• Genomics & Informatics
• /
• 제2권2호
• /
• pp.99-106
• /
• 2004

In this paper we introduce PubMiner, an intelligent machine learning based text mining system for mining biological information from the literature. PubMiner employs natural language processing techniques and machine learning based data mining techniques for mining useful biological information such as protein­protein interaction from the massive literature. The system recognizes biological terms such as gene, protein, and enzymes and extracts their interactions described in the document through natural language processing. The extracted interactions are further analyzed with a set of features of each entity that were collected from the related public databases to infer more interactions from the original interactions. An inferred interaction from the interaction analysis and native interaction are provided to the user with the link of literature sources. The performance of entity and interaction extraction was tested with selected MEDLINE abstracts. The evaluation of inference proceeded using the protein interaction data of S. cerevisiae (bakers yeast) from MIPS and SGD.

• Genomics & Informatics
• /
• 제4권2호
• /
• pp.87-93
• /
• 2006

With the rapid development of MS technologiesy, the demands for a more sophisticated MS interpretation algorithm haves grown as well. We have developed a new protein fingerprinting method using a binomial distribution, (fBIND). With the fBIND, we improved the performance accuracy of protein fingerprinting up to the maximum 49% (more than MOWSE) and 2% than(at a previous binomial distribution approach studied by of Wool et al.) as compared to the established algorithms. Moreover, we also suggest a the statistical approach to define the significance of transcription factors and motifs in the identified proteins based on the Gene Ontology (GO). Abbreviations: fBIND, fingerprinting using binomial distribution; GO, Gene Ontology; MS, Mass Spectrometry; PMF, peptide mass fingerprinting; nr, nonredundant; SGD, Saccharomyces Genome Database

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권1호
• /
• pp.100-106
• /
• 2021

Over the past few decades, natural language processing research has not made much. However, the widespread use of deep learning and neural networks attracted attention for the application of neural networks in natural language processing. Sentiment analysis is one of the challenges of natural language processing. Emotions are things that a person thinks and feels. Therefore, sentiment analysis should be able to analyze the person's attitude, opinions, and inclinations in text or actual text. In the case of emotion analysis, it is a priority to simply classify two emotions: positive and negative. In this paper we propose the deep learning based sentimental analysis system according to various optimizer that is SGD, ADAM and RMSProp. Through experimental result RMSprop optimizer shows the best performance compared to others on IMDB data set. Future work is to find more best hyper parameter for sentimental analysis system.

• 한국산학기술학회논문지
• /
• 제21권8호
• /
• pp.521-529
• /
• 2020

산불은 경제, 자연환경, 건강과 같은 삶의 여러 측면에서 몇 가지 악영향을 주는 가장 핵심적인 환경위험 중의 하나이다. 산불의 조기발견, 빠른 예측, 신속한 대응은 산불 위험으로부터 재산과 생명을 구하는데 본질적인 역할을 할 수 있다. 산불의 빠른 발견을 위해 기상청에서 각 지역에 설치한 로컬 센서를 통해 획득한 기상 데이터를 이용하는 방법이 있다. 기상 조건(예: 온도, 바람)은 산불 발생에 영향을 미친다고 알려져 있다. 본 논문에서는 산불의 피해 면적을 예측하기 위해 데이터 마이닝(DM) 기법을 적용한다. 다섯 종류의 DM 모델, 예를 들어 Stochastic Gradient Descent(SGD), Support Vector Machines(SVM), Decision Tree(DT), Random Forests(RF), Deep Neural Network(DNN)과 네 가지 입력 특성 그룹(공간, 시간, 기상 데이터 이용)을 최근 5년간의 경기도 지역에서 수집한 실제 산불 발생 데이터에 적용하였다. 실험결과는 기상 데이터만을 이용한 DNN 모델이 가장 우수한 성능을 보였다. 제안한 모델은 빈도수가 높은 작은 규모의 산불 예측에 더 효과적이었다. 제안한 예측 모델을 통해 도출된 이러한 지식은 소방 자원 관리를 개선하는데 특히 유용하다.

• 한국산학기술학회논문지
• /
• 제22권5호
• /
• pp.7-14
• /
• 2021

토마토 작물은 병해충의 영향을 많이 받기 때문에 이를 예방하지 않으면 농업 경제에 막대한 손실을 초래할 수 있다. 따라서 토마토의 다양한 병해충의 진단을 빠르고 정확하게 진단하는 시스템이 요구된다. 본 논문에서는 ImageNet 데이터 셋 상에서 다양하게 사전 학습된 딥러닝 기반 CNN 모델을 적용하여 토마토의 9가지 병해충 및 정상인 경우의 클래스를 분류하는 시스템을 제안한다. PlantVillage 데이터 셋으로부터 발췌한 토마토 잎의 이미지 셋을 3가지 딥러닝 기반 CNN 구조를 갖는 ResNet, Xception, DenseNet의 입력으로 사용한다. 기본 CNN 모델 위에 톱-레벨 분류기를 추가하여 제안 모델을 구성하였으며, 훈련 데이터 셋에 대해 5-fold 교차검증 기법을 적용하여 학습시켰다. 3가지 제안 모델의 학습은 모두 기본 CNN 모델의 계층을 동결하여 학습시키는 전이 학습과 동결을 해제한 후 학습률을 매우 작은 수로 설정하여 학습시키는 미세 조정 학습 두 단계로 진행하였다. 모델 최적화 알고리즘으로는 SGD, RMSprop, Adam을 적용하였다. 실험 결과는 RMSprop 알고리즘이 적용된 DenseNet CNN 모델이 98.63%의 정확도로 가장 우수한 결과를 보였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1329-1341
• /
• 2022

해양환경 및 해양생태계를 파괴하고 해양사고의 원인이 되는 해양쓰레기는 매년 늘어나고 있으나 그 중 해양침적쓰레기는 해저에 위치해 있어 파악과 수거에 어려움이 있다. 이에 효율적인 수거와 분포량 파악을 위해 수중촬영 이미지를 이용하여 폐그물과 폐밧줄을 대상으로 딥러닝 기반의 의미론적 분할을 실험하였다. 분할에는 최신 딥러닝 기법인 high-resolution network (HRNet)을 사용하고 최적화 알고리즘(optimizer) 별 성능 비교를 하였다. 분할 결과 그물에서는 adaptive moment estimation (Adam), Momentum, stochastic gradient descent(SGD) 순으로 F1 score=(86.46%, 86.20%, 85.29%), IoU=(76.15%, 75.74%, 74.36%) 이며, 밧줄은 F1 score=(80.49%, 80.48%, 77.86%), IoU=(67.35%, 67.33%, 63.75%)로 그물과 밧줄에서 모두 Adam의 결과가 가장 높게 나타났다. 연구 결과를 통해 optimizer 별 분할 성능 평가와 최신 딥러닝 기법의 해양침적쓰레기 분할에 대한 가능성을 확인하였다. 이에 따라 수중촬영 이미지를 통한 해양침적쓰레기 식별에 최신 딥러닝 기법을 적용시킴으로써 육안을 통한 식별보다 정확하고 효율적인 식별을 통해 해양침적쓰레기의 분포량 산정에 기여할 수 있을 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1011-1020
• /
• 2022

기존 해저 지하수 유출의 진단은 국지적으로 많은 양의 해안 유출이 관측되는 곳을 대상으로 수행되었으며, 넓은 영역을 대상으로 해안선을 따라 유출되는 유역 규모의 해저 지하수 유출 진단은 지금까지 국내를 대상으로 연구되어온 적이 없다. 본 연구에서는 제주 동부 지역을 대상으로 해수 침투 진단 및 예측에서 널리 사용되는 해석학적 모형을 기반으로 해저 지하수 유출을 유역별 또는 지역적으로 분석할 수 있는 해저 지하수 유출 진단 모형을 개발하였다. 본 연구에서 연구 방법으로 제안하는 해저 지하수 유출 진단 모형은 이론적으로 개념화된 기존의 해수 침투 경계면 기반 해석식을 발전시켰다. 다수의 관측 지하수위 및 수리 지질학적 자료를 해석식의 입력값으로 활용하기 위해 고안되었으며, 유량 평균 유출 산정식과 단면 평균 유출 산정식으로 구분되는 담해저 지하수 유출량 산정 방법이다. 모형 개발을 위하여 해수 침투의 해석학적 모형의 개념 응용 및 수정, 기존에 보고된 제주 동부의 국지적 해저 지하수 유출 진단 결과를 활용한 보정 및 검증 등을 포함하는 연구를 수행하였다. 연구 결과 성산 유역의 담해저 지하수 유출은 함양량의 약 2.65%에서 9.15%에 이르는 것으로 추정되었다. 본 연구에서는 해석학적 해수침투 모델이 결합된 유역 규모의 해안 유출수의 정량적 평가를 최초로 확립함으로써 보다 합리적인 해안지역 수자원 관리 방안 수립에 대한 과학적 분석 방법 제공이 가능할 것으로 사료된다.

• 대한화학회지
• /
• 제57권3호
• /
• pp.322-328
• /
• 2013

Copper iodide was employed as a modifier for preparation of a new carbon ceramic electrode. For the first time, the catalytic oxidation of amoxicillin (AMX) was demonstrated by cyclic voltammetry, chronoamperometry and amperometry methods at the surface of this modified carbon ceramic electrode. The copper iodide modified sol-gel derived carbon ceramic (CIM-SGD-CC) electrode has very high catalytic ability for electrooxidation of amoxicillin. The catalytic oxidation peak current was linearly dependent on the amoxicillin concentration and the linearity range obtained was 100 to 1000 ${\mu}mol\;L^{-1}$ with a detection limit of 0.53 ${\mu}mol\;L^{-1}$. The diffusion coefficient ($D=(1.67{\pm}0.102){\times}10^{-3}\;cm^2\;s^{-1}$), and the kinetic parameter such as the electron transfer coefficient (${\alpha}$) and exchange current density ($j_0$) for the modified electrode were calculated. The advantages of the modified CCE are its good stability and reproducibility of surface renewal by simple polishing, excellent catalytic activity and simplicity of preparation.

• International Journal of Computer Science & Network Security
• /
• 제23권5호
• /
• pp.73-88
• /
• 2023

Brain tumors can also be an abnormal collection or accumulation of cells in the brain that can be life-threatening due to their ability to invade and metastasize to nearby tissues. Accurate diagnosis is critical to the success of treatment planning, and resonant imaging is the primary diagnostic imaging method used to diagnose brain tumors and their extent. Deep learning methods for computer vision applications have shown significant improvements in recent years, primarily due to the undeniable fact that there is a large amount of data on the market to teach models. Therefore, improvements within the model architecture perform better approximations in the monitored configuration. Tumor classification using these deep learning techniques has made great strides by providing reliable, annotated open data sets. Reduce computational effort and learn specific spatial and temporal relationships. This white paper describes transfer models such as the MobileNet model, VGG19 model, InceptionResNetV2 model, Inception model, and DenseNet201 model. The model uses three different optimizers, Adam, SGD, and RMSprop. Finally, the pre-trained MobileNet with RMSprop optimizer is the best model in this paper, with 0.995 accuracies, 0.99 sensitivity, and 1.00 specificity, while at the same time having the lowest computational cost.

• 디지털융복합연구
• /
• 제14권5호
• /
• pp.485-491
• /
• 2016

본 연구의 목적은 도시 거주 노인을 대상으로 낙상과 관련된 위험 요인들을 찾아 비교하는 것이다. D 광역시에 거주하는 65세 이상 노인 62명을 대상으로, 과거 1년 동안의 낙상 경험을 토대로 낙상군과 비낙상군으로 분류하였다. 일반적 특성, 낙상관련 생활습관 및 만성질환, 균형과 관련된 신체적(BBS), 심리적 검사도구(K-ABC)와 우울증 평가(SGDS)를 통해 그룹 간의 차이를 비교하고, 유의한 차이를 보인 변수들의 상관관계를 확인하였다. 연구 결과, BBS와 K-ABC, 그리고 SGDS 점수는 그룹 간에 통계학적으로 유의한 차이를 나타내었다(p<0.05). 또한, BBS와 K-ABC 점수는 양의 상관관계를 보였으며, K-ABC와 SGDS 점수는 음의 상관관계를 보였다(r=-0.472). 결과에 기초하여, SGDS와 함께 ABC와 BBS는 낙상 평가 도구로써 추천할 만한 도구임을 확인할 수 있었다.