• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.297-299
• /
• 2021

치밀오일 미래 생산성 예측은 잔류오일 회수량 및 저류층 거동 분석을 위해 중요한 작업이다. 일반적으로 석유공학적 관점에서 감퇴곡선법을 이용하여 생산성 예측이 이루어지는데, 최근에는 데이터기반의 머신러닝 기법을 이용한 연구도 수행되고 있다. 본 연구에서는 딥러닝 기반 순환신경망과 LSTM, GRU 알고리즘을 이용하여 미래 생산량 예측을 위한 효과적인 모델을 제안하고자 한다. 입력변수로는 치밀오일 생산 시 산출되는 오일, 가스, 물과 이와 더불어 다양한 군집분석을 통해 산출된 표준곡선이 주요 매개변수이고, 출력변수는 월별 오일 생산량이다. 기존의 경험적 모델인 감퇴곡선법과 순환신경망 모델들을 비교하였으며, 모델의 예측성능을 향상시키기 위해 하이퍼파라미터 튜닝을 통해 최적 모델을 도출하였다.

• 분석과학
• /
• 제22권1호
• /
• pp.57-64
• /
• 2009

이 연구에서는 건축자재로부터 방출되는 휘발성유기화학물과 폼알데하이드의 오염물질 방출강도를 포함하는 데이터베이스를 개발하였다. 건축자재 분류체계는 환경부와 한국공기청정협회에서 사용하는 분류체계와 연계하여 세분류하여 정립하였다. 개발된 데이터베이스는 각 건축자재로부터 방출되는 총휘발성유기화합물과 5가지 휘발성유기화합물, 그리고 폼알데하이드의 방출강도를 포함하며 화학적 성분 및 일반적인 정보를 함께 포함하기 때문에 평가 모델링을 통한 실내공기질 예측에 입력변수로 사용 가능하다. 건축자재 분류별 폼알데하이드와 총휘발성유기화합물의 방출강도를 box plot을 이용해 통계적 분석을 하였다. 또한 각 분류별 오염물질의 방출특성을 확인함으로써, 실내공기질을 악화시키는 주된 원인이 되는 건축자재를 확인 할 수 있었다.

• 대한토목학회논문집
• /
• 제28권6C호
• /
• pp.349-358
• /
• 2008

본 연구에서는 고베 공항 해저 충적 점토를 대상으로 한 신뢰성 침하 해석을 위해 각종 입력 물성치의 불확실성을 확률 통계 이론에 근거하여 조사하였고, Terzaghi 압밀 방정식을 목적 함수로 AFOSM 법을 적용하여 파괴 확률을 정식화하였다. 신뢰성 해석 결과, 목표침하량을 평균침하량 ${\pm}10%,\;{\pm}25%$로 설정한 경우, 발생확률은 각각 30~50%, 60%~90%로 나타났다. 이는 대상 지반의 확률변수의 변동계수가 과거의 연구보고 범위 내에 있음을 고려할 때, 목적함수로 Terzaghi 압밀방정식을 이용한 경우 침하량의 허용 오차 범위는 평균침하량 ${\pm}10%$가 적절할 것으로 사료된다. 또한, 감도 분석 결과 해석에 크게 영향을 미치는 인자는 압축 계수, 모델, 압밀 항복 응력의 불명확성으로 나타났다. 이는 정밀도가 높은 사전 침하량의 예측을 위해서는 현장의 응력 변형 조건을 충실하게 반영한 시험을 수행하여 신뢰도가 높은 물성치를 구하는 것이 매우 중요한 것임을 설명한다.

• Geomechanics and Engineering
• /
• 제31권2호
• /
• pp.129-147
• /
• 2022

The properties of soil are naturally highly variable and thus, to ensure proper safety and reliability, we need to test a large number of samples across the length and depth. In pile foundations, conducting field tests are highly expensive and the traditional empirical relations too have been proven to be poor in performance. The study proposes a state-of-art Particle Swarm Optimization (PSO) hybridized Artificial Neural Network (ANN), Extreme Learning Machine (ELM) and Adaptive Neuro Fuzzy Inference System (ANFIS); and comparative analysis of metaheuristic models (ANN-PSO, ELM-PSO, ANFIS-PSO) for prediction of bearing capacity of pile foundation trained and tested on dataset of nearly 300 dynamic pile tests from the literature. A novel ensemble model of three hybrid models is constructed to combine and enhance the predictions of the individual models effectively. The authenticity of the dataset is confirmed using descriptive statistics, correlation matrix and sensitivity analysis. Ram weight and diameter of pile are found to be most influential input parameter. The comparative analysis reveals that ANFIS-PSO is the best performing model in testing phase (R² = 0.85, RMSE = 0.01) while ELM-PSO performs best in training phase (R² = 0.88, RMSE = 0.08); while the ensemble provided overall best performance based on the rank score. The performance of ANN-PSO is least satisfactory compared to the other two models. The findings were confirmed using Taylor diagram, error matrix and uncertainty analysis. Based on the results ELM-PSO and ANFIS-PSO is proposed to be used for the prediction of bearing capacity of piles and ensemble learning method of joining the outputs of individual models should be encouraged. The study possesses the potential to assist geotechnical engineers in the design phase of civil engineering projects.

• 한국간호교육학회지
• /
• 제30권2호
• /
• pp.113-123
• /
• 2024

Purpose: This study aimed to examine the mediating effect of learning immersion in clinical simulations on the relationship between nursing student learning motivation and achievement in clinical simulation. Methods: This study was conducted using a cross-sectional survey with 184 nursing students from two universities who participated in clinical simulation between September and December 2022. The participants completed a self-administered questionnaire, and the collected data were analyzed using independent an independent t-test, Mann-Whitney U-test, one-way ANOVA, Pearson's correlation coefficient, and multiple regression analysis to identify the mediating effects of learning immersion on the relationship between nursing student learning motivation and achievement. Results: Among the subvariables of nursing student learning motivation, task value and self-efficacy for learning and performance had a significant effect on learning immersion (respectively, β=.36, p=.001; β=.31, p<.001) and learning achievement (respectively, β=.48, p<.001; β=.38, p<.001). With the input of learning motivation variables, the direct effect of learning immersion on learning achievement was significant (β=.20, p=.003), and the effects of learning motivation and task value and self-efficacy on learning achievement was reduced after controlling for learning immersion, which is a mediating variable (respectively, β=.41, p<.001; β=.32, p<.001). The bootstrapping test to confirm the mediating effect of learning immersion was also significant (task value 95% confidence interval [95% CI], 0.02~0.20; self-efficacy 95% CI, 0.01~0.12). Conclusion: The results of this study suggest that simulation educators should consider learners' motivation and immersion when organizing and operating clinical simulations.

• 전기전자학회논문지
• /
• 제28권1호
• /
• pp.53-64
• /
• 2024

자연어 처리 모델이 발전함에 따라 챗 GPT와 같은 대화형 언어 생성 AI 모델이 널리 사용되고 있다. 따라서 자연어 처리 최신 모델의 기반이 되는 트랜스포머 알고리즘을 하드웨어로 구현하여 연산 속도와 전력 소비량을 개선하는 것은 중요하다고 할 수 있다. 특히, 행렬 곱셈을 통해 문장에서 서로 다른 단어 간의 관계를 분석하는 멀티 헤드 어텐션과 피드 포워드 네트워크는 트랜스포머에서 연산량이 가장 큰 핵심적인 알고리즘이다. 본 논문에서는 기존의 시스톨릭 어레이를 변형하여 행렬 곱 연산 속도를 개선하고, 입력 단어 개수 변동에 따라 지연시간도 변동되는 유동적인 구조를 제안한다. 또한, 트랜스포머 알고리즘의 정확도를 유지하는 형태로 양자화를 하여 메모리 효율성과 연산 속도를 높였다. 본 논문은 평가를 위해 멀티헤드어텐션과 피드포워드 네트워크에서 소요되는 클럭사이클을 검증하고 다른 곱셈기와 성능을 비교하였다.

• 한국간담췌외과학회지
• /
• 제27권2호
• /
• pp.195-200
• /
• 2023

Backgrounds/Aims: We aimed to build a machine learning tool to help predict low-grade intraductal papillary mucinous neoplasms (IPMNs) in order to avoid unnecessary surgical resection. IPMNs are precursors to pancreatic cancer. Surgical resection remains the only recognized treatment for IPMNs yet carries some risks of morbidity and potential mortality. Existing clinical guidelines are imperfect in distinguishing low-risk cysts from high-risk cysts that warrant resection. Methods: We built a linear support vector machine (SVM) learning model using a prospectively maintained surgical database of patients with resected IPMNs. Input variables included 18 demographic, clinical, and imaging characteristics. The outcome variable was the presence of low-grade or high-grade IPMN based on post-operative pathology results. Data were divided into a training/validation set and a testing set at a ratio of 4:1. Receiver operating characteristics analysis was used to assess classification performance. Results: A total of 575 patients with resected IPMNs were identified. Of them, 53.4% had low-grade disease on final pathology. After classifier training and testing, a linear SVM-based model (IPMN-LEARN) was applied on the validation set. It achieved an accuracy of 77.4%, with a positive predictive value of 83%, a specificity of 72%, and a sensitivity of 83% in predicting low-grade disease in patients with IPMN. The model predicted low-grade lesions with an area under the curve of 0.82. Conclusions: A linear SVM learning model can identify low-grade IPMNs with good sensitivity and specificity. It may be used as a complement to existing guidelines to identify patients who could avoid unnecessary surgical resection.

• 한국항만경제학회지
• /
• 제40권2호
• /
• pp.175-189
• /
• 2024

컨테이너를 이용한 해상운송이 본격적으로 도입되면서 컨테이너 선박의 크기는 꾸준히 증가하고 있다. 선박대형화는 근본적으로 선사가 규모의 경제 실현을 목적으로 추진되는 것이기는 하나, 선박이 기항하는 항만운영 환경에 많은 영향을 미치게된다. 이러한 초대형 컨테이너 선박의 등장에 따른 효율성이 항만의 운영 관점에서 과연 타당한지에 대한 의문이 지속적으로 제기되었다. 이에 본 연구에서는 부산 신항 컨테이너 터미널 사의 내부자료를 이용하여 2022년 1월부터 12월까지의 선박 규모별 효율성을 분석하였다. 분석 대상의 경우 A 컨테이너 터미널의 The Alliance에 가입된 선사별 입항 선박과 B 컨테이너 터미널의 The Alliance 및 2M에 가입된 선사별 입항 선박을 대상으로 하였으며, 투입변수는 선박규모(TEU), 총 접안시간, 순 작업시간을 선정하였고, 산출변수는 해당 컨테이너 터미널 화물처리실적으로 선정하였다. 분석결과 선박 규모별 효율성은 규모가 커질수록 낮은 선형의 컨테이너 선박에 비하여 높은 효율성을 나타내는 것으로 분석되었다.

• 한국병원경영학회지
• /
• 제9권1호
• /
• pp.66-94
• /
• 2004

The objective of this study is to examine how to maximize the efficiency of hospital management by minimizing the unit cost of hospital operation. For this purpose, this paper proposes to develop a model of the profit maximization based on the cost minimization dictum using the statistical tools of arriving at the maximum likelihood values. The preliminary survey data are collected from the annual statistics and their analyses published by Korea Health Industry Development Institute and Korean Hospital Association. The maximum likelihood value statistical analyses are conducted from the information on the cost (function) of each of 36 hospitals selected by the random stratified sampling method according to the size and location (urban or rural) of hospitals. We believe that, although the size of sample is relatively small, because of the sampling method used and the high response rate, the power of estimation of the results of the statistical analyses of the sample hospitals is acceptable. The conceptual framework of analyses is adopted from the various models of the determinants of hospital costs used by the previous studies. According to this framework, the study postulates that the unit cost of hospital operation is determined by the size, scope of service, technology (production function) as measured by capacity utilization, labor capital ratio and labor input-mix variables, and by exogeneous variables. The variables to represent the above cost determinants are selected by using the step-wise regression so that only the statistically significant variables may be utilized in analyzing how these variables impact on the hospital unit cost. The results of the analyses show that the models of hospital cost determinants adopted are well chosen. The various models analyzed have the (goodness of fit) overall determination (R2) which all turned out to be significant, regardless of the variables put in to represent the cost determinants. Specifically, the size and scope of service, no matter how it is measured, i. e., number of admissions per bed, number of ambulatory visits per bed, adjusted inpatient days and adjusted outpatients, have overall effects of reducing the hospital unit costs as measured by the cost per admission, per inpatient day, or office visit implying the existence of the economy of scale in the hospital operation. Thirdly, the technology used in operating a hospital has turned out to have its ramifications on the hospital unit cost similar to those postulated in the static theory of the firm. For example, the capacity utilization as represented by the inpatient days per employee tuned out to have statistically significant negative impacts on the unit cost of hospital operation, while payroll expenses per inpatient cost has a positive effect. The input-mix of hospital operation, as represented by the ratio of the number of doctor, nurse or medical staff per general employee, supports the known thesis that the specialized manpower costs more than the general employees. The labor/capital ratio as represented by the employees per 100 beds is shown to have a positive effect on the cost as expected. As for the exogeneous variable's impacts on the cost, when this variable is represented by the percent of urban 100 population at the location where the hospital is located, the regression analysis shows that the hospitals located in the urban area have a higher cost than those in the rural area. Finally, the case study of the sample hospitals offers a specific information to hospital administrators about how they share in terms of the cost they are incurring in comparison to other hospitals. For example, if his/her hospital is of small size and located in a city, he/she can compare the various costs of his/her hospital operation with those of other similar hospitals. Therefore, he/she may be able to find the reasons why the cost of his/her hospital operation has a higher or lower cost than other similar hospitals in what factors of the hospital cost determinants.

• 지능정보연구
• /
• 제16권4호
• /
• pp.159-172
• /
• 2010

협업필터링 추천은 다양한 분야에서 활용되고 있지만 트랜잭션 데이터의 성격에 따라 추천 성능에 현저한 차이를 보이고 있다. 기존 연구에서는 이러한 추천 성능의 차이가 나타나는 이유에 대한 설명을 구체적으로 제시하지 못하고 있고 이에 따라 추천 성능의 예측 또한 연구된 바가 없다. 본 연구는 사회네트워크분석과 인공신경망 모형을 이용하여 협업필터링 추천시스템의 성능을 예측하고자 한다. 본 연구의 목적을 달성하기 위해 국내 백화점의 트랜잭션 데이터를 기반으로 형성되는 고객간 사회 네트워크의 구조적 지표를 측정한 후 이를 기반으로 인공신경망 모형을 구축하고 검증한다. 본 연구는 협업필터링 추천 성능을 예측할 수 있는 새로운 모형을 제시하였다는 점에서 그 의의가 있으며 이를 통해 기업들의 협업필터링 추천시스템 도입에 대한 의사결정에 도움을 줄 수 있을 것으로 기대된다.