• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2022년도 가을 학술논문 발표대회
• /
• pp.29-30
• /
• 2022

The unit-water content has a very significant effect on the durability of the construction structure and the quality of concrete. Although there are various methods for measuring the unit-water content, there are problems of time required for measurement, precision, and reproducibility. Recently, there is an FDR sensor capable of measuring moisture content in real time through an apparent dielectric constant change of electromagnetic waves. In addition, various artificial intelligence techniques that can non-linearly supplement the accuracy of FDR sensors are being studied. In this study, the accuracy of unit-water content measurement was compared and evaluated using machine learning and deep learning techniques after normalizing the data secured in concrete using frequency domain reflectometry (FDR) sensors used to measure soil moisture at home and abroad. The result of comparing the accuracy of machine learning and deep learning is judged to be excellent in the accuracy of deep learning, which can well express the nonlinear relationship between FDR sensor data and concrete unit-water content.

• International journal of advanced smart convergence
• /
• 제12권3호
• /
• pp.89-103
• /
• 2023

Obstructive sleep apnea (OSA) is one of the most prevalent sleep disorders that can lead to serious consequences, including hypertension and/or cardiovascular diseases, if not treated promptly. Continuous positive airway pressure (CPAP) is widely recognized as the most effective treatment for OSA, which needs the proper titration of airway pressure to achieve the most effective treatment results. However, the process of CPAP titration can be time-consuming and cumbersome. There is a growing importance in predicting personalized CPAP pressure before CPAP treatment. The primary objective of this study was to optimize the CPAP titration process for obstructive sleep apnea patients through EEG feature engineering with machine learning techniques. We aimed to identify and utilize the most critical EEG features to forecast key OSA predictive indicators, ultimately facilitating more precise and personalized CPAP treatment strategies. Here, we analyzed 126 OSA patients' PSG datasets before and after the CPAP treatment. We extracted 29 EEG features to predict the features that have high importance on the OSA prediction index which are AHI and SpO2 by applying the Shapley Additive exPlanation (SHAP) method. Through extracted EEG features, we confirmed the six EEG features that had high importance in predicting AHI and SpO2 using XGBoost, Support Vector Machine regression, and Random Forest Regression. By utilizing the predictive capabilities of EEG-derived features for AHI and SpO2, we can better understand and evaluate the condition of patients undergoing CPAP treatment. The ability to predict these key indicators accurately provides more immediate insight into the patient's sleep quality and potential disturbances. This not only ensures the efficiency of the diagnostic process but also provides more tailored and effective treatment approach. Consequently, the integration of EEG analysis into the sleep study protocol has the potential to revolutionize sleep diagnostics, offering a time-saving, and ultimately more effective evaluation for patients with sleep-related disorders.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1283-1292
• /
• 2022

현재 보건의료 분야에서 여러 인공지능 프로젝트가 서로 경쟁하고 있어서 시스템 간 인터페이스의 통일된 사양이 부족한 상황이다. 이에 본 연구에서는 보건의료 부문 관련 응용 알고리즘, 모델 및 서비스 지원을 제공할 수 있는 하나의 보건의료 인공지능 서비스 플랫폼을 제안한다. 제안된 플랫폼은 다수의 이기종 데이터 처리, 지능형 서비스, 모델 관리, 일반 응용 시나리오 및 다양한 수준의 비즈니스를 위한 기타 서비스를 제공할 수 있다. 플랫폼 적용과 관련해서 최근 대두되고 있는 행위 인터넷 개념을 바탕으로 보건의료 분야의 사물 인터넷 서비스 관련 환자 행위 분석을 통해 보건의료 소비 행위에 대해 신뢰할 수 있고, 이해 가능한 추적 및 분석 시나리오를 나타낸다.

• Journal of Information Processing Systems
• /
• 제17권6호
• /
• pp.1115-1126
• /
• 2021

Plant disease is one of the most irritating problems for agriculture growers. Thus, timely detection of plant diseases is of high importance to practical value, and corresponding measures can be taken at the early stage of plant diseases. Therefore, numerous researchers have made unremitting efforts in plant disease identification. However, this problem was not solved effectively until the development of artificial intelligence and big data technologies, especially the wide application of deep learning models in different fields. Since the symptoms of plant diseases mainly appear visually on leaves, computer vision and machine learning technologies are effective and rapid methods for identifying various kinds of plant diseases. As one of the fruits with the highest nutritional value, apple production directly affects the quality of life, and it is important to prevent disease intrusion in advance for yield and taste. In this study, an improved deep residual network is proposed for apple leaf disease identification in a novel way, a global residual connection is added to the original residual network, and the local residual connection architecture is optimized. Including that 1,977 apple leaf disease images with three categories that are collected in this study, experimental results show that the proposed method has achieved 98.74% top-1 accuracy on the test set, outperforming the existing state-of-the-art models in apple leaf disease identification tasks, and proving the effectiveness of the proposed method.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.484-487
• /
• 2022

이 연구에서는 생산기간에 따른 치밀오일 저류층의 미래 생산성을 예측하기 위해 XAI(eXplainable Artificial Intelligence) 기반의 머신러닝 모델을 제시하였다. XAI 알고리즘은 해석 가능한 인공지능을 뜻하며 예측한 최종 결과의 근거와 도출 과정의 타당성을 제공한다. 본 연구에서는 현장자료를 기반으로 데이터전처리를 수행한 후 생산 초기와 후기의 생산성을 예측하는 지도학습 모델을 제안하고, 모델의 결과를 바탕으로 XAI를 이용하여 생산성 예측 모델의 영향을 미치는 인자를 분석하였다.

• 정보교육학회논문지
• /
• 제25권6호
• /
• pp.961-972
• /
• 2021

현재까지 진행된 다양한 인공지능 교육 관련 연구 성과에서는 인공지능의 원리와 개념 교육에 관한 내용이 중심이었다. 따라서 본 연구에서는 인공지능을 타 학문과 탈 학문적 융합교육을 할 수 있도록 교육 프로그램을 개발하였다. 중심 교육 내용으로는 고등학교 화학에서 다루고 있는 분자 구조의 이해를 도울 수 있도록 머신러닝을 활용하는 것으로 하였고, 총 8차시 분량으로 설계하였다. 본 연구에서 개발한 프로그램은 전문가 검토를 통해 I-CVI(Item Content Validity Index) 값을 산출하였고, 그 결과 모든 문항이 .80 이상으로 기각되는 항목이 없었으나. 추가 세부 의견을 반영하여 수정 및 완성하였다. 본 연구의 프로그램은 화학 교과와 정보(인공지능) 교과의 내용적 요소를 탈 학문적으로 융합하였기 때문에 학습자로 하여금 융합인재소양이 높아질 수 있을 것으로 기대한다. 또한, 이 교육 프로그램을 위한 별도의 시수 확보가 요구되지 않아 교사에게는 수업 부담을 낮출 수 있을 것이다.

• International Journal of Computer Science & Network Security
• /
• 제21권5호
• /
• pp.267-274
• /
• 2021

Medical care practices include gathering a wide range of student data that are with manic episodes and depression which would assist the specialist with diagnosing a health condition of the students correctly. In this way, the instructors of the specific students will also identify those students and take care of them well. The data which we collected from the students could be straightforward indications seen by them. The artificial intelligence has been utilized with Naive Baye's classification, Random forest classification algorithm, SVM algorithm to characterize the datasets which we gathered to check whether the student is influenced by Bipolar illness or not. Performance analysis of the disease data for the algorithms used is calculated and compared. Also, a sequential deep learning model is builded using Keras. The consequences of the simulations show the efficacy of the grouping techniques on a dataset, just as the nature and complexity of the dataset utilized.

• 문화기술의 융합
• /
• 제8권1호
• /
• pp.409-415
• /
• 2022

컴퓨터 비전은 카메라를 이용하여 측정대상의 영상을 획득하고, 추출하고자 하는 특징 값, 벡터, 영역 등을 알고리즘과 라이브러리 함수를 응용하여 검출한다. 검출된 데이터는 사용하는 목적에 따라 다양한 형태로 계산되고 분석한다. 컴퓨터 비전은 다양한 곳에 활용되고 있으며, 특히 자동차의 부품을 자동으로 인식하거나 품질을 측정하는 분야에 많이 활용된다. 컴퓨터 비전을 산업분야에서 머신비전이라는 용어로 활용되고 있으며, 인공지능과 연결되어 제품의 품질을 판정하거나 결과를 예측하기도 한다. 본 연구에서는 자동차 부품의 품질을 판정하기 위한 비전시스템을 구축하고, 생산된 데이터에 5개의 머신러닝 분류 모델을 적용하여 그 결과를 비교하였다.

• Journal of Korea Artificial Intelligence Association
• /
• 제2권1호
• /
• pp.7-14
• /
• 2024

In this paper, we explore the application of RNA-sequencing data and ensemble machine learning to predict lung cancer and treatment strategies for lung cancer, a leading cause of cancer mortality worldwide. The research utilizes Random Forest, XGBoost, and LightGBM models to analyze gene expression profiles from extensive datasets, aiming to enhance predictive accuracy for lung cancer prognosis. The methodology focuses on preprocessing RNA-seq data to standardize expression levels across samples and applying ensemble algorithms to maximize prediction stability and reduce model overfitting. Key findings indicate that ensemble models, especially XGBoost, substantially outperform traditional predictive models. Significant genetic markers such as ADGRF5 is identified as crucial for predicting lung cancer outcomes. In conclusion, ensemble learning using RNA-seq data proves highly effective in predicting lung cancer, suggesting a potential shift towards more precise and personalized treatment approaches. The results advocate for further integration of molecular and clinical data to refine diagnostic models and improve clinical outcomes, underscoring the critical role of advanced molecular diagnostics in enhancing patient survival rates and quality of life. This study lays the groundwork for future research in the application of RNA-sequencing data and ensemble machine learning techniques in clinical settings.

• 생물환경조절학회지
• /
• 제31권3호
• /
• pp.152-162
• /
• 2022

본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층6에서 r² 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.