• 한국식품위생안전성학회지
• /
• 제32권3호
• /
• pp.206-210
• /
• 2017

본 연구에서는 축산식품인 편육을 대상으로 황색포도상구균의 성장예측모델을 개발하였다. 편육에서 황색포도상구균의 성장패턴은 4, 10, 20, $37^{\circ}C$의 보관온도에서 측정되었으며, 황색포도상구균은 각각의 저장 온도에서 모두 증가하는 것으로 나타났다. 편육에 오염된 황색포도상구균의 생육결과를 토대로 Baranyi model을 이용하여 유도기(LPD)와 최대성장률(${\mu}_{max}$)을 산출한 결과, 유도기는 4, 10, 20, $37^{\circ}C$에서 212.81, 79.67, 3.12, 2.21 h으로 온도에 반비례한 것으로 나타났고 최대성장률은 같은 보관온도에서 0.004, 0.009, 0.130, 0.568 log CFU/g/h으로 온도에 비례한 것으로 조사되었다. 2차 모델은 ${\mu}_{max}$의 경우, square root model, LPD는 polynomial equation을 사용하여 산출하였고, 개발한 모델의 적합성을 평가하기 위해 통계적 지표인 RMSE 값을 계산한 결과, 비교적 0에 가까운 0.42로 도출되어 모델이 적합한 것으로 확인되었다. 따라서 개발된 모델이 편육에 대한 황색포도상구균의 성장 예측모델로 사용 가능하다고 판단되어지며, 편육에서의 식중독을 예방하고 미생물학적 위생관리기준을 설정하는데 기초자료로 활용될 수 있을 것으로 사료된다.

• 한국의학물리학회지:의학물리
• /
• 제26권3호
• /
• pp.143-152
• /
• 2015

본 연구에서는 두 개의 치료빔 가속기가 사용되는 구조에서 종양 위치 추적을 하는 두 쌍의 kV 영상시스템의 기하학적 설계 및 종양 위치 추적 정확도 분석을 목표로 하고 있다. 특히, 병변의 위치추적을 위한 수식 및 알고리즘을 수립하였고, 두 쌍의 kV 영상 시스템이 비직교 위치에 놓일 때 검출기 해상도가 종양 위치 추적 오차에 미치는 영향에 대해서 모의실험으로 분석하여 보았다. 병변의 위치추적을 위한 수식 및 알고리즘을 수립하기 위해서 각 엑스선원, 검출기 등의 절대좌표는 동차방정식을 이용하여 설정하였으며, 삼차원 상의 두 직선의 방정식을 통하여 병변의 절대위치를 찾아내도록 하였다. XCAT 프로그램을 이용한 모의실험을 통해서 영상 검출기의 해상도가 미치는 영향을 두 개의 kV 영상시스템의 각도에 따라서 분석하여보았다. XCAT 소프트웨어를 이용하여서 팬텀에 병변 추적을 위한 금속 기점 마커를 삽입하였고, CT projection 프로그램을 이용하여 각 kV 영상시스템의 각도별, 검출기의 해상도별 영상을 획득할 수 있다. 모의실험 결과, 두 kV영상시스템의 각도가 $90^{\circ}$에서 $50^{\circ}$까지는 검출기 해상도가 1.5 mm/pixel보다 고해상도 일 때 약 1 mm 이하의 위치 오차를 보였다. 하지만, 검출기의 해상도가 1.5 mm/pixel 이상으로 나빠질수록 오차가 약 1 mm 이상으로 나타날 뿐만 아니라 각도에 따른 오차의 변동이 컸다. 검출기의 해상도가 개선될 수록 그 각도별 오차의 변동이 줄어들고, $90^{\circ}$에서 가장 적은 오차가 발생 하는 것을 볼 수 있었다. 충분한 해상도의 검출기가 사용된다면 듀얼헤드 겐트리 시스템과 같이 공간적으로 제한된 방사선 치료기기에 두 개의 kV 영상시스템을 예각으로 설치하여도 된다는 결론을 도출할 수 있었다. 본 연구에서 개발한 모의실험 방법론은 병변의 위치, 검출기의 특성, kV 영상 시스템의 기하학적 배치에 따른 종양추적 위치 추적시스템의 정확도를 분석하는 도구로서 유용하게 사용될 수 있을 것이다.

• 한국식품과학회지
• /
• 제49권3호
• /
• pp.274-278
• /
• 2017

본 연구는 축산물에 대하여 쉽게 오염될 수 있는 S. aureus에 대해 축산제품에 속하는 식육추출가공품 중 갈비탕에 대해 식중독 예방과 식품의 안전성을 확보하기 위하여 Baranyi model을 이용하여 성장 예측모델을 개발하였다. DMFit 프로그램을 이용하여 S. aureus의 유도기(LPD)와 최대성장률(${\mu}_{max}$, maximum specific growth rate)을 산출하였다. S. aureus의 성장곡선은 4, 10, 20, $37^{\circ}C$의 보관 온도에서 측정하였다. Baranyi model의 LPD의 값은 4, 10, 20, $37^{\circ}C$의 저장 온도에서 각각 256.04, 152.60, 5.41, 3.78 h으로 온도에 반비례 한 것으로 나타났다. 또한 ${\mu}_{max}$의 값은 4, 10, 20, $37^{\circ}C$의 저장 온도에서 각각 0.003, 0.007, 0.258, $0.528logCFU/g{\cdot}h$으로 온도에 비례 한 것으로 나타났다. 또한 일차식의 적합성을 나타내는 $R^2$ 값은 모두 0.9 이상으로 나타나 실험값과 예측값의 상관관계가 높은 것을 알 수 있었다. RMSE 값은 0.39로 비교적 0에 근접하게 나타난 것을 볼 수 있으며 개발된 예측모델의 적합성이 높다고 할 수 있다. 따라서 개발된 모델을 이용할 경우 식육추출가공품 중 갈비탕의 다양한 생산 환경과 온도에 따라 S. aureus의 성장을 예측할 수 있을 것이라고 사료된다. 갈비탕을 생산, 보관 및 판매하는 산업체에서 널리 활용할 수 있을 것이라고 생각되며 이를 위해평가에서 또한 충분히 활용가능 할 것이라고 생각되어진다.

• Asia pacific journal of information systems
• /
• 제19권2호
• /
• pp.157-178
• /
• 2009

Corporate credit rating is a very important factor in the market for corporate debt. Information concerning corporate operations is often disseminated to market participants through the changes in credit ratings that are published by professional rating agencies, such as Standard and Poor's (S&P) and Moody's Investor Service. Since these agencies generally require a large fee for the service, and the periodically provided ratings sometimes do not reflect the default risk of the company at the time, it may be advantageous for bond-market participants to be able to classify credit ratings before the agencies actually publish them. As a result, it is very important for companies (especially, financial companies) to develop a proper model of credit rating. From a technical perspective, the credit rating constitutes a typical, multiclass, classification problem because rating agencies generally have ten or more categories of ratings. For example, S&P's ratings range from AAA for the highest-quality bonds to D for the lowest-quality bonds. The professional rating agencies emphasize the importance of analysts' subjective judgments in the determination of credit ratings. However, in practice, a mathematical model that uses the financial variables of companies plays an important role in determining credit ratings, since it is convenient to apply and cost efficient. These financial variables include the ratios that represent a company's leverage status, liquidity status, and profitability status. Several statistical and artificial intelligence (AI) techniques have been applied as tools for predicting credit ratings. Among them, artificial neural networks are most prevalent in the area of finance because of their broad applicability to many business problems and their preeminent ability to adapt. However, artificial neural networks also have many defects, including the difficulty in determining the values of the control parameters and the number of processing elements in the layer as well as the risk of over-fitting. Of late, because of their robustness and high accuracy, support vector machines (SVMs) have become popular as a solution for problems with generating accurate prediction. An SVM's solution may be globally optimal because SVMs seek to minimize structural risk. On the other hand, artificial neural network models may tend to find locally optimal solutions because they seek to minimize empirical risk. In addition, no parameters need to be tuned in SVMs, barring the upper bound for non-separable cases in linear SVMs. Since SVMs were originally devised for binary classification, however they are not intrinsically geared for multiclass classifications as in credit ratings. Thus, researchers have tried to extend the original SVM to multiclass classification. Hitherto, a variety of techniques to extend standard SVMs to multiclass SVMs (MSVMs) has been proposed in the literature Only a few types of MSVM are, however, tested using prior studies that apply MSVMs to credit ratings studies. In this study, we examined six different techniques of MSVMs: (1) One-Against-One, (2) One-Against-AIL (3) DAGSVM, (4) ECOC, (5) Method of Weston and Watkins, and (6) Method of Crammer and Singer. In addition, we examined the prediction accuracy of some modified version of conventional MSVM techniques. To find the most appropriate technique of MSVMs for corporate bond rating, we applied all the techniques of MSVMs to a real-world case of credit rating in Korea. The best application is in corporate bond rating, which is the most frequently studied area of credit rating for specific debt issues or other financial obligations. For our study the research data were collected from National Information and Credit Evaluation, Inc., a major bond-rating company in Korea. The data set is comprised of the bond-ratings for the year 2002 and various financial variables for 1,295 companies from the manufacturing industry in Korea. We compared the results of these techniques with one another, and with those of traditional methods for credit ratings, such as multiple discriminant analysis (MDA), multinomial logistic regression (MLOGIT), and artificial neural networks (ANNs). As a result, we found that DAGSVM with an ordered list was the best approach for the prediction of bond rating. In addition, we found that the modified version of ECOC approach can yield higher prediction accuracy for the cases showing clear patterns.

• 한국의학물리학회지:의학물리
• /
• 제9권4호
• /
• pp.227-245
• /
• 1998

방사선치료 성과의 기준을 정량적으로 평가할 수 있는 종양치유확율 (Tumor Control Probability)과 정상조직 손상확율(Normal Tissue complication Probability)의 수학적 관계식을 유도하여 방사선업체조형치료 (3-D conformal radiotherapy) 효과를 평가하며 간단한 동물실험과 임상결과를 참고하여 종양치료성적의 예측과 종양선량의 증가 및 치료의 질적상황을 정량적 척도로 평가하고져한다. 방사선량과 체적크기에 민감한 병렬반응구조 (Parallel architecture)로 구성된 장기중 발생빈도가 많은 간종양을 대상으로 업체조형치료방법에 따른 체적선량분포도 (Dose Volume Histogram)를 3차원 방사선치료계획 컴퓨터(ADAC-Pinnacle #3)를 이용하여 계산하고 각 선량에 대한 체적분포를 판별이 쉽도록 도표화하였다. 종양치유확율(Tumor Control Probability)과 정상조직 손상확율(Normal Tissue complication Probability)은 방사선량에 대한 세포생존곡선의 오차함수 (error function)를 기본수식으로하고 선량 체적인자를 삽입한 반실험식으로 구성되었으며 실효선량 또는 실효체적에 따라 각각 계산하였다. 정상간의 실질적 손상을 관찰하기 위하여 방사선치료를 받은 환자의 통계와 계획적 연구를 위하여 황구를 이용하였다. 방사선조사방법은 대항2문, 쐐기 3문, 4문 회전업체치료와 비회전축 5문입체조형치료로 구분하였으며 업체조형치료는 컴퓨터 조종형 선형가속기 (Varian Clinac-2100C/D)와 다엽콜리메이터(Multi Leaf Collimator, MLC-52LS)를 이용하였다. 방사선조사방법에 따른 체적선량분포 (DVH)는 종양과 주위건강조직에대한 체적과 방사선량을 직관적으로 판단할수있었다. 간종양의 방사선치료에서 TCP와 NTCP 의 체적인자는 0.32를 이용하였고 대항2문 입체치료 및 5문입체치료에서 종양중심선량 50Gy일 때 종양의 TCP는 각각 0.763과 0.793 이였으며 정상간의 NTCP는 각각 0.156와 0.008로서 수치상 완전 구별이 가능하였고 종양 투여 선량이 70Gy 일 때 종양의 TCP 는 각각 0.982 와 0.995로서 종양치유에 충분한 선량이며 정상간의 NTCP 는 각각 0.725 와 0.142로서 현저한 차이가 있었다. 간손상은 간염유발을 기준으로 하였으며 간손상정도와 NTCP의 관계는 상호비례하였고 일정한 발기점(Threshold value)을 구할수 있었다. DVH 와 확율적 수학식인 TCP, NTCP 동은 방사선치료성과를 판단할 수 있는 정량적분석방법으로 가능성이 있다고 생각된다. 또한 건강조직을 최대한 보호하고 종양에 집중 방사선을 조사할 수 있는 입체조형치료는 간, 폐, 신장등 방사선 병렬반응장기에 적합하며 DVH와 TCP, NTCP등 수학적 척도를 이용하여 평가함으로서 치료성과의 예측, 종양선량의 증가(Dose escalation), 방사선수술의 지표 및 방사선치료의 질적상황을 정량적 숫치로 평가할 수 있어 방사선치료성과 향상에 기여 할 수 있다고 생각한다.

• 분석과학
• /
• 제29권4호
• /
• pp.170-178
• /
• 2016

팔중극자 반응셀을 장착한 사중극자 유도결합플라즈마 질량분광기에서 동위원소 희석법을 사용하여 셀레늄을 분석할 때에 여러 다른 스파이크 동위원소들 ⁷⁶Se, ⁷⁷Se, 및 ⁷⁸Se에 대한 정확도와 정밀도를 비교하였다. 무기 셀레늄 표준용액에 대한 분석결과, ID분석법의 정확도는 매일의 결과는 물론 장기간(세 달간)에도 세 개의 스파이크 모두 1 % 이내의 오차만을 보여주었고 %RSD도 1 % 수준이었다. 동위원소 스파이크 ⁷⁶Se, ⁷⁷Se 은 그 결과값은 비슷하며 ⁷⁸Se이 조금 더 나은 결과를 보여주었다. 하지만 실제시료인 기준물질 NIST SRM 1568a(쌀분말)과 NIST SRM 2967(홍합)에서는 사용하는 스파이크 동위원소에 따라 서로 다른 정확도와 정밀도를 보여주는데 가장 큰 이유는 측정 및 계산에 사용된 m/z에 대한 서로 다른 여러 간섭 때문으로 나타났다. ORC사용으로 인한 SeH의 생성때문에 나타나는 간섭을 보정한 뒤 매트릭스에 포함된 Br, As에 의한 간섭에 대한 보정을 하였다. 결과, 비교적 간단한 매트릭스를 가진 쌀분말일 때 ⁷⁶Se, ⁷⁷Se, 및 ⁷⁸Se은 서로 비슷한 결과를 얻었으며 각 각 80% 정도의 회수율을 꾸준하게 보여주었다. 정밀도는 ⁷⁸Se의 경우에는 1.8% RSD로서 무기표준물의 경우와 비슷하다. ⁷⁶Se와 ⁷⁷Se는 각 각 8.6%, 6.3% RSD로서 약간 높지만 전체적으로 이 실험은 신뢰할 수 있다고 보인다. 매트릭스가 복잡한 홍합의 경우에도 ⁷⁶Se와 ⁷⁷Se는 오차가 5 % 이내로서 정확한 결과를 보여주나 정밀도는 RSD 15 % 수준으로 조금 높은 편이다. 하지만 ⁷⁸Se의 경우에는 정확도도 나쁘지만 정밀도가 매우 나빠서(100% 이상의 RSD) 신뢰할 수 없는 결과를 보여준다. 이 는 ⁷⁸Se의 경우, 워낙 Br의 간섭이 크기 때문으로 비록 수학적 보정을 한다하여도 충분하지 않음을 보여준다. 따라서 스파이크 동위원소를 선택할 때에는 매트릭스가 간단하다면 신호가 높은 ⁷⁸Se동위원소를 선택하는 것이 조금 더 유리할 수 있지만 Br이나 간섭이 많을 때는 ⁷⁸Se은 피하고 ⁷⁶Se이나 ⁷⁷Se을 선택하여야 하며 이 경우 충분히 좋은 결과를 보여줄 수 있다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.