• 한국정보전자통신기술학회논문지
• /
• 제15권1호
• /
• pp.56-61
• /
• 2022

본 논문에서 챗봇에서 사용하는 AI알고리즘과 자연어처리 방법을 분류하고 제시하고 챗봇 구현에 사용할 수 있는 프레임워크에 대해서도 기술한다. 챗봇은 사용자 인터페이스를 대화방식으로 구성하여 입력된 문자열을 해석하고 입력된 문자열에 적절한 답을 학습된 데이터에서 선택하여 출력하는 구조의 시스템이다. 최근 콜센터와 주문 업무에 적용하여 인건비를 감소하고 정확한 업무를 할 수 있는 장점이 있다. 하지만 질문에 대한 적정한 답변 집합을 생성하기 위해 학습이 필요하며 이를 위해 상당한 계산 기능을 갖는 하드웨어가 필요하다. 개발을 하는 업체는 물론 AI분야 개발을 학습하는 학생들의 실습은 한계가 있다. 현재 챗봇은 기존의 전통적인 업무를 대체하고 있으며 시스템을 이해하고 구현하는 실습과정이 필요한 실정이다. 정형화되어 있는 데이터에 대해서만 응답을 하는 수준을 넘어 딥러닝 등의 기술을 적용하여 비정형 데이터를 학습시켜 질문에 대한 응답의 정확성을 높이기 위해 RNN과 Char-CNN 등을 사용해야한다. 챗봇을 구현하기 위해서는 이와 같은 이론을 이해하고 있어야한다. 본 논문에서는 단기간에 챗봇 코딩교육에 활용할 수 있는 방안과 기존 개발자, 학생들이 챗봇 구현을 할 수 있는 플랫폼을 활용하여 학생들이 전체시스템을 구현 예를 제시하였다.

• 융합신호처리학회논문지
• /
• 제22권3호
• /
• pp.141-148
• /
• 2021

본 논문에서는 다중필터와 축지적 활성 윤곽선 (geodesic active contour) 알고리즘을 이용하여 용접 비드 검출 및 용접 품질 판단 알고리즘을 제안한다. 제안하는 알고리즘은 전단의 히스토그램 평활화와 가우시안 필터를 적용하여 용접 비드의 영상의 대비향상과 함께 영상을 부드럽게 하며, 영상의 잡음을 줄인다. 후에 활성 윤곽선 세그멘테이션과 형태학적 필터를 적용하여 용접 비드 영역을 검출하게 된다. 축지적 활성 윤곽선 영역화에서 매개변수인 팽창 힘을 이용하여 윤곽선을 팽창하거나 또는 축소시켜서 좀 더 정확하게 용접 비드를 검출하도록 한다. 용접 비드 영역을 검출한 후에 비드 영역의 유효 길이와 유효 폭의 비율을 이용하여 해당 용접의 품질 정오를 판단하는 방법을 제시한다. 실험을 통하여 제안한 알고리즘은 재현율 0.990, 정밀도 0.967, F-측정 0.978, IOU 0.896의 성능을 보였다. 제안한 알고리즘의 성능을 평가하기 위하여 용접 비드 분할에 주로 사용되는 기존의 알고리즘들을 이용하여 비교 분석하였다. 제안한 알고리즘의 성능이 우수함을 보였으며 용접 비드의 분할 및 평가 시간은 최대 0.6초가 걸렸다.

• Nuclear Medicine and Molecular Imaging
• /
• 제41권3호
• /
• pp.234-240
• /
• 2007

목적: 본 연구에서는 컴프턴 카메라의 투사데이터를 재구성하기 위하여 부분집합 개수에 비례하여 고속화된 수렴속도를 보이는 통계학적 영상재구성 방법인 OSEM 알고리즘을 적용하였다. 또한 연산시간 및 퍼센트 오차 측면에서 컴프턴 투사데이터의 부분집합 구성 시 여러 구분방법에 대한 비교연구를 수행함으로써 컴프턴 투사데이터의 최적화된 OSEM 알고리즘을 제안하고자 하였다. 대상 및 방법: 산란부와 흡수부로 구성된 컴프턴 카메라의 투사데이터를 재구성하기 위하여 단순역투사, 기댓값 최대화 방법과 OSEM 알고리즘을 구현하였다. 그리고 OSEM의 경우 컴프턴 투사데이터는 산란부 및 흡수부의 검출위치 및 산란각에 따라 부분 집합으로 구분하였다. EM 알고리즘은 64번의 반복연산을 수행하였으며 OSEM은 16개의 부분집합에 대해 4번의 반복연산을 수행하였다. 각 재구성 방법과 부분집합 구분방법에 대한 정량적 성능평가를 위하여 계산 시간과 퍼센트 오차를 측정하였다. 결과: SBP 방법에 비해 모든 통계학적 영상재구성 방법의 결과들이 보다 정확하였다. 64번 반복연산을 수행한 EM 알고리즘에 비해 4번의 반복연산과 16개의 부분집합을 가지는 모든 OSEM 알고리즘은 유사한 퍼센트 오차를 나타내면서 14배 빠른 수렴속도를 보였다. OSEM의 경우, 부분집합의 구분방법에 따라 연산속도와 재구성된 영상의 정확도 면에서는 거의 차이가 없었다. 결론: 본 연구의 실험 결과를 통하여 핵의학 영상 분야에서 사용하는 OSEM 알고리즘이 컴프턴 카메라에 대한 재구성 알고리즘으로 유용함을 확인하였으며 OS-EM 방법은 EM에 비해 유사한 결과영상을 재구성하면서 14배 빠른 수렴속도를 보이며 컴프턴 투사데이터를 부분집합으로 구분 시 검출위치와 산란각을 모두 이용하는 것이 가장 효율적인 것으로 간주된다.NIS와 EGFP의 이중 리포터 유전자를 가지고 있는 HepG2 세포주가 성공적으로 만들어졌다. 세포의 약 50% 정도가 형광 현미경 아래에서 관찰되었다. NIS 유전자의 발현은 역전사효소 중합효소 연쇄반응 실험을 통해서 확인하였고, NIS가 발현된 세포의 방사능옥소 섭취량은 대조군에 비하여 약 9배 정도 높게 나타났다. 방사능옥소 유출량 실험에서는 약 9분에 반 정도의 옥소가 유출되는 것이 확인되었다. 구축된 세포주를 이식한 후 획득한 형광 영상, 감마카메라과 소동물용 PET 영상에서는 반대쪽의 대조군 세포를 이식한 것에 비하여 뚜렷한 형광신호가 보였고, 더 높은 방사능옥소 섭취가 확인되었다. 결론: NIS와 EGFP의 이중 리포터 유전자를 가지는 간암 세포주가 성공적으로 구축되었고, 소동물에서 두 유전자를 각각 치료용 리포터 유전자와 영상 리포터 유전자로의 사용이 가능할 것이라고 생각된다.타내는 중요한 효소로 인정되고 있으며, 조직의 손상, 발암, 염증, 성인병 및 노화 등과 같은 여러 가지 유해 작용을 일으킨다. 정상군에 비해 대조군은 1.74배 수치가 증가되었으며, RCM투여군의 대조군과 비교 시 57.4% 감소되는 효과를 볼 수 있었다. 본 연구는 LPS로부터 유도된 산화적 스트레스에 대한 복분자의 선투여 후 예방효과를 알아보았다. 생약재의 일종인 복분자의 경우 LPS로 유도된 산화적 스트레스 억제 및 지질대사로부터의 개선 효과가 있는 것으로 판단되며 지질과산화에 대해서 강한 억제 활성을 나타내는 것을 알 수 있었다. 이러한 결과로 복분자는 생활 습관병의 예방과 개선에 유효한 것으로 사료되었으며, 지질대사와 과산화지표의 검증을 통해 기능성 식품소재로 활용될 수 있음을 보여주었다.로서 역시 CTV 치료계획에서 적게 조사되었다(p=0.005). 기존의 ICRU 치료계획은

• 대한핵의학회지
• /
• 제37권5호
• /
• pp.288-300
• /
• 2003

목적: ${H_2}^{15}O$ PET의 정량화를 위하여 1-조직 구획모델이 쓰이며, 뇌혈류와 조직/혈액 분배계수를 구하기 위하여 nonlinear least squares (NLS) 방법이 사용되나 계산 시간이 긴 등의 문제로 파라미터를 각화소마다 구해야 하는 파라메트릭 영상 구성에는 적합하지 않다. 이 연구에서는 이와 같은 NLS 문제점을 극복하여 파라메트릭 영상을 빠르게 구성하기 위하여 제안된 파라미터 추정 알고리즘들을 구현하고, 이 방법들의 통계적 신뢰도와 계산의 효율성을 비교하였다. 대상 및 방법: 이 연구에서 이용한 방법들은 linear least squares (LLS), linear weighted least squares (LWLS), linear generalized least squares (GLS), linear generalized weighted least squares (GWLS), weighted integration (WI), 그리고 model-based clustering method (CAKS)이다. 노이즈 정도에 따른 각 파라메트릭 영상법의 정확성 및 통계적 신뢰성을 알아보기 위하여 Zubal 뇌모형(brain phantom)으로부터 동적 PET 영상을 모사하고 포아송노이즈를 더한 후 각 파라메트릭 영상 구성 방법을 적용하였다. 또한 정상인 16명에 대하여 얻은 실제 자료에 대하여 이 방법들을 적용하고 결과를 비교하였다. 결과: 뇌혈류와 분배계수에 대한 평균 오차는 방법에 따라 크게 다르지 않았으며 모든 방법이 뇌혈류 및 분배계수 추정에 있어 무시할 만한 바이어스를 보였다. 파라메트릭 영상의 정성적 특성 또한 유사하였으나 CAKS 방법의 계산 속도가 월등하여 NLS 방법의 약 1/500, LLS 방법의 약 1/25의 계산시간을 보였다. 결론: 뇌혈류 파라메트릭 영상 구성을 위한 빠른 파라미터 추정 알고리즘들 중에 보다 개선되어 제안된 LWS, GLS, GLWS, CAKS 방법들이 단순하고 빠른 LLS, WI 방법들에 비하여 통계적 신뢰성을 크게 향상시키지는 못하나 CAKS 방법은 계산 시간을 유의하게 단축시키므로 가장 적합한 파라메트릭 영상 구성방법이라 할 수 있을 것이다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.105-122
• /
• 2019

텍스트 데이터가 특정 범주에 속하는지 판별하는 문장 분류에서, 문장의 특징을 어떻게 표현하고 어떤 특징을 선택할 것인가는 분류기의 성능에 많은 영향을 미친다. 특징 선택의 목적은 차원을 축소하여도 데이터를 잘 설명할 수 있는 방안을 찾아내는 것이다. 다양한 방법이 제시되어 왔으며 Fisher Score나 정보 이득(Information Gain) 알고리즘 등을 통해 특징을 선택 하거나 문맥의 의미와 통사론적 정보를 가지는 Word2Vec 모델로 학습된 단어들을 벡터로 표현하여 차원을 축소하는 방안이 활발하게 연구되었다. 사전에 정의된 단어의 긍정 및 부정 점수에 따라 단어의 임베딩을 수정하는 방법 또한 시도하였다. 본 연구는 문장 분류 문제에 대해 선택적 단어 제거를 수행하고 임베딩을 적용하여 문장 분류 정확도를 향상시키는 방안을 제안한다. 텍스트 데이터에서 정보 이득 값이 낮은 단어들을 제거하고 단어 임베딩을 적용하는 방식과, 정보이득 값이 낮은 단어와 코사인 유사도가 높은 주변 단어를 추가로 선택하여 텍스트 데이터에서 제거하고 단어 임베딩을 재구성하는 방식이다. 본 연구에서 제안하는 방안을 수행함에 있어 데이터는 Amazon.com의 'Kindle' 제품에 대한 고객리뷰, IMDB의 영화리뷰, Yelp의 사용자 리뷰를 사용하였다. Amazon.com의 리뷰 데이터는 유용한 득표수가 5개 이상을 만족하고, 전체 득표 중 유용한 득표의 비율이 70% 이상인 리뷰에 대해 유용한 리뷰라고 판단하였다. Yelp의 경우는 유용한 득표수가 5개 이상인 리뷰 약 75만개 중 10만개를 무작위 추출하였다. 학습에 사용한 딥러닝 모델은 CNN, Attention-Based Bidirectional LSTM을 사용하였고, 단어 임베딩은 Word2Vec과 GloVe를 사용하였다. 단어 제거를 수행하지 않고 Word2Vec 및 GloVe 임베딩을 적용한 경우와 본 연구에서 제안하는 선택적으로 단어 제거를 수행하고 Word2Vec 임베딩을 적용한 경우를 비교하여 통계적 유의성을 검정하였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.