ICP-AES는 넓은 검량범위 및 다성분 동시분석이라는 장점이 있어 많은 연구소에서 사용되지만 비소의 경우 토양 중에 존재하는 성분들이 함께 방출되어 스펙트럼 간섭이 일어나 농도가 과대/과소평가 될 수 있다. 본 연구에서는 표준 인증 물질(CRMs)과 현장 토양시료를 국내 토양오염 공정시험기준에 의거하여 HG-AAS 및 ICP-AES로 분석하여 발생하는 문제점을 살펴보았다. HG-AAS 분석결과는 모든 CRM에 대해 90.8~106.3%의 정확도를 보인 반면, ICP-AES는 비소의 농도가 낮으며 철 및 알루미늄의 농도가 높은 CRM에서 정확도를 만족하지 못했으며 CRM030의 경우 193.696 nm에서 정확도가 39% 미만으로 나타났다. 비소의 측정파장에서 발생하는 간섭영향을 살펴본 결과, 193.696 nm 부근에서 50 mg/L 철 및 알루미늄에 의해 각각 유의한 수준의 partial overlap, sloping background가 발생하였으나 188.980 nm에서는 간섭이 미미하거나 없는 것으로 확인되었다. 현장시료를 ICP-AES로 측정한 결과 각각 188.980 nm, 193.696 nm에서 저농도/고농도 비소가 HG-AAS로 측정한 결과와 가장 유사한 것으로 나타났다. 따라서, ICP-AES를 분석장비로 사용할 경우 시료 매질, 분석 조건 등에 따라 간섭영향이 달라질 수 있으므로 분석자는 비소의 농도에 따라 적절한 파장을 선택하는 것이 중요하다. 또한 ICP-AES 분석에서 간섭 영향이 확인되는 경우에는 HG-AAS와 교차분석 등의 방법을 고려해야 한다. ICP-AES 분석의 대안으로 검토한 HG-ICP-AES는 HG로 간섭을 줄여 검출한계가 향상되었으며 HG-AAS에 비해 넓은 검량범위를 나타내 적절한 분석방법으로 평가되었다.
이 연구의 목적은 직업계고에서 과정평가형 자격 과정 운영 시에 수행하게 되는 직무 내용을 도출하고 각각의 직무에 대한 현장 교사들의 교육 요구도 조사하는 것이다. 이를 위해 과정평가형 자격 과정을 운영하기 위한 직업계고 담당 교사의 직무 27개를 도출하고, 도출된 직무에 대하여 11명의 전문가에게 내용타당도 검증을 실시하여 수정 및 보완하였다. 도출된 직무에 대한 중요도와 능력 정도를 리커트 5점 척도로 조사하는 조사도구를 작성하여 과정평가형 자격 과정을 운영하고 있거나 운영 예정인 직업계고 교사 90명을 대상으로 설문 조사를 실시하였다. 조사된 자료를 t검정, 보리치 요구도, The Locus for Focus의 세 가지 방법으로 분석하고, 교육 요구에 대한 우선순위를 결정함으로써, 과정평가형 자격 과정 운영교 및 운영 예정교 교사의 직무에 대한 교육요구도를 분석하였다. 연구의 결과를 요약하면 다음과 같다. 우선순위 분석 결과 '자격 종목 선정 및 편성기준 확인, 교육훈련시간 편성, 교과목 편성 및 학년·학기별 능력단위 운영 계획 수립, 수업 자료 선정, 교육·훈련 실시, 평가 계획 수립, 평가 실시, 40%미만 이수자 재교육 및 재평가, 지필평가 지도, 실무평가 지도, 면접평가 지도' 직무가 최우선순위 직무로 나타났으며 '외부평가 원서 접수, 불합격자 재응시 지도'가 차우선순위 직무로 나타났다. 이 연구에서 도출된 결론은 다음과 같다. 첫째, 추후 개설되는 과정평가형 자격 관련 교사 연수 프로그램에 최우선순위의 직무 내용을 포함한다면 좀 더 긍정적인 효과가 있을 것이다. 둘째, 운영 계획 단계의 직무들에 대한 교육 요구 우선순위가 높게 나타났으므로 과정 운영의 시작 단계부터 적극 지원해야 한다. 단순히 편성 기준에 맞추는 것에서 나아가 실제 수업이 가능토록 하는 역량 개발이 중요하다. 셋째, 외부평가 단계에 대한 교육 요구 우선순위가 높게 나타났으므로 자격 종목별 맞춤형 연수 프로그램 또는 프로그램 진행 중 종목별 분반을 통한 심화 교육, 지필평가와 면접평가의 중요성에 대한 인식 제고가 필요하다.
본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.
특허의 사적 가치(private value)를 나타내는 특허수명 추정은 오래전부터 연구되었으나 추정과정에서 선형모델에 의존하는 경우가 대부분이었고, 기계학습 방법을 사용하더라도 변수 간 관계에 대한 해석이나 설명이 부족하였다. 본 연구에서는 특허의 생존 기간이 특허의 가치를 대리한다는 기존 연구결과를 바탕으로 특허 등록 이후의 생존 기간(연장횟수) 예측을 통해 특허의 가치를 추정한다. 이를 위해 1996~2017년까지 미국 특허청(USPTO)에 출원하여 등록된 특허 4,033,414개를 수집하였다. 특허수명을 예측하기 위해 기존 연구에서 특허수명에 영향을 미친다고 밝혀진 특허의 특성, 특허의 소유자 특성, 특허의 발명가 특성을 반영할 수 있는 다양한 변수가 사용되었다. 서로 다른 4개의 모델(Ridge Regression, Random Forest, Feed-forward Neural Network, Gradient Boosting Models)을 생성하고, 모델 학습 과정에서는 5-fold Cross Validation으로 초매개변수 조정이 이루어졌다. 이후 생성된 모델의 성능을 평가하고 특허수명을 추정할 수 있는 예측변수의 상대적 중요도를 제시하였다. 또한, 성능이 우수했던 Gradient Boosting Model을 기반으로 Accumulated Local Effects Plot을 제시하여 예측변수와 특허수명 간 관계를 시각적으로 나타내었다. 마지막으로 모델에 의해서 평가된 개별 특허의 평가 근거를 제시하기 위하여 Kernal SHAP(SHapley Additive exPlanations)을 적용하고 특허평가 시스템에의 적용 가능성을 제시한다. 본 연구는 기존에 특허수명을 추정하는 연구에 누적적으로 기여한다는 점 그리고 선형성을 바탕으로 진행된 기존 특허수명 추정 연구들의 한계를 보완하고 복잡한 비선형 관계를 설명가능한 방식으로 제시하였다는 점에서 학문적 의의가 있다. 또한, 개별 특허의 평가 근거를 도출하는 방법을 소개하고 특허평가 시스템에의 적용 가능성을 제시하였다는 점에서 실무적 의의가 있다.
도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R2, 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R2, 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.
본 연구는 치아우식증 예방을 위한 모범 유치원 구강건강관리프로그램의 효과를 확인하고자 2012년 4월 구강보건 교육 전, 후 유아의 구강보건행태 변화에 대해 부모를 통한 설문을 진행하였으며, 유아를 대상으로는 치면세균막관리 능력을 평가하기 위해 교육 전, 교육 직후, 교육 3주 후에 PHP index를 측정하였다. 전체 156명의 유아 중 참여에 동의하지 않았거나, 해당일 결석으로 구강보건교육에 참여하지 못한 유아와 설문지 회수가 되지 않은 유아를 제외하고 총 130명을 대상으로 분석을 실시하였으며, 다음과 같은 결론을 얻었다. 1. 구강보건교육 시행 후 자녀의 시기별 칫솔질 실천율과 칫솔질 빈도, 소요시간, 칫솔질 행동에는 변화가 없었다(p>0.05). 치아건강교육에 대한 관심은 변화 없었으나(p>0.05), 칫솔질 방법 인지와 칫솔질 권유 시 반응, 치아의 중요성 인지는 긍정적으로 변화되었다(p<0.05). 2. 유아의 구강환경관리능력(PHP index)은 교육 전 3.87, 교육 직후 2.71, 교육 3주 경과 후 3.27로, 교육 전에 비해 유의하게 개선된 것을 확인할 수 있었다(p<0.001). 3. 보호자의 자일리톨 급식 인지율은 90.0%, 충치예방효과 인지율은 75.3%, 권유의사는 50.8%였으며, 추후 구강보건교육을 실시할 경우 보호자의 76.9%는 참여한다고 응답하였다. 부모의 관찰 결과 유아의 33.1%는 자일리톨 급식후, 60.7%는 구강보건교육 후 충치예방에 대한 관심이 생겼다고 하였다. 결과적으로 충치예방 모범 유치원 구강건강관리프로그램의 효과를 확인하였으므로 프로그램의 활성화를 위한 노력이 필요하며, 교사와 부모, 유아를 대상으로 계속구강건강관리프로그램을 운영함으로써 유아의 구강건강행동이 습관화되고 칫솔질 능력이 완성될 수 있도록 지속적인 관리와 재교육이 이루어져야 할 것이다.
연구배경 : 소세포폐암은 전체 폐암의 약 20%를 차지하며, 비소세포암에 비해 예후가 불량한 것으로 알려져 있다. 하지만, 최근 치료 효과가 점차 좋아지면서 생존율이 향상되고 있으며, 환자들의 적절한 치료를 위해 소세포폐암 환자의 생존 기간과 연관된 예후인자를 조사하였다. 방법 : 1993년에서 2001년까지 고신대학교 복음병원에서 소세포폐암으로 진단 및 치료받은 입원 환자 중에서 추적 경과 관찰이 가능한 394명의 의무기록을 바탕으로 예후 인자들의 생존기간을 후향적조사 분석하였다. 결과 : 남자가 314명(79.7%), 여자 80명(20.3%), 제한기 177명(44.9%), 확장기가 217명(55.1%)이었다. 이들 중 사망이 확인된 경우는 366명이었으며 중앙 생존기간은 215일이었다. 예후인자 중에서 병기, 전신 활동도, 최근 3개월간의 5% 체중감소, 항암 치료 여부, 항암 화학 약제 종류, 부가적 방사선 치료여부가 생존 기간의 연장과 통계적으로 유의하였다. 치료 여부에 따른 분석에서 대중 요법만 받은 환자의 중앙 생존 기간은 71일, 한가지의 암 치료만 받은 경우는 211일, 두 가지 이상 항암 치료를 받은 경우는 419일로 치료에 따라서 의미 있게 생존 기간이 연장되었다(p<0.000 각각). 항암화학요법과 방사선 치료를 같이 시행받은 환자들 중에서 조기동시 항암 화학 방사선 치료 군 (30명)은 지연교대 항암 화학 방사선 치료 군 (55명)보다 중앙생존기간이 유의하게 길었다(528일 대 373일, p=0.0237). 검사실 지표로는 백혈구${\leq}800{\mu}L$, $ALP{\leq}200U/L$, $LDH{\leq}450IU/L$, $NSE{\leq}15ng/ml$, $S-GOT{\leq}40IU/L$ 인 경우 생존 기간이 유의하게 길었다. 확장기의 환자들 중 전이 부위 수에 따른 생존 기간은 차이가 없었으나, 늑막액 저류가 있는 환자의 생존 기간이 다른 부위에 전이된 경우보다 유의하게 길었다. 연도별 생존기간의 변화를 1993-1995, 1996-1998, 1999-2001년의 3군으로 나눠 본 결과 중앙 생존 기간이 1999년 이후 의미 있게 연장되었다(각각 177일, 194일, 289일, p=0.001, 0.002). 결론 : 소세포폐암 환자에서 진단 당시의 병기와 최근 3개월간 5% 체중감소 여부가 유의한 예후 인자였다. 그 외 신체 활동도, 혈청 ALP, LDH, NSE, CEA 등의 수치가 예측 가능한 예후 인자였다. 근년에 올수록 치료 성적은 더 향상되었는데, 이는 EP 항암 화학 요법의 도입과 제한기 환자들에게 항암 방사선 치료를 조기에 시행한 것과 연관이 있을 것으로 생각한다.
최근 전 세계적인 원전 설비의 수요 증가로 원자력 전략물자 취급의 중요성이 높아지는 가운데, 국외 수출을 위한 원전 관련 물품 및 기술의 신청 또한 급증하는 추세이다. 전략물자 사전판정 업무는 통상 원자력 물자 관리에 해박한 전문가의 경험 및 지식에 근거하여 수행되어 왔지만, 급증하는 수요에 상응하는 전문 인력의 공급이 부족한 실정이다. 이러한 문제를 극복하기 위하여, 본 연구진은 전략물자 수출 통제를 위한 사례 기반 지능형 수출 통제 시스템을 설계 및 개발하였다. 이 시스템은 현장 전문가의 전담 업무이던 신규 사례에 대한 전략물자 사전판정 과정 업무의 주요 맥락을 자동화 하여 전문가 및 관계 기관이 감당해야 할 업무 부담을 줄이며, 빠르고 정확한 판정을 돕는 의사결정 지원 시스템의 역할을 맡는다. 개발된 시스템은 사례 기반 추론 (Case Based Reasoning) 방식에 기반을 두어 설계되었는데, 이는 과거 사례의 특성을 활용하여 신규 사례의 해법을 유추하는 추론 방법이다. 본 연구에서는 자연어로 작성된 전자문서 처리에 널리 사용되는 텍스트 마이닝 분석 기법을 원자력 분야에 특화된 형태로 응용하여 전략물자 수출통제 시스템을 설계하였다. 시스템 설계의 근거로 선행 연구에서 제안된 반자동식 핵심어 추출 방안의 성능을 보다 엄밀히 검증하였고, 추출된 핵심어로 신규 사례와 유사한 과거 사례를 추출하는 알고리즘을 제안하였다. 제안된 방안은 텍스트 마이닝 분야의 TF-IDF 방법 및 코사인 유사도 점수를 활용한 결과(${\alpha}$)와 원자력 분야에서 통용되는 개념적 지식을 계통으로 분류하여 도출한 결과(${\beta}$)를 조합하여 최종 결과 (${\gamma}$) 를 생성하게 된다. 세부 요소 기술의 성능 검증은 임상 데이터를 활용한 실험 및 실무 전문가의 의견수렴을 통해 이루어졌다. 개발된 시스템은 사전판정 전문 인력을 다수 양성하는 데 드는 비용을 절감하는 데 일조할 것이며, 지식서비스 산업의 의미 있는 응용 사례로서 관련 산업의 성장에 기여할 수 있을 것으로 보인다.
교수업적평가제도는 불편하지만 피할 수 없는 제도로 정착되어 가고 있으며, 대학 경쟁력 향상에 있어서 가장 중요한 요인 중의 하나로 그 중요성이 점차 증대되고 있다. 본 연구에서는 몇몇 4년제 대학과 전문대학을 선정하여 각각의 교수업적평가 모델을 교육, 산학협력, 연구, 봉사 평가 영역별로 조사 비교 분석하였다. 이를 통하여 현 전문대학 업적평가 모델의 특성을 파악하고, 4년제 대학 업적평가의 답습, 직무 특성별 업적 평가의 난맥상, 개개 항목별 가중치의 과도한 편차, 전공별 특성의 미흡한 반영 등의 문제점을 도출하였다. 이를 바탕으로 본 연구에서는 개별교수의 역량제고를 통한 대학 경쟁력 향상을 목표로 전문대학의 특성에 맞는 교수업적평가 모델을 제시하였다. 직업교육중심대학의 특성을 갖는 전문대학의 교수업적평가 모델에는 일반적으로 교육, 연구, 봉사 3가지로 구분되어있는 4년제 대학의 평가영역에 전문대학의 특성을 고려하여 산학협력영역을 추가하였고, 취업률, 재학생 유지율, 학생만족도 등과 같은 지표들의 반영을 위해 학부(과) 평가영역을 도입하였다. 또한 영역별 평가 항목을 선정하는 기본 방향으로 대학 및 교수 개인의 발전과 연계된 검증가능한 모든 교수 활동을 평가 대상으로 고려하여 영역을 구분한 후 항목화하여 평가지표로 활용하도록 하였다. 본 모델에서는 SCI급 논문 점수를 객관적인 비교를 위한 하나의 기준으로 제시하였다. 각 항목의 배점은 SCI급 논문 점수를 기본으로 항목의 중요성 및 교수가 기울이는 노력과 시간의 정도를 고려하여 조정하였다. 또한 세부 평가항목별 점수의 격차를 합리적으로 조정하여 평가 대상자들이 공감할 수 있는 보다 공정한 평가 체계를 제시하고자 하였다. 일반전임교원, 실습교원, 강의교원, 산학협력전담교원 등의 다양한 직무특성을 갖는 전문대학 교수들의 업적평가를 하나로 통합하여 평가할 수 있는 방안을 제시하였으며, 4년제의 단과대와 달리 소규모 전공으로 운영되는 전문대학의 다양한 전공 특성을 고려한 업적평가 개선 방안을 제안하였다. 팀평가 요소인 학부(과) 평가의 적절한 비율을 제시하였으며, 전략적인 성과목표로서 객관적이며 계량화가 용이한 몇 가지 평가지표도 도출하였다. 또한 기존 연구와 실제 자료를 분석한 내용을 토대로 강의평가를 보완하고 개선하기 위한 방안을 제시하였다. 마지막으로 제안된 업적평가 모델의 효과적인 운용을 위하여 최소점수제와 등급제를 도입하는 방안을 제시하였다.
Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.