• 한국도서관정보학회지
• /
• 제39권4호
• /
• pp.283-304
• /
• 2008

본 연구의 목적은 이용자의 탐색 행태, 시스템의 정보 구축 행태를 기반으로 초기 질의어의 범주에 해당하는 연관 용어들(해당 용어의 지식구조와 관련된 연관 용어들)을 학습기능을 통해 자동으로 제시해 줄 수 있는 지능형 검색 시스템을 구현하는 것이다. 이를 위해 학습을 통해 전문가 수준의 색인어를 추출할 수 있는 지능형자동색인 알고리즘, 자동분류에 관련한 클러스터링 알고리즘과 문서 범주화 알고리즘 그리고 범주 표현 알고리즘에 대한 이론적 연구를 수행하였으며, 이들 이론적 연구를 근거로 비용과 시간적인 측면에서 그리고 재현율과 정도율이란 측면에서 우수한 성능을 발휘할 수 있는 지능형검색시스템을 구현하였다.

• Nuclear Engineering and Technology
• /
• 제55권11호
• /
• pp.4057-4065
• /
• 2023

Organic scintillators are widely used for neutron/gamma detection. Pulse shape discrimination algorithms have been commonly used to discriminate the detected radiations. These algorithms have several limits, in particular with plastic scintillator which has lower discrimination ability, compared to liquid scintillator. Recently, machine learning (ML) models have been explored to enhance discrimination performance. Nevertheless, obtaining an accurate ML model or evaluating any discrimination approach requires a reference neutron dataset. The preparation of this is challenging because neutron sources are also gamma-ray emitters. Therefore, this paper proposes a pipeline to prepare clean labeled neutron/gamma datasets acquired by an organic scintillator. The method is mainly based on a Time of Flight setup and Tail-to-Total integral ratio (TTT_ratio) discrimination algorithm. In the presented case, EJ276 plastic scintillator and ²⁵²Cf source were used to implement the acquisition chain. The results showed that this process can identify and remove mislabeled samples in the entire ToF spectrum, including those that contribute to peak values. Furthermore, the process cleans ToF dataset from pile-up events, which can significantly impact experimental results and the conclusions extracted from them.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1757-1766
• /
• 2021

녹피율은 행정구역면적 대비 녹지가 피복된 면적의 비율로, 실질적인 도시녹화 지표로 활용되고 있다. 현재 녹피율은 토지피복지도를 기반하여 산출되는데, 토지피복지도의 낮은 공간해상도와 일정하지 않은 제작시기는 정확한 녹피율 산출과 정밀한 녹피분석을 어렵게 한다. 따라서 본 연구는 새로운 녹피율 산출방안으로 항공영상과 심층학습을 활용한 방안을 제안한다. 항공영상은 높은 해상도와 비교적 일정한 주기로 정밀한 분석을 가능하게 하며 심층 학습은 항공영상 내 녹지를 자동으로 탐지할 수 있다. 지자체는 매년 다양한 목적을 위해 유인항공영상을 취득하여 이를 활용해 신속하게 녹피율을 산출한다. 하지만 미리 취득된 유인항공영상은 취득 시기와 해상도, 센서와 같은 세부사항을 선택할 수 없어 정밀한 분석이 어려울 수 있다. 이러한 한계점은 다양한 센서의 탑재가 가능하고 낮은 고도의 비행으로 인해 고해상도 영상을 취득할 수 있는 무인항공기를 활용하여 보완될 수 있다. 이에 두 가지 항공영상으로부터 녹피율을 산출하였고 그 결과, 모든 녹지 유형으로 부터 높은 정확도로 녹피율을 산출할 수 있었다. 하지만 유인항공영상으로부터 산출된 녹피율은 복잡한 환경에서 한계가 있었다. 이를 보완하고자 활용한 무인항공영상은 복잡한 환경에서도 높은 정확도의 녹피율을 산출할 수 있었고 추가밴드 영상을 통해 더 정밀한 녹지 영역 탐지가 가능했다. 추후 기존 유인항공영상에 새로 취득한 무인항공영상을 보완적으로 사용해 녹피율을 효과적으로 산출할 수 있을 것이라 기대된다.

• 한국과학교육학회지
• /
• 제23권6호
• /
• pp.627-633
• /
• 2003

본 연구는 제 7차 교육과정의 국민공통기본교육과정에 따른 과학과 생물영역 물질대사와 관련한 개념의 수준과 연계성에 대해 조사하였다. 분석에 사용된 교과서는 초등학교는 1종 검인정 교과서를 사용하였으나, 중학교와 고등학교는 분석의 일관성을 유지하기 위하여 동일 출판사에서 개발한 3종의 교과서를 사용하였다. 물질대사와 관련한 개념은 초등학교에서는 42개, 중학교에서는 3개 출판사 평균 92개, 고등학교에서는 평균 59개가 제시된 것으로 조사되었다. 출판사에 따라 다소 차이는 있었으나 학교급이 올라감에 따라 점차적으로 구체적 개념에 대한 형식적 개녕의 비율이 감소하는 것으로 나타났으나, 학습개념의 수는 급격하게 증가하는 것으로 나타났다. 교육과정 및 교과서 개발 시 학습단원에 따른 학습개념의 제시는 학습자의 인지 수준 및 제시되는 개념의 수를 적정화해야 하며, 단원과 학습 내용의 수직적 연계성을 고려한 구성이 필요하다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제29권2호
• /
• pp.215-239
• /
• 2015

본 연구는 다양한 표상활동을 중심으로 한 분수학습이 분수의 이해 및 수학적 태도에 미치는 영향을 알아보기 위한 것으로서 서울 소재 B초등학교 4학년 33명 전체학생을 대상으로 실시하였다. 활동적, 영상적, 상징적 표상활동으로 이루어진 분수학습을 6주간 15차시에 걸쳐 진행한 결과 관계적 이해에 도달한 학생들의 비율이 증가하였으며, 분수 학업성취도 검사 I, II, III에서 평균 90점 가까이 또는 그 이상의 높은 성취도를 보였다. 수학적 태도 변화를 알아보기 위해서 두 종속표본 t검정을 실시한 결과, 유의수준 .01에서 통계적으로 유의미한 차이가 있는 것으로 나타났다. 결론적으로 다양한 표상활동 중심의 분수학습은 학생들의 관계적 이해도와 분수 이해력을 향상시키고, 학생들의 학습지향성, 자기통제, 흥미, 가치인식, 자신감을 높이며, 불안감을 감소시키는 등의 수학적 태도면에서도 긍정적 영향을 미쳤다고 할 수 있다.

• 한국정보통신학회논문지
• /
• 제25권5호
• /
• pp.685-690
• /
• 2021

본 논문에서는 하향링크 비직교 다중 접속 시스템에서 최소 데이터 전송률을 만족하며 데이터 전송률의 총합을 최대화 할 수 있는 딥러닝 기반의 송신 전력 제어 기법을 제안한다. 하향링크 비직교 다중 접속 시스템에서 사용자가 위치한 셀 이외의 기지국으로부터 발생할 수 있는 동일 채널 간섭을 고려하고, 시스템 피드백 오버헤드를 줄이기 위하여 사용자는 채널 상태 정보 대신에 신호 대 간섭 및 잡음비 정보를 피드백 한다. 따라서 기지국은 신호 대 간섭 및 잡음비 정보만을 이용하여 송신 전력을 제어한다. 함축적 신호 대 간섭 및 잡음비 정보의 이용은 정보 차원을 감소시키는 장점은 있지만 데이터 전송률을 감소시킬 수 있는 단점이 있다. 본 논문에서는 딥러닝 기반의 학습 방식으로 이 문제를 해결하고, 딥러닝 입력의 차원을 효과적으로 축소할 경우 학습의 성능을 향상시킬 수 있음을 보여준다. 시뮬레이션을 통해서 제안된 딥러닝 기반의 송신 전력 제어 기법이 최소 데이터 전송률을 만족하며 데이터 전송률의 총합을 향상시킬 수 있음을 입증한다.

• 대한두경부종양학회지
• /
• 제38권1호
• /
• pp.17-24
• /
• 2022

Background/Objectives: This study analyzed the prognostic significance of clinico-pathologic factors including comprehensive nodal factors in parotid gland cancers (PGCs) patients and constructed a survival prediction model for PGCs patients using machine learning techniques. Materials & Methods: A total of 131 PGCs patients were enrolled in the study. Results: There were 19 cases (14.5%) of lymph nodes (LNs) at the lower neck level and 43 cases (32.8%) involved multiple level LNs metastases. There were 2 cases (1.5%) of metastases to the contralateral LNs. Intraparotid LNs metastasis was observed in 6 cases (4.6%) and extranodal extension (ENE) findings were observed in 35 cases (26.7%). Lymphovascular invasion (LVI) and perineural invasion findings were observed in 42 cases (32.1%) and 49 cases (37.4%), respectively. Machine learning prediction models were constructed using clinico-pathologic factors including comprehensive nodal factors and Decision Tree and Stacking model showed the highest accuracy at 74% and 70% for predicting patient's survival. Conclusion: Lower level LNs metastasis and LNR have important prognostic significance for predicting disease recurrence and survival in PGCs patients. These two factors were used as important features for constructing machine learning prediction model. Our machine learning model could predict PGCs patient's survival with a considerable level of accuracy.

• Advances in nano research
• /
• 제12권2호
• /
• pp.185-195
• /
• 2022

Deep learning is another field of artificial intelligence (AI) utilized for computer aided diagnosis (CAD) and image processing in scientific research. Considering numerous mechanical repetitive tasks, reading image slices need time and improper with geographical limits, so the counting of image information is hard due to its strong subjectivity that raise the error ratio in misdiagnosis. Regarding the highest mortality rate of Lung cancer, there is a need for biopsy for determining its class for additional treatment. Deep learning has recently given strong tools in diagnose of lung cancer and making therapeutic regimen. However, identifying the pathological lung cancer's class by CT images in beginning phase because of the absence of powerful AI models and public training data set is difficult. Convolutional Neural Network (CNN) was proposed with its essential function in recognizing the pathological CT images. 472 patients subjected to staging FDG-PET/CT were selected in 2 months prior to surgery or biopsy. CNN was developed and showed the accuracy of 87%, 69%, and 69% in training, validation, and test sets, respectively, for T1-T2 and T3-T4 lung cancer classification. Subsequently, CNN (or deep learning) could improve the CT images' data set, indicating that the application of classifiers is adequate to accomplish better exactness in distinguishing pathological CT images that performs better than few deep learning models, such as ResNet-34, Alex Net, and Dense Net with or without Soft max weights.

• 상하수도학회지
• /
• 제36권4호
• /
• pp.239-248
• /
• 2022

The prediction of algal bloom is an important field of study in algal bloom management, and chlorophyll-a concentration(Chl-a) is commonly used to represent the status of algal bloom. In, recent years advanced machine learning algorithms are increasingly used for the prediction of algal bloom. In this study, XGBoost(XGB), an ensemble machine learning algorithm, was used to develop a model to predict Chl-a in a reservoir. The daily observation of water quality data and climate data was used for the training and testing of the model. In the first step of the study, the input variables were clustered into two groups(low and high value groups) based on the observed value of water temperature(TEMP), total organic carbon concentration(TOC), total nitrogen concentration(TN) and total phosphorus concentration(TP). For each of the four water quality items, two XGB models were developed using only the data in each clustered group(Model 1). The results were compared to the prediction of an XGB model developed by using the entire data before clustering(Model 2). The model performance was evaluated using three indices including root mean squared error-observation standard deviation ratio(RSR). The model performance was improved using Model 1 for TEMP, TN, TP as the RSR of each model was 0.503, 0.477 and 0.493, respectively, while the RSR of Model 2 was 0.521. On the other hand, Model 2 shows better performance than Model 1 for TOC, where the RSR was 0.532. Explainable artificial intelligence(XAI) is an ongoing field of research in machine learning study. Shapley value analysis, a novel XAI algorithm, was also used for the quantitative interpretation of the XGB model performance developed in this study.

• Computers and Concrete
• /
• 제32권3호
• /
• pp.327-337
• /
• 2023

Concrete is the most widely used building material, with various types including high- and ultra-high-strength, reinforced, normal, and lightweight concretes. However, accurately predicting concrete properties is challenging due to the geotechnical design code's requirement for specific characteristics. To overcome this issue, researchers have turned to new technologies like machine learning to develop proper methodologies for concrete specification. In this study, we propose a highly accurate deep learning-based predictive model to investigate the compressive strength (UCS) of lightweight concrete with natural aggregates (pumice). Our model was implemented on a database containing 249 experimental records and revealed that water, cement, water-cement ratio, fine-coarse aggregate, aggregate substitution rate, fine aggregate replacement, and superplasticizer are the most influential covariates on UCS. To validate our model, we trained and tested it on random subsets of the database, and its performance was evaluated using a confusion matrix and receiver operating characteristic (ROC) overall accuracy. The proposed model was compared with widely known machine learning methods such as MLP, SVM, and DT classifiers to assess its capability. In addition, the model was tested on 25 laboratory UCS tests to evaluate its predictability. Our findings showed that the proposed model achieved the highest accuracy (accuracy=0.97, precision=0.97) and the lowest error rate with a high learning rate (R2=0.914), as confirmed by ROC (AUC=0.971), which is higher than other classifiers. Therefore, the proposed method demonstrates a high level of performance and capability for UCS predictions.