• 생명과학회지
• /
• 제21권3호
• /
• pp.406-411
• /
• 2011

TBTCl과 bisphenol A (BPA)가 등줄쥐의 번식에 어떠한 영향을 미치는지 알아보기 위하여, 등줄쥐를 비번식기에 포획하여 번식기 직전에TBTCl과 BPA를 근육 주사한 후, 4개월 간 사육하였다. 그 결과, 암 수 모두 체중 증가량에 차이가 없었고, 수컷 체내의 각 화합물의 체내 잔류량, 성체와 새끼(F1) 수컷에 대한 생식소중량지수(GSI) 및 정소와 부정소의 광학 및 전자현미경 조직상이 대조군과 별다른 차이점을 보이지 않았다. 그러나 TBTCl 투여군에서는 출생한 태아의 사망 빈도가 높고, BPA 투여군에서는 유산율이 대조군에 비해서 높았다. 이로부터, 비번 식기의 성체 등줄쥐에게 TBTCl과 BPA를 단기간 투여했을 때, 이들 물질은 체내에 장기간 잔류하지 않으며, 성체 및 다음 세대 수컷의 생식기관에 영향을 미치지 않지만, 수태된 태아의 발생을 저해하는 물질임이 밝혀졌다.

• 디지털콘텐츠학회 논문지
• /
• 제17권3호
• /
• pp.157-164
• /
• 2016

태양광 발전량은 날씨에 큰 영향을 받는다. 기상 예보를 사용할 수 있는 환경이라면, 기상 예보 정보를 사용하여 미래의 태양광 발전량을 단기예측 할 수 있다. 하지만, 섬이나 산과 같이 네트워크의 단절에 의해 기상예보 정보를 사용할 수 없는 제한된 환경에서는 기상예보를 사용한 태양광 발전량 예측 모델을 사용할 수 없다. 따라서 본 논문에서는 시스템 자체적으로 수집할 수 있는 정보만을 이용하여 태양광 발전량을 단기 예측할 수 있는 시스템을 제안하였다. 예측의 정확도를 높이기 위하여 이전 온도정보와 발전량 정보를 이용하여 단기 예측모델을 생성하였다. 실험을 통하여 실데이터에 제안한 예측 모델을 적용하여 유용한 결과를 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제40권6호
• /
• pp.242-249
• /
• 2019

Forearm electromyography (EMG) generated by wrist movements has been widely used to develop an electrical prosthetic hand, but EMG generated by finger movements has been rarely used even though 20% of amputees lose fingers. The goal of this study is to improve the classification performance of different finger movements using a deep learning algorithm, and thereby contributing to the development of a high-performance finger-based prosthetic hand. Ten participants took part in this study, and they performed seven different finger movements forty times each (thumb, index, middle, ring, little, fist and rest) during which EMG was measured from the back of the right hand using four bipolar electrodes. We extracted mean absolute value (MAV), root mean square (RMS), and mean (MEAN) from the measured EMGs for each trial as features, and a 5x5-fold cross-validation was performed to estimate the classification performance of seven different finger movements. A long short-term memory (LSTM) model was used as a classifier, and linear discriminant analysis (LDA) that is a widely used classifier in previous studies was also used for comparison. The best performance of the LSTM model (sensitivity: 91.46 ± 6.72%; specificity: 91.27 ± 4.18%; accuracy: 91.26 ± 4.09%) significantly outperformed that of LDA (sensitivity: 84.55 ± 9.61%; specificity: 84.02 ± 6.00%; accuracy: 84.00 ± 5.87%). Our result demonstrates the feasibility of a deep learning algorithm (LSTM) to improve the performance of classifying different finger movements using EMG.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 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.

• 한국산업정보학회논문지
• /
• 제29권3호
• /
• pp.51-65
• /
• 2024

스마트 그리드에서 전력 시스템을 효과적으로 운영하기 위해서는 전력 수요량을 정확히 예측하는 것이 중요하다. 최근 기계학습 기술의 발달로, 인공지능 기반의 전력 수요량 예측 모델이 활발히 연구되고 있다. 하지만, 기존 모델들은 모든 입력변수를 수치화하여 입력하기 때문에, 이러한 수치들 사이의 의미론적 관계를 반영하지 못해 예측 모델의 정확도가 하락할 수 있다. 본 논문은 입력 데이터에 대하여 거대언어모델을 통해 추출한 특징을 이용하여 단기 전력 수요량을 예측하는 기법을 제안한다. 먼저, 입력변수를 문장 형식의 프롬프트로 변환한다. 이후, 가중치가 동결된 거대언어모델을 이용하여 프롬프트에 대한 특징을 나타내는 임베딩 벡터를 도출하고, 이를 입력으로 받은 모델을 학습하여 예측을 수행한다. 실험 결과, 제안 기법은 수치형 데이터에 기반한 예측 모델에 비해 높은 성능을 보였고, 프롬프트에 대한 거대언어모델의 주의집중 가중치를 시각화함으로써 예측에 있어 주요한 영향을 미친 정보를 확인하였다.

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.681-692
• /
• 2019

이 논문에서는 작물 분류를 목적으로 작물의 시공간 특징을 고려할 수 있는 딥러닝 모델 2D convolution with bidirectional long short-term memory(2DCBLSTM)을 제안하였다. 제안 모델은 우선 작물의 공간 특징을 추출하기 위해 2차원의 합성곱 연산자를 적용하고, 추출된 공간 특징을 시간 특징을 고려할 수 있는 양방향 LSTM 모델의 입력 자료로 이용한다. 제안 모델의 분류 성능을 평가하기 위해 안반덕에서 수집된 다중시기 무인기 영상을 이용한 밭작물 구분 사례 연구를 수행하였다. 비교를 목적으로 기존 딥러닝 모델인 2차원의 공간 특징을 이용하는 2D convolutional neural network(CNN), 시간 특징을 이용하는 LSTM과 3차원의 시공간 특징을 이용하는 3D CNN을 적용하였다. 하이퍼 파라미터의 영향 분석을 통해, 시공간 특징을 이용함으로써 작물의 오분류 양상을 현저히 줄일 수 있었으며, 제안 모델이 공간 특징이나 시간 특징만을 고려하는 기존 딥러닝 모델에 비해 가장 우수한 분류 정확도를 나타냈다. 따라서 이 연구에서 제안된 모델은 작물의 시공간 특징을 고려할 수 있기 때문에 작물 분류에 효과적으로 적용될 수 있을 것으로 기대된다.

• 한국치위생학회지
• /
• 제11권5호
• /
• pp.811-822
• /
• 2011

Objectives : The purpose of this study was to examine the relationship of the self-efficacy of dental hygiene students to their stressors and ways of stress-adaptation patterns. Methods : The subjects in this study were dental hygiene juniors in four selected colleges located in the metropolitan area. Results : 1. They got a mean of 3.22 in self-efficacy. They gave the highest mark(3.50) to an item 'I can attain it if I set a primary goal.' 2. They got a mean of 3.18 in stressors. Among the stressors, task assignments(3.74) were identified as the greatest stressor, followed by the curriculum(3.25), learning environments(3.16), prospects of employment (3.07) and test anxiety(2.95). 3. They got a mean of 2.02 in stress-adaptation method. They got 2.31 and 1.72 in long-term and short-term adaptation respectively, which showed that long-term stress adaptation method were more prevailing than short-term ones. 4. As a result of analyzing whether there would be any gaps in self-efficacy according to general characteristics, statistically significant gaps were found in that regard according to experience of preparing for college admission after leaving high school, academic standing, satisfaction with the department of dental hygiene and prospects of employment(p<.05). 5. As a result of checking the relationship of their self-efficacy to their stressors and ways of stress adaptation method, there were statistically significant differences in that aspect according to examinations and prospect of employment(p<0.05). As for ways of stress adaptation method, there were statistically significant differences in long-term adaptation method (p<0.05). Conclusions : As it's found that the level of the self-efficacy of the dental hygiene students was linked to the efficiency of their ways of stress adaptation method, the development and implementation of programs geared toward boosting the self-efficacy of dental hygiene students are required to teach them to successfully cope with various kinds of stress that they are likely to face after getting a job.

• 한국수산과학회지
• /
• 제26권4호
• /
• pp.363-368
• /
• 1993

어획량의 단기 예측은 자원관리에 있어 중요한 항목이지만 전통적인 개체군 모델은 수산자원 관리에 있어 실제적으로 요구되는 예측력이 크게 부족하다. 다종 또는 생태계 모델도 요구되는 매개변수의 수가 많아 실제적 적용이 어렵다. 반면에 단변수 시계열 분석법은 시계열 자체에서 변동성에 관한 특성을 추정하여 이를 토대로 장래 변동성을 예측함으로 최소한의 자료를 가지고 비교적 정확한 단기예측이 가능하므로 유용성이 높다. 본 연구에서는 ARIMA 시계열 모델을 $1971{\sim}1988$년 간의 한국근해의 월별 갈치어획량 자료에 적용하였다. 여기서 나온 예측치와 분석에 포함되지 않았던 $1989{\sim}1990$년 간의 어획량과 비교하였다. 분석 결과 예측치와 실제어획량이 잘 일치하였으며(r=0.938) 평균상대오차는 $59.5\%$였다.

• KDI Journal of Economic Policy
• /
• 제28권2호
• /
• pp.179-198
• /
• 2006

본 논문에서는 교통시설에 대한 투자로 인한 유발교통량을 분석하였다. 교통시설투자 설명변수인 LK(차로 수 구간거리)와 유발교통량 변수인 VKT(차량 주행거리(vehicle-kilometer)의 관계는 통계적으로 매우 의미 있는 것으로 나타나 고속도로의 서비스 개선은 교통량을 유발시키는 것으로 분석되었다. 지역별로는 경기지역의 변화율이 월등히 높고, 경상남북도, 충청남북도 지역이 그 뒤를 따르는 것으로 나타났으며, 전라남북도의 이동증대효과가 가장 작은 것으로 분석되었다. 본 연구 결과, 교통시설에 대한 투자는 유발교통량을 발생시키나 지금까지는 지방보다는 수도권에서의 유발교통량이 많고 시간이 흐를수록 그 증가폭은 상당 부분 줄어드는 것으로 분석되었다. 유발교통량이 경제성장과 연관이 있다고 가정하는 경우 도로시설에 대한 투자의 지역경제성장효과는 존재하나 점차 줄어들고 있음을 보여주고 있는데, 이는 오히려 지방권보다는 수도권에서 점차 그 현상이 가속화되는 것을 의미하는 것이다. 본 연구는 제한된 교통투자예산하에서 투자효과가 극대화될 수 있는 도로시설 투자방향에 대한 시사점을 제공해 준다.