• Computers and Concrete
• /
• 제28권6호
• /
• pp.533-547
• /
• 2021

Calculating the shear capacity of slender reinforced concrete beams without shear reinforcement was the subject of numerous studies, where the eternal problem of developing a single relationship that will be able to predict the expected shear capacity is still present. Using experimental results to extrapolate formulae was so far the main approach for solving this problem, whereas in the last two decades different research studies attempted to use artificial intelligence algorithms and available data sets of experimentally tested beams to develop new models that would demonstrate improved prediction capabilities. Given the limited number of available experimental databases, these studies were numerically restrained, unable to holistically address this problem. In this manuscript, a new approach is proposed where a numerically generated database is used to train machine-learning algorithms and develop an improved model for predicting the shear capacity of slender concrete beams reinforced only with longitudinal rebars. Finally, the proposed predictive model was validated through the use of an available ACI database that was developed by using experimental results on physical reinforced concrete beam specimens without shear and compressive reinforcement. For the first time, a numerically generated database was used to train a model for computing the shear capacity of slender concrete beams without stirrups and was found to have improved predictive abilities compared to the corresponding ACI equations. According to the analysis performed in this research work, it is deemed necessary to further enrich the current numerically generated database with additional data to further improve the dataset used for training and extrapolation. Finally, future research work foresees the study of beams with stirrups and deep beams for the development of improved predictive models.

• 한국수학교육학회지시리즈D:수학교육연구
• /
• 제26권4호
• /
• pp.333-349
• /
• 2023

Recently, AI has become a crucial tool in mathematics education due to advances in machine learning and deep learning. Considering the importance of AI, examining teachers' beliefs about AI in mathematics education (AIME) is crucial, as these beliefs affect their instruction and student learning experiences. The present study developed a scale to measure preservice teachers' (PST) beliefs about AIME through factor analysis and rigorous reliability and validity analyses. The study analyzed 202 PST's data and developed a scale comprising three factors and 11 items. The first factor gauges PSTs' beliefs regarding their roles in using AI for mathematics education (4 items), the second factor assesses PSTs' beliefs about using AI for mathematics teaching (3 items), and the third factor explores PSTs' beliefs about AI for mathematics learning (4 items). Moreover, the outcomes of confirmatory factor analysis affirm that the three-factor model outperforms other models (a one-factor or a two-factor model). These findings are in line with previous scales examining mathematics teacher beliefs, reinforcing the notion that such beliefs are multifaceted and developed through diverse experiences. Descriptive analysis reveals that overall PSTs exhibit positive beliefs about AIME. However, they show relatively lower levels of beliefs about their roles in using AI for mathematics education. Practical and theoretical implications are discussed.

• 반도체디스플레이기술학회지
• /
• 제21권3호
• /
• pp.110-113
• /
• 2022

Non-playable game character plays an important role in improving the concentration of the game and the interest of the user, and recently implementation of NPC with reinforcement learning has been in the spotlight. In this paper, we estimate an AI target tracking method via reinforcement learning, and implement an AI-based tracking agency of specific target object with avoiding traps through Unity ML-Agents Toolkit. The implementation is built in Unity game engine, and simulations are conducted through a number of experiments. The experimental results show that outstanding performance of the tracking target with avoiding traps is shown with good enough results.

• Nuclear Engineering and Technology
• /
• 제53권2호
• /
• pp.522-531
• /
• 2021

We describe a new deep learning model - Convolutional eXtreme Gradient Boosting (ConvXGB) for classification problems based on convolutional neural nets and Chen et al.'s XGBoost. As well as image data, ConvXGB also supports the general classification problems, with a data preprocessing module. ConvXGB consists of several stacked convolutional layers to learn the features of the input and is able to learn features automatically, followed by XGBoost in the last layer for predicting the class labels. The ConvXGB model is simplified by reducing the number of parameters under appropriate conditions, since it is not necessary re-adjust the weight values in a back propagation cycle. Experiments on several data sets from UCL Repository, including images and general data sets, showed that our model handled the classification problems, for all the tested data sets, slightly better than CNN and XGBoost alone and was sometimes significantly better.

• 정보화정책
• /
• 제30권1호
• /
• pp.67-88
• /
• 2023

제조물책임 범위 확장이 필요한 것은 제조물책임법 제정 시 산업 환경이 변했기 때문이다. 사람이 코딩한 알고리즘과 다르게, 인공지능은 기계학습에 따라 블랙박스화 되면서 개발자도 결과를 설명하지 못한다. 특히, 인공지능으로 인하여 발생하는 문제의 원인을 알 수 없기 때문에 책임소재도 불분명할뿐더러 피해자 배상도 쉽지 않다. 동산 등으로 한정된 제조물책임법에 따라 소프트웨어(SW)나 인공지능은 무체물로 제조물성이 인정되지 않기 때문이다. 고육지책으로 매체에 저장되거나 내장된 경우에는 제조물성이 인정될 수 있다고 한다. 그러나 매체에 따라 달리 적용되는 것은 타당하지 않다. EU는 인공지능이 포함된 경우, 제조물책임을 인정하는 제조물책임지침 개정을 추진 중이다. 피해자에 대한 보상이 제조물책임법이 추구하는 가치임에도 제조물성에 치중하여 본질을 간과해왔다. 다만, 인공지능이 채택된 서비스를 이용하여 발생한 사고라도 무조건적으로 제조물책임을 지우는 것이 아닌 실질적인 위험성에 따른 기준이 제시되는 것이 바람직하다.

• 한국방사선학회논문지
• /
• 제16권4호
• /
• pp.453-462
• /
• 2022

본 논문에서는 의료 영상 분석 분야에서 이용되고 있는 AI(Artificial Intelligence)기술을 문헌 검토를 통해 분석하였다. 문헌 검색은 중심어(keyword)를 사용하여 PubMed, ResearchGate, Google 및 Cochrane Review의 문헌 검색을 수행했다. 문헌 검색을 통해 114개의 초록을 검색하였고 그 중 16개의 중복된 것을 제외하고 98개의 초록을 검토했다. 검토된 문헌에서 AI가 응용되고 있는 분야는 분류(Classification), 국소화(Localization), 질병의 탐지(Detection), 질병의 분할(Segmentation), 합성 영상의 적합도(Fit degree) 등으로 나타났다. 기계학습(ML: Machine Learning)을 위한 모델은 특징 추출을 한 후 신경망의 네트워크에 특징 값을 입력하는 방식은 지양되는 것으로 나타났다. 그 대신에 신경망의 은닉층을 여러 개로 하는 심층학습(DL: Deep Learning) 방식으로 변화되고 있는 것으로 나타났다. 그 이유는 컴퓨터의 메모리 량의 증가와 계산속도의 향상, 빅 데이터의 구축 등으로 특징 추출을 DL 과정에서 처리하는 것으로 사료된다. AI를 이용한 의료영상의 분석을 의료에 적용하기 위해서는 의사의 역할이 중요하다. 의사는 AI 알고리즘의 예측을 해석하고 분석할 수 있어야 한다. 이러한 이해를 위해서는 현재 의사를 위한 추가 의학 교육 및 전문성 개발과 의대에 재학 중인 학습자를 위한 개정된 커리큘럼이 필요해 보인다.

• 한국전자통신학회논문지
• /
• 제14권4호
• /
• pp.701-706
• /
• 2019

최근에는 인공지능의 도래로 인하여 수많은 산업과 일반적인 응용에 적용됨으로써 우리의 생활에 큰 영향을 발휘하고 있다. 이러한 분야에 다양한 기계학습의 방식들이 제공되고 있다. 기계학습의 한 종류인 지도학습은 학습의 과정 중에 특징값과 목표값을 입력으로 가진다. 지도학습에도 다양한 종류가 있으며 이들의 성능은 입력데이터인 빅데이터의 특성과 상태에 좌우된다. 따라서, 본 논문에서는 특정한 빅 데이터 세트에 대한 다수의 지도학습 방식들의 성능을 비교하기 위해 텐서플로우(Tensorflow)와 사이킷런(Scikit-Learn)에서 제공하는 대표적인 지도학습의 방식들을 이용하여 파이썬언어와 주피터 노트북 환경에서 시뮬레이션하고 분석하였다.

• Journal of Korean Neurosurgical Society
• /
• 제66권2호
• /
• pp.113-120
• /
• 2023

Artificial intelligence (AI) is a field of computer science that equips machines with human-like intelligence and enables them to learn, reason, and solve problems when presented with data in various formats. Neurosurgery is often at the forefront of innovative and disruptive technologies, which have similarly altered the course of acute and chronic diseases. In diagnostic imaging, such as X-rays, computed tomography, and magnetic resonance imaging, AI is used to analyze images. The use of robots in the field of neurosurgery is also increasing. In neurointensive care units, AI is used to analyze data and provide care to critically ill patients. Moreover, AI can be used to predict a patient's prognosis. Several AI applications have already been introduced in the field of neurosurgery, and many more are expected in the near future. Ultimately, it is our responsibility to keep pace with this evolution to provide meaningful outcomes and personalize each patient's care. Rather than blindly relying on AI in the future, neurosurgeons should gain a thorough understanding of it and use it to enhance their patient care.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.321-324
• /
• 2023

본 연구는 광역시와 광역도 간의 개인적 요인과 건강수준 정도가 우울경험 여부에 영향을 미치는 변수의 중요도를 파악하고자 시도되었다. 본 연구의 자료는 질병관리청의 2021년 지역사회건강조사 데이터를 활용하였다. 광역시의 데이터는 4,602건을 이용하였고, 광역도는 19,545건의 데이터를 이용하였다. 자료 분석에 활용된 빅데이터는 R 4.3.0 for Windows를 활용하여 단어 빈도 분석과 machine learning기법인 Random Forest분석을 실시하였다. 연구결과, train 데이터와 test 데이터의 과적합(overfitting)의 문제는 발생하지 않았으며, machine learning 기법의 분류모델은 약 94% 수준으로 나타났다. 분석 결과 광역시와 광역도 간의 우울경험여부에 미치는 중요도가 각각 다르게 나타났다. 두 지역의 시민에게 미치는 우울경험의 원인을 다르게 접근함으로써 보다 더 효율적인 정책수립이 가능 할 것으로 판단된다.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권1호
• /
• pp.17-21
• /
• 2023

The primary objective of this research is to utilize machine learning models to analyze factors tailored to each dataset for predicting mental health conditions. The study aims to develop appropriate models based on specific datasets, with the goal of accurately predicting mental health states through the analysis of distinct factors present in each dataset. This approach seeks to design more effective strategies for the prevention and intervention of depression, enhancing the quality of mental health services by providing personalized services tailored to individual circumstances. Overall, the research endeavors to advance the development of personalized mental health prediction models through data-driven factor analysis, contributing to the improvement of mental health services on an individualized basis.