• 문화기술의 융합
• /
• 제6권3호
• /
• pp.463-468
• /
• 2020

인공지능 연구는 다양한 분야에 적용되며 발전하고 있다. 본 논문에서는 차세대 인공지능 연구 분야인 SNN(Spiking Neural Networks) 형태의 인공지능 구현 방식을 사용하여 신경망을 구축하고, 그 신경망에서 뉴런의 개수가 신경망의 성능에 어떠한 영향을 미치는지를 분석한다. 또한 신경망 학습량을 증가시키면서 신경망의 성능이 어떻게 바뀌는지를 분석한다. 해당 연구 결과를 통해 각 분야에서 사용되는 SNN 기반의 신경망을 최적화 할 수 있을 것이다.

• 융합정보논문지
• /
• 제8권1호
• /
• pp.201-206
• /
• 2018

최근 인공지능을 구현하기 위한 기술들이 보편화되면서 특히, 기계 학습이 폭넓게 사용되고 있다. 기계 학습은 대량의 데이터를 수집하고 일괄적으로 처리하며 최종 조치를 취할 수 있는 통찰력을 제공하나, 작업의 효과가 즉시 학습 과정에 통합되지는 않는다. 본 연구에서는 비즈니스의 큰 이슈로서 실시간 데이터 분석의 성능을 개선하기 위한 적응형 학습 모델을 제안하였다. 적응형 학습은 데이터세트의 복잡성에 적응하여 앙상블을 생성하고 알고리즘은 샘플링 할 최적의 데이터 포인트를 결정하는데 필요한 데이터를 사용한다. 6개의 표준 데이터세트를 대상으로 한 실험에서 적응형 학습 모델은 학습 시간과 정확도에서 분류를 위한 단순 기계 학습 모델보다 성능이 우수하였다. 특히 서포트 벡터 머신은 모든 앙상블의 후단에서 우수한 성능을 보였다. 적응형 학습 모델은 시간이 지남에 따라 다양한 매개변수들의 변화에 대한 추론을 적응적으로 업데이트가 필요한 문제에 폭넓게 적용될 수 있을 것으로 기대한다.

• 정보교육학회논문지
• /
• 제26권4호
• /
• pp.273-284
• /
• 2022

본고의 목표는 데이터 편향 인식 교육에서 기계학습 플랫폼의 사용을 제안하는 것이다. 학습자들이 인공지능 데이터 및 시스템을 다루거나 인공지능윤리 요소 중 데이터 편향에 의한 피해를 방지하고자 할 때 인지할 수 있는 역량을 배양할 수 있다. 구체적으로, 머신러닝포키즈를 활용해 데이터편향 학습을 하는 방법을 AI야구심판 사례를 통해 제시한다. 학습자는 구체적 주제선정, 선행연구 검토, 기계학습 플랫폼에서 편향/비편향 데이터의 입력 및 테스트 데이터 구성, 기계학습의 결과 비교, 결과를 통해 얻을 수 있는 데이터 편향에 대한 함의를 제시한다. 이러한 과정을 통해서 학습자는 인공지능 데이터 편향이 최소화되어야 한다는 점과 데이터 수집 및 선정이 사회에 미치는 영향을 체험적으로 배울 수 있다. 이 학습방법은 문제기반의 자기주도 학습의 용이성, 코딩교육과의 결합가능성, 그리고 인문사회적 주제와 인공지능 리터러시와 결합을 추동한다는 의의를 가진다.

• 한국인공지능학회지
• /
• 제11권1호
• /
• pp.1-7
• /
• 2023

In this paper, a study was conducted to compare the prediction model of cardiovascular disease occurrence. It is the No.1 disease that accounts for 1/3 of the world's causes of death, and it is also the No. 2 cause of death in Korea. Primary prevention is the most important factor in preventing cardiovascular diseases before they occur. Early diagnosis and treatment are also more important, as they play a role in reducing mortality and morbidity. The Results of an experiment using Azure ML, Logistic Regression showed 88.6% accuracy, Decision Tree showed 86.4% accuracy, and Support Vector Machine (SVM) showed 83.7% accuracy. In addition to the accuracy of the ROC curve, AUC is 94.5%, 93%, and 92.4%, indicating that the performance of the machine learning algorithm model is suitable, and among them, the results of applying the logistic regression algorithm model are the most accurate. Through this paper, visualization by comparing the algorithms can serve as an objective assistant for diagnosis and guide the direction of diagnosis made by doctors in the actual medical field.

• International journal of advanced smart convergence
• /
• 제13권1호
• /
• pp.48-56
• /
• 2024

The application of artificial intelligence (AI) is becoming increasingly important to coping with air pollution. AI is effective in coping with it in various ways including air pollution forecasting, monitoring, and control, which is attracting a lot of attention. This attention has created high need for analyzing studies on AI and air pollution. To contribute for satisfying it, this study performed bibliometric analyses on the studies on AI and air pollution from 2012 to 2022 using the Web of Science database. This study analyzed them in various aspects such as the trend in the number of articles, the trend in the number of citations, the top 10 countries of origin, the top 10 research organizations, the top 10 research funding agencies, the top 10 journals, the top 10 articles in terms of total citations, and the distribution by languages. This study not only reports the bibliometric analysis results but also reveals the eight distinct features in the research steam in studies on AI and air pollution, identified from the bibliometric analysis results. They are expected to make a useful contribution for understanding the research stream in AI and air pollution.

• Clinical and Experimental Reproductive Medicine
• /
• 제51권1호
• /
• pp.1-12
• /
• 2024

This review article discusses the integration of artificial intelligence (AI) in assisted reproductive technology and provides key concepts to consider when introducing AI systems into reproductive medicine practices. The article highlights the various applications of AI in reproductive medicine and discusses whether to use commercial or in-house AI systems. This review also provides criteria for implementing new AI systems in the laboratory and discusses the factors that should be considered when introducing AI in the laboratory, including the user interface, scalability, training, support, follow-up, cost, ethics, and data quality. The article emphasises the importance of ethical considerations, data quality, and continuous algorithm updates to ensure the accuracy and safety of AI systems.

• Journal of Information Processing Systems
• /
• 제1권1호
• /
• pp.14-21
• /
• 2005

Even though mainly statistical methods have been used in anomaly network intrusion detection, to detect various attack types, machine learning based anomaly detection was introduced. Machine learning based anomaly detection started from research applying traditional learning algorithms of artificial intelligence to intrusion detection. However, detection rates of these methods are not satisfactory. Especially, high false positive and repeated alarms about the same attack are problems. The main reason for this is that one packet is used as a basic learning unit. Most attacks consist of more than one packet. In addition, an attack does not lead to a consecutive packet stream. Therefore, with grouping of related packets, a new approach of group-based learning and detection is needed. This type of approach is similar to that of multiple-instance problems in the artificial intelligence community, which cannot clearly classify one instance, but classification of a group is possible. We suggest group generation algorithm grouping related packets, and a learning algorithm based on a unit of such group. To verify the usefulness of the suggested algorithm, 1998 DARPA data was used and the results show that our approach is quite useful.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.52-60
• /
• 2022

Few-shot learning is a sub-area of machine learning problems, which aims to classify target images that only contain a few labeled samples for training. As a representative few-shot learning method, the Prototypical network has been received much attention due to its simplicity and promising results. However, the Prototypical network uses the sample mean of samples from the same class as the prototypes of that class, which easily results in learning uncharacteristic features in the low-data scenery. In this study, we propose to use local descriptors (i.e., patches along the channel within feature maps) from the same class to explicitly obtain more representative prototypes for Prototypical Network so that significant intra-class feature information can be maintained and thus improving the classification performance on few-shot learning tasks. Experimental results on various benchmark datasets including mini-ImageNet, CUB-200-2011, and tiered-ImageNet show that the proposed method can learn more discriminative intra-class features by the local descriptors and obtain more generic prototype representations under the few-shot setting.

• 정보과학회 논문지
• /
• 제43권7호
• /
• pp.751-762
• /
• 2016

본고에서는 양자역학 기반의 기계학습인 양자 기계학습의 현황과 전망을 조망하고자 한다. 양자역학 기반의 양자컴퓨팅이 보여준 혁신적인 계산속도 개선에 힘입어 기계학습 분야에 양자컴퓨팅 알고리즘을 적용하는 연구는 빅데이터 시대의 도래에 따라 최근 집중적인 관심을 받고 있다. 고전적인 기계학습 알고리즘들에 양자컴퓨팅을 접목하여 획기적인 속도개선을 가능하게 하는 알고리즘 연구들과 최초의 상용 양자컴퓨터로 화제가 되고 있는 양자 담금질 알고리즘 등을 중심으로 양자 기계학습의 최신동향과 가능성을 살펴보고자 한다.

• 한국건축시공학회지
• /
• 제22권3호
• /
• pp.317-326
• /
• 2022

건설 분야에서 머신러닝(Machine learning)에 필요한 방대한 공사비 자료를 확보하는 데 어려움이 있어, 아직은 실용적으로 활용되지는 못하고 있다. 본 연구에서는 이러한 공사비 예측을 위하여 최신의 인공신경망(ANN) 방법을 사용하여, 공사비 예측성능을 향상 시키기 위한 방법을 제시하고자 한다. 특히 타겟변수를 로그 변환하는 방식, 피처스케일링 방식을 적용하고자 하였으며, 이들의 공사비 예측성능을 비교 분석하고자 한다. 이는 향후 다양한 조건을 갖는 공사비 예측과 적정 공사비 검증에 도움을 줄 수 있을 것으로 예측된다.