• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.472-477
• /
• 2018

본 논문에서는 지능형 IoT (internet of things) 미러 시스템을 통해 사용자의 우울증 예방을 위한 인터랙티브 콘텐츠 서비스를 구현한다. 인터랙티브 콘텐츠 서비스를 위해 IoT 미러 장치는 뇌파 헤드셋 디바이스로부터 집중도 및 명상도 데이터를 측정하고, 웹캠을 통해 다층 퍼셉트론 알고리즘으로 분류된 "슬픔", "분노", "혐오감", "중립", "행복" 및 "놀람"과 같은 표정 데이터를 측정한 후, oneM2M 표준을 준용한 IoT 서버로 전송한다. IoT 서버에 수집된 데이터는 제안한 병합 레이블링 과정을 거쳐 세 가지의 우울 단계(RED, YELLOW, GREEN)를 분류하는 기계학습 모델을 생성한다. 실험을 통해 k-최근접 이웃 모델로 우울 단계를 분류한 결과 약 93%의 정확도를 얻을 수 있었고, 분류된 우울 단계에 따라 가족, 친구 및 사회복지사에게 소셜 네트워크 서비스 에이전트를 통해 알림 메시지를 전송하여 사용자와 보호자 간의 인터랙티브 콘텐츠 서비스를 구현하였다.

• 한국수자원학회논문집
• /
• 제48권3호
• /
• pp.185-196
• /
• 2015

본 연구에서는 황룡강 유역에 유역모델 HSPF (Hydrological Simulation Program - Fortran)를 적용하여 기후변화에 따른 오염부하 유출 변화량을 분석하였다. 황룡강 유역을 7개 소유역으로 분할하고 2011년에 관측된 유량, SS, BOD, TN, TP 농도자료를 이용하여 모델 보정 및 검정을 실시하였다. 기후변화에 따른 황룡강 유역의 환경변화를 예측하기 위해 RCP 4.5와 8.5 시나리오를 이용하였으며, 과거 기간 동안의 강우와 기온에 대한 모의치와 관측치간 월별 평균을 비교하여 미래 기상 자료에 대한 편의 보정을 수행하였다. 기후변화 시나리오의 기상 자료 분석 결과, 21세기 전반기와 비교하여 중, 후반기에 상대적으로 많은 연강수량과 연평균기온을 보이는 것으로 분석되었다. 기후변화에 따른 황룡강 유역에서의 오염물질 유출량 분석 결과, RCP 4.5 시나리오에서는 2020년대 대비 2080년대에 평균 연간 강우, BOD, TN, TP 유출량이 각각 47%, 24%, 21%, 27% 증가율을 보여 21세기 후반기로 갈수록 연간 오염부하 유출량이 전반적으로 증가하는 것으로 분석되었다. RCP 8.5 시나리오에서는 2020년대 대비 2050년대에 평균 연간 강우, BOD, TN, TP 유출량이 각각 34%, 20%, 20%, 21% 증가율을 보이며 21세기 중반기에 연간 오염부하 유출량이 상대적으로 가장 많이 증가할 것으로 분석되었다. 이는 연강수량 변화와 동일한 패턴의 변화로서 기후변화에 따른 강우량 변화가 오염물질 유출량에 그대로 반영된 결과를 보여준다. 한편, 월별 오염물질 유출량은 RCP 4.5에서는 9월에, RCP 8.5에서는 2월에 상대적으로 크게 증가할 것으로 분석되었다.

• 한국정보과학회논문지:데이타베이스
• /
• 제32권4호
• /
• pp.405-415
• /
• 2005

인덱싱 기법은 무선 환경에서 클라이언트의 선별적인 청취를 지원하기 위하여 사용된다. 즉, 서버는 브로드캐스트 채널을 통해 데이타와 인덱스를 함께 전달함으로써 클라이언트의 선택적인 청취를 지원할 수 있다. 그러나 부가적인 인덱스 정보는 브로드캐스트 주기를 증가시키는 단점이 있다. 위치기반 서비스에서의 질의에 대한 응답지연은 잘못된 결과의 전달이라는 문제점을 가져올 수 있다. 본 논문에서 우리는 무선 브로드캐스트 환경에서 k-인접질의 서비스를 지원하기 위한 BBS(Broadcast Based LDIS Scheme) 기법을 제안한다. BBS 기법에서 서버는 전달하고자 하는 데이타를 위치에 기반을 두어 정렬하며 이를 인덱스 정보와 함께 클라이언트들에게 전달한다. 또한 클라이언트의 질의 처리 수행시간을 단축시키기 위하여 프리패칭과 OBC(Object Boundary Circle)기법을 새로이 제안한다. 제안 논문에 대한 성능평가는 데이타의 분포, 클라이언트의 이동 속도 그리고 서비스 영역의 크기 등 다양한 환경에서 이루어 졌다.

• 지능정보연구
• /
• 제9권1호
• /
• pp.139-155
• /
• 2003

본 논문은 결합된 의사결정 나무(C4.5)와 신경망기법을 적용함으로써 고객의 신용에 대한 예측을 높이기 위하여 이동통신 고객의 패턴을 분류하고, 분석하는 새로운 방법에 대하여 연구하였다. 의사 결정나무(C4.5)를 형성하여 선택된 결정변수와 함께 규칙을 생성함으로써, 신경망의 입력벡터 값을 정의하는 체계적인 방법을 제시하였다. 고객 관리측면에서 본 논문은 이동 통신 회사의 기존고객을 분류하여 패턴을 분석함으로써 우수한 고객의 지속적인 관리와 이탈 가능성이 많은 고객을 차별 관리하여 기업이익을 증대시킬 수 있을 것이다. 또한 이러한 분류를 통하여 신규 고객에 반영함으로써 고객의 향후 관리에도 기여할 수 있을 것이다. 실제 이동통신 고객데이터를 중심으로 연구의 결과는 예측의 정확도가 기존의 의사결정 트리 모델 (CART, C4.5), 회귀모형, 신경망 접근 방법과 기존에 연구되었던 결합모델(CART ＆ 신경망)보다 훨씬 높게 연구되었다.

• Computers and Concrete
• /
• 제21권4호
• /
• pp.407-417
• /
• 2018

Concrete which is a composite material is one of the most important construction materials. Compressive strength is a commonly used parameter for the assessment of concrete quality. Accurate prediction of concrete compressive strength is an important issue. In this study, we utilized an experimental procedure for the assessment of concrete quality. Firstly, the concrete mix was prepared according to C 20 type concrete, and slump of fresh concrete was about 20 cm. After the placement of fresh concrete to formworks, compaction was achieved using a vibrating screed. After 28 day period, a total of 100 core samples having 75 mm diameter were extracted. On the core samples pulse velocity determination tests and compressive strength tests were performed. Besides, Windsor probe penetration tests and Schmidt hammer tests were also performed. After setting up the data set, twelve artificial intelligence (AI) models compared for predicting the concrete compressive strength. These models can be divided into three categories (i) Functions (i.e., Linear Regression, Simple Linear Regression, Multilayer Perceptron, Support Vector Regression), (ii) Lazy-Learning Algorithms (i.e., IBk Linear NN Search, KStar, Locally Weighted Learning) (iii) Tree-Based Learning Algorithms (i.e., Decision Stump, Model Trees Regression, Random Forest, Random Tree, Reduced Error Pruning Tree). Four evaluation processes, four validation implements (i.e., 10-fold cross validation, 5-fold cross validation, 10% split sample validation & 20% split sample validation) are used to examine the performance of predictive models. This study shows that machine learning regression techniques are promising tools for predicting compressive strength of concrete.

• 한국지능시스템학회논문지
• /
• 제8권3호
• /
• pp.33-40
• /
• 1998

최근 Yang과 Tseng이 제안한 직교 신경망(ONN)은 직교 함수를 이용하여 신경망을 구성한 것으로서, 다층 신경망이 가지는 층의 구조에 대한 어려움이 없이 전체 구조를 결정할 수 있다는 장점을 가지고 있다. 또한 요구되는 정확성을 기준으로 직교 함수의 급수를 증가시키므로써 학습하는 동안에 전제 구조를 변형하는 것이 가능하고 가중치의 직？ 함수의급수를 증가시키므로써 학습하는 동안에 전체 구조를 변형하는 것이 가능하고 가중치의 학습 알고리듬이 오차 역전파법 학습 알고리듬에 비해 간단하며 수렴 속도가 빠르다는 장점도 있다. 그러나 이러한 직교 신경망은 구조의 골격이 디ㅗ는 직교 함수를 변형할 수 없는 구조를 가진다는 문제점이 있다. 본 논문에서는 입력 변환을 이용하여 직교함수를 학습할 수 있는 구조를 가지는 수정된 직교 신경망(MONN)을 제안한다. 제안한 수정된 지？ 신경망을 이용하여 비선형 시스템을 식별하기 위해 식별기 구조를 설정하고 목적을 달성하기 위한 수정된 직교 신경망의 학습 알고리듬을 유도한다.사례연구른 통하여 본 논문에서 제안한 수정된 직교 신경망의 비선형 시스템 모형화 능력, 입력 변환의 유용성을 다충 신경망, 직교 신경망과 비교하여 검증한다.

• 한국산업정보학회논문지
• /
• 제12권3호
• /
• pp.60-68
• /
• 2007

본 논문에서는 자동으로 사용자의 얼굴 표정을 인식할 수 있는 시스템을 제안한다. 제안된 시스템은 휴리스틱 정보를 기반으로 설계된 트리 구조를 이용하여 행복, 역겨움, 놀람의 감정과 무표정을 인식한다. 카메라로부터 영상이 들어오면 먼저 얼굴 특징 검출기에서 피부색 모델과 연결성분 분석을 이용하여 얼굴 영역을 획득한다. 그 후에 신경망 기반의 텍스처 분류기를 사용하여 눈 영역과 비 눈 영역으로 구분한 뒤 눈의 중심 영역과 에지 정보를 기반으로 하여 눈, 눈썹, 입 등의 얼굴 특징을 찾는다. 검출된 얼굴 특징들은 얼굴 표정 인식기에 사용되며 얼굴 인식기는 이를 기반으로 한 decision tree를 이용하여 얼굴 감정을 인식한다. 제안된 방법의 성능을 평가하기 위해 MMI JAFFE, VAK DB에서 총 180장의 이미지를 사용하여 테스트하였고 약 93%의 정확도를 보였다.

• Journal of Platform Technology
• /
• 제8권1호
• /
• pp.16-23
• /
• 2020

상표권 보호를 위한 상표 이미지의 진위 결정에 심층 신경망인 합성곱 신경망을 이용할 수 있다. 이를 위해, 상표로 등록되어 있는 한 장의 상표 이미지를 반복적으로 학습하는 것은 기계학습의 성능을 감소시키는 원인이 된다. 따라서, 이러한 응용에서 학습 데이터는 다양한 방법으로 생성된다. 하지만 대상 이미지가 회전되어 있으면 원본이라 하더라도 인식하지 못하거나 위조 상표로 분류되기도 한다. 본 논문에서는 회전한 상표 이미지의 진위 결정을 위한 기계학습 데이터의 확장 방법을 제안한다. 본 논문에서 제안하는 학습 데이터 확장 방법은 기울어진 이미지를 생성하고 이를 학습 데이터로 사용하는 것이다. 본 논문에서 제안하는 학습 데이터 확장 방법의 유효성 검증을 위해 대학의 로고를 대상으로 학습 데이터를 생성하였으며, 이를 활용하여 합성곱 신경망을 학습시킨 후 검증용 데이터를 이용하여 정확도를 평가하였다. 정확도 평가 결과에 따르면 본 논문에서 제안한 방법으로 생성한 학습 데이터를 활용하면 회전한 상표를 대상으로 한 진위 여부 결정에 합성곱 신경망을 활용할 수 있다.

• International Journal of Computer Science & Network Security
• /
• 제21권2호
• /
• pp.148-157
• /
• 2021

The effectiveness of recommendation systems depends on the performance of the algorithms with which these systems are designed. The quality of the algorithms themselves depends on the quality of the strategies with which they were designed. These strategies differ from author to author. Thus, designing a good recommendation system means implementing the good strategies. It's in this context that several research works have been proposed on various strategies applied to algorithms to meet the needs of recommendations. Researchers are trying indefinitely to address this objective of seeking the qualities of recommendation algorithms. In this paper, we propose a new algorithm for recommending learning items. Learner performance predictions and collaborative recommendation methods are used as strategies for this algorithm. The proposed performance prediction model is based on convolutional neural networks (CNN). The results of the performance predictions are used by the proposed recommendation algorithm. The results of the predictions obtained show the efficiency of Deep Learning compared to the k-nearest neighbor (k-NN) algorithm. The proposed recommendation algorithm improves the recommendations of the learners' learning items. This algorithm also has the particularity of dissuading learning items in the learner's profile that are deemed inadequate for his or her training.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.305-307
• /
• 2021

Alzheimer's Disease (AD) is a cognitive disorder characterized by memory impairment that can be assessed at early stages based on administering clinical tests. However, the AD pathophysiological mechanism is still poorly understood due to the difficulty of distinguishing different levels of AD severity, even using a variety of brain modalities. Therefore, in this study, we present a hybrid EEG-fNIRS modalities to compensate for each other's weaknesses with the help of Machine Learning (ML) techniques for classifying four subject groups, including healthy controls (HC) and three distinguishable groups of AD levels. A concurrent EEF-fNIRS setup was used to record the data from 41 subjects during Oddball and 1-back tasks. We employed both a traditional neural network (NN) and a CNN-LSTM hybrid model for fNIRS and EEG, respectively. The final prediction was then obtained by using majority voting of those models. Classification results indicated that the hybrid EEG-fNIRS feature set achieved a higher accuracy (71.4%) by combining their complementary properties, compared to using EEG (67.9%) or fNIRS alone (68.9%). These findings demonstrate the potential of an EEG-fNIRS hybridization technique coupled with ML-based approaches for further AD studies.