• International Journal of Computer Science & Network Security
• /
• 제23권1호
• /
• pp.89-95
• /
• 2023

Analyzing breast cancer patient files is becoming an exciting area of medical information analysis, especially with the increasing number of patient files. In this paper, breast cancer data is collected from Khartoum state hospital, and the dataset is classified into recurrence and no recurrence. The data is imbalanced, meaning that one of the two classes have more sample than the other. Many pre-processing techniques are applied to classify this imbalanced data, resampling, attribute selection, and handling missing values, and then different classifiers models are built. In the first experiment, five classifiers (ANN, REP TREE, SVM, and J48) are used, and in the second experiment, meta-learning algorithms (Bagging, Boosting, and Random subspace). Finally, the ensemble model is used. The best result was obtained from the ensemble model (Boosting with J48) with the highest accuracy 95.2797% among all the algorithms, followed by Bagging with J48(90.559%) and random subspace with J48(84.2657%). The breast cancer imbalanced dataset was classified into recurrence, and no recurrence with different classified algorithms and the best result was obtained from the ensemble model.

• 원예과학기술지
• /
• 제28권4호
• /
• pp.561-566
• /
• 2010

칼슘 코팅 봉지의 괘대처리가 포도 '거봉'의 과피 강화 및 열과 경감에 미치는 영향을 구명하고 효과적인 열과 방지용 괘대봉지 개발에 필요한 기초자료를 얻기 위해 실험을 수행하였다. 무대구의 가용성당함량과 안토시아닌 함량은 각각 $^18.1{\circ}Brix$, $2.56{\mu}g{\cdot}cm^{-2}$로 칼슘코팅 괘대구에 비해 높았다. 과피의 경도는 무대구에서 $1.18kg{\cdot}5mm^{-1}{\O}$으로 괘대 처리구의 12.3, 1.24, 1.27, $1.35kg{\cdot}5mm^{-1}{\O}$ 보다 낮았으며 고농도의 칼슘코팅 봉지를 사용할수록 경도가 증가하는 경향을 확인할 수 있었다. 과피의 형태적 관찰을 수행한 결과, 고농도의 칼슘코팅 괘대구일수록 표피 및 아표피층의 세포벽 두께가 증가하여 과피가 구조적으로 강화되었으며, 한계 팽압 하에서의 열과 발생률은 고농도의 칼슘코팅한 봉지를 처리할수록 열과 발생이 감소하여 열과 경감에 효과적임을 알 수 있었다. 하지만 처리구 중 열과 경감에 가장 효과적이었던 9% 칼슘 코팅 괘대구에서는 칼슘에 의한 과피 미려도 저하가 문제되었다. 따라서 열과 경감효과와 과실의 상품성을 고려했을 때 '거봉' 포도의 경우에는 6%의 칼슘코팅 봉지 처리가 바람직한 것으로 나타났다.

• 원예과학기술지
• /
• 제34권4호
• /
• pp.528-536
• /
• 2016

본 연구는 칼슘제, 피막제, $GA_{4+7}+BA$의 수체살포 및 봉지씌우기 처리가 감홍 품종의 동녹 방지와 과실품질에 미치는 영향을 검토하기 위하여 실시하였다. 4년간(2012-2015)의 '감홍' 사과의 동녹 발생은 연도에 따라 차이가 있었으며 칼슘제, 피막제 및 $GA_{4+7}+BA$ 처리에 의한 동녹 발생 정도는 다른 처리에 비하여 만개 후 20일에 $GA_{4+7}+BA$ 1,000배액 처리구에서 현저하게 낮았고, 수확 시 과실 품질에는 큰 차이는 없었으나 과중은 증가하였다. 1중 봉지색 종류에 의한 동녹 발생정도는 무처리에 비하여 낮았고, 황색봉지 및 변색봉지 처리에서 우수하였다. 봉지씌우기 시기에 의한 동녹 발생정도는 만개 후 20일 처리가 만개 후 30, 40일 처리에 비하여 현저하게 낮았으며, 과실 품질에는 차이는 없었다. 그리고 $GA_{4+7}+BA$를 만개 후 20일과 30일에 2회 처리와 $GA_{4+7}+BA$을 만개 후 20일에 처리한 후 만개 30일에 칼슘함유봉지를 처리한 과실에 동녹발생이 각각 1.8과 1.3으로 무처리구(5.5)에 비하여 현저히 낮았다. $GA_{4+7}+BA$ 처리에 의한 과실부위별 동녹 발생 정도는 과실 과병부와 과정부에 비하여 과실의 중앙부에서 더 낮은 결과를 보였다. 따라서 '감홍' 사과의 동녹발생 경감을 위해서는 만개 후 20일에 $GA_{4+7}+BA$ 1,000배액 1회 및 2회 처리가 가장 우수한 효과를 나타내었다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제5권1호
• /
• pp.17-21
• /
• 2016

This paper investigates the importance of the computational overhead when machine learning methods, such as SVM, LASSO, AdaBoosting and AdaBagging, are used for automatic security classification.

• 원예과학기술지
• /
• 제33권4호
• /
• pp.479-485
• /
• 2015

본 연구는 배 '만수' 품종의 열과 발생의 원인과 재배 조건을 구명하여 발생을 경감시킬 수 있는 재배 방법을 제안하고자 수행하였다. 미세 열과는 성숙기 과실에서 발견되었다. 미세 열과의 발생은 8월 중의 일조 시간과 밀접한 관련을 나타내었다. 발생이 심했던 해에는 일조 시간이 부족하였으며, 발생이 적었던 해에는 일조 시간이 길고 일조량이 많은 날이 연속되어 광 조건이 우수하였다. Y자 수형보다는 평덕식에서 많이 발생하였고, 인공 관수구와 무관수 처리구에서 미세 열과 발생률의 차이는 나타나지 않았다. 무대 처리구에서는 미세 열과가 전혀 발생하지 않았으나, 외피가 흑색과 황색인 봉지를 이용한 처리구에서의 미세 열과 발생은 각각 62.2% 및 17.3%로 흑색 봉지 처리구에서 미세 열과가 심하게 발생하였다. 따라서 '만수' 과실의 미세열과 발생은 일조 시간, 수형 및 봉지 색에 따라 차이를 보여 광 조건이 가장 크게 작용하는 것으로 판명되었다. '만수' 과실의 미세열과를 방지하기 위해서는 적합한 수형 및 봉지 색을 선택하고, 하계전정 등을 통해 광 조건을 개선하는 것이 요구된다.

• 지능정보연구
• /
• 제5권1호
• /
• pp.95-101
• /
• 1999

In this paper, a comparison between different methods to combine predictions from neural networks will be given. These methods are bagging, bumping, and balancing. Those are based on the analysis of the ensemble generalization error into an ambiguity term and a term incorporating generalization performances of individual networks. Neural Networks and AI machine learning models are prone to overfitting. A strategy to prevent a neural network from overfitting, is to stop training in early stage of the learning process. The complete data set is spilt up into a training set and a validation set. Training is stopped when the error on the validation set starts increasing. The stability of the networks is highly dependent on the division in training and validation set, and also on the random initial weights and the chosen minimization procedure. This causes early stopped networks to be rather unstable: a small change in the data or different initial conditions can produce large changes in the prediction. Therefore, it is advisable to apply the same procedure several times starting from different initial weights. This technique is often referred to as training ensembles of neural networks. In this paper, we presented a comparison of three statistical methods to prevent overfitting of neural network.

• 한국펄프종이공학회:학술대회논문집
• /
• 한국펄프종이공학회 2009년도 춘계학술발표회 논문집
• /
• pp.9-14
• /
• 2009

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제8권3호
• /
• pp.57-67
• /
• 2018

앙상블 기법은 기계학습에서 다수의 알고리즘을 사용하여 더 좋은 성능을 내기 위해 사용하는 방법이다. 본 논문에서는 앙상블 기법에서 많이 사용되는 부스팅과 배깅에 대해 소개를 하고, 서포트벡터 회귀, 방사기저함수 네트워크, 가우시안 프로세스, 다층 퍼셉트론을 이용하여 설계한다. 추가적으로 순환신경망과 MOHID 수치모델을 추가하여 실험을 진행한다. 실험적 검증를 위해 사용하는 뜰개 데이터는 7 개의 지역에서 관측된 683 개의 관측 자료다. 뜰개 관측 자료를 이용하여 6 개의 알고리즘과의 비교를 통해 앙상블 기법의 성능을 검증한다. 검증 방법으로는 평균절대오차를 사용한다. 실험 방법은 배깅, 부스팅, 기계학습을 이용한 앙상블 모델을 이용하여 진행한다. 각 앙상블 모델마다 동일한 가중치를 부여한 방법, 차등한 가중치를 부여한 방법을 이용하여 오류율을 계산한다. 가장 좋은 오류율을 나타낸 방법은 기계학습을 이용한 앙상블 모델로서 6 개의 기계학습의 평균에 비해 61.7%가 개선된 결과를 보였다.

• International Journal of Precision Engineering and Manufacturing
• /
• 제2권3호
• /
• pp.47-53
• /
• 2001

This paper investigates the characteristics of interlaminar fracture toughness of foam core sandwich structures under opening mode by using the double cantilever beam (DCB) specimens which are Carbon/Epoxy and foam core composites. Instead of using a DCB specimen of symmetric geometry, a non-symmetric DCB specimen was used to calculate the interlaminar fracture toughness. Three approaches for calculating the energy release rate(G$\sub$IC/) were used and fracture toughness of foam core sandwich structures made by autoclave, vacuum bagging and hotpress were compared. Experiment, analysis using nonlinear beam bending theory, and numerical work by FEM methods were performed. Bonding surface compensation and equivalent moment of inertia were used to calculate the energy release rate in nonlinear analytical work. Conclusions of experimental, nonlinear analytical and FEM methods were compared. It is, also, shown that the vacuum bagging forming can substitute the method of autoclave without serious loss of Mode I energy release rate(G$\sub$I/).

• Journal of Electrical Engineering and Technology
• /
• 제12권4호
• /
• pp.1406-1416
• /
• 2017

In complex and large-scale industries, properly designed fault detection and identification (FDI) systems considerably improve safety, reliability and availability of target processes. In thermal power plants (TPPs), generating units operate under very dangerous conditions; system failures can cause severe loss of life and property. In this paper, we propose a bagged auto-associative kernel regression (AAKR)-based FDI approach for steam boilers in TPPs. AAKR estimates new query vectors by online local modeling, and is suitable for TPPs operating under various load levels. By combining the bagging method, more stable and reliable estimations can be achieved, since the effects of random fluctuations decrease because of ensemble averaging. To validate performance, the proposed method and comparison methods (i.e., a clustering-based method and principal component analysis) are applied to failure data due to water wall tube leakage gathered from a 250 MW coal-fired TPP. Experimental results show that the proposed method fulfills reasonable false alarm rates and, at the same time, achieves better fault detection performance than the comparison methods. After performing fault detection, contribution analysis is carried out to identify fault variables; this helps operators to confirm the types of faults and efficiently take preventive actions.