• Journal of Multimedia Information System
• /
• 제6권2호
• /
• pp.87-90
• /
• 2019

Machine learning techniques have been applied in almost all the domains of human life to aid and enhance the problem solving capabilities of the system. The field of medical science has improved to a greater extent with the advent and application of these techniques. Efficient expert systems using various soft computing techniques like artificial neural network, Fuzzy Logic, Genetic algorithm, Hybrid system, etc. are being developed to equip medical practitioner with better and effective diagnosing capabilities. In this paper, a comparative study to evaluate the predictive performance of subtractive clustering based ANFIS hybrid system (SCANFIS) with Fuzzy C-Means (FCM) based ANFIS system (FCMANFIS) for Alzheimer disease (AD) has been taken. To evaluate the performance of these two systems, three parameters i.e. root mean square error (RMSE), prediction accuracy and precision are implemented. Experimental results demonstrated that the FCMANFIS model produce better results when compared to SCANFIS model in predictive analysis of Alzheimer disease (AD).

• 한국정보처리학회논문지
• /
• 제5권10호
• /
• pp.2725-2736
• /
• 1998

본 논문은 WRLS-VFF-VT 알고리듬을 이용한 새로운 피치 검색 방법론을 제안하도록 한다. 제안된 알고리듬에서는 VFF(가변 망각 인자)를 사용하여 유성음에서의 주 여기 펄스 시점과 관련된 성문 폐쇄 점을 확인한다. 또한 본 논문은 VFF 기반 알고리듬과 함께 기존의 EGG 와 LP-Error 방법을 이용한 피치 검색 알고리듬에서 가변 한계 값을 이용 수정된 알고리듬을 제안한다. 제안된 알고리듬들은 주기와 주기 근간에서 강인한 피치 측정 능력과 준 주기 및 비 주기성 음성 신호에서도 우수한 피치 검색 기능을 가지고 있음을 알 수 있다. 제안된 알고리듬의 우수성을 입증하기 위해 실제 사람의 자연스러운 음성 및 사람의 비정상 상태 음성에서 준 주기 및 비 주기성 음성 진동 패턴을 확인하고 검출하는 성능 측정을 통하여 표준 SIFT 알고리듬과 비교 평가하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권7호
• /
• pp.33-40
• /
• 2024

가축의 생체중은 건강 및 사육 환경 관리에 중요한 정보이고 이를 통해 최적 사료량이나 출하 시기 등을 결정하게 된다. 일반적으로 가축의 무게를 측정할 때 체중계를 이용하지만, 체중계를 이용한 가축 무게를 측정하는데 상당한 인력과 시간이 필요하고 성장 단계별 측정이 어려워 사료급이량 조절 등의 효과적인 사육 방법이 적용되지 못하는 단점이 있다. 본 연구는 축산 양돈 분야에 영상 및 이미지 데이터를 수집, 분석, 학습, 예측 등을 통해 포유자돈, 이유자돈, 육성돈, 비육돈 구간별 체중 측정에 관한 연구와 함께 정확도를 높이고자 하였다. 이를 위해 파이토치(pytorch), YOLO(you only look once) 5 모델, 사이킷런(scikit learn) 라이브러리를 사용하여 학습시킨 결과, 실제치(actual)와 예측치(prediction) 그래프에서 RMSE(root mean square error) 0.4%와 MAPE(mean absolute percentage error) 0.2%로 유사한 흐름을 확인할 수 있다. 이는 양돈 분야의 포유자돈, 이유자돈, 육성돈, 비육돈 구간에서 활용할 수 있으며 다각도로 학습된 이미지 및 영상 데이터와 실제 측정된 체중 데이터를 바탕으로 지속적인 정확도 향상이 가능하고 향후 영상판독을 통해 돼지의 부유별 생산량에 대한 예측으로 효율적인 사육관리가 가능할 것으로 기대된다.

• 대한안전경영과학회지
• /
• 제4권2호
• /
• pp.11-22
• /
• 2002

In this study, an asymmetric lifting posture prediction model was developed, which was a three-dimensional model with 12 links and 23 degrees of freedom open kinematic chains. Although previous researchers have proposed biomechanical, psychophysical, or physiological measures as cost functions, for solving redundancy, they lack in accuracy in predicting actual lifting postures and most of them are confined to the two-dimensional model. To develop an asymmetric lifting posture prediction model, we used the resolved motion method for accurately simulating the lifting motion in a reasonable time. Furthermore, in solving the redundant problem of the human posture prediction, a moment weighted Joint Range Availability (JRA) was used as a cost function in order to consider dynamic lifting. However, it is known that the moment weighted JRA as a cost function predicted the lower extremity and L5/S1 joint motions better than the upper extremities, while the constant weighted JRA as a cost function predicted the latter better than the former. To compensate for this, we proposed a hybrid moment weighted JRA as a new cost function with moment weighted for only the lower extremity. In order to validate the proposed cost function, the predicted and real lifting postures for various lifting conditions were compared by using the root mean square(RMS) error. This hybrid JRA reduced RMS more than the previous cost functions. Therefore, it is concluded that the cost function of a hybrid moment weighted JRA can be used to predict three-dimensional lifting postures. To compare with the predicted trajectories and the real lifting movements, graphical validations were performed. The results also showed that the hybrid moment weighted cost function model was found to have generated the postures more similar to the real movements.

• 한국정보전자통신기술학회논문지
• /
• 제12권6호
• /
• pp.629-635
• /
• 2019

여러 분야에서 사용되는 이미지 분류를 위한 딥러닝(Deep Learning) 모델은 오류 역전파 방법을 통해 미분을 구현하고 미분 값을 통해 예측 상의 오류를 학습한다. 엄청난 계산량을 향상된 계산 능력으로 해결하여, 복잡하게 설계된 모델에서도 파라미터의 전역 (혹은 국소) 최적점을 찾을 수 있다는 것이 장점이다. 하지만 정교하게 계산된 데이터를 만들어내면 이 딥러닝 모델을 '속여' 모델의 예측 정확도와 같은 성능을 저하시킬 수 있다. 이렇게 생성된 적대적 사례는 딥러닝을 저해할 수 있을 뿐 아니라, 사람의 눈으로는 쉽게 발견할 수 없도록 정교하게 계산되어 있다. 본 연구에서는 임의의 잡음 신호를 추가하는 방법을 통해 적대적으로 생성된 이미지 데이터셋을 탐지하는 방안을 제안한다. 임의의 잡음 신호를 추가하였을 때 일반적인 데이터셋은 예측 정확도가 거의 변하지 않는 반면, 적대적 데이터셋의 예측 정확도는 크게 변한다는 특성을 이용한다. 실험은 공격 기법(FGSM, Saliency Map)과 잡음 신호의 세기 수준(픽셀 최댓값 255 기준 0-19) 두 가지 변수를 독립 변수로 설정하고 임의의 잡음 신호를 추가하였을 때의 예측 정확도 차이를 종속 변수로 설정하여 시뮬레이션을 진행하였다. 각 변수별로 일반적 데이터셋과 적대적 데이터셋을 구분하는 탐지 역치를 도출하였으며, 이 탐지 역치를 통해 적대적 데이터셋을 탐지할 수 있었다.

• 한국항해항만학회지
• /
• 제43권4호
• /
• pp.231-236
• /
• 2019

선박의 대형화, 고속화 및 선종의 다양화는 운송수단 중 해양 운송수단의 비중을 크게 증가시켰으나 동시에, 선박사고의 발생도 같이 증가 되었다. 선박사고의 발생은 생명과 재산의 손실뿐만 아니라 환경재해까지 일으키기 때문에 막대한 경제적, 환경적인 영향을 끼치게 된다. 특히, 여객선의 경우 인명의 피해가 크게 발생하기 때문에 선박사고를 예방하기 위한 방법들이 논의 되어 지고 있다. 본 연구에서는 여객선의 횡경사 각도를 바탕으로 전복의 위험까지 가게 되는 시간을 예측하여 위험시간에 도달하기 전에 인명을 대피할 수 있는 기초 자료를 제공하고자 하였다. 2012년~2016년 사이 침몰사고를 바탕으로 특정 시나리오를 설정하였으며, PRR1의 데이터를 MOSES V20을 이용하여 시뮬레이션을 수행하였다. 시뮬레이션 결과는 시간에 따른 횡경사 각도이며, 횡경사 에측을 위한 1차, 2차 방정식을 이용하여 시뮬레이션 결과와 비교하였다. 1차방정식의 경우 시뮬레이션 데이터가 선형적인 그래프를 나타내었기 때문에 낮은 오차율을 보이고 있으며, 2차방정식의 경우 초기에는 낮은 오차율을 보이고 있으나 추후 발생되는 각도에 대해서는 높은 오차율을 보이고 있었다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.231-252
• /
• 2021

인공지능(Artificial Intelligence)은 미래를 가장 크게 변화시킬 핵심 동력으로 산업 전반과 개인의 일상생활에 다양한 형태로 영향을 미치고 있다. 무엇보다 활용 가능한 데이터가 증가함에 따라 더욱더 많은 기업과 개인들이 인공지능 기술을 이용하여 데이터로부터 유용한 정보를 추출하고 이를 의사결정에 활용하고 있다. 인공지능에 관한 기존 연구는 모방 가능한 업무의 자동화에 초점을 두고 있으나, 인간을 배제한 자동화는 장점 못지않게 알고리즘 편향(Algorithms bias)으로 발생되는 오류나 자율성(Autonomy)의 한계점, 그리고 일자리 대체 등 사회적 부작용을 보여주고 있다. 최근 들어, 인간지능의 강화를 위한 증강 지능 (Augmented intelligence)으로서 인간과 인공지능의 협업에 관한 연구가 주목을 받고 있으며 기업도 관심을 가지기 시작하였다. 본 연구는 의사결정을 위해 조언(Advice)을 제공하는 조언자의 유형을 인간, 인공지능, 그리고 인간과 인공지능 협업의 세 가지로 나누고, 조언자의 유형과 의사결정자의 성격 특성이 의사결정에 미치는 영향을 살펴보았다. 311명의 실험자를 대상으로 사진 속 얼굴을 보고 나이를 예측하는 업무를 진행하였으며, 연구 결과 의사결정자가 조언활용을 하려면 먼저 조언의 유용성을 높게 인지하여하는 것으로 나타났다. 또한 의사결정자의 성격 특성이 조언자 유형별로 조언의 유용성을 인지하고 조언을 활용하는 데에 미치는 영향을 살펴본 결과, 인간과 인공지능의 협업 형태인 경우 의사결정자의 성격 특성에 무관하게 조언의 유용성을 더 높게 인지하고 적극적으로 조언을 활용하는 것으로 나타났다. 인공지능 단독으로 활용될 경우에는 성격 특성 중 성실성과 외향성이 강하고 신경증이 낮은 의사결정자가 조언의 유용성을 더 높게 인지하고 조언을 활용하는 것으로 나타났다. 본 연구는 인공지능의 역할을 의사결정과 판단(Decision Making and Judgment) 연구 분야의 조언자의 역할로 보고 관련 연구를 확장하였다는데 학문적 의의가 있으며, 기업이 인공지능 활용 역량을 제고하기 위해 고려해야 할 점들을 제시하였다는데 실무적 의의가 있다.

• Imaging Science in Dentistry
• /
• 제52권3호
• /
• pp.239-244
• /
• 2022

Purpose: Despite the proliferation of numerous morphometric and anthropometric methods for sex identification based on linear, angular, and regional measurements of various parts of the body, these methods are subject to error due to the observer's knowledge and expertise. This study aimed to explore the possibility of automated sex determination using convolutional neural networks(CNNs) based on lateral cephalometric radiographs. Materials and Methods: Lateral cephalometric radiographs of 1,476 Iranian subjects (794 women and 682 men) from 18 to 49 years of age were included. Lateral cephalometric radiographs were considered as a network input and output layer including 2 classes(male and female). Eighty percent of the data was used as a training set and the rest as a test set. Hyperparameter tuning of each network was done after preprocessing and data augmentation steps. The predictive performance of different architectures (DenseNet, ResNet, and VGG) was evaluated based on their accuracy in test sets. Results: The CNN based on the DenseNet121 architecture, with an overall accuracy of 90%, had the best predictive power in sex determination. The prediction accuracy of this model was almost equal for men and women. Furthermore, with all architectures, the use of transfer learning improved predictive performance. Conclusion: The results confirmed that a CNN could predict a person's sex with high accuracy. This prediction was independent of human bias because feature extraction was done automatically. However, for more accurate sex determination on a wider scale, further studies with larger sample sizes are desirable.

• 한국수소및신에너지학회논문집
• /
• 제31권1호
• /
• pp.73-81
• /
• 2020

For the fault tree analysis (FTA) analysis of the packaged hydrogen filling station, the composition of the charging station was analyzed and the fault tree (FT) diagram was prepared. FT diagrams were created by dividing the causes of events into external factors and internal factors with the hydrogen event as the top event. The external factors include the effects of major disasters caused by natural disasters and external factors as OR gates. Internal factors are divided into tube tailer, compressor & storage tank, and dispenser, which are composed of mistakes in operation process and causes of accidents caused by parts leakage. In this study, the purpose was to improve the hydrogen station. The subjects of this study were domestic packaged hydrogen stations and FTA study was conducted based on the previous studies, failure mode & effect analysis (FMEA) and hazard & operability study (HAZOP). Top event as a hydrogen leaking event and constructed the flow of events based on the previous study. Refer to "Off shore and onshore reliability data 6th edition", "European Industry Reliability Data Bank", technique for human error rate prediction (THERP) for reliability data. We hope that this study will help to improve the safety and activation of the hydrogen station.