• 한국산학기술학회논문지
• /
• 제11권12호
• /
• pp.5097-5106
• /
• 2010

보증 시스템의 '학습'모듈과 '우선순위' 등을 포함된 두 가지 기능을 이용하여 의사결정시스템을 개발을 할 수 있다. 본 논문은 품질보증 시스템과 신경망 학습기능을 이용한 위험분석 방법을 보여준다. 분석 방법은 신경 네트워크뿐만 아니라, 계층 분석방법을 사용하여 경고 기준에 우선순위를 할당을 위해 적용되었다. 따라서 보증 시스템, AHP 모듈 및 신경 네트워크 시스템의 세 가지 구성 요소와 함께 통합 시스템 구축을 가능하게 한다. 사례 연구에 제공되는 자동차 회사에서 사용되는 보증 시스템 내에 많은 요인을 이용해 정확한 판단의 "경고 / 검출"을 향상시키고자 한다.

• 대한의용생체공학회:의공학회지
• /
• 제40권2호
• /
• pp.62-67
• /
• 2019

The purpose of this study was to evaluate the performance of deep neural network model in order to determine whether there is a risk factor for coronary artery disease based on the cardiac variation parameter. The study used unidentifiable 297 data to evaluate the performance of the model. Input data consists of heart rate parameters, which are SDNN (standard deviation of the N-N intervals), PSI (physical stress index), TP (total power), VLF (very low frequency), LF (low frequency), HF (high frequency), RMSSD (root mean square of successive difference) APEN (approximate entropy) and SRD (successive R-R interval difference), the age group and sex. Output data are divided into normal and patient groups, and the patient group consists of those diagnosed with diabetes, high blood pressure, and hyperlipidemia among the various risk factors that can cause coronary artery disease. Based on this, a binary classification model was applied using Deep Neural Network of deep learning techniques to classify normal and patient groups efficiently. To evaluate the effectiveness of the model used in this study, Kernel SVM (support vector machine), one of the classification models in machine learning, was compared and evaluated using same data. The results showed that the accuracy of the proposed deep neural network was train set 91.79% and test set 85.56% and the specificity was 87.04% and the sensitivity was 83.33% from the point of diagnosis. These results suggest that deep learning is more efficient when classifying these medical data because the train set accuracy in the deep neural network was 7.73% higher than the comparative model Kernel SVM.

• 한국정보통신학회논문지
• /
• 제22권9호
• /
• pp.1208-1213
• /
• 2018

시뮬레이션 교육 시 구조화된 디브리핑 유형이 간호대학생의 학습몰입, 비판적사고성향과 임상수행능력에 미치는 효과를 검증하고자 시도된 비동등성 대조군 사후 시차설계의 유사실험 연구이다. 연구대상자는 P 대학교 간호학과 4학년 학생으로, 실험군 22명, 비교군 24명, 대조군 20명으로 총 66명이었다. 실험군에게는 LCJR 질문을 이용한 구조화된 비디오 디브리핑, 비교군은 구조화된 구두 디브리핑, 대조군은 구조화된 그룹 토론 디브리핑을 실시하였다. 연구결과 학습몰입과 비판적사고성향 및 임상수행능력은 세 군간 유의한 차이가 없었으나 사전-사후 차이 검정시 모두 향상되었다. 또한 임상수행능력의 세부영역 중 계획과 중재는 실험군이 다른 두 군에 비해 유의하게 향상되었다. 이를 통해 LCJR의 임상판단 루브릭을 활용한 디브리핑은 시뮬레이션교육에 효과적이며 특히 비디오를 활용한 구조화된 디브리핑 유형은 임상수행능력을 높이는데 영향을 끼치는 것으로 나타났다.

• 한국컴퓨터정보학회논문지
• /
• 제28권4호
• /
• pp.209-216
• /
• 2023

본 연구에서는 인공지능 에이전트인 ChatGPT와 Stable Diffusion을 활용하여 교사가 입력한 수업 주제어에 따라 교수·학습용 그림 자료를 추천하는 프로그램을 구현하여 교육적 활용에 대한 가능성을 탐색하였다. 구현한 프로그램은 키워드 당 30가지 내외의 그림 자료를 추천하였으며 부적절한 그림이 생성되는 경우에는 필터링 되었다. 전체 그림자료 추천에 소요된 시간은 평균 6분 내외이다. 대체로 키워드와 관련된 그림을 추천해 주었으며 추천한 그림 속의 글자는 글자를 나타내려는 의도만 알 수 있고 글자를 인식하고 뜻을 알 수는 없었다. 그러나, 추천되는 그림의 종류나 내용이 ChatGPT의 응답에 전적으로 의존하고 있다는 점과 모든 키워드에 대한 그림을 정확하게 추천할 수 있는지 알 수 없는 점은 추가적인 연구가 필요해 보인다. 또한, 추천된 그림이 키워드와 관련된 것은 사실이나 교육적인 가치를 가지고 있는가에 대한 평가는 인간 교사의 판단에 맡겨야 할 논의의 대상이라고 결론지었다.

• 한국컴퓨터정보학회논문지
• /
• 제25권10호
• /
• pp.35-42
• /
• 2020

본 연구에서는 비지도 이상 탐지 방법을 변형한 U-Net 기반의 이미지 복원 기법을 통해 한정적인 데이터를 활용한 균열 탐지 방안을 제안한다. 콘크리트 균열은 다양한 원인으로 인해 발생하며, 장기적으로 구조물의 심각한 손상을 초래할 수 있는 요소이다. 일반적으로 균열 조사는 검사원의 육안으로 판단하는 외관 검사법을 사용하는데, 이는 판단에 객관성이 떨어지며 인적 오류 발생 가능성이 크다. 따라서 객관적이고 정확한 이미지 분석 처리를 통한 방법이 요구된다. 최근에는 균열을 신속하고 정밀하게 탐지할 수 있도록 딥러닝을 활용한 기술들이 연구되고 있다. 하지만 일반적인 균열자료에 비해 점검 대상물에 대한 데이터는 한정적이므로 이를 활용한 기존 균열 탐지 모델의 성능은 제한적인 경우가 많다. 따라서 본 연구에서는 비지도 이상 탐지 방법을 사용해 점검 대상물에 대한 데이터를 증강하여 해당 데이터를 사용하여 학습한 결과, 정확도 98.78%, 조화평균(F1_Score) 82.67%의 성능을 확인하였다.

• 한국전자통신학회논문지
• /
• 제16권6호
• /
• pp.1363-1372
• /
• 2021

유해조류의 대번식으로 정의되는 적조는 광역적으로 발생·확산되는 특성을 가진다. 이는 기존의 조사 방법만으로는 탐지의 한계가 있다. 따라서 본 연구에서는 적조를 원격탐사 기법을 활용하여 탐지하였다. 또한 단순히 chlorophyll의 농도가 아닌 광특성을 이용하여 탐지의 정확도를 높이고자 하였다. 적조는 해수신호가 복잡한 남해안에서 주로 발생하며 남해안의 주 적조 종은 Cochlodinium polykirkoides이다. 따라서 기계학습 기법을 활용하여 시각적인 판단에 국한되지 않고 연구자의 관찰과 경험에 의존해 발견하지 못했던 특징을 반영하여 객관성을 확보하고자 하였다. 본 연구에서는 기계학습 모델 중에서 서포트백터머신과 랜덤포레스트를 사용하였고 두 모델의 성능 평가 지표로 정확도 등을 산출한 결과 각각 85.7% 80.2%의 정확도를 보였다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.811-816
• /
• 2023

기후 위기가 대두되며 최근 한국에서도 기후 재난이 선명하게 체감되고 있다. 특히 2022년 여름에 발생한 태풍 '힌남노'는 가공할만한 위력으로 많은 사람이 위기감을 느끼게 했다. 이러한 상황에서 아동들은 재난 상황에 대한 경험과 대처 능력이 부족하여 작은 위기에도 큰 피해를 받을 가능성이 높다. 본 논문에서는 아동들의 재난 대처 훈련을 지원하는 재난 상황 대처법 학습 애플리케이션을 소개한다. 상황학습이론과 아동 재난안전교육에 대한 연구 결과를 바탕으로 설계된 본 시스템에서는 다양한 에피소드를 제작하여 재난 상황을 접하도록 교육한다. 아동은 에피소드 진행 중 선택지를 고르며 에피소드에 참여할 수 있고, 이는 에피소드 완료후 그림일기에 반영된다. 그림일기 속에 자연스럽게 정보를 제공하여 아동은 재난 상황에서의 대처법에 대해 접할 수있다. 본 시스템을 통해 아동은 본인이 접할 수 있는 재난 상황에서 판단력을 기르고, 성인의 도움 밖에서 기본적인 안전을 확보하는 능력을 지닐 수 있을 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권6호
• /
• pp.243-250
• /
• 2023

흉부 X-ray 영상은 폐와 심장을 검사하는 방사선 검사이며 특히, 폐 질환을 진단하는 데 널리 사용되고 있다. 이러한 흉부 X-ray의 품질은 의사의 진단에 영향을 줄 수 있으므로 품질을 평가하는 과정이 필수적으로 거쳐야 하는데, 이 과정은 영상의학과 전문의의 주관이 개입될 수 있고, 수작업으로 이루어지기 때문에 많은 시간과 비용이 소모된다. 또한, 이러한 품질평가는 X-ray 영상의 특징과 사용 목적에 따라 일반적인 품질평가와는 다른 평가 요소가 필요하다. 따라서 본 논문에서는 X-ray 영상에서 검출되는 장기의 해상도, ,해부학적인 구조, 균형 등을 고려하여 임상 현장에서 사용되는 흉부 X-ray 영상 화질 평가 가이드라인을 적용하여 품질요소를 5가지(인공음영, 포함범위, 환자자세, 흡기정도, 그리고 투과상태)로 나누고 이를 자동화하는 도구를 제안한다. 제안하는 도구는 수작업으로 품질평가를 진행하는 본래의 방식 대비 소요 시간과 비용을 줄여주고, 더 나아가 흉부 X-ray를 이용한 학습 모델 개발에 높은 품질의 학습데이터를 선별하는 과정에도 사용될 수 있다.

• 문화기술의 융합
• /
• 제10권2호
• /
• pp.505-510
• /
• 2024

철도 레일은 차륜과 레일의 접촉면인 레일 표면에서 구름 접촉 피로 균열이 상시 발생할 수 있는 조건이기 때문에 균열의 상태를 철저히 점검하고 절손을 방지하기 위한 정밀한 점검 및 진단이 필요하다. 최근 궤도 시설의 성능 평가에 대한 세부 지침에서는 궤도 성능평가를 위한 방법과 절차에 관한 필요사항을 제시하고 있다. 그러나 레일 표면 손상을 진단하고 등급을 산정하는 것은 주로 외관 조사(육안 조사)에 의존하며, 이는 점검자의 주관적인 판단에 따른 정성적인 평가에 의존할 수밖에 없는 실정이다. 따라서 본 연구에서는 Fast R-CNN을 사용하여 레일 표면 결함 검출에 대한 딥러닝 모델 연구를 수행하였다. 레일 표면 결함 이미지의 데이터 세트를 구축한 후, 모델을 테스트하였다. 딥러닝 모델의 성능평가 결과에서 mAP가 94.9%로 나타났다. Fast R-CNN의 균열 검출 효과가 높기 때문에 이 모델을 사용하면 레일표면 결함을 효율적으로 식별할 수 있을 것으로 판단된다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.57-64
• /
• 2024

패션 이미지에 포함된 소재, 색상, 핏 등의 속성은 소비자가 의류를 구매하는 데 있어서 중요한 요인이다. 그러나 의류 속성을 분류하는 과정은 많은 인력을 필요로 하고, 작업자의 주관적인 판단에 의존하기 때문에 일관성이 떨어진다. 이러한 문제를 완화하기 위해 인공지능을 활용하여 패션 이미지의 의류 속성을 분류하는 연구가 필요하다. 기존 연구에서는 주로 상의 또는 하의 중 하나의 항목에 대한 의류 속성을 분류하는 것에 초점을 두고 있기 때문에 전신 패션 이미지의 경우에는 상의와 하의의 속성을 동시에 파악할 수 없다는 한계가 있었다. 본 연구는 패션 이미지의 상의와 하의를 구분하여 각 항목의 카테고리와 의류 소재의 속성을 분류할 수 있는 딥러닝 모델을 제안한다. 본 연구에서 딥러닝 모델 ResNet과 EfficientNet를 이용하였고, 학습에 활용한 데이터셋은 패션 이미지 1,002,718장과 의류 카테고리와 소재 속성을 포함한 라벨 총 125개를 사용하였다. Weighted F1-Score를 기준으로 ResNet은 0.800, EfficientNet는 0.781로 ResNet이 더 우수한 성능을 보였다.