• 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.

• 대한통합의학회지
• /
• 제12권2호
• /
• pp.155-166
• /
• 2024

Purpose : This study aims to identify key factors for predicting dropout risk at the university level and to provide a foundation for policy development aimed at dropout prevention. This study explores the optimal machine learning algorithm by comparing the performance of various algorithms using data on college students' dropout risks. Methods : We collected data on factors influencing dropout risk and propensity were collected from N University. The collected data were applied to several machine learning algorithms, including random forest, decision tree, artificial neural network, logistic regression, support vector machine (SVM), k-nearest neighbor (k-NN) classification, and Naive Bayes. The performance of these models was compared and evaluated, with a focus on predictive validity and the identification of significant dropout factors through the information gain index of machine learning. Results : The binary logistic regression analysis showed that the year of the program, department, grades, and year of entry had a statistically significant effect on the dropout risk. The performance of each machine learning algorithm showed that random forest performed the best. The results showed that the relative importance of the predictor variables was highest for department, age, grade, and residence, in the order of whether or not they matched the school location. Conclusion : Machine learning-based prediction of dropout risk focuses on the early identification of students at risk. The types and causes of dropout crises vary significantly among students. It is important to identify the types and causes of dropout crises so that appropriate actions and support can be taken to remove risk factors and increase protective factors. The relative importance of the factors affecting dropout risk found in this study will help guide educational prescriptions for preventing college student dropout.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권8호
• /
• pp.535-542
• /
• 2013

사례기반추론(CBR)은 많은 장점으로 인해 지금까지 의료진단, 생산계획, 고객분류 등 다양한 분야의 의사결정 지원에 적용되어 왔다. 그러나, 효과적인 CBR 시스템을 설계, 구축하기 위해서는 연구자가 직관적으로 설정해야 할 많은 설계요소들이 존재한다. 본 연구에서는 이러한 CBR의 여러 설계요소들 중 사례 검색 단계에서 결합할 이웃 사례들을 보다 효과적으로 선정할 수 있는 새로운 모형을 제시한다. 기존 연구에서는 결합할 이웃 사례를 선정하는 방법으로 사전에 정해진 이웃사례의 수(k-NN의 k)를 적용하든가, 혹은 최대 유사도의 상대적 비율을 임계치로 사용하는 방식을 적용해 왔다. 하지만, 본 연구에서는 결합할 유사사례를 선택하는 새로운 기준으로 0에서 1사이의 값을 갖는 절대적 유사 임계치를 사용할 것을 제안한다. 이 경우, 임계치 값이 과도하게 작아지게 되면, 예측결과의 생성이 잘 이루어지지 않을 수 있는 문제가 발생할 수 있다. 이에, 전체 학습사례들 중에서 예측결과가 생성된 사례의 비중을 커버리지(coverage)로 정의하고, 이를 유사 임계치 최적화 시 제약조건으로 설정함으로서, 사용자가 원하는 수준의 커버리지는 유지한 상태에서 가장 효과적인 유사 사례를 찾아 추론할 수 있도록 모형을 설계하였다. 제안 모형의 유용성을 검증하기 위해, 본 연구에서는 이 모형을 실존하는 국내 한 온라인 쇼핑몰의 표적 마케팅 사례에 적용하였다. 그 결과, 제안 모형이 CBR의 예측 성과를 유의미하게 개선시킬 수 있음을 확인할 수 있었다.

• 정보보호학회논문지
• /
• 제31권1호
• /
• pp.83-97
• /
• 2021

무선 센서 네트워크를 구성하는 무선 센서는 일반적으로 전력 및 자원이 극히 제한적이다. 무선 센서는 전력을 보존하기 위해 일정 주기마다 sleep 상태로 진입한다. Sleep deprivation attack은 무선 센서의 sleep 상태 진입을 막음으로써 전력을 소진 시키는 치명적인 공격이지만 이에 대한 뚜렷한 대응책이 없다. 이에 본 논문에서는 클러스터링 기반 이진 탐색 트리 구조의 Sleep deprivation attack 탐지 모델을 제안한다. 본 논문에서 제안하는 sleep deprivation attack 탐지 모델은 기계학습을 통해 분류한 공격 센서 노드와 정상 센서 노드의 특징을 사용한다. 이때 탐지 모델에 사용한 특징은 Long Short-Term Memory(LSTM), Decision Tree(DT), Support Vector Machine(SVM), K-Nearest Neighbor(K-NN)을 이용하여 결정하였다. 결정된 특징은 본 논문에서 제안한 알고리즘에 사용하여 공격 탐지를 위한 값들을 계산하였으며, 계산한 값을 판정하기 위한 임계값은 SVM을 적용하여 도출하였다. 본 논문에서 제안하는 탐지 모델은 기계학습으로 도출된 특징과 임계값을 본 논문에서 제안한 탐지 알고리즘에 적용하여 구성하였으며, 실험을 통해 전체 센서 노드 20개 중 공격 센서 노드의 비율이 0.35일 때 94%의 탐지율을 갖고 평균 에너지 잔량은 기존 연구보다 최대 26% 향상된 결과를 보였다.

• 감성과학
• /
• 제13권1호
• /
• pp.47-60
• /
• 2010

기존 웹 페이지 자동분류 연구는 일반적으로 학습 기반인 kNN(k-Nearest Neighbor), SVM(Support Vector Machine)과 통계 기반인 Bayesian classifier, NNA(Neural Network Algorithm)등 여러 종류의 분류작업에서 입증된 분류 기법을 사용하여 웹 페이지를 분류하였다. 하지만 인터넷 상의 방대한 양의 웹 페이지와 각 페이지로부터 나오는 많은 양의 자질들을 처리하기에는 공간적, 시간적 문제에 직면하게 된다. 그리고 분류 대상을 표현하기 위해 흔히 사용하는 단일(uni-gram) 자질 기반에서는 자질들 간의 관계 분석을 통해 자질에 정확한 의미를 부여하기 힘들다. 특히 본 논문의 분류 대상인 한글 웹 페이지의 자질인 한글 단어는 중의적인 의미를 가지는 경우가 많기 때문에 이러한 중의성이 분류 작업에 많은 영향을 미칠 수 있다. 잠재적 의미 분석 LSA(Latent Semantic Analysis) 분류기법은 선형 기법인 특이치 분해 SVD(Singular Value Decomposition)을 통해 행렬의 분해 및 차원 축소(dimension reduction)를 수행하여 대용량 데이터 집합의 분류를 효율적으로 수행하고, 또한 차원 축소를 통해 새로운 의미공간을 생성하여 자질들의 중의적 의미를 분석할 수 있으며 이 새로운 의미공간상에 분류 대상을 표현함으로써 분류 대상의 잠재적 의미를 분석할 수 있다. 하지만 LSA의 차원 축소는 전체 데이터의 표현 정도만을 고려할 뿐 분류하고자 하는 범주를 고려하지 않으며 또한 서로 다른 범주 간의 차별성을 고려하지 않기 때문에 축소된 차원 상에서 분류 시 서로 다른 범주 데이터간의 모호한 경계로 인해 안정된 분류 성능을 나타내지 못한다. 이에 본 논문은 새로운 의미공간(semantic space) 상에서 서로 다른 범주사이의 명확한 구분을 위한 특별한 차원 선택을 수행하여 최적의 차원 선택과 안정된 분류성능을 보이는 최적의 지도적 LSA을 소개한다. 제안한 지도적 LSA 방법은 기본 LSA 및 다른 지도적 LSA 방법들에 비해 저 차원 상에서 안정되고 더 높은 성능을 보였다. 또한 추가로 자질 생성 및 선택 시 불용어의 제거와 자질에 대한 가중치를 통계적인 학습을 통해 얻음으로써 더 높은 학습효과를 유도하였다.

• 정신신체의학
• /
• 제31권2호
• /
• pp.108-117
• /
• 2023

연구목적 신체 증상 장애(Somatic Symptom Disorder, SSD)는 다양한 신체 증상의 발현을 특징으로 하며, 현재까지 환자군 내에서 증상 심각도에 따른 자율신경계 활성의 차이에 대해서는 연구된 바가 거의 없다. 이에 본 연구에서는 신체 증상 장애 환자군에서 심박변이도(Heart Rate Variability, HRV) 차이를 검정하여 증상 심각도에 따른 자율신경계 변화를 반영하는 대표적 지표를 분석하였다. 방 법 2020년 9월 18일부터 2021년 10월 29일까지 강남세브란스병원 정신건강의학과에 내원했던 환자 중, DSM-5 진단 기준에 따라 SSD로 진단받은 환자 총 51명의 의무기록을 후향적으로 수집하였다. 이후, 집단 간 인구사회학 및 임상적 선택편의 보정을 위해 역확률 가중치(Inverse Probability Treatment Weighting, IPTW)를 적용하여 HRV 지표 차이 검정을 실시하였다. 결 과 신체 증상 심각도와 LF (nu), HF (nu), LF/HF, 그리고 SD1/SD2, Alpha1/Alpha2는 통계적으로 유의한 상관관계를 보였으며, IPTW 적용 후 비중증군은 27명(53.0%), 중증군은 24명(47.0%)로 보정되었고, 인구사회학적 요인 및 임상적 특성 차이가 유의미하지 않아 동질성이 확보되었다. 본 모형 분석 결과 고위험군일수록 시간 영역의 RMSSD (β=-0.70, p=0.003), pNN20 (β=-1.04, p=0.019), 주파수 영역은 LF (nu) (β=0.29, p<0.001), HF (nu) (β=-0.29, p<0.001), LF/HF (β=1.41, p=0.001), 그리고 비선형 영역에서는 SampEn15 (β=-0.35, p=0.014), SD1/SD2 (β=-0.68, p<0.001), Alpha1/Alpha2 (β=0.43, p=0.001)에서 유의미한 차이가 검정되었다. 결 론 신체 증상 심각도에 따른 HRV 지표의 차이는 시간과 주파수 영역, 그리고 비선형 영역 전반에서 검정되었으며, 신체 증상이 심할수록 교감신경의 과활성화 및 부교감신경의 저하를 시사하는 HRV 지표들이 유의미하게 높은 경향성을 보였다.

• 수산해양기술연구
• /
• 제8권1호
• /
• pp.14-22
• /
• 1972

For the development of acoustic fishing method, the noises of fishes have been recorded and analy/'ed by many scientists. Some specimens of fishes were selected as such Cyprinus carpio, Ctenopharyngodon idellus Carassius carassius, and pagrosol1ms major in this experiment. The noises such as feeding noise, driving away noise, jumping noise and fi llip noise were recorded by the tape recorder, Sony Model 262, through the underwa te r microph I one, Oki ST 6582, and analyzed in frequencies bv octave band analyzer, Rion SA-55, and sound pressure level of source by sound level meter, Rion NA-opNN The supplied feed was placed within 5em apart from the hydrophone. The result of analyzed noises were as follow. Cyprinus carjJio; Feeding noise 250- 500 cps, 92- 99 dB Driving away noise 125-2, 000 eps, 101-112 dB Jumping noise 125-2, 000 eps, 99-116.5 dB Ctenopharyngodon idcllus; Driving away noise 125-1, 000 cps, 96-109 dB Carassius carassius; Feeding noise 250- 500 cps, 91. 5- 99.5 dB Driving away noise 125-1, 000 eps, 99-108 dB Carassius auratus Feeding noise 250 eps, 94-101 dB Driving away noise 125-1, 000 cps, 98-110 dB Pagrosomus major Feeding noise 230-500 cps, 90-101 dB Fillip noise 500 cps, 98-108 dB (1) Feeding noise was produced as like as snap noise of twig and gulping down saliva noise in human and dominant frequency range of the noise is 250-500 cps and noise level 90-101 dB. (2) It was found that feeding noise were not a monotonic but a complex tones though fish took the same food. (3) Driving away noise was produced not so keen and the wave form of the noise is rising very sharp and big amplitude in the oscillograph. Dominant frequency range of this noise was about 150-1, 000 cps and noise level 96-112 dB except thut of carp. (4) The frequency of snapper's fillip noise, when it produced by caudal fin in swimming at the surface of water, was 500 cps and noise level 93-108 dB snd that of jumping noise of carp about 150-2, 000 cps and noise level 99-116.5 dB.

• The Korean Journal of Physiology and Pharmacology
• /
• 제12권3호
• /
• pp.101-109
• /
• 2008

The aim of the present study was to examine the effects of ketamine, a dissociative anesthetics, on secretion of catecholamines (CA) secretion evoked by cholinergic stimulation from the perfused model of the isolated rat adrenal gland, and to establish its mechanism of action, and to compare ketamine effect with that of thiopental sodium, which is one of intravenous barbiturate anesthetics. Ketamine ($30{\sim}300{\mu}M$), perfused into an adrenal vein for 60 min, dose- and time-dependently inhibited the CA secretory responses evoked by ACh (5.32 mM), high $K^+$ (a direct membrane-depolarizer, 56 mM), DMPP (a selective neuronal nicotinic NN receptor agonist, $100{\mu}M$) and McN-A-343 (a selective muscarinic M1 receptor agonist, $100{\mu}M$). Also, in the presence of ketamine ($100{\mu}M$), the CA secretory responses evoked by veratridine (a voltage-dependent $Na^+$ channel activator, $100{\mu}M$), Bay-K-8644 (an L-type dihydropyridine $Ca^{2+}$ channel activator, $10{\mu}M$), and cyclopiazonic acid (a cytoplasmic $Ca^{2+}$-ATPase inhibitor, $10{\mu}M$) were significantly reduced, respectively. Interestingly, thiopental sodium ($100{\mu}M$) also caused the inhibitory effects on the CA secretory responses evoked by ACh, high $K^+$, DMPP, McN-A-343, veratridine, Bay-K-8644, and cyclopiazonic acid. Collectively, these experimental results demonstrate that ketamine inhibits the CA secretion evoked by stimulation of cholinergic (both nicotinic and muscarinic) receptors and the membrane depolarization from the isolated perfused rat adrenal gland. It seems likely that the inhibitory effect of ketamine is mediated by blocking the influx of both $Ca^{2+}$ and $Na^+$ through voltage-dependent $Ca^{2+}$ and $Na^+$ channels into the rat adrenal medullary chromaffin cells as well as by inhibiting $Ca^{2+}$ release from the cytoplasmic calcium store, which are relevant to the blockade of cholinergic receptors. It is also thought that, on the basis of concentrations, ketamine causes similar inhibitory effect with thiopental in the CA secretion from the perfused rat adrenal medulla.

• 대한전자공학회논문지SP
• /
• 제45권1호
• /
• pp.75-83
• /
• 2008

본 논문에서는 얼굴의 다중 특징을 이용하여 마우스의 다양한 동작을 효율적으로 구현할 수 있는 복지형 인터페이스를 제안한다. 제안된 시스템은 5개의 모듈로 구성 된다 : 얼굴의 검출(Face detection), 눈의 검출(eye detection), 입의 검출(mouth detection), 얼굴특징 추적(lariat feature tracking), 마우스의 제어(mouse control). 첫 단계에서는 피부색 모델과 연결 성분 분석을 이용하여 얼굴 영역을 검출한다. 그 후 얼굴영역으로부터 정확히 눈을 검출하기 위하여 신경망 기반의 텍스처 분류기를 사용하여 얼굴 영역에서 눈 영역과 비 눈 영역을 구분한다. 일단 눈 영역이 검출되면 눈의 위치에 기반 하여 에지 검출기(edge detector)를 이용하여 입 영역을 찾는다. 눈 영역과 입 영역을 찾으면 각각 mean shift 알고리즘과 template matching을 사용하여 정확하게 추적되고, 그 결과에 기반 하여 마우스의 움직임 또는 클릭의 기능이 수행된다. 제안된 시스템의 효율성을 검증하기 위하여 제안된 인터페이스 시스템을 다양한 응용분야에 적용 하였다. 장애인과 비장애인으로 나누어 제안된 시스템을 실험한 결과 모두에게 실시간으로 보다 편리하고 친숙한 인터페이스로 활용 될 수 있다는 것이 증명 되었다.