• 제목/요약/키워드: feature models

검색결과 1,135건 처리시간 0.022초

Surface-Engineered Graphene surface-enhanced Raman scattering Platform with Machine-learning Enabled Classification of Mixed Analytes

  • Jae Hee Cho;Garam Bae;Ki-Seok An
    • 센서학회지
    • /
    • 제33권3호
    • /
    • pp.139-146
    • /
    • 2024
  • Surface-enhanced Raman scattering (SERS) enables the detection of various types of π-conjugated biological and chemical molecules owing to its exceptional sensitivity in obtaining unique spectra, offering nondestructive classification capabilities for target analytes. Herein, we demonstrate an innovative strategy that provides significant machine learning (ML)-enabled predictive SERS platforms through surface-engineered graphene via complementary hybridization with Au nanoparticles (NPs). The hybridized Au NPs/graphene SERS platforms showed exceptional sensitivity (10-7 M) due to the collaborative strong correlation between the localized electromagnetic effect and the enhanced chemical bonding reactivity. The chemical and physical properties of the demonstrated SERS platform were systematically investigated using microscopy and spectroscopic analysis. Furthermore, an innovative strategy employing ML is proposed to predict various analytes based on a featured Raman spectral database. Using a customized data-preprocessing algorithm, the feature data for ML were extracted from the Raman peak characteristic information, such as intensity, position, and width, from the SERS spectrum data. Additionally, sophisticated evaluations of various types of ML classification models were conducted using k-fold cross-validation (k = 5), showing 99% prediction accuracy.

Collaborative filtering by graph convolution network in location-based recommendation system

  • Tin T. Tran;Vaclav Snasel;Thuan Q. Nguyen
    • KSII Transactions on Internet and Information Systems (TIIS)
    • /
    • 제18권7호
    • /
    • pp.1868-1887
    • /
    • 2024
  • Recommendation systems research is a subfield of information retrieval, as these systems recommend appropriate items to users during their visits. Appropriate recommendation results will help users save time searching while increasing productivity at work, travel, or shopping. The problem becomes more difficult when the items are geographical locations on the ground, as they are associated with a wealth of contextual information, such as geographical location, opening time, and sequence of related locations. Furthermore, on social networking platforms that allow users to check in or express interest when visiting a specific location, their friends receive this signal by spreading the word on that online social network. Consideration should be given to relationship data extracted from online social networking platforms, as well as their impact on the geolocation recommendation process. In this study, we compare the similarity of geographic locations based on their distance on the ground and their correlation with users who have checked in at those locations. When calculating feature embeddings for users and locations, social relationships are also considered as attention signals. The similarity value between location and correlation between users will be exploited in the overall architecture of the recommendation model, which will employ graph convolution networks to generate recommendations with high precision and recall. The proposed model is implemented and executed on popular datasets, then compared to baseline models to assess its overall effectiveness.

A label-free high precision automated crack detection method based on unsupervised generative attentional networks and swin-crackformer

  • Shiqiao Meng;Lezhi Gu;Ying Zhou;Abouzar Jafari
    • Smart Structures and Systems
    • /
    • 제33권6호
    • /
    • pp.449-463
    • /
    • 2024
  • Automated crack detection is crucial for structural health monitoring and post-earthquake rapid damage detection. However, realizing high precision automatic crack detection in the absence of corresponding manual labeling presents a formidable challenge. This paper presents a novel crack segmentation transfer learning method and a novel crack segmentation model called Swin-CrackFormer. The proposed method facilitates efficient crack image style transfer through a meticulously designed data preprocessing technique, followed by the utilization of a GAN model for image style transfer. Moreover, the proposed Swin-CrackFormer combines the advantages of Transformer and convolution operations to achieve effective local and global feature extraction. To verify the effectiveness of the proposed method, this study validates the proposed method on three unlabeled crack datasets and evaluates the Swin-CrackFormer model on the METU dataset. Experimental results demonstrate that the crack transfer learning method significantly improves the crack segmentation performance on unlabeled crack datasets. Moreover, the Swin-CrackFormer model achieved the best detection result on the METU dataset, surpassing existing crack segmentation models.

Deflection aware smart structures by artificial intelligence algorithm

  • Qingyun Gao;Yun Wang;Zhimin Zhou;Khalid A. Alnowibet
    • Smart Structures and Systems
    • /
    • 제33권5호
    • /
    • pp.333-347
    • /
    • 2024
  • There has been an increasing interest in the construction of smart buildings that can actively monitor and react to their surroundings. The capacity of these intelligent structures to precisely predict and respond to deflection is a crucial feature that guarantees both their structural soundness and efficiency. Conventional techniques for determining deflection often depend on intricate mathematical models and computational simulations, which may be time- and resource-consuming. Artificial intelligence (AI) algorithms have become a potent tool for anticipating and controlling deflection in intelligent structures in response to these difficulties. The term "deflection-aware smart structures" in this sense refers to constructions that have AI algorithms installed that continually monitor and analyses deflection data in order to proactively detect any problems and take appropriate action. These structures anticipate deflection across a range of operating circumstances and environmental factors by using cutting-edge AI approaches including deep learning, reinforcement learning, and neural networks. AI systems are able to predict real-time deflection with high accuracy by using data from embedded sensors and actuators. This capability enables the systems to identify intricate patterns and linkages. Intelligent buildings have the potential to self-correct in order to reduce deflection and maximize performance. In conclusion, the development of deflection-aware smart structures is a major stride forward for structural engineering and has enormous potential to enhance the performance, safety, and dependability of designed systems in a variety of industries.

Live Streaming as a Distribution Channel in Fashion Mobile Applications: Exploring Loyalty Models in the Modern Retail Era

  • Nugroho HARDIYANTO;Wahyu RAFDINAL;Yayan FIRMANSYAH
    • 유통과학연구
    • /
    • 제22권10호
    • /
    • pp.43-54
    • /
    • 2024
  • Purpose: Market competition in the fashion industry is intensifying, pushing brands to strive for consumer preference and market leadership. Mobile fashion applications have emerged as key distribution channels, with live streaming being a common feature for product distribution and consumer loyalty. Therefore, this study will analyze the loyalty model in live streaming on mobile fashion applications by integrating the quality loyalty model, parasocial relationships, and uses and gratifications (U&G) theory. Research design, data and methodology: Data were collected from a survey of 427 respondents who are customers of a fashion product that had been purchased through live streaming on a mobile fashion application and processed using the PLS-SEM method Results: The results of the study show that the live streamer and product quality significantly influence satisfaction and loyalty. Conversely, AR content and live streaming content do not directly influence loyalty but have an indirect effect through satisfaction Conclusions: this study is the first to model loyalty in mobile fashion applications by integrating the quality loyalty model, parasocial relationship, and U&G theory. Practically, fashion companies are advised to conduct live streaming by considering aspects of content, live streamer, and product quality to enhance satisfaction and loyalty.

3차원 얼굴 모델링과 예측 시스템 (A Three-Dimensional Facial Modeling and Prediction System)

  • 구본관;정철희;조선영;이명원
    • 한국컴퓨터그래픽스학회논문지
    • /
    • 제17권1호
    • /
    • pp.9-16
    • /
    • 2011
  • 본논문에서는 3차원 3D 얼굴 스캔 데이터와 사진 이미지를 이용하여 3D 얼굴 모델을 생성하고 향후의 얼굴을 예측하는 시스템 개발에 대해 기술한다. 본 시스템은 3차원 텍스처매핑, 얼굴 정의 파라미터 입력 도구, 3차원 예측 알고리즘으로 구성 되어 있다. 3차원 텍스처매핑 기능에서는 3D 스캐너로 획득한 얼굴 모델과 사진 이미지를 이용하여 특정 연령에서의 새로운 얼굴모델을 생성한다. 텍스처매핑은 3D 스캐너로부터 획득한 메쉬 데이터에 정면과 좌우 측면의 세 방향의 사진 이미지를 이용하여 매핑하였다. 얼굴 정의 파라미터 입력도구는 3차원 텍스처매핑에 필요한 사용자 인터페이스 도구로서, 얼굴 모델의 정확한 재질값을 얼굴 사진으로부터 얻기 워하여 사진과 3D 얼굴 모델의 특징점을 일치시키는데 사용된다. 본 연구에서는 한 얼굴의 향후 연령대에서의 얼굴 모델을 구하기 위하여 100여개의 얼굴 스캔 데이터베이스를 이용한 통계적 분석에 의해 재질값을 예측 계산하여 해상도 높은 재질값을 가지는 모든 연령대의 3D 얼굴모델을 구성하였다.

초등학교 영재들을 위한 학교교육과정 개발 모형 탐색 (An Exploration of the Development of School-based Curriculum Model for the Gifted in Elementary School)

  • 강충열
    • 영재교육연구
    • /
    • 제17권2호
    • /
    • pp.223-250
    • /
    • 2007
  • 1992년 제6차 교육과정에서부터 도입된 초등학교 학교교육과정개발 정책은 단위 학교에서 영재들을 위한 교육과정을 개발하여 교육할 것을 주문하고 있다. 연구자는 그 활동을 돕기 위해 초등학교 영재들을 위한 학교교육과정 개발 모형을 구안하여 제시하였다. 본 모형은 VanTassel-Baska의 통합적 교육과정 모델(ICM: Integrated Curriculum Model)을 초등교육의 정체성에 비추어 재구성한 것으로서, ICM의 하위모델인 내용 모델, 과정 산출 모델, 인식론적 모델을 초등학교 $1{\sim}6$학년 아동들의 발달단계에 적절하게 그 적용 비중을 조절하는 것을 특징으로 하고 있다. 본 모형은 초등학교 영재 탤런트 풀을 대상으로 한 교육과정 개발의 일반 모형인 동시에, 영재 개개인의 특성과 요구에 따라서도 그 적용 비중이 달라질 수 있는 개인 모델로서도 기능할 수 있을 것이다.

PageRank 특징을 활용한 RDP기반 내부전파경로 탐지 및 SHAP를 이용한 설명가능한 시스템 (RDP-based Lateral Movement Detection using PageRank and Interpretable System using SHAP)

  • 윤지영;김동욱;신건윤;김상수;한명묵
    • 인터넷정보학회논문지
    • /
    • 제22권4호
    • /
    • pp.1-11
    • /
    • 2021
  • 인터넷이 발달함에 따라 다양하고 복잡한 사이버공격들이 등장하기 시작했다. 공격들을 방어하기 위해 네트워크 외부에서 다양한 방식의 탐지 시스템들이 활용되었으나 내부에서 공격자를 탐지하는 시스템 및 연구는 현저히 드물어 내부에 들어온 공격자를 탐지하지 못해 큰 문제를 야기하기도 했다. 이를 해결하고자 공격자의 움직임을 추적하고 탐지하는 내부전파경로 탐지 시스템에 대한 연구가 등장하기 시작했다. 특히 그중에서도 Remote Desktop Protocol(RDP) 내 특징을 추출해 탐지하는 방식은 간편하면서도 매우 좋은 결과를 나타내었다. 하지만 그럼에도 불구하고 이전 연구들은 각 로그온 된 노드들 자체의 영향 및 관계성을 고려하지 않았으며, 제시된 특징 또한 일부 모델에서는 떨어지는 결과를 제공하기도 했다. 또한 왜 그렇게 판단했는지 판단에 대해 설명하지 못한다는 문제점도 존재했다. 이는 결과적으로 모델의 신뢰성 및 견고성 문제를 야기하게 된다. 이를 해결하기 위해 본 연구에서는 PageRank 특징을 활용한 RDP기반 내부전파경로 탐지 및 SHAP를 이용한 설명가능한 시스템을 제안한다. 페이지랭크 알고리즘과 여러 통계적인 기법을 활용해 여러 모델에서 활용 가능한 특징들을 생성하고 SHAP을 활용해 모델 예측에 대한 설명을 제공한다. 본 연구에서는 이전 연구에 비해 대부분의 모델에서 더 높은 성능을 보여주는 특징을 생성했고 이를 SHAP을 이용해 효과적으로 증명했다.

혼합형 데이터 보간을 위한 디노이징 셀프 어텐션 네트워크 (Denoising Self-Attention Network for Mixed-type Data Imputation)

  • 이도훈;김한준;전종훈
    • 한국콘텐츠학회논문지
    • /
    • 제21권11호
    • /
    • pp.135-144
    • /
    • 2021
  • 최근 데이터 기반 의사결정 기술이 데이터 산업을 이끄는 핵심기술로 자리 잡고 있는바, 이를 위한 머신러닝 기술은 고품질의 학습데이터를 요구한다. 하지만 실세계 데이터는 다양한 이유에 의해 결측값이 포함되어 이로부터 생성된 학습된 모델의 성능을 떨어뜨린다. 이에 실세계에 존재하는 데이터로부터 고성능 학습 모델을 구축하기 위해서 학습데이터에 내재한 결측값을 자동 보간하는 기법이 활발히 연구되고 있다. 기존 머신러닝 기반 결측 데이터 보간 기법은 수치형 변수에만 적용되거나, 변수별로 개별적인 예측 모형을 만들기 때문에 매우 번거로운 작업을 수반하게 된다. 이에 본 논문은 수치형, 범주형 변수가 혼합된 데이터에 적용 가능한 데이터 보간 모델인 Denoising Self-Attention Network(DSAN)를 제안한다. DSAN은 셀프 어텐션과 디노이징 기법을 결합하여 견고한 특징 표현 벡터를 학습하고, 멀티태스크 러닝을 통해 다수개의 결측치 변수에 대한 보간 모델을 병렬적으로 생성할 수 있다. 제안 모델의 유효성을 검증하기 위해 다수개의 혼합형 학습 데이터에 대하여 임의로 결측 처리한 후 데이터 보간 실험을 수행한다. 원래 값과 보간 값 간의 오차와 보간된 데이터를 학습한 이진 분류 모델의 성능을 비교하여 제안 기법의 유효성을 입증한다.

효율적인 이미지 검색 시스템을 위한 자기 감독 딥해싱 모델의 비교 분석 (Comparative Analysis of Self-supervised Deephashing Models for Efficient Image Retrieval System)

  • 김수인;전영진;이상범;김원겸
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제12권12호
    • /
    • pp.519-524
    • /
    • 2023
  • 해싱 기반 이미지 검색에서는 조작된 이미지의 해시코드가 원본 이미지와 달라 동일한 이미지 검색이 어렵다. 본 논문은 이미지의 질감, 모양, 색상 등 특징 정보로부터 지각적 해시코드를 생성하는 자기 감독 기반 딥해싱 모델을 제안하고 평가한다. 비교 모델은 오토인코더 기반 변분 추론 모델들이며, 인코더는 완전 연결 계층, 합성곱 신경망과 트랜스포머 모듈 등으로 설계된다. 제안된 모델은 기하학적 패턴을 추출하고 이미지 내 위치 관계를 활용하는 SimAM 모듈을 포함하는 변형 추론 모델이다. SimAM은 뉴런과 주변 뉴런의 활성화 값을 이용한 에너지 함수를 통해 객체 또는 로컬 영역이 강조된 잠재 벡터를 학습할 수 있다. 제안 방법은 표현 학습 모델로 고차원 입력 이미지의 저차원 잠재 벡터를 생성할 수 있으며, 잠재 벡터는 구분 가능한 해시코드로 이진화 된다. CIFAR-10, ImageNet, NUS-WIDE 등 공개 데이터셋의 실험 결과로부터 제안 모델은 비교 모델보다 우수하며, 지도학습 기반 딥해싱 모델과 동등한 성능이 분석되었다.