• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.1765-1794
• /
• 2019

Genetic Programming (GP) is an intelligence technique whereby computer programs are encoded as a set of genes which are evolved utilizing a Genetic Algorithm (GA). In other words, the GP employs novel optimization techniques to modify computer programs; imitating the way humans develop programs by progressively re-writing them for solving problems automatically. Trial programs are frequently altered in the search for obtaining superior solutions due to the base is GA. These are evolutionary search techniques inspired by biological evolution such as mutation, reproduction, natural selection, recombination, and survival of the fittest. The power of GAs is being represented by an advancing range of applications; vector processing, quantum computing, VLSI circuit layout, and so on. But one of the most significant uses of GAs is the automatic generation of programs. Technically, the GP solves problems automatically without having to tell the computer specifically how to process it. To meet this requirement, the GP utilizes GAs to a "population" of trial programs, traditionally encoded in memory as tree-structures. Trial programs are estimated using a "fitness function" and the suited solutions picked for re-evaluation and modification such that this sequence is replicated until a "correct" program is generated. GP has represented its power by modifying a simple program for categorizing news stories, executing optical character recognition, medical signal filters, and for target identification, etc. This paper reviews existing literature regarding the GPs and their applications in different scientific fields and aims to provide an easy understanding of various types of GPs for beginners.

• 한국정보통신학회논문지
• /
• 제24권9호
• /
• pp.1224-1230
• /
• 2020

스마트폰의 보급 이후 웨어러블 디바이스에 대한 관심이 높아지고 다양화되면서 사용자들의 생활에 밀접하게 연관되고 있으며, 개인화된 서비스를 제공하기 위한 방법으로 사용되고 있다. 본 논문에서는 스마트폰에 내장된 3축 가속도 센서와 3축 자이로 센서의 정보를 합성곱 신경망에 적용하여 사용자의 행동을 검출하는 방법을 제안한다. 인간의 행동은 동작의 크기와 범위에 따라서 동작을 구성하는 신호 데이터의 지속시간을 포함한 시작 시점과 끝나는 시점이 다르다. 이로 인해 합성곱 신경망에 그대로 적용하면 행동 인식 정확도에 대한 성능상의 문제가 있다. 따라서 센서 데이터를 시간의 구간에 따라 분할된 특징을 학습하는 시분할 특징 융합 합성곱 신경망(TDFFCNN: Time-Division Feature Fusion Convolutional Neural Network)을 제안하였다.

• 한국환경농학회지
• /
• 제40권1호
• /
• pp.1-12
• /
• 2021

BACKGROUND: G protein-coupled receptors (GPCRs) are widely distributed in various organisms. Insect GPCRs shown as in vertebrate GPCRs are membrane receptors that coordinate or involve in various physiological processes such as learning/memory, development, locomotion, circadian rhythm, reproduction, etc. This study aimed to identify GPCRs expressed in fat body and compare the expression pattern of GPCRs in different temperature conditions. METHODS AND RESULTS: To identify GPCRs genes and compare their expression in different temperature conditions, total RNAs of fat body in Plutella xylostella larva were extracted and the transcriptomes have been analyzed via next generation sequencing method. From the fat body transcriptomes, genes that belong to GPCR Family A, B, and F were identified such as opsin, gonadotropin-releasing hormone receptor, neuropeptide F (NPF) receptor, muthuselah (Mth), diuretic hormone receptor, frizzled, etc. Under low temperature, expressions of GPCRs such as C-C chemokine receptor (CCR), opsin, prolactin-releasing peptide receptor, substance K receptor, Mth-like receptor, diuretic hormone receptor, frizzled and stan were higher than those at 25℃. They are involved in immunity, feeding, movement, odorant recognition, diuresis, and development. In contrast to the control (25℃), at high temperature GPCRs including CCR, gonadotropin-releasing hormone receptor, moody, NPF receptor, neuropeptide B1 receptor, frizzled and stan revealed higher expression whose biological functions are related to immunity, blood-brain barrier formation, feeding, learning, and reproduction. CONCLUSION: Transcriptome of fat body can provide understanding the pools of GPCRs. Identifications of fat body GPCRs may contribute to develop new targets for the control of insect pests.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.850-858
• /
• 2022

리소스가 제한된 임베디드 장치에 GRU를 배포하기 위해 이 논문은 구조적 압축을 가능하게 하는 재구성 가능한 FPGA 기반 GRU 가속기를 설계한다. 첫째, 조밀한 GRU 모델은 하이브리드 양자화 방식과 구조화된 top-k 프루닝에 의해 크기가 대폭 감소한다. 둘째, 본 연구에서 제시하는 재사용 컴퓨팅 패턴에 의해 외부 메모리 액세스에 대한 에너지 소비가 크게 감소한다. 마지막으로 가속기는 알고리즘-하드웨어 공동 설계 워크플로의 이점을 얻는 구조화된 희소 GRU 모델을 처리할 수 있다. 또한 모든 차원, 시퀀스 길이 및 레이어 수를 사용하여 GRU 모델에 대한 추론 작업을 유연하게 수행할 수 있다. Intel DE1-SoC FPGA 플랫폼에 구현된 제안된 가속기는 일괄 처리가 없는 구조화된 희소 GRU 네트워크에서 45.01 GOPs를 달성하였다. CPU 및 GPU의 구현과 비교할 때 저비용 FPGA 가속기는 대기 시간에서 각각 57배 및 30배, 에너지 효율성에서 300배 및 23.44배 향상을 달성한다. 따라서 제안된 가속기는 실시간 임베디드 애플리케이션에 대한 초기 연구로서 활용, 향후 더 발전될 수 있는 잠재력을 보여준다.

• Nutrition Research and Practice
• /
• 제16권2호
• /
• pp.173-193
• /
• 2022

BACKGROUND/OBJECTIVES: Alzheimer's disease (AD) is one of the most representative neurodegenerative disease mainly caused by the excessive production of amyloid beta (Aβ). Several studies on the antioxidant activity and protective effects of Populus tomentiglandulosa (PT) against cerebral ischemia-induced neuronal damage have been reported. Based on this background, the present study investigated the protective effects of PT against cognitive impairment in AD. MATERIALS/METHODS: We orally administered PT (50 and 100 mg/kg/day) for 14 days in an Aβ_25-35-induced mouse model and conducted behavioral experiments to test cognitive ability. In addition, we evaluated the levels of aspartate aminotransferase (AST) and alanine aminotransferase (ALT) in serum and measured the production of lipid peroxide, nitric oxide (NO), and reactive oxygen species (ROS) in tissues. RESULTS: PT treatment improved the space perceptive ability in the T-maze test, object cognitive ability in the novel object recognition test, and spatial learning/long-term memory in the Morris water-maze test. Moreover, the levels of AST and ALT were not significantly different among the groups, indicating that PT did not show liver toxicity. Furthermore, administration of PT significantly inhibited the production of lipid peroxide, NO, and ROS in the brain, liver, and kidney, suggesting that PT protected against oxidative stress. CONCLUSIONS: Our study demonstrated that administration of PT improved Aβ_25-35-induced cognitive impairment by regulating oxidative stress. Therefore, we propose that PT could be used as a natural agent for AD improvement.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권9호
• /
• pp.2991-3007
• /
• 2022

Two dimensional locality preserving projections (2D-LPP) is an improved algorithm of 2D image to solve the small sample size (SSS) problems which locality preserving projections (LPP) meets. It's able to find the low dimension manifold mapping that not only preserves local information but also detects manifold embedded in original data spaces. However, 2D-LPP is simple and elegant. So, inspired by the comparison experiments between two dimensional linear discriminant analysis (2D-LDA) and linear discriminant analysis (LDA) which indicated that matrix based methods don't always perform better even when training samples are limited, we surmise 2D-LPP may meet the same limitation as 2D-LDA and propose a novel matrix exponential method to enhance the performance of 2D-LPP. 2D-MELPP is equivalent to employing distance diffusion mapping to transform original images into a new space, and margins between labels are broadened, which is beneficial for solving classification problems. Nonetheless, the computational time complexity of 2D-MELPP is extremely high. In this paper, we replace some of matrix multiplications with multiple multiplications to save the memory cost and provide an efficient way for solving 2D-MELPP. We test it on public databases: random 3D data set, ORL, AR face database and Polyu Palmprint database and compare it with other 2D methods like 2D-LDA, 2D-LPP and 1D methods like LPP and exponential locality preserving projections (ELPP), finding it outperforms than others in recognition accuracy. We also compare different dimensions of projection vector and record the cost time on the ORL, AR face database and Polyu Palmprint database. The experiment results above proves that our advanced algorithm has a better performance on 3 independent public databases.

• International Journal of Computer Science & Network Security
• /
• 제24권5호
• /
• pp.53-63
• /
• 2024

Alzheimer's disease is a brain disorder that worsens over time and affects millions of people around the world. It leads to a gradual deterioration in memory, thinking ability, and behavioral and social skills until the person loses his ability to adapt to society. Technological progress in medical imaging and the use of artificial intelligence, has provided the possibility of detecting Alzheimer's disease through medical images such as magnetic resonance imaging (MRI). However, Deep learning algorithms, especially convolutional neural networks (CNNs), have shown great success in analyzing medical images for disease diagnosis and classification. Where CNNs can recognize patterns and objects from images, which makes them ideally suited for this study. In this paper, we proposed to compare the performances of Alzheimer's disease detection by using two deep learning methods: You Only Look Once (YOLO), a CNN-enabled object recognition algorithm, and Visual Geometry Group (VGG16) which is a type of deep convolutional neural network primarily used for image classification. We will compare our results using these modern models Instead of using CNN only like the previous research. In addition, the results showed different levels of accuracy for the various versions of YOLO and the VGG16 model. YOLO v5 reached 56.4% accuracy at 50 epochs and 61.5% accuracy at 100 epochs. YOLO v8, which is for classification, reached 84% accuracy overall at 100 epochs. YOLO v9, which is for object detection overall accuracy of 84.6%. The VGG16 model reached 99% accuracy for training after 25 epochs but only 78% accuracy for testing. Hence, the best model overall is YOLO v9, with the highest overall accuracy of 86.1%.

• 정신신체의학
• /
• 제11권2호
• /
• pp.118-136
• /
• 2003

연구목적: '컴퓨터화된 검사'인 전산화 신경인지기능검사가 학령기 정상아동의 신경심리학적 발달특성을 반영하는 지를 알아보고자 하였다. 방 법: 2002년 6월부터 2003년 1월까지 평균 범위 이상의 지능을 유지하고 있고, 배제기준(rule out criteria)을 통과한 학년별 남녀 각각 10명씩, 120명의 정상아동에게 K-ABC, K-PIC 및 전산화 신경인지기능검사를 실시하였다. 결 과: 정상아동의 표집과정에서 지능의 통제와 엄격한 배제기준의 적용을 통하여 전체 아동의 21.1%가 분석과정에서 제외되었지만 학년별 인원과 성비를 동일하게 유지하면서 지능의 차이가 없는 연구 대상자 120명을 선발할 수 있었다. 학년에 따른 CNFT의 결과비교에서, 주의력 검사, 기억력 검사 및 고위인지기능검사 대부분에서 학년에 따른 유의한 차이가 있음을 확인하였으며, 주로 초등학교 저학년(1학년과 2학년)과 고학년(5학년과 6학년)에서 나타남을 확인하였다. 주의력 검사의 경우, 학년이 증가함에 따라 점차 수행이 행상되는 특성을 확인하였고, 단기기억력 검사에서 역방향 검사와 순방향검사의 차이, 연령에 따른 수행차이가 선행연구와 동일함을 발견할 수 있었다. 회상(recall) 과제로 구성된 언어청각검사와 재인(recognition)과제로 구성된 시각도형기억검사 또한 대인검사로 실시된 선행연구에서와 마찬가지로 연령에 따른 변화특성이 확인되었다. 고위인지기능검사에서도 주의력 검사 및 기억력 검사에서 연령에 따른 변화특성이 발견되었다. 결 론: 본 연구에서 성인을 대상으로 하여 개발된 CNFT가 아동의 신경심리학적 특성을 적절히 반영하고 있음을 확인할 수 있었고, 이를 위하여서는 연구 대상자의 표집단계에서부터 지적수준의 통제와 더불어 엄격한 배제기준의 적용이 필요함을 알수 있었다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.89-106
• /
• 2022

최근 영상 데이터의 급증으로 이를 효과적으로 처리하기 위해 객체 탐지 및 추적, 행동 인식, 표정 인식, 재식별(Re-ID)과 같은 다양한 컴퓨터비전 기술에 대한 수요도 급증했다. 그러나 객체 탐지 및 추적 기술은 객체의 영상 촬영 장소 이탈과 재등장, 오클루전(Occlusion) 등과 같이 성능을 저하시키는 많은 어려움을 안고 있다. 이에 따라 객체 탐지 및 추적 모델을 근간으로 하는 행동 및 표정 인식 모델 또한 객체별 데이터 추출에 난항을 겪는다. 또한 다양한 모델을 활용한 딥러닝 아키텍처는 병목과 최적화 부족으로 성능 저하를 겪는다. 본 연구에서는 YOLOv5기반 DeepSORT 객체추적 모델, SlowFast 기반 행동 인식 모델, Torchreid 기반 재식별 모델, 그리고 AWS Rekognition의 표정 인식 모델을 활용한 영상 분석 시스템에 단일 연결 계층적 군집화(Single-linkage Hierarchical Clustering)를 활용한 재식별(Re-ID) 기법과 GPU의 메모리 스루풋(Throughput)을 극대화하는 처리 기법을 적용한 행동 및 표정 검출용 영상 분석 시스템을 제안한다. 본 연구에서 제안한 시스템은 간단한 메트릭을 사용하는 재식별 모델의 성능보다 높은 정확도와 실시간에 가까운 처리 성능을 가지며, 객체의 영상 촬영 장소 이탈과 재등장, 오클루전 등에 의한 추적 실패를 방지하고 영상 내 객체별 행동 및 표정 인식 결과를 동일 객체에 지속적으로 연동하여 영상을 효율적으로 분석할 수 있다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.