• 사회복지연구
• /
• 제48권4호
• /
• pp.221-249
• /
• 2017

본 연구는 산재근로자들의 직업복귀 형태에 따른 고용유지 기간에 미치는 영향을 실증적으로 규명함으로써 원직복귀 시에는 고용을 유지할 수 있는 방안, 원직복귀에 실패한 경우에는 어떠한 대상을 우선적으로 개입해야 하는지에 대한 방안을 제시하는 데에 목적이 있다. 이를 위해 선행연구 고찰을 바탕으로 한 영향요인을 구성하고, 이를 산재보험패널조사 내에 1,292명을 분석함으로써 각 요인을 파악하였다. 분석결과, 원직복귀집단의 경우 평균 46.6개월, 타직복귀집단의 경우 평균 34.2개월 동안 고용을 유지하고 있는 것으로 나타났다. 또한, 타직복귀가 원직복귀에 비해 여러 번 실업을 경험하는 것으로 나타났으며, 기타 일반적 특성에서도 열악한 노동시장 환경임을 확인하였다. 실증분석 결과, 두 집단 모두 직업복귀기간이 길수록 지속적인 고용을 유지하고 있는 것으로 나타났다. 또한, 타직복귀 시 연령이 낮을수록, 요양기간이 짧을수록, 전반적인 건강상태가 좋지 않은 경우일수록, 사회심리재활서비스, 교육 훈련 및 직업훈련을 경험한 경우 고용유지확률이 높게 나타났다. 이를 토대로 직업복귀기간의 적절한 유예기간 설정과 재해 당시 근로환경이 열악한 근로자의 원직복귀 혹은 산재보상 및 재활서비스 우선적 개입, 산재근로자의 직장복귀 성공 이후에도 사례관리 등을 통한 산재재활서비스의 적극적인 홍보 등을 정책 대안으로 제시하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• Clinics in Shoulder and Elbow
• /
• 제24권1호
• /
• pp.21-26
• /
• 2021

Background: To evaluate the demographics, clinical and radiographic features of calcific tendinitis of the shoulder in the Korean population, specifically focusing on the incidence of coexisting rotator cuff tear. Methods: Between October 2014 and January 2015, we performed a prospective multicenter study with 506 patients from 11 training hospitals in Korea. We collected data of demographics and radiographic analysis based on simple radiographs, clinical assessments based on visual analog scale (VAS) and the American Shoulder Elbow Surgeons (ASES) score, and treatment modalities that are used currently. We also evaluated coexisting rotator cuff tear by ultrasonography (US) or magnetic resonance imaging (MRI) images. Results: There were 402 female patients (79%) with mean age of 55 years (range, 31-87 years). Mean duration of symptoms was 16 months. Mean size of calcific materials was 11.4 mm (range, 0-35 mm). Mean value of VAS and ASES scores were 6.5 (range, 1-10) and 47 (range, 8-95), respectively. Of 383 patients (76%), 59 (15%) had rotator cuff tear including 15 full-thickness tears on US or MRI. Patients with rotator cuff tears were significantly associated with older age, recurrent symptoms, menstrual disorders in females, and having undergone calcification removal surgery and rotator cuff repair (all p<0.05). Conclusions: This study reported demographic, radiographic, and clinical features of calcific tendinitis of the shoulder in Korean population, which were not different from those of Western population. Coexisting rotator cuff tear was found with 15% incidence in this large series, suggesting that further radiographic study to evaluate rotator cuff tear might be needed in some calcific tendinitis patients of older age and presenting with recurrent symptoms.

• 한국해양학회지:바다
• /
• 제26권4호
• /
• pp.307-326
• /
• 2021

상시 관측되는 조위관측소 해수위 자료는 결측값과 오측값을 포함하고 있으며, 그 중 오측 값은 이상값으로 분류되는 전처리 대상이다. 이러한 오측을 제거하기 위해 대표적으로 3𝜎 (three standard deviations) 규칙이 적용되어왔으나, 기상이변 등에 의한 극값이 존재하거나 3𝜎 범위 안에서도 오측이 존재하는 해수위 자료에는 그 적용이 어렵다. 본 연구에서 설계된 모델은 오측에 대한 사전 정보가 필요하지 않은 비주석 학습으로 구성되며, 재귀신경망과 앙상블 기법을 이용함으로써 실시간으로 수집되는 해수위 자료가 오측일 가능성을 발생한지 20분 이내로 제시한다. 검증이 완료된 모델은 평시 및 기상이변시의 정상값과 오측값을 잘 분리하며, 학습이 이뤄지지 않은 연도의 해수위 자료에서도 이상값 탐지가 가능함을 확인하였다. 본 연구의 관측 이상치 탐지 알고리즘은 조위관측소 해수위에 국한되지 않고 다양한 해양 및 대기자료의 이상치 탐지 인공신경망 모델에 확장 적용할 수 있다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.107-119
• /
• 2023

군인의 동작 및 운동 상태를 인식하는 기술은 웨어러블 테크놀로지와 인공지능의 결합으로 최근 대두되어 병력 관리의 패러다임을 바꿀 기술로 주목받고 있다. 이때 훈련 상황에서의 평가 및 솔루션 제공, 전투 상황에서의 효율적 모니터링 기능을 의도한대로 제공하기 위해서는 상태 판별의 정확도가 매우 높은 수준으로 유지되어야만 한다. 하지만 입력 데이터가 시계열 또는 시퀀스로 주어지는 경우, 기존의 피드포워드 신경망으로는 분류 성능을 극대화하는데 한계가 발생한다. 전장에서의 군사 동작 인식을 위해 다뤄지는 인간의 행동양식 데이터(3축 가속도 및 3축 각속도)는 시의존적 특성의 분석이 요구되기 때문에, 본 논문은 순환 신경망인 LSTM(Long-short Term Memory) 네트워크를 활용하여 취득 데이터의 이동 양상 및 순서 의존성을 파악하고 여덟 가지의 대표적 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는 고성능 인공지능 모델을 제안한다. 이때, 학습 조건 및 모델 변수는 그 정확도에 결정적인 영향을 끼치지만 인간의 수동적 조정이 필요해 비용 비효율적이고 최적의 값을 보장하지 못한다. 본 논문은 기계 스스로 일반화 성능이 극대화된 조건들을 취득할 수 있도록 베이지안 최적화를 활용해 하이퍼파라미터를 최적화한다. 그 결과, 최종 아키텍쳐는 학습 가능한 파라미터의 개수가 유사한 기존의 인공 신경망과 비교해서 오차율이 62.56% 감소할 수 있었으며, 최종적으로 98.39%의 정확도로 군사 동작 인식 기능을 구현할 수 있었다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권7호
• /
• pp.315-319
• /
• 2016

음성인식 성능 개선을 위한 언어모델의 기술적 진보는 최근 심층 신경망을 기반으로 한 접근방법으로 한 단계 더 진보한 모양새다. 그러나 연구되고 있는 심층 신경망 기반 언어모델은 대부분 음성인식 이후 리스코링 단계에서 적용할 수 있는 한계를 지닌다. 또한 대규모 어휘에 대한 심층 신경망 접근방법은 아직 시간이 필요하다고 본다. 따라서 본 논문은 심층 신경망 언어 모델의 단순화된 형태인 워드 임베딩 기술을 음성인식 후처리가 아닌 기반 N-gram모델에 바로 적용할 수 있는 접근 방법을 찾는다. 클래스 언어모델이 한 접근 방법이 될 수 있는데, 본 연구에서는 워드 임베딩을 우선 구축하고, 해당 어휘별 벡터 정보를 클러스터링하여 클래스 언어모델을 구축 방법을 제시한다. 이를 기존 어휘기반 N-gram 모델에 통합한 후, 언어모델의 성능 개선 여부를 확인한다. 클래스 언어모델의 타당성 검증을 위해 다양한 클래스 개수의 언어모델 실험과 RNN LM과의 비교 결과를 검토한 후, 모든 언어모델의 성능 개선을 보장하는 품사 부착 언어모델 생성 방법을 제안한다.

• Childhood Kidney Diseases
• /
• 제19권2호
• /
• pp.56-64
• /
• 2015

To revise the clinical guideline for childhood urinary tract infections (UTIs) of the Korean Society of Pediatric Nephrology (2007), the recently updated guidelines and new data were reviewed. The major revisions are as follows. In diagnosis, the criterion for a positive culture of the catheterized or suprapubic aspirated urine is reduced to 50,000 colony forming uits (CFUs)/mL from 100,000 CFU/mL. Diagnosis is more confirmatory if the urinalysis is abnormal. In treating febrile UTI and pyelonephritis, oral antibiotics is considered to be as effective as parenteral antibiotics. In urologic imaging studies, the traditional aggressive approach to find primary vesicoureteral reflux (VUR) and renal scar is shifted to the targeted restrictive approach. A voiding cystourethrography is not routinely recommended and is indicated only in atypical or complex clinical conditions, abnormal ultrasonography and recurrent UTIs. $^{99m}Tc$-DMSA renal scan is valuable in diagnosing pyelonephritis in children with negative culture or normal RBUS. Although it is not routinely recommended, normal scan can safely avoid VCUG. In prevention, a more natural approach is preferred. Antimicrobial prophylaxis is not supported any more even in children with VUR. Topical steroid (2-4 weeks) to non-retractile physiologic phimosis or labial adhesion is a reasonable first-line treatment. Urogenital hygiene is important and must be adequately performed. Breast milk, probiotics and cranberries are dietary factors to prevent UTIs. Voiding dysfunction and constipation should be properly treated and prevented by initiating toilet training at an appropriate age (18-24 months). The follow-up urine test on subsequent unexplained febrile illness is strongly recommended. Changes of this revision is not exclusive and appropriate variation still may be accepted.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1328-1336
• /
• 2019

안전하고 최적의 배터리 성능을 유지하기 위해 정확한 충전상태(SOC) 추정 기술이 필수적이다. 본 논문에서는 기존의 전류적산 방법이 가지고 있는 문제를 해결하기 위해 시간 종속성을 가지는 인공지능 기반의 LSTM을 이용한 SOC 추정 방법을 적용하였다. 훈련과 검증에 필요한 데이터는 전기적 실험을 통해 일정 크기로 방전된 전류, 전압, 온도를 수집하였고 학습을 위한 입력데이터의 질을 향상시키기 위해 데이터 전처리를 수행하였다. 또한, LSTM 모델의 구조 및 하이퍼파라미터 설정에 따른 학습 능력과 SOC 추정 성능을 비교하였다. 학습한 모델은 UDDS 프로파일을 통해 검증하였으며, RMSE 0.82%, MAX 2.54%의 추정 정확도를 달성하였다.

• 한국식품조리과학회지
• /
• 제24권6호
• /
• pp.818-828
• /
• 2008

A recurrent theme within the literature on the 6 Sigma program is the study of its effect on organizational performance. Therefore, the aim of this study was to investigate the effect of 6 Sigma on culinary quality performance, work commitment, and customer loyalty in the culinary division of hotels and family restaurants. The samples of this study included the employees of the culinary division of hotels and family restaurants that implemented or were about to implement the 6 Sigma program. A total of 248 questionnaires were analyzed with statistical methods of factor analysis, reliability test, and regression analysis. The findings of this study showed that the 6 Sigma program affected the culinary quality performance and work commitment of culinary division employees. Also, the 6 Sigma program, culinary quality performance and work commitment affected customer loyalty. Furthermore, work commitment affected culinary quality performance. Based on these research findings, it is required that the culinary division of hotels and family restaurants should incorporate the 6 Sigma program. For this purpose, good quality data should be collected with sufficient preparation procedures, and task force team should be made. Moreover, experts in this field should be cultivated, with the training of employees in mind. It is also crucial that the current quality of product and services be measured and that all the employees of the culinary division participate in the implementation of the 6 Sigma program. The intervention and heavy participation of the top management and head of the culinary division is expected for the successful implementation of 6 Sigma program.

• 한국음향학회지
• /
• 제35권1호
• /
• pp.42-48
• /
• 2016

동일한 장소에서도 매우 다양한 음향이 발생하고, 서로 다른 장소에서도 유사한 음향이 발생하기 때문에 훈련 데이터가 적거나, 훈련 단계에서 일부 음향만 고려된 경우 음향 상황 인지 성능을 보장할 수 없다. 이러한 문제점을 해결하기 위한 방법으로 Bag of Words (BOW) 기반 히스토그램 특징이 소개되었다. 하지만 BOW 기반 히스토그램 특징은 일정 시간동안 발생한 음향의 분포를 이용하기 때문에 음향이 발생한 순차적인 정보는 고려할 수 없다. 음향 상황 인지에서 일정 시간 동안 발생한 음향의 주기성과 지속성은 상황을 인지하는데 중요한 정보가 될 수 있다. 따라서 본 논문에서는 재발량 분석을 이용하여 주기성과 지속성에 대한 특징을 추출하였다. 인식 실험에서 재발량 분석을 통해 추출된 특징을 함께 사용한 경우 기존 방법들 보다 향상된 성능을 확인했다.