• 지능정보연구
• /
• 제28권2호
• /
• pp.147-170
• /
• 2022

특허의 사적 가치(private value)를 나타내는 특허수명 추정은 오래전부터 연구되었으나 추정과정에서 선형모델에 의존하는 경우가 대부분이었고, 기계학습 방법을 사용하더라도 변수 간 관계에 대한 해석이나 설명이 부족하였다. 본 연구에서는 특허의 생존 기간이 특허의 가치를 대리한다는 기존 연구결과를 바탕으로 특허 등록 이후의 생존 기간(연장횟수) 예측을 통해 특허의 가치를 추정한다. 이를 위해 1996~2017년까지 미국 특허청(USPTO)에 출원하여 등록된 특허 4,033,414개를 수집하였다. 특허수명을 예측하기 위해 기존 연구에서 특허수명에 영향을 미친다고 밝혀진 특허의 특성, 특허의 소유자 특성, 특허의 발명가 특성을 반영할 수 있는 다양한 변수가 사용되었다. 서로 다른 4개의 모델(Ridge Regression, Random Forest, Feed-forward Neural Network, Gradient Boosting Models)을 생성하고, 모델 학습 과정에서는 5-fold Cross Validation으로 초매개변수 조정이 이루어졌다. 이후 생성된 모델의 성능을 평가하고 특허수명을 추정할 수 있는 예측변수의 상대적 중요도를 제시하였다. 또한, 성능이 우수했던 Gradient Boosting Model을 기반으로 Accumulated Local Effects Plot을 제시하여 예측변수와 특허수명 간 관계를 시각적으로 나타내었다. 마지막으로 모델에 의해서 평가된 개별 특허의 평가 근거를 제시하기 위하여 Kernal SHAP(SHapley Additive exPlanations)을 적용하고 특허평가 시스템에의 적용 가능성을 제시한다. 본 연구는 기존에 특허수명을 추정하는 연구에 누적적으로 기여한다는 점 그리고 선형성을 바탕으로 진행된 기존 특허수명 추정 연구들의 한계를 보완하고 복잡한 비선형 관계를 설명가능한 방식으로 제시하였다는 점에서 학문적 의의가 있다. 또한, 개별 특허의 평가 근거를 도출하는 방법을 소개하고 특허평가 시스템에의 적용 가능성을 제시하였다는 점에서 실무적 의의가 있다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제16권3호
• /
• pp.236-241
• /
• 2024

Due to the recent emphasis on carbon neutrality and environmental regulations, the global electric vehicle (EV) market is experiencing rapid growth. This surge has raised concerns about the recycling and disposal methods for EV batteries. Unlike traditional internal combustion engine vehicles, EVs require unique and safe methods for the recovery and disposal of their batteries. In this process, predicting the lifespan of the battery is essential. Impedance and State of Charge (SOC) analysis are commonly used methods for this purpose. However, predicting the lifespan of batteries with complex chemical characteristics through electrical measurements presents significant challenges. To enhance the accuracy and precision of existing measurement methods, this paper proposes using a Long Short-Term Memory (LSTM) model, a type of deep learning-based recurrent neural network, to diagnose battery performance. The goal is to achieve safe classification through this model. The designed structure was evaluated, yielding results with a Mean Absolute Error (MAE) of 0.8451, a Root Mean Square Error (RMSE) of 1.3448, and an accuracy of 0.984, demonstrating excellent performance.

• IMMUNE NETWORK
• /
• 제5권4호
• /
• pp.252-257
• /
• 2005

Background: This study was designed to investigate the effect of exercise training on defense mechanism of chronic degenerative disease, aging, and memory impairments of senescence-accelerated mouse (SAM)P8 under the hypothesis that "Senile dementia may be prevented by regular exercises". Methods: To evaluate the effects of exercise training on the defense mechanism of aging and memory impairment, SAMP8 were divided into two groups, the control group and exercise training groups. the exercise training group were performed with low $(\dot{V}O_2max\;25{\sim}33%)$, middle ($\dot{V}O_2max$ 50%) and high $(\dot{V}O_2max\;66{\sim}75%)$ intensity exercise. All SAMP8 mice were fed experimental diet ad libitum until 4, 8 months, and dead period. Results: Median lifespan in middle exercise group resulted in a significantly increased (23.5% and 18.7%, respectively), whereas these lifespan in high exercise group resulted in an unexpectedly decreased (13.5% and 12.1%, respectively) compared with control group. Body fat levels in 4 and 8 months of age were significantly decreased 43% to 51% in middle exercise group, whereas were remarkably deceased to 57% in high exercise group compared with control group. It is believed that extended median and maximum lifespan may be effected by calory restriction through the exercise training. Acetylcholine (ACh) levels were significantly increased 6.7% and 8.5% in middle and high exercise groups, and also choline acetyltransfease (ChAT) activities were significantly increased 10.3% and 11.9% in middle and high exercise groups. Conclusion: These results suggest that proper and regular exercises such as middle group ($\dot{V}O_2max$ 50%) may play an effective role in attenuating an oxygen radicals and may play an important role in improving a learning and memory impairments of senile dementia.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권10호
• /
• pp.269-276
• /
• 2021

최근 스마트 센서는 다양한 환경에서 사용되고 있으며, 애드혹 센서 네트워크 (ASN) 구현에 대한 연구가 활발하게 진행되고 있다. 그러나 기존 센서 네트워크 라우팅 알고리즘은 특정 제어 문제에 초점을 맞추며 ASN 작업에 직접 적용할 수 없는 문제점이 있다. 본 논문에서는 Q-learning 기술을 이용한 새로운 라우팅 프로토콜을 제안하는데, 제안된 접근 방식의 주요 과제는 균형 잡힌 시스템 성능을 확보하면서 효율적인 에너지 할당을 통해 ASN의 수명을 연장하는 것이다. 제안된 방법의 특징은 다양한 환경적 요인을 고려하여 Q-learning 효과를 높이며, 특히 각 노드는 인접 노드의 Q 값을 자체 Q 테이블에 저장하여 데이터 전송이 실행될 때마다 Q 값이 업데이트되고 누적되어 최적의 라우팅 경로를 선택하는 것이다. 시뮬레이션 결과 제안된 방법이 에너지 효율적인 라우팅 경로를 선택할 수 있으며 기존 ASN 라우팅 프로토콜에 비해 우수한 네트워크 성능을 얻을 수 있음을 확인하였다.

• 디지털산업정보학회논문지
• /
• 제15권1호
• /
• pp.133-155
• /
• 2019

The economic growth has made our lives more prosperous than the past, and the development of science fueled the era of 100-year lifespan. It is now distinct to us that preparation for life after retirement is not a choice but an imperative. In the meantime, outplacement programs have driven many to challenge and start a new chapter in life. This paper measures the characteristics of outplacement programs based on the self-determination factors; empirically examines how those characteristics influence on learning performance through self-efficacy and psychological well-being; concludes by proposing effective and productive ways for young adults and senior employees who are in search for new jobs. To test the research hypothesis, a survey was conducted among job searchers who have been previously provided with outplacement programs. The results are as follows: First, self-perceived autonomy has significant influences on self-efficacy and psychological well-being. Second, self-perceived competency has significant influences on self-efficacy and psychological well-being. Third, perceived relationship has no significant influence on self-efficacy and psychological well-being. Fourth, self-efficacy showed significant influences on psychological well-being, while not showing on learning performance. Fifth, psychological well-being has no significant influence on learning performance. This paper finds its academic significance in its theory-based approach to outplacement service program; research variables and examination are not based on researcher's arbitrary choice. This paper is also practically significant in that it discovered that outplacement service alleviates psychological stress caused by job relocation, and guarantees stable life after retirement.

• 대한안전경영과학회지
• /
• 제24권4호
• /
• pp.1-8
• /
• 2022

Elevators are the main means of transport in buildings. A malfunction of an elevator in operation may cause in convenience to users. Furthermore, fatal accidents, such as injuries and death, may occur to the passengers also. Therefore, it is important to prevent failure before accidents happen. In related studies, preventive measures are proposed through analyzing failures, and the lifespan of elevator components. However, these methods are limited to existing an elevator model and its surroundings, including operating conditions and installed environments. Vibration occurs when the elevator is operated. Experts have classified types of faults, which are symptoms for malfunctions (failures), via analyzing vibration. This study proposes an artificial intelligent model for classifying faults automatically with deep learning algorithms through elevator vibration data, hereby preventing failures before they occur. In this study, the vibration data of six elevators are collected. The proposed methodology in this paper removes "the measurement error data" with incorrect measurements and extracts operating sections from the input datasets for proceeding deep learning models. As a result of comparing the performance of training five deep learning models, the maximum performance indicates Accuracy 97% and F1 Score 97%, respectively. This paper presents an artificial intelligent model for detecting elevator fault automatically. The users' safety and convenience may increase by detecting fault prior to the fatal malfunctions. In addition, it is possible to reduce manpower and time by assisting experts who have previously classified faults.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.345-348
• /
• 2022

본 논문에서는 유체 시뮬레이션(Fluid simulation)중 화염에서 표현되는 불똥 입자(Fire-flake particle)의 생성, 움직임과 삭제를 효율적으로 학습하고 표현할 수 있는 인공지능 기법에 대해 소개한다. 유체 시뮬레이션을 계산하기 위해서는 일반적으로 수치해석학과 같은 학문의 이해가 필요하며 불똥이나 거품과 같은 유체의 2차 효과(Secondary effect)는 기반유체(Underlying fluids)를 통해 추출되기 때문에 복잡하고 계산양이 많아진다. 이러한 문제를 완화하고자 본 논문에서는 인공신경망을 이용한 분류 모델 학습을 통해 격자 내에서 표현되어야 하는 불똥 입자의 생성을 학습하고, 다항 회귀 모델 학습을 통해 불똥 입자의 움직임을 예측한다. 또한, 불똥 입자가 삭제되어야하는 상태를 네트워크 학습을 통해 얻어내며, 수명(Lifespan) 임계값 조절하여 다양한 장면에서 불똥을 제어할 수 있다. 결과적으로 화염의 움직임을 기반으로 불똥의 움직임을 복잡한 수학식이나 디자이너에게 의존하지 않고 인공지능 학습을 통해 쉽게 제어하고 예측하는 결과를 보여준다.

• Korean Chemical Engineering Research
• /
• 제58권2호
• /
• pp.224-229
• /
• 2020

머신러닝 기법을 활용하여 LDPE (Low Density Polyethylene) 공정의 이상을 사전 감지하고, 설비의 수명을 예측할 수 있는 기술을 소개한다. 안전성과 생산성 극대화를 위해, 화학 공정의 예상치 못한 이상을 사전에 감지하고 예방하는 것은 매우 중요하다. LDPE 공정은 3,000 kg/㎠g 이상까지 승압되는 고압 공정이기 때문에, ESD (Emergency Shutdown)가 발생하면 예상치 못한 부동이 발생하고, 그에 따른 보수 기간 증가로 인한 생산성 손실이 발생한다. 고압 공정의 주요 변수들의 운전 데이터를 수집하고, 비지도학습 머신러닝 기술을 활용하여, ESD의 사전 감지 모형을 개발하였다. 4회의 ESD를 2.4일 전에 감지하는 결과를 얻을 수 있었다. 더불어, 물리적으로 의미 있는 핵심 변수들을 활용하면, 고압 설비의 수명을 예측할 수 있음을 확인할 수 있었다.

• 한국가스학회지
• /
• 제24권6호
• /
• pp.91-97
• /
• 2020

리튬이온 배터리(LIB)는 다른 배터리에 비해 수명이 길고, 에너지 밀도가 높으며, 자체 방전율이 낮아, 에너지 저장장치(ESS)로 선호되고 있다. 하지만, 2017~2019년 기간 동안 국내에서만도 28건의 화재사고가 발생하였으며, LIB의 운영 중 안전성 및 신뢰성을 보장하기 위해 LIB의 정확한 용량추정은 필수요소이다. 본 연구에서는 LIB의 충방전 cycle에 따른 용량변화를 예측하는 기계학습 기반 모델의 설계에 있어 중요한 요소인 최적 머신러닝 모델의 선정을 위해, Decision Tree, 앙상블학습법, Support Vector Regression, Gaussian Process Regression (GPR) 각각을 이용한 예측모델을 구현하고 성능비교를 실시하였다. 학습을 위해 NASA에서 제공하는 시험데이터를 사용하였으며, GPR이 가장 좋은 예측성능을 보였다. 이를 바탕으로 추가 시험데이터 학습을 통해 개선된 LIB 용량예측과 잔여 수명추정 모델을 개발하여, 운영 중 이상 감지 및 모니터링 성능을 높여, 보다 안전하고 안정된 ESS 운용에 활용하고자 한다.

• Design & Manufacturing
• /
• 제16권4호
• /
• pp.1-6
• /
• 2022

Fine blanking is a press processing technology that can process most of the product thickness into a smooth surface with a single stroke. In this fine blanking process, shear is an essential step. The punches and dies used in the shear are subjected to impacts of tens to hundreds of gravitational accelerations, depending on the type and thickness of the material. Therefore, among the components of the fine blanking mold (dies), punches and dies are the parts with the shortest lifespan. In the actual production site, various types of tool damage occur such as wear of the tool as well as sudden punch breakage. In this study, machine learning algorithms were used to predict these problems in advance. The dataset used in this paper consisted of the signal of the vibration sensor installed in the tool and the measured burr size (tool wear). Various features were extracted so that artificial intelligence can learn effectively from signals. It was trained with 5 features with excellent distinguishing performance, and the SVM algorithm performance was the best among 33 learning models. As a result of the research, the vibration signal at the time of imminent tool replacement was matched with an accuracy of more than 85%. It is expected that the results of this research will solve problems such as tool damage due to accidental punch breakage at the production site, and increase in maintenance costs due to prediction errors in punch exchange cycles due to wear.