• 한국IT서비스학회지
• /
• 제18권1호
• /
• pp.219-234
• /
• 2019

Fake news threaten democratic elections and causes social conflicts, resulting in major damage. However, the concept of fake news is hard to define, as there is a saying, "News is not fake, fake is not news." Fake news, however, has irreversible characteristics that can not be recovered or reversed completely through post-punishment of economic and political benefits. It is also rapidly spreading in the early days. Therefore, it is very important to preemptively detect these types of articles and prevent their blind proliferation. The existing countermeasures are focused on reporting fake news, raising the level of punishment, and the media & academia to determine the authenticity of the news. Researchers are also trying to determine the authenticity by analyzing its contents. Apart from the contents of fake news, determining the behavioral characteristics of the promoters and its qualities can help identify the possibility of having fake news in advance. The online community has a fake news interception and response tradition through its long-standing community-based activities. As a result, I attempted to model the fake news by analyzing the affirmation-denial analysis and posting behavior by securing the web board crawl of the 'M community' bulletin board during the 2017 Korean presidential election period. Random forest algorithm deemed significant. The results of this research will help counteract fake news and focus on preemptive blocking through behavioral analysis rather than post-judgment after semantic analysis.

• Imaging Science in Dentistry
• /
• 제52권3호
• /
• pp.275-281
• /
• 2022

Purpose: The aim of this study was to assess the performance of a deep learning system for permanent tooth germ detection on pediatric panoramic radiographs. Materials and Methods: In total, 4518 anonymized panoramic radiographs of children between 5 and 13 years of age were collected. YOLOv4, a convolutional neural network (CNN)-based object detection model, was used to automatically detect permanent tooth germs. Panoramic images of children processed in LabelImg were trained and tested in the YOLOv4 algorithm. True-positive, false-positive, and false-negative rates were calculated. A confusion matrix was used to evaluate the performance of the model. Results: The YOLOv4 model, which detected permanent tooth germs on pediatric panoramic radiographs, provided an average precision value of 94.16% and an F1 value of 0.90, indicating a high level of significance. The average YOLOv4 inference time was 90 ms. Conclusion: The detection of permanent tooth germs on pediatric panoramic X-rays using a deep learning-based approach may facilitate the early diagnosis of tooth deficiency or supernumerary teeth and help dental practitioners find more accurate treatment options while saving time and effort

• 한국항행학회논문지
• /
• 제18권5호
• /
• pp.461-467
• /
• 2014

AQM은 라우터에서 사용되고 있으며 큐의 순간적 길이나 평균길이를 관찰하여 혼잡을 예측하고 탐지하는 알고리즘이며, 평균 큐길이가 임계 값을 초과하면 혼잡이 발생하였다고 추론하고 라우터로 유입되는 패킷을 미리 폐기시키거나 패킷 전송 노드에게 혼잡을 미리 알림으로써 전송노드에서 전송률을 줄여 혼잡을 피하도록 한다. AQM 알고리즘의 하나인 RED (random early detection)는 패킷을 무작위로 폐기시켜 혼잡제어를 하는 큐 기반의 혼잡 제어기술이다. RED는 TCP의 시간경과 및 큐 지연을 줄이며 링크 활용도를 높이고 버스트한 트래픽이 유입되는 것을 관리하는 기술로써 널리 사용되어지고 있으며 혼잡도의 정도를 큐의 평균 길이로 추정한다. 그러나 파라미터($P_{max}$, $TH_{min}$)값들이 고정되어 있어서 특정한 네트워크 환경에서는 동작을 잘 못한다. 본 논문에서는 네트워크 상태를 지속적으로 감지함으로써 $P_{max}$와 $TH_{min}$의 값을 네트워크 상태에 적합한 값으로 자동적으로 바꾸어줌으로서 다양한 환경에서도 동작을 잘할 수 있는 확장 RED를 제안한다.

• Journal of Preventive Medicine and Public Health
• /
• 제56권1호
• /
• pp.41-49
• /
• 2023

Objectives: Rwanda reported a stunting rate of 33% in 2020, decreasing from 38% in 2015; however, stunting remains an issue. Globally, child deaths from malnutrition stand at 45%. The best options for the early detection and treatment of stunting should be made a community policy priority, and health services remain an issue. Hence, this research aimed to develop a model for predicting stunting in Rwandan children. Methods: The Rwanda Demographic and Health Survey 2019-2020 was used as secondary data. Stratified 10-fold cross-validation was used, and different machine learning classifiers were trained to predict stunting status. The prediction models were compared using different metrics, and the best model was chosen. Results: The best model was developed with the gradient boosting classifier algorithm, with a training accuracy of 80.49% based on the performance indicators of several models. Based on a confusion matrix, the test accuracy, sensitivity, specificity, and F1 were calculated, yielding the model's ability to classify stunting cases correctly at 79.33%, identify stunted children accurately at 72.51%, and categorize non-stunted children correctly at 94.49%, with an area under the curve of 0.89. The model found that the mother's height, television, the child's age, province, mother's education, birth weight, and childbirth size were the most important predictors of stunting status. Conclusions: Therefore, machine-learning techniques may be used in Rwanda to construct an accurate model that can detect the early stages of stunting and offer the best predictive attributes to help prevent and control stunting in under five Rwandan children.

• 전자공학회논문지SC
• /
• 제45권3호
• /
• pp.68-79
• /
• 2008

대동맥 증강지수는 심실의 부하뿐만 아니라 대동맥의 탄력성을 직접적으로 나타낼 수 있는 장점 때문에 동맥의 경직도를 평가하는 지표로 주목받고 있다. 하지만, 정확한 대동맥 증강지수를 계산하기 위해서는 직접 카테터를 피험자에 삽입하여 측정해야 하기 때문에 임상에 적용하기에는 한계가 존재한다. 이러한 문제점 때문에 전달함수를 이용하여 요골 동맥 맥파로부터 대동맥 맥파를 간접적으로 추정하는 방법이 이용되고 있다. 본 논문에서는 전달함수를 구하기 위하여 Millar 카테터를 이용한대동맥 맥파와 토노메트릭 방식의 압력센서를 이용하여 요골동맥 맥파를 측정하였다. 또한, 기존의 증강점 검출 알고리즘 대신단계적으로 미분 차수를 증가시키면서 증강점을 검출하는 새로운 알고리즘을 제안하였다. 10차 ARX 모델을 이용하여 전달함수를 구현하였으며, 잔차 분석을 통하여 모델을 검증하였다. 증강점 검출 알고리즘 검증을 위하여 네 가지 종류의 합성파를 만들어 제안된 알고리즘이 기존 알고리즘 보다 더 정확한 결과를 나타내는 것을 확인할 수 있었다. 본 연구는 쉽게 측정할 수 있는 요골동맥 맥파를 이용하여 대동맥의 경직도를 평가할 수 있는 방법을 제시하였으며 이를 통하여 다양한 심혈관 질환의 조기 진단에 기여할 수 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.78-83
• /
• 2014

최근 신재생 에너지원으로서의 선두주자인 풍력발전은 다수의 풍력발전 회사들로 하여금 모니터링 및 고장진단 시스템의 개발을 가속화시키고 있다. 이러한 모니터링 및 진단시스템은 조기의 고장검출을 통해 고장이 발생되었을 경우 발생되는 고가의 수리비용을 미연에 방지할 수 있게 한다. 일반적으로 풍력발전과 관련된 고장진단 시스템은 진동신호 및 신호분석기법에 기반하고 있다. 이에 본 연구에서는 풍력발전 시스템에서 자주 발생되고 있는 질량 불평형 및 축 정렬 불량 등과 같은 기계적인 고장을 효율적으로 진단할 수 있는 시스템을 제안하고자 한다. 본 연구에서 제안된 지능화된 고장진단 알고리즘은 인공신경망기법과 웨이블렛 변환을 이용한 것으로 (주)가온솔루션에서 개발한 풍력발전용 기계적 고장발생 장치에 적용 실험을 통해 제안된 진단기법의 유용성을 확인하고자 하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.687-690
• /
• 2015

전방 추돌 경보 시스템(FCWS) 및 차선 이탈 경보 시스템(LDWS)에서 차선 및 객체 검출을 위한 관심영역은 차도영역으로 설정되어야 한다. 분수계 분할(watershed segmentation)방법은 차도영역을 분리하기에 효과적인 알고리즘이다. 이 알고리즘은 초기 seed에 속해있는 watershed line과 국부 최소값에 따라서 분할 결과가 다르게 나타나는데 차도 seed에 그 이외의 영역이나 차량이 포함될 경우에 차도 이외의 부분이 차도영역으로 포함되어 분할된다. 이런 문제점을 보완하기 위해 도로 환경에 따라 차도 seed를 적응적으로 변경해야 한다. 그 방법으로 영상을 여러 개의 관심영역으로 분할하여 차선을 검출하고 자기차선을 잇는 직선을 초기 seed로 설정한다. 설정된 seed에 차량이 검출되면 seed 위치를 조정하고 조정된 위치에서 차선을 지나지 않는다면 차선을 지나도록 seed의 크기를 조정하여 최종적인 seed를 결정한다. 최종적으로 결정된 seed를 통해서 도로환경에 따라 적응적으로 차도영역을 검출을 가능하게 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.1103-1105
• /
• 2015

원전이나 방사선 관련시설에서의 사고발생 또는 노후원전 해체시 누출된 방사능은 조기에 탐지 및 제거해야 대형사고를 방지할 수 있다. 본 논문에서는 방사선원의 빠르고 효율적인 제염작업을 위해 방사선원에 대한 거리, 방향 및 선량정보를 제공할 수 있는 단센서 기반의 스테레오감마선 탐지장치를 구현하였고, 탐지장치의 고속탐지를 위한 알고리즘개발을 수행하였다. 선원에 대한 거리정보를 획득하기 위한 스테레오 구조를 위해 2대의 탐지장치가 필요하지만 장치의 운용을 위하여 단센서 기반의 경량화된 탐지장치를 고안하였고, 스테레오 영상 획득시 탐지시간을 최소화 하기 위하여 관심영역을 추출한 후 해당 영역에 대한 스캔을 통해 탐지 선원에 대한 거리산출 및 영상분포출력을 나타내도록 하였다. 스테레오 획득 시 탐지시간을 기준으로 적용된 알고리즘의 탐지시간은 최대 35%의 시간단축결과를 확인하였다.

• 한국전자통신학회논문지
• /
• 제14권5호
• /
• pp.959-968
• /
• 2019

농업 분야에서 여러 가지 센서들과 임베디드 시스템을 활용하여 한 무선 센서 네트워크 기술이 적용되고 있는 추세이다. 특히, 센서 네트워크를 활용하여 작물의 질병을 조기에 진단할 수 있는 많은 연구가 진행되고 있다. 기존 병충해 진단 연구들은 실제 농가에 적용하기 어려운 부분이 존재한다. 본 논문은 이를 개선하고자 하였으며, 화상카메라를 통해 받아온 작물의 잎사귀 이미지를 분석하여 병충해를 초기에 감지 가능한 알고리즘을 제안한다. 실제 시설원예 및 노지 환경 농가의 캡쳐한 이미지 내에서 감염 의심 영역을 개선된 K 평균 클러스터링 기법을 통해 분류하였다. 그 후 엣지 검출, 엣지 추적 기법을 활용하여 해당 영역의 잎사귀 내부 존재 여부를 확인하였다. 인근 농가에서 촬영한 토마토 잎사귀 이미지를 이용하여 성능 평가를 수행하였다. 기존 논문의 방법 보다 제안 알고리즘의 감영 영역 분류 능력이 우수한 것으로 나타났다.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1089-1098
• /
• 2020

본 연구에서는 적조 Cochlodinium Polykrikoide를 기계학습 방법과 정지궤도 해색위성 영상을 활용하여 탐지하는 방법을 제안한다. 기계학습 모형을 학습시키기 위해 GOCI Level2 자료를 활용하였으며, 국립수산과학원의 적조 속보 자료를 활용하였다. 기계학습 모델은 로지스틱 회귀모형, 의사결정나무 모형, 랜덤포래스트 모형을 사용하였다. 성능 평가 결과 기계학습을 사용하지 않은 전통적인 GOCI 영상 기반 적조 탐지 알고리즘(Son et al.,2012) (75%)과 비교해보았을 때 약 13~22%p (88~98%)의 정확도 향상을 확인할 수 있었다. 또한 기계학습 모형 간 탐지 성능을 비교 분석해본 결과 랜덤 포레스트 모형(98%)이 가장 높은 탐지 정확도를 보였다. 이러한 기계학습 기반 적조 탐지 알고리즘은 향후 적조를 조기에 탐지하고 그 이동과 확산을 추적 모니터링하는데 활용될 수 있을 것이라고 판단된다.