마모 및 파손된 공구는 공정 성능에 보다 심각한 문제를 일으키고 제품의 품질 저하를 일으킬 수 있다. 따라서 적절한 시기에 공구가 교체될 수 있도록 공구 마모 진행 및 공정 중 파손 방지 시스템 개발이 필요하다. 본 논문에서는 공구의 적절한 교체 시기 등을 진단하기 위해 딥러닝 기반의 계층적 컨볼루션 신경망을 이용하여 5가지 공구 상태를 진단하는 방법을 제안한다. 기계가 공작물을 절삭할 때 발생하는 1차원 음향 신호를 주파수 기반의 전력스펙트럼밀도 2차원 영상으로 변환하여 컨볼루션 신경망의 입력으로 사용한다. 학습 모델은 계층적 3단계를 거쳐 5가지 공구 상태를 진단한다. 제안한 방법은 기존의 방법과 비교하여 높은 정확도를 보였고, 실시간 연동을 통해 다양한 공작기계를 모니터링할 수 있는 스마트팩토리 고장 진단 시스템에 활용할 수 있을 것이다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1157-1170
• /
• 2023

복수는 물고기의 복강에 체액이 비정상적으로 축적되는 상태로써 넙치의 건강 상태를 나타내는 중요한 지표이다. 박테리아, 바이러스, 기생충 등의 감염 과정에서 복수가 생길 수 있으며, 이로 인해 복부의 팽만, 부진한 성장 및 체중 감소 등이 나타난다. 본 논문에서는 넙치의 복수 증상에 영향을 미치는 다른 증상 또는 질병과의 연관성을 찾고자 하였다. 실험 데이터로는 복수의 증상을 복수 없음, 복수 투명, 복수 불투명의 3가지 상태로 구분하고 7년 동안 수집한 양식넙치의 질병진단 데이터를 사용하였다. 랜덤 포레스트 기계 학습 방법을 위해 적절한 전처리 과정을 수행한 후 복수 증상과 관련 있는 다른 증상 및 질병 인자들을 추출하였으며, 제안된 모델이 복수 증상 관련 주요 인자들을 제시해 줄 수 있음을 확인하였다.

• International Journal of Computer Science & Network Security
• /
• 제23권12호
• /
• pp.101-106
• /
• 2023

Chronic illnesses are among the most common serious problems affecting human health. Early diagnosis of chronic diseases can assist to avoid or mitigate their consequences, potentially decreasing mortality rates. Using machine learning algorithms to identify risk factors is an exciting strategy. The issue with existing feature selection approaches is that each method provides a distinct set of properties that affect model correctness, and present methods cannot perform well on huge multidimensional datasets. We would like to introduce a novel model that contains a feature selection approach that selects optimal characteristics from big multidimensional data sets to provide reliable predictions of chronic illnesses without sacrificing data uniqueness.[1] To ensure the success of our proposed model, we employed balanced classes by employing hybrid balanced class sampling methods on the original dataset, as well as methods for data pre-processing and data transformation, to provide credible data for the training model. We ran and assessed our model on datasets with binary and multivalued classifications. We have used multiple datasets (Parkinson, arrythmia, breast cancer, kidney, diabetes). Suitable features are selected by using the Hybrid feature model consists of Lassocv, decision tree, random forest, gradient boosting,Adaboost, stochastic gradient descent and done voting of attributes which are common output from these methods.Accuracy of original dataset before applying framework is recorded and evaluated against reduced data set of attributes accuracy. The results are shown separately to provide comparisons. Based on the result analysis, we can conclude that our proposed model produced the highest accuracy on multi valued class datasets than on binary class attributes.[1]

• 한국초등과학교육학회지:초등과학교육
• /
• 제30권2호
• /
• pp.152-161
• /
• 2011

The purpose of this study is to diagnose difficulties and problems that the preservice teachers experience when teaching inquiry-based classes in elementary science and to improve their professionalism through prescriptive instruction consulting utilizing PDRE (preparation, diagnosis, reflective implementation, evaluation) model. The result of this study was as follows. First, preservice teachers considered themselves to be lack of scientific knowledge, but this study confirmed that the application of instruction consulting improved their understandings in scientific concepts and principles and corrected their misconceptions. Second, preservice teachers experienced difficulties in variables that might influence the results of experiments, cautions for the experiments and unexpected results of experiments, and this consulting allowed them to gain instruction ability to cope with such circumstances and solve problems effectively. Third, preservice teachers experienced difficulties in applying instructional model into their classes and preparing lesson plans, but consulting actually made limited but positive changes in their abilities. However, from a longer-term perspective, quantitative increase in their teaching opportunities, the development and distribution of example manuals, and the utilization of various class materials provided by the assistant centers for teaching and learning should be achieved side by side.

• International Journal of Computer Science & Network Security
• /
• 제22권6호
• /
• pp.145-156
• /
• 2022

Children are the foundation and future of this society and understanding their impressions and behaviors is very important and the child's behavioral problems are a burden on the family and society as well as have a bad impact on the development of the child, and the early diagnosis of these problems helps to solve or mitigate them, and in this research project we aim to understand and know the behaviors of children, through artificial intelligence algorithms that helped solve many complex problems in an automated system, By using this technique to read and analyze the behaviors and feelings of the child by reading the features of the child's face, the movement of the child's body, the method of the child's session and nervous emotions, and by analyzing these factors we can predict the feelings and behaviors of children from grief, tension, happiness and anger as well as determine whether this child has the autism spectrum or not. The scarcity of studies and the privacy of data and its scarcity on these behaviors and feelings limited researchers in the process of analysis and training to the model presented in a set of images, videos and audio recordings that can be connected, this model results in understanding the feelings of children and their behaviors and helps doctors and specialists to understand and know these behaviors and feelings.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권4호
• /
• pp.1209-1223
• /
• 2022

Blood pressure is one of the key physiological parameters for determining human health, and can prove whether human cardiovascular function is healthy or not. In general, what we call blood pressure refers to arterial blood pressure. Blood pressure fluctuates greatly and, due to the influence of various factors, even varies with each heartbeat. Therefore, achievement of continuous blood pressure measurement is particularly important for more accurate diagnosis. It is difficult to achieve long-term continuous blood pressure monitoring with traditional measurement methods due to the continuous wear of measuring instruments. On the other hand, radar technology is not easily affected by environmental factors and is capable of strong penetration. In this study, by using machine learning, tried to develop a linear blood pressure prediction model using data from a public database. The radar sensor evaluates the measured object, obtains the pulse waveform data, calculates the pulse transmission time, and obtains the blood pressure data through linear model regression analysis. Confirm its availability to facilitate follow-up research, such as integrating other sensors, collecting temperature, heartbeat, respiratory pulse and other data, and seeking medical treatment in time in case of abnormalities.

• Educational Technology International
• /
• 제23권2호
• /
• pp.157-181
• /
• 2022

Scale scores for cognitive domains have been used as an important indicator for both academic achievement and clinical diagnosis. For example, in education, Cognitive Abilities Test (CogAT) has been used to measure student's capability in academic learning. In a clinical setting, Cognitive Impairment Screening Test utilizes items measuring cognitive ability as a dementia screening test. We demonstrated a procedure of generating cognitive ability test items similar as in CogAT but the theory associated with the generation is totally different. When creating cognitive test items, we applied automatic item generation (AIG) that reduces errors in predictions of cognitive ability but attains higher reliability. We selected two cognitive ability test items, categorized as a time estimation item for measuring quantitative reasoning and a paper-folding item for measuring visualization. As CogAT has widely used as a cognitive measurement test, developing an AIG-based cognitive test items will greatly contribute to education field. Since CLASS is the only LMS including AIG technology, we used it for the AIG software to construct item models. The purpose of this study is to demonstrate the item generation process using AIG implemented within CLASS, along with proving quantitative and qualitative strengths of AIG. In result, we confirmed that more than 10,000 items could be made by a single item model in the quantitative aspect and the validity of items could be assured by the procedure based on ECD and AE in the qualitative aspect. This reliable item generation process based on item models would be the key of developing accurate cognitive measurement tests.