• 대한원격탐사학회지
• /
• 제37권1호
• /
• pp.13-22
• /
• 2021

The ML 5.8 earthquake shocked Gyeongju, Korea, at 11:32:55 UTC on September 12, 2016. One year later, on the afternoon of November 15, 2017, the ML 5.4 earthquake occurred in Pohang, South Korea. The earthquakes injured many residents, damaged buildings, and affected the economy of Gyeongju and Pohang. The damage proxy maps (DPMs) were generated from Sentinel-1 synthetic aperture radar (SAR) imagery by comparing pre- and co-events interferometric coherences to identify anomalous changes that indicate damaged by the earthquakes. DPMs manage to detect coherence loss in residential and commercial areas in both Gyeongju and Pohang earthquakes. We found that our results show a good correlation with the Korea Meteorological Administration (KMA) report with Modified Mercalli Intensity (MMI) scale values of more than VII (seven). The color scale of Sentinel-1 DPMs indicates an increasingly significant change in the area covered by the pixel, delineating collapsed walls and roofs from the official report. The resulting maps can be used to assess the distribution of seismic damage after the Gyeongju and Pohang earthquakes and can also be used as inventory data of damaged buildings to map seismic vulnerability using machine learning in Gyeongju or Pohang.

• 전기전자학회논문지
• /
• 제25권4호
• /
• pp.672-678
• /
• 2021

시간이 지날수록 새로운 맬웨어는 계속 증가하고, 점점 고도화되고 있다. 악성 코드를 진단하기 위해 실행파일에 관한 연구는 다양하게 진행되고 있으나, 비실행 문서파일과 악성 URL, 문서 내 악성 매크로 및 JS 등을 악용하여 이메일에 악성 코드 위협을 내재화한 공격은 탐지하기 어려운 것이 현실이다. 본 논문에서는 악성 이메일 공격의 사전 탐지 및 차단을 통한 이메일 보안을 위해 악성 코드를 분석하는 방법을 소개하고, AI 기반으로 비실행 문서파일의 악성 여부를 판단하는 방법을 제시한다. 다양한 알고리즘 중에 효율적인 학습 모델링 방법을 채택하고 Kubeflow를 활용하여 악성 코드를 진단하는 ML 워크플로 시스템을 제안하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.226-228
• /
• 2021

구글사에서 출시된 ML Kit API의 Pose detection를 사용한 영상기반 낙상 알고리즘을 제안한다. Pose detection 알고리듬을 사용하여 추출된 신체의 33개의 3차원 특징점을 활용하여 낙상을 인식한다. 추출된 특징점을 분석하여 낙상을 인식하는 알고리듬은 k-NN을 사용한다. 영상의 크기와 영상내의 인체의 크기에 영향을 받지 않도록 정규화과정을 거치며 특징점들의 상대적인 움직임을 분석하여 낙상을 인식한다. 본 실험을 위해 사용한 13개의 테스트 영상중 13개의 영상에서 낙상을 인식하여 100%의 성공률을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.322-323
• /
• 2023

지속 가능한 에너지인 태양광 발전은 전 세계에서 널리 활용하는 재생 에너지 원천 중 하나로 최근 효율적인 태양광 발전 시스템 운영을 위해 태양광 발전량을 정확하게 예측하기 위한 연구가 활발히 진행되고 있다. 태양광 발전량 예측 모델을 구성하기 위해서는 기상 및 대기 환경을 넘어 태양의 위치에 따른 일사량의 정보가 필수적이나 태양의 실시간 위치 정보를 입력 변수로 활용한 연구가 부족한 실정이다. 그리하여 본 논문에서는 시간과 태양광 발전소 위치를 기반으로 태양의 고도와 방위각을 실시간으로 계산하여 입력 변수로 사용하는 방식을 제안한다. 이를 위해 AutoML 기반의 다양한 기계학습 모델을 구성하여 태양광 발전율을 예측하고 그 성능을 비교 분석하였다. 실험 결과, 태양 위치 정보를 포함한 경우에 환경 변수만을 고려하였을 때보다 예측 성능이 크게 향상되었음을 확인할 수 있었으며, Extra Trees 모델의 경우 태양 위치 정보를 추가하였을 때 MAE(Mean Absolute Error)가 33.90 에서 22.38 까지 낮아지는 결과를 확인하였다.

• 반도체공학회 논문지
• /
• 제2권3호
• /
• pp.19-26
• /
• 2024

반도체는 전자 기기 및 시스템을 구성하는 핵심 기술로서, 반도체 기술 발전 방향을 예측 및 제시하는 것이 필요하다. 본 연구에서는 무어 법칙에 따른 반도체 소자의 지속적인 집적화 기술, 시스템 응용에 따른 프로세서 기술, 인공지능/기계학습(AI/ML) 지원 프로세서 기술, 외부시스템 연결 기술로서의 광통신 및 무선통신 기술을 중심으로 각 분야의 핵심적인 기술 개발 이슈, 발전 동향, 그리고, 앞으로의 발전 로드맵에 대한 기초적인 연구결과를 제시하였다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제26권4호
• /
• pp.17-37
• /
• 2017

Purpose Customer Loyalty is the most important factor of customer relationship management (CRM). Especially in retailing industry, where customers have many options of where to spend their money. Classifying loyal customers through customers' data can help retailing companies build more efficient marketing strategies and gain competitive advantages. This study aims to construct classification models of distinguishing the loyal customers within a Korean retailing company using data mining techniques with R language. Design/methodology/approach In order to classify retailing customers, we used combination of support vector machines (SVMs) and other classification algorithms of machine learning (ML) with the support of recursive feature elimination (RFE). In particular, we first clean the dataset to remove outlier and impute the missing value. Then we used a RFE framework for electing most significant predictors. Finally, we construct models with classification algorithms, tune the best parameters and compare the performances among them. Findings The results reveal that ML classification techniques can work well with CRM data in Korean retailing industry. Moreover, customer loyalty is impacted by not only unique factor such as net promoter score but also other purchase habits such as expensive goods preferring or multi-branch visiting and so on. We also prove that with retailing customer's dataset the model constructed by SVMs algorithm has given better performance than others. We expect that the models in this study can be used by other retailing companies to classify their customers, then they can focus on giving services to these potential vip group. We also hope that the results of this ML algorithm using R language could be useful to other researchers for selecting appropriate ML algorithms.

• 한국정보전자통신기술학회논문지
• /
• 제17권4호
• /
• pp.236-244
• /
• 2024

국내 밤 산업은 박피율을 높이기 위한 목적으로 과도한 칼날박피로 인해 과육 손실이 높아 생산 효율성이 저하되는 문제가 있다. 이에 본 연구에서는 밤 박피 공정의 구동 조건 최적화를 위한 기초 연구로 머신러닝 알고리즘 기반 박피공정 단계별 밤의 중량감모율을 예측할 수 있는 모델을 도출하였다. 6개의 제어조건을 바탕으로 51가지 2단 칼날박피기 실험 세팅 조합을 도출하고 이를 3번씩 반복하여 총 153가지의 데이터를 획득하였다. 인공신경망과 랜덤 포레스트 머신러닝 모델을 이용하여 밤 박피 단계별(1단 박피 후, 2단 박피 후, 최종 배출 후) 중량감모율을 예측하는 머신러닝 모델을 도출하였고, R(coefficient of determiantion), nRMSE(normalized root mean square error), MAE(mean absolute error) 값을 통해 모델의 성능을 평가하였다. 모든 박피 단계에서 인공신경망 모델보다 랜덤 포레스트 모델이 높은 R값으로 우수한 예측 정확도를 가지는 것으로 나타났고, 낮은 nRMSE와 MAE값으로 낮은 예측 오차를 가지는 것으로 나타났다. 최종적으로 랜덤 포래스트 예측 모델이 도출되었으며, 실제로 계측된 중량감모율과 예측한 중량감모율의 오차가 미미함을 확인할 수 있었다. 결과적으로, 도출된 모델은 밤 과육의 중량감모율을 최소화하는 동시에 최대 박피율을 도출할 수 있는 최적 박피공정의 구동 조건을 설정하는 데 활용함으로써, 이를 바탕으로 국내 밤 산업에 이바지 할 수 있을 것으로 예상된다.

• 사물인터넷융복합논문지
• /
• 제10권1호
• /
• pp.39-45
• /
• 2024

항만 성능에 대한 정확한 평가는 컨테이너 물동량은 매우 중요한 요소이며, 효과적인 항만 개발 및 운영 전략에 대한 정확한 예측이 필수적이다. 하지만 해양 산업의 급격한 변화로 인해 컨테이너 물동량 예측의 정확성이 향상되기는 어렵다. 이를 해결하기 위해 사물인터넷(IoT)을 이용한 항만 성능에 미치는 영향을 분석하여 부산항의 경쟁력과 효율성을 향상시키기 위해 적용이 필요하다. 이에 본 연구에서는 부산항의 미래 컨테이너 물동량을 예측하기 위한 예측 모델을 개발하는 것을 목표로 이를 통해 항만 관리 기관의 개선된 의사 결정과 항만 생산성을 향상시키는 데 초점을 맞추고 있다. 항만 컨테이너 물동량을 예측하기 위해 본 연구에서는 기계 학습 모델의 Extreme Gradient Boosting (XGBoost) 기법을 도입하였다. XGBoost는 다른 알고리즘에 비해 높은 정확도, 빠른 학습 및 예측 속도,과적합을 방지하고 Feature Importance 제공하는 장점이 돋보인다. 특히 XGBoost는 회귀 예측 모델링에 직접 사용할 수 있어 기존 연구에서 제시된 물동량 예측 모델의 정확도 향상에 도움이 된다. 이를 통해 본 연구는 4.3% MAPE (Mean absolute percenture error) 값으로 제안된 방법이 컨테이너 물동량을 정확하고 신뢰성 있게 예측할 수 있다. 본 연구에서 제시한 방법론을 통해서 부산 컨테이너물동량의 정확성을 높일 수 있을 것으로 판단된다.

• 대한영상의학회지
• /
• 제84권3호
• /
• pp.638-652
• /
• 2023

목적 경도인지장애와 알츠하이머 치매 환자에서 아밀로이드베타 양성을 예측할 수 있는 MRI 특징을 알아보고 머신러닝으로 아밀로이드베타 양성 예측 모형의 성능을 알아보고자 하였다. 대상과 방법 후향적 및 단면조사연구로 경도인지장애와 알츠하이머 치매 총 139명의 환자를 대상으로 하였다. 이들은 모두 뇌 MRI와 아밀로이드 PET-CT를 시행하였다. 대상자는 아밀로이드 베타 양성군(n = 84)과 아밀로이드 베타 음성군(n = 55)으로 분류하였다. 시각적 분석으로는 뇌백질 고신호 병변의 Fazekas 척도와 뇌미세출혈 개수를 시행하였다. 정량분석으로 뇌백질 고신호 병변의 부피와 국소뇌부피를 측정하였다. 다중 로지스틱 회귀분석과 머신러닝 기법으로 아밀로이드베타 양성을 가장 잘 예측할 수 있는 MRI 특징을 확인하였다. 결과 시각적분석에서 아밀로이드베타 양성군은 뇌백질 고신호 병변의 Fazekas 척도(p = 0.02)와 뇌미세출혈 개수(p = 0.04)가 유의미하게 높았다. 해마, 내후각피질, 설전부의 국소뇌부피들은 아밀로이드베타 양성군에서 유의미하게 작았다(p < 0.05). 제3뇌실(p = 0.002)의 부피는 아밀로이드베타 양성군에서 유의미하게 컸다. 간이 정신 상태 검사와 국소뇌부피를 이용하여 머신러닝기법을 이용했을 때 좋은 정확도를 보였다(81.1%). 결론 간이 정신 상태 검사, 제3뇌실과 해마 부피를 이용한 머신러닝의 적용은 아밀로이드베타 양성을 예측하는데 활용될 수 있다.

• 전기학회논문지
• /
• 제64권1호
• /
• pp.99-106
• /
• 2015

In this study, we propose Radial basis function Neural Network(RBFNN) using Recursive Weighted Least Square Estimation(RWLSE) to effectively deal with big data class meteorological radar data. In the condition part of the RBFNN, Fuzzy C-Means(FCM) clustering is used to obtain fitness values taking into account characteristics of input data, and connection weights are defined as linear polynomial function in the conclusion part. The coefficients of the polynomial function are estimated by using RWLSE in order to cope with big data. As recursive learning technique, RWLSE which is based on WLSE is carried out to efficiently process big data. This study is experimented with both widely used some Machine Learning (ML) dataset and big data obtained from meteorological radar to evaluate the performance of the proposed classifier. The meteorological radar data as big data consists of precipitation echo and non-precipitation echo, and the proposed classifier is used to efficiently classify these echoes.