• Journal of the Korean Association of Oral and Maxillofacial Surgeons
• /
• 제49권3호
• /
• pp.135-141
• /
• 2023

Objectives: This study aimed to develop and validate machine learning (ML) models using H₂O-AutoML, an automated ML program, for predicting medication-related osteonecrosis of the jaw (MRONJ) in patients with osteoporosis undergoing tooth extraction or implantation. Patients and Methods: We conducted a retrospective chart review of 340 patients who visited Dankook University Dental Hospital between January 2019 and June 2022 who met the following inclusion criteria: female, age ≥55 years, osteoporosis treated with antiresorptive therapy, and recent dental extraction or implantation. We considered medication administration and duration, demographics, and systemic factors (age and medical history). Local factors, such as surgical method, number of operated teeth, and operation area, were also included. Six algorithms were used to generate the MRONJ prediction model. Results: Gradient boosting demonstrated the best diagnostic accuracy, with an area under the receiver operating characteristic curve (AUC) of 0.8283. Validation with the test dataset yielded a stable AUC of 0.7526. Variable importance analysis identified duration of medication as the most important variable, followed by age, number of teeth operated, and operation site. Conclusion: ML models can help predict MRONJ occurrence in patients with osteoporosis undergoing tooth extraction or implantation based on questionnaire data acquired at the first visit.

• 한국산업융합학회 논문집
• /
• 제27권1호
• /
• pp.161-172
• /
• 2024

Approximately 89% of all capsizing accidents involve small vessels, and despite their relatively high accident rates, small vessels are not subject to ship stability regulations. Small vessels, where the provision of essential basic design documents for stability calculations is omitted, face challenges in directly calculating their stability. In this study, considering that the majority of domestic coastal small vessels are of the Chine-type design, the goal is to establish the major hull form characteristic data of vessels, which can be identified from design documents such as the general arrangement drawing, as input data. Through the application of a deep learning approach, specifically a multilayer neural network structure, we aim to infer hydrostatic curves, operational draft ranges, and more. The ultimate goal is to confirm the possibility of directly calculating the initial stability of small vessels.

• 한국가스학회지
• /
• 제25권2호
• /
• pp.64-71
• /
• 2021

수소연료전지자동차를 비롯한 자동차 분야에서 성형 가공성과 기계적 특성이 우수한 고분자 복합수지에 대한 연구는 특정 기계적 특성을 갖춘 재료의 설계지원을 위한 Computer-Aided Engineering (CAE)으로 확대되고 있다. CAE 자동화는 소재의 기계적 특성 및 거동 예측이 선행되어야 하는데, 고분자 복합수지의 기계적 물성 예측은 단일물질과 달리, 바탕재와 보강재 간의 관계로만 설명하기에는 물성 거동이 복잡하기에, 수식으로 설명하기 어렵다. 본 연구에서는 큰 소성 구간과 조성에 예민하여 예측이 어려웠던 고분자 복합수지의 조성에 따른 응력-변형률 선도를 데이터의 기계학습을 기반으로 예측하였다. 개발모델은 바탕재, 보강재 종류 및 조성간의 복잡한 상관관계를 찾아, 학습한 시험 데이터가 없는 조건에서도 전체 응력-변형률 곡선을 의미있게 예측한다. 학습하지 않은 조성과 구성에 대해서도 고분자 복합수지의 기계적 특성을 예측하는 개발 모델을 기반으로 향후 소재 설계 AI 시스템을 완성할 수 있을 것으로 기대한다.

• 한국간담췌외과학회지
• /
• 제27권4호
• /
• pp.428-432
• /
• 2023

Minimally invasive pancreatoduodenectomy (MIS PD) is a well reported technique with several advantages over conventional open pancreatoduodenectomy. In comparison to distal pancreatectomy, the adoption of MIS PD has been slow due to the technical challenges involved, particularly in the reconstruction phase of the pancreatojejunostomy (PJ) anastomosis. Hence, we introduce a lowcost model for PJ anastomosis simulation in MIS PD. We fashioned a model of a cut pancreas and limb of jejunum using economical and easily accessible materials comprising felt fabric and the modelling compound, Play-Doh. Surgeons can practice MIS PJ suturing using this model to help mount their individual learning curve for PJ creation. Our video demonstrates that this model can be utilized in simulation practice mimicking steps during live surgery. Our model is a cost-effective and easily replicable tool for surgeons looking to simulate MIS PJ creation in preparation for MIS PD.

• 한국전자통신학회논문지
• /
• 제18권3호
• /
• pp.441-448
• /
• 2023

제조 공정 데이터에 있어 주조 공정은 가장 중요한 공정이면서 높은 불량률의 원인을 발생시키는 공정이다. 주조 공정의 품질관리는 생산성과 품질평가의 핵심 요소라 할 수 있다. 본 연구에서는 공정 데이터를 통한 요인 분석, 상관 분석, 회귀 분석 결과를 기반으로 최적화 된 머신러닝 모델 알고리즘을 개발한다. 이를 적용한 주조공정을 통해서 불량률을 줄이고 스마트 팩토리의 데이터 적합성을 검증하고자 한다.

• 한국융합학회논문지
• /
• 제11권12호
• /
• pp.23-30
• /
• 2020

본 연구에서는, 천연가스(NG) 데이터와 가스 관련 환경 요소 간의 관계를 기계학습 알고리즘을 사용하여 가스 누출 데이터를 직접 측정하지 않고 가스 누출 위험 수준을 예측하였다. 이번 연구는 서버가 제공하는 오픈 데이터인 IoT 기반 원격 제어 피카로(Picarro) 가스 센서 사양을 기반으로 사용했다. 천연 가스는 공기 중으로 누출이 되며, 대기 오염, 환경, 그리고 건강에 큰 문제가 된다. 본 연구에서 제안하는 방법은 천연 가스의 누출 위험 예측을 위한 랜덤 포레스트(Random Forest) 분류 기반 다변량 특이치 제거 방법이다. 비지도 k-평균 클러스터링 후에 실험 데이터 집합은 불균형 데이터이다. 따라서 우리는 제안된 모델이 중간과 높은 위험 수준을 가장 잘 예측할 수 있다는 점에 초점을 맞춘다. 이 경우 각 분류 모델에 대한 수신자 조작 특성(ROC) 곡선, 정확도, 평균 표준 오차(MSE)를 비교했다. 실험 결과로 정확도, 수신자 조작 특성의 곡선 아래 영역(AUC, Area Under the ROC Curve), MSE가 각각 MOL_RF의 경우 99.71%, 99.57%, 및 0.0016의 결과 값을 얻었다.

• Ecology and Resilient Infrastructure
• /
• 제7권2호
• /
• pp.114-125
• /
• 2020

본 연구는 유출모형 연구를 위해 주로 사용되었던 DNN에서 벗어나, 다양한 신경망을 이용하여 유출모형을 개발하고 모형의 적합성을 나타내고자 하였다. 이를 위해 분류문제에만 사용되었던 CNN을 활용하였는데, 본 모형의 입력자료로 일반적으로 CNN에서 사용하는 사진을 이용할 수 없으며, 연구의 특성상 유역조건 및 강우 등의 영향이 반영된 수치적(numerical) 이미지(image)를 사용해야 하는 난해점이 있다. 이를 해결하고자 NRCS의 CN을 사용하여 이미지를 생성했으며, CNN 모형의 입력자료로 충분히 활용 가능함을 나타냈다. 이에 더하여, 유출 추정을 위해서만 사용되어왔던 CN의 새로운 용도를 제시할 수 있었다. 모형의 학습 및 검정 결과, 전반적으로 안정적으로 모형의 학습 및 일반화가 이루어졌으며, 관측값과 산정값간의 관계를 나타내는 R²는 0.79로 비교적 높은 값이 나타났다. 또한, 모형의 평가결과는 Pearson 상관계수, NSE, 및 RMSE 등이 각각 0.84, 0.65 및 24.54 ㎥/s으로 나타나, 전반적으로 양호한 모형의 산정성능을 보인것으로 나타났다.

• 정보보호학회논문지
• /
• 제30권4호
• /
• pp.617-629
• /
• 2020

인터넷 컴퓨팅 환경의 변화, 새로운 서비스 출현, 그리고 지능화되어 가는 해커들의 다양한 공격으로 인한 규칙 기반 침입탐지시스템의 한계점을 극복하기 위해 기계학습 및 딥러닝 기술을 활용한 네트워크 이상 검출(NAD: Network Anomaly Detection)에 대한 관심이 집중되고 있다. NAD를 위한 대부분의 기존 기계학습 및 딥러닝 기술은 '정상'과 '공격'으로 레이블링된 훈련용 데이터 셋을 학습하는 지도학습 방법을 사용한다. 본 논문에서는 공격의 징후가 없는 일상의 네트워크에서 수집할 수 있는 레이블링이 필요 없는 데이터 셋을 이용하는 비지도학습 오토 엔코더(AE: AutoEncoder)를 활용한 NAD 적용 가능성을 제시한다. AE 성능을 검증하기 위해 NSL-KDD 훈련 및 시험 데이터 셋을 사용해 정확도, 정밀도, 재현율, f1-점수, 그리고 ROC AUC (Receiver Operating Characteristic Area Under Curve) 값을 보인다. 특히 이들 성능지표를 대상으로 AE의 층수, 규제 강도, 그리고 디노이징 효과 등을 분석하여 레퍼런스 모델을 제시하였다. AE의 훈련 데이터 셋에 대한 재생오류 82-th 백분위수를 기준 값으로 KDDTest+와 KDDTest-21 시험 데이터 셋에 대해 90.4%와 89% f1-점수를 각각 보였다.

• Journal of information and communication convergence engineering
• /
• 제21권1호
• /
• pp.98-102
• /
• 2023

This paper presents a study on how augmenting semi-synthetic image data improves the performance of human detection algorithms. In the field of object detection, securing a high-quality data set plays the most important role in training deep learning algorithms. Recently, the acquisition of real image data has become time consuming and expensive; therefore, research using synthesized data has been conducted. Synthetic data haves the advantage of being able to generate a vast amount of data and accurately label it. However, the utility of synthetic data in human detection has not yet been demonstrated. Therefore, we use You Only Look Once (YOLO), the object detection algorithm most commonly used, to experimentally analyze the effect of synthetic data augmentation on human detection performance. As a result of training YOLO using the Penn-Fudan dataset, it was shown that the YOLO network model trained on a dataset augmented with synthetic data provided high-performance results in terms of the Precision-Recall Curve and F1-Confidence Curve.

• 한국경영과학회지
• /
• 제40권1호
• /
• pp.5-19
• /
• 2015

Literatures on open innovation have two major limitations. First, either on a firm level or on an industry level did they analyze the open innovation issues. The results of a firm's innovation can be diffused through the whole network and the firm can learn back from the network knowledge. Prior literatures did not consider the feedback loop among firms and network in which the firms are involved. Second, most open innovation research had a static perspective on firm's innovation performance. Since the diffusion, spill-over and learning among network members are involved over time, the open innovation is intrinsically dynamic. From the dynamic perspective, we can appreciate the fundamental attributes of the open innovation network which involves diverse firms, research institutes, and universities. In order to overcome the limitations, we suggest a dynamic model for open innovation network. We build an agent-based model which consists of heterogeneous firms. The firms are connected through a scale-free network which is formed by preferential attachment. Through the diverse scenario of simulation, we collect massive data on the firm level and analyze them both on firm and industry level. From the analysis, we found that, on industry level, the overall performance of open innovation increases as the internal research capability, absorptive capacity, and learning curve coefficient increase. Noticeably, as the deprecation rate of knowledge increases, the variability of knowledge increases. From the firm level analysis, we found that the industry-level variables had a significant effect on the firm's innovation performance lasting through all the time, whereas the firm-level variables had only on the early phase of innovation.