• 한국산학기술학회논문지
• /
• 제20권1호
• /
• pp.290-296
• /
• 2019

차량용 HUD는 자동차 전면 유리창에 안전 운전과 편의 운전 관련 다양한 정보를 표시해 주는 장치로 중요한 역할을 수행한다. 본 논문에서는 증강현실 기술에 적용이 가능한 대면적 비구면 자유형상 미러를 가공하기 위해 초정밀 가공기를 이용하여 가공을 실시하였고 그 결과를 측정하였다. 초정밀 다이아몬드 절삭은 정밀도가 높을 뿐만 아니라 표면 거칠기와 잔류 응력을 낮게 할 수 있어서 우수한 표면 무결성을 갖는 고급 부품의 생산에 유리하다. 또한 비구면 자유 형상의 몰드를 사용함으로써 광학 전달 함수의 개선, 왜곡 경로의 감소 및 특수 이미지 필드 곡률의 실현과 같은 장점을 얻을 수 있다. 이와 같은 비구면 자유형상 금형을 가공하기 위한 방법으로는 초정밀가공기를 이용한 다이아몬드 절삭 방법을 사용하였으며, 제작된 비구면 자유형상 미러 금형의 평가는 비구면 형상 측정기를 이용하여 실시하였다. 이러한 방법에 의해 $1{\mu}m$ 이하의 형상 정밀도(PV)와 $0.02{\mu}m$ 이하의 표면 거칠기(Ra)를 갖는 비구면 자유형상 금형을 제작할 수 있었다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.246-256
• /
• 2022

Recently, parents and teachers consider physical education as a minor subject for students in elementary and secondary schools. Physical education performance has become increasingly significant as parents and schools pay more attention to physical schooling. The sports mining with distribution analysis model considers different factors, including the games, comments, conversations, and connection made on numerous sports interests. Using different machine learning/deep learning approach, children's athletic and academic interests can be tracked over the course of their academic lives. There have been a number of studies that have focused on predicting the success of students in higher education. Sports interest prediction research at the secondary level is uncommon, but the secondary level is often used as a benchmark to describe students' educational development at higher levels. An Automated Student Interest Prediction on Sports Mining using DL Based Bi-directional Long Short-Term Memory model (BiLSTM) is presented in this article. Pre-processing of data, interest classification, and parameter tweaking are all the essential operations of the proposed model. Initially, data augmentation is used to expand the dataset's size. Secondly, a BiLSTM model is used to predict and classify user interests. Adagrad optimizer is employed for hyperparameter optimization. In order to test the model's performance, a dataset is used and the results are analysed using precision, recall, accuracy and F-measure. The proposed model achieved 95% accuracy on 400^th instances, where the existing techniques achieved 93.20% accuracy for the same. The proposed model achieved 95% of accuracy and precision for 60%-40% data, where the existing models achieved 93% for accuracy and precision.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권4호
• /
• pp.826-842
• /
• 2024

As 5G and AI continue to develop, there has been a significant surge in the healthcare industry. The COVID-19 pandemic has posed immense challenges to the global health system. This study proposes an FL-supported edge computing model based on federated learning (FL) for predicting clinical outcomes of COVID-19 patients during hospitalization. The model aims to address the challenges posed by the pandemic, such as the need for sophisticated predictive models, privacy concerns, and the non-IID nature of COVID-19 data. The model utilizes the FATE framework, known for its privacy-preserving technologies, to enhance predictive precision while ensuring data privacy and effectively managing data heterogeneity. The model's ability to generalize across diverse datasets and its adaptability in real-world clinical settings are highlighted by the use of SHAP values, which streamline the training process by identifying influential features, thus reducing computational overhead without compromising predictive precision. The study demonstrates that the proposed model achieves comparable precision to specific machine learning models when dataset sizes are identical and surpasses traditional models when larger training data volumes are employed. The model's performance is further improved when trained on datasets from diverse nodes, leading to superior generalization and overall performance, especially in scenarios with insufficient node features. The integration of FL with edge computing contributes significantly to the reliable prediction of COVID-19 patient outcomes with greater privacy. The research contributes to healthcare technology by providing a practical solution for early intervention and personalized treatment plans, leading to improved patient outcomes and efficient resource allocation during public health crises.

• Journal of Electrochemical Science and Technology
• /
• 제15권2호
• /
• pp.299-313
• /
• 2024

Electrochemical machining (ECM) is an effective manufacturing method for difficult-to-machine materials and is widely used in the precision manufacturing of aerospace components. In recent years, the requirements for the machining accuracy and surface integrity of ECM have become increasingly stringent. To further improve the machining quality, this work investigated the intricate laws between electrolyte filtration accuracy and machining quality. Electrolytes with different filtration accuracies were compared, and a numerical simulation was used to evaluate the change in temperature and bubble rate of the flow field in the machining area. Experiments were conducted on ECM of Ti-6Al-4V (TC4) alloy workpieces using electrolytes with different filtration accuracy. The workpiece machining accuracy and surface quality were analyzed, and the repetition accuracy of the workpiece was evaluated. The intricate laws between electrolyte filtration accuracy and machining quality were explored. It was found that when the electrolyte filtration accuracy is improved, so too is the machining quality of the ECM. However, once the filtration accuracy has reached a certain value, the machining quality has extremely limited improvement. By evaluating the repetition accuracy of processed workpieces in electrolytes with different filtration accuracies, it was found that when the filtration accuracy reaches a certain value, there is no positive correlation between the repetition accuracy and filtration accuracy. The result shows that, for the workpiece material and conditions considered in this paper, an electrolyte with 0.5㎛ filtration accuracy is suitable for the wide application of precision ECM.

• 핵의학기술
• /
• 제13권1호
• /
• pp.67-72
• /
• 2009

ISCD (International Society for Clinical Densitometry)에서는 골밀도 검사자의 전문성을 키우고자 검사자의 재현성 시험을 필수 자격조건으로 요구하고 있다. 하지만, 재현성 시험의 대상자 선정에 대한 권고안이 불확실하여 골밀도 상태에 따른 그룹별 재현성을 시험해 골밀도 차이가 재현성 시험에 영향을 주는지 알아보았다. 2008년 1월부터 6월까지 본원에 내원한 300명(57.8세$\pm$9.02)의 여성 골밀도 수검자를 두 그룹으로 나누어 4명의 검사자가 재현성을 시험하였다. A그룹의 120명은 4명(a,b,c,d)의 검사자가 골밀도 상태와 관계없이 동일한 방법으로 요추부와 대퇴부를 30명씩 두 번 측정하였고 나머지는 B그룹으로 두 명의 검사자가 골밀도 상태에 따라정상, 골다공증, 골감소증 군으로 분류하여 A그룹과 동일한 방법으로 재현성을 시험하였다. 사용된 장비는 GE Lunar Prodigy Advance (Vr11.4)이고, 수집된 자료는 ISCD에서 배포된 Precision Tool을 이용하여 각각의 변동계수율(%CV)를 알아보았으며 SPSS 14.0 통계 프로그램을 사용하여 분석하였다. A그룹의 %CV는 a, b,c, d 검사자가 각각 요추부 1.08, 0.83, 0.72, 1.37%, 대퇴부 1.08, 1.04, 1.4, 0.58 %로 산출되었고 동일 골밀도 상태의 요추와 대퇴부를 비교하면 재현성이 일관되지 않았다. B그룹에서는 a의 요추부 정상군 %CV가 1.26으로 가장 높았고 대퇴부는 0.94로 골다공증 군이 가장 높게 측정됐다. b는 요추부의 정상군 %CV가 0.97로 가장높았고 대퇴부는 1.04로 골다공증 군에서 가장 높았다. 요추부의 정상군과 대퇴부의 골다공증 군은 %CV가 가장 높게 나타나 골밀도 상태에 따른 재현성이 일관되지 않았다. 본원의 골밀도검사 재현성 시험은 골다공증 상태의 수검자를 제외한다. 그 이유는 ISCD의 대상자 선정이 불확실하고, 골밀도가 낮을수록 장비의 골 인식도가 떨어져 재현성 시험을 시행할 경우, 검사자의 수작업을 요하므로 좋은 재현성을 얻기 힘들기 때문이다. 하지만 재현성 결과값은 LSC (Least Significant Change)에 영향을 주기 때문에 장비, 검사자, 수검자에서 발생할 수 있는 모든 오차를 반영해야 한다. 실험결과는 골밀도 상태가 재현성에 영향을 주지 않았으며, 따라서 정상, 골감소, 골다공증의 구별 없이 대상자의 선정 폭을 넓혀 대상에 구애 받지 않고 보다 정확한 의미의 재현성 시험을 해야 할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1277-1290
• /
• 2020

지표수와 지하수로 이루어진 수자원은 세계적으로 가장 중요한 천연자원 중 하나로 여겨진다. 지난 세기 이후 급속한 산업화와 급증하는 인구로 인해, 생활용, 산업용, 농업용수 수요가 급증하고 있으며, 이에 대한 지하수 수요도 급증하고 있다. 따라서 지하수에 대한 지속 가능한 개발과 관리를 위해서는 정확한 위치기반의 지하수 가능성도 작성이 필수적이다. 최근에는 기계학습과 지리정보시스템 통합이 지하수 가능성도 작성에 효과적인 방법이 되고 있다. 이러한 통합접근법의 현황 파악을 위해 6년(2015~2020년) 동안 94편의 직접 관련 논문에 대한 체계적 검토를 실시했다. 문헌 검토에 따르면, 매년 발간되는 연구의 수는 시간이 지남에 따라 급격히 증가했다. 전체 연구 분야는 15개국에 걸쳐 있으며, 85%의 연구가 이란, 인도, 중국, 한국, 이라크에 집중되었다. 지하수 산출 가능성 조사에는 20개의 변수가 자주 사용된 것으로 조사되었으며, 이 중 지형고도, 경사, 경사방향, 지형습도지수, 지질, 토지 이용 피복, 하천 밀도, 강과의 거리, 강우량 등이 자주 사용되는 것으로 나타났다. 기계학습 모델에 있어 랜덤 포레스트, 서포트벡터머신, 부스트 회귀트리 등의 방법이 많이 사용되었다. 이러한 문헌 연구는 최적의 결과를 위해 지하수 가능성도를 저비용 대체물이 아닌 현장 작업을 보완하는 도구로 사용해야 한다는 것을 보여준다. 마지막으로, 향후, 지하수 가능성도 작성의 표준화 및 정확성을 개선하기 위해 더 많은 연구가 진행되어야 할 것이다.

• 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.

• Korean Journal of Radiology
• /
• 제23권12호
• /
• pp.1281-1289
• /
• 2022

Objective: Radiomic modeling using multiple regions of interest in MRI of the brain to diagnose juvenile myoclonic epilepsy (JME) has not yet been investigated. This study aimed to develop and validate radiomics prediction models to distinguish patients with JME from healthy controls (HCs), and to evaluate the feasibility of a radiomics approach using MRI for diagnosing JME. Materials and Methods: A total of 97 JME patients (25.6 ± 8.5 years; female, 45.5%) and 32 HCs (28.9 ± 11.4 years; female, 50.0%) were randomly split (7:3 ratio) into a training (n = 90) and a test set (n = 39) group. Radiomic features were extracted from 22 regions of interest in the brain using the T1-weighted MRI based on clinical evidence. Predictive models were trained using seven modeling methods, including a light gradient boosting machine, support vector classifier, random forest, logistic regression, extreme gradient boosting, gradient boosting machine, and decision tree, with radiomics features in the training set. The performance of the models was validated and compared to the test set. The model with the highest area under the receiver operating curve (AUROC) was chosen, and important features in the model were identified. Results: The seven tested radiomics models, including light gradient boosting machine, support vector classifier, random forest, logistic regression, extreme gradient boosting, gradient boosting machine, and decision tree, showed AUROC values of 0.817, 0.807, 0.783, 0.779, 0.767, 0.762, and 0.672, respectively. The light gradient boosting machine with the highest AUROC, albeit without statistically significant differences from the other models in pairwise comparisons, had accuracy, precision, recall, and F1 scores of 0.795, 0.818, 0.931, and 0.871, respectively. Radiomic features, including the putamen and ventral diencephalon, were ranked as the most important for suggesting JME. Conclusion: Radiomic models using MRI were able to differentiate JME from HCs.

• 한국정보전자통신기술학회논문지
• /
• 제9권6호
• /
• pp.609-616
• /
• 2016

본 논문에서는 SVM과 협업적 필터링을 이용한 소비자 맞춤형 시장 분석 기법을 제안하였다. 제안하는 소비자 맞춤형 시장 분석 기법은 DC(Data Classification) 모듈, ICF(Improved Collaborative Filtering) 모듈, 그리고 CMA(Customized Market Analysis) 모듈로 구성된다. DC 모듈은 SVM을 이용하여 온 오프라인 쇼핑몰과 전통시장의 특성을 가격, 품질평가, 주력상품으로 분류하고, ICF 모듈은 나이 가중치와 직업 가중치를 추가한 유사도를 생성하고, 사용자들간의 구매 아이템에 대한 유사도를 이용하여 네트워크를 생성하고, 이웃 노드의 추천 리스트를 생성한다. 그리고 CMA 모듈은 DC모듈의 데이터 분류 결과와 ICF 모듈의 추천 리스트를 이용하여 사용자 맞춤형 시장 분석 결과를 제공한다. 제안된 사용자 맞춤형 추천리스트와 기존의 사용자기반 추천 리스트를 비교한 결과, 기존의 협업적 필터링기법을 이용한 추천리스트의 경우, precision는 0.53, recall은 0.56, F-measure은 0,57인데 반해, 제안하는 소비자 맞춤형 추천리스트는 precision이 0.78, recall은 0.85, 그리고 F-measure은 0.81로 나타났다. 즉, 제안하는 소비자 맞춤형 추천리스트가 좀 더 정확한 것으로 나타났다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 B
• /
• pp.706-708
• /
• 2002

Vibration, giving rise to acoustical noise, is an important index of motor performance. The unbalance force due to rotor eccentricity caused by manufacturing imprecision or bearing defects is one possible source of excitation to vibration. With the advent of new high-energy magnetic material together with high precision motor applications, magnetic sources of vibration are becoming more serious. This paper introduces two types of high-speed slotless permanent magnet (PM) machine for electro-mechanical battery and investigates unbalance force due to static eccentricity with finite element method.