• 한국콘텐츠학회논문지
• /
• 제21권8호
• /
• pp.367-375
• /
• 2021

의료의 질은 효과, 효율, 적절성, 과학적-기술적 측면 등과 같은 4가지로 정의할 수 있다. 과학적-기술적 측면의 질 관리를 위해 의료기관에서는 매년 보수교육의 형태로 최신 지견을 현장에 보급하고 있다. 하지만 최신 지견이 가장 빠르게 보급되는 연구 결과들을 단발성인 보수교육만으로 임상 현장에 충분히 보급하는 것에는 명백한 한계가 존재한다. 빅데이터, 인공지능과 같은 지능정보처리 기술이 의료 분야에 적용될 경우 기존에 문헌 조사 등으로 연구되어 적은 정보만으로 연구를 수행해야 했던 한계를 극복할 수 있다. 본 논문은 기존 약재 처방 적응증을 확장할 수 있는 근거가 되는 데이터베이스를 구축한다. 이를 위해 한의학 관련 국내외 논문 정보를 수집, 저장 관리, 분석하는 작업을 수행한다. 약재 처방전의 확장 적응증 콘텐츠 구축을 위한 한의학 근거문헌 데이터의 처리 및 분석 기법을 설계한다. 본 연구를 통해 한의학 의사결정지원시스템에서 근거기반 약재처방 주치 정보의 기본 콘텐츠로 활용할 수 있을 것이라 기대한다.

• 대한토목학회논문집
• /
• 제42권2호
• /
• pp.249-256
• /
• 2022

최근 BIM (Building Information Modeling)과 AR (Augmented Reality)을 결합한 실시간 시각화 기술이 건설관리 의사 결정 및 처리 효율성을 높이는 데 도움이 된다는 것을 보여주기 위한 다양한 연구가 활발히 진행되고 있다. 그러나, 대용량 BIM 데이터는 AR에 적용할 경우 데이터 전송 문제, 이미지 단절, 영상 끊김 등과 같은 다양한 문제가 발생함으로 3차원(3D) 모델의 메쉬 최적화를 통해 시각화의 효율성을 향상시켜야 한다. 대부분의 기존 메쉬 경량화 방법은 복잡하고 경계가 많은 3D 모델의 메쉬를 적절하게 처리할 수 없다. 이에 본 연구에서는 고성능 AR 시각화를 위해 BIM 데이터를 재구성하기 위한 k-최근접이웃(KNN) 분류 프레임워크 기반 메쉬 경량화 알고리즘을 제안하였다. 제안 알고리즘은 선정된 BIM 모델을 삼각형 중심 개념 기반의 Unity C# 코드로 경량화하였고 모델의 데이터 세트를 활용하여 정점 사이의 거리를 정의할 수 있는 KNN로 분류되었다. 그 결과 전체 모델과 각 구조의 경량화 메쉬 점 및 삼각형 개수가 각각 약 56 % 및 약 42 % 감소됨을 확인할 수 있었다. 결과적으로, 원본 모델과 비교했을 때 경량화한 모델은 시각적인 요소 및 정보 손실이 없었고, 따라서, AR 기기 활용 시 고성능 시각화를 향상시킬 수 있을 것으로 기대된다.

• 한국건설관리학회논문집
• /
• 제21권3호
• /
• pp.11-19
• /
• 2020

건설업에서의 재해는 수십 년 동안 다른 산업보다 많이 발생하였기 때문에, 건설업에서의 재해는 반드시 줄여야 한다. 이러한 문제를 해결하기 위해서 작업분류체계(WBS) 및 위험분류체계(RBS)를 제시하였다. WBS와 RBS는 계층적 구조로 작업 및 위험 단위를 쉽고, 빠르게 찾을 수 있다. 그래서 본 연구에서는 건설업에서의 재해를 예방하기 위해 통합 WBS-RBS 프레임워크를 개발하고자 한다. 연구의 순서 다음과 같은 3단계로 진행되었다. ① 데이터 수집 ② 데이터 분류 ③ 통합 WBS-RBS 프레임워크 개발 순으로 진행되었다. 연구의 결과 가장 사고가 많이 발생한 건물용도, 건설공종 및 재해요인을 제시할 수 있었다. 연구 결과를 통해 의사결정자는 건물용도, 건설공종, 및 재해요인의 위험 수준을 고려할 수 있다.

• 한국건축시공학회지
• /
• 제10권6호
• /
• pp.19-26
• /
• 2010

건설 신기술은 현장적용에 대한 불확실성, 기술적 우위의 확신결여 등으로 활성화가 어렵고 신기술 활용실적은 미흡하다. 따라서 건설신기술 현장 적용에 따른 문제를 해결하기 위해 신기술 예측자료가 필요하며, 성능평가 모델이 요구된다. 본 연구의 목적은 의사결정도구로서 건설시뮬레이션을 활용한 신기술의 현장 적용시 예측되는 생산성과 비용을 평가할 수 있는 방안을 도출하는 것이다. 이를 위하여 시스템 철골계단 공법을 선정하였다. 본 공법이 실제 적용 중인 현장에서의 데이터 수집을 기반으로 건설시뮬레이션을 적용하였으며, 이에 본 계단 공법의 1개층 1개소 설치에서부터 6개소 설치 시의 다양한 사례에 대한 시간당 생산성 및 단위비용을 예측하였다. 위의 과정을 통하여 건설시뮬레이션 기법은 현장데이터가 부족한 건설신기술의 현장적용성 평가를 위한 적용의 가능성을 제시하고 있음을 알 수 있다.

• 한국통신학회논문지
• /
• 제31권8B호
• /
• pp.716-729
• /
• 2006

최근 대부분 기업들 환경에서의 정보 시스템들은 지역적으로 분산되어 있고 다양한 이종의 데이터 소스들로 구성되어 있다. 따라서 사용자가 의사 결정을 위해 정보를 얻는 것은 어렵다. 이러한 문제를 효율적으로 해결하기 위해 사용자에게 단일 인터페이스를 제공하고, 이기종 시스템들 간에 구축된 데이터베이스 시스템들은 각각 독립성을 유지하면서 하나의 인터페이스처럼 투명성을 제공할 필요성이 있다. 본 논문에서는 카테고리, 표준 온톨로지, 로케이션 온톨로지, 지식베이스로 구성된 XMDR을 제안한다. 표준 온톨로지는 데이터 표현에 사용되는 명칭, 속성, 관계성에 대한 이질적인 문제를 해결한다. 로케이션 온톨로지는 각 레거시 시스템을 연결하는 중간자(mediation)역할을 수행한다. 지식 베이스는 용어 공유를 위한 관계성을 정의한다. 적응적 검색은 로케이션 온톨로지에 의한 사이트 가중치의 반영과 지식 베이스의 다양한 형태의 지식 공유 및 통합을 통한 검색 시스템을 제안하고, 구조화되지 않은 지식들을 어떻게 공유할 것인가에 대한 개념적인 도메인 모델을 제시한다.

• 한국정보통신학회논문지
• /
• 제24권5호
• /
• pp.576-583
• /
• 2020

이 논문은 최근 엄청난 성장을 하고 있는 유튜브의 댓글 중 스팸 댓글을 판별하는 기법을 제안한다. 유튜브에서는 광고를 통한 수익 창출이 가능하기 때문에 인기 동영상에서 자신의 채널이나 동영상을 홍보하거나 영상과 관련 없는 댓글을 남기는 스패머(spammer)들이 나타났다. 유튜브에서는 자체적으로 스팸 댓글을 차단하는 시스템을 운영하고 있지만 여전히 제대로 차단하지 못한 스팸 댓글들이 있다. 따라서, 유튜브 스팸 댓글 판별에 대한 관련 연구들을 살펴 보고 인기 동영상인 싸이, 케이티 페리, LMFAO, 에미넴, 샤키라의 뮤직비디오 댓글 데이터에 6가지 머신러닝 기법(의사결정나무, 로지스틱 회귀분석, 베르누이 나이브 베이즈, 랜덤 포레스트, 선형 커널을 이용한 서포트 벡터 머신, 가우시안 커널을 이용한 서포트 벡터 머신)과 이들을 결합한 앙상블 모델로 스팸 탐지 실험을 진행하였다.

• 문화기술의 융합
• /
• 제8권4호
• /
• pp.355-360
• /
• 2022

최근 국내산 고추의 생산 비용 상승과 수입산 고추의 도입으로 고춧가루 원산지 허위표기 등의 피해사례가 속출하고 있다. 이에 따라 원산지를 신속하고 정확하게 판별하는 문제가 대두되었다. 기존의 고춧가루 원산지 판별법의 경우 무기 및 유기성분을 실험적으로 대조 및 분석하여 비용과 시간이 많이 든다는 한계가 있다. 이를 보완하기 위해, 본 연구는 머신러닝을 도입하여 국내산, 수입산 고춧가루 분류를 제안한다. 고춧가루에 포함된 53가지 성분에 대하여 머신러닝 모델을 설계하고 검증하였다. 본 연구를 통해 어떠한 성분이 원산지 판별 시 중요하게 활용되는지 파악 할 수 있었다. 추후 고춧가루뿐만 아니라 다양한 식품으로 확장하여 원산지 판별에 드는 비용을 보다 줄일 수 있을 것으로 기대된다.

• 한국항행학회논문지
• /
• 제27권1호
• /
• pp.111-118
• /
• 2023

스마트팩토리의 구축을 위해서는 제조환경에서 여러 센서 및 기기 등을 연결하여 데이터를 수집하고, 데이터 분석을 통해 생산설비 등의 장애를 진단하거나 예측하여야 한다. 본 논문에서는 공작기계에서 제품을 가공하기 위해 사용되는 절삭용 인서트의 잔여 유효 수명을 예측하기 위해 진동 신호를 기반으로 한 가중화 k-최근접이웃(Weighted k-NN) 알고리즘, 의사결정나무(Decision Tree), 서포트벡터회귀(SVM), XGBoost, 랜덤포레스트(Random forest), 1차원 합성곱신경망(1D-CNN), 그리고 진동 신호를 FFT한 주파수 스펙트럼에 대해 알아보았다. 연구결과, 주파수 스펙트럼으로는 잔여 유효수명의 정확한 예측에 대해서는 신빙성있는 기준을 제공하지 못한다는 것을 알수 있었고, 예측 모델 중 가중화 k-최근접이웃 알고리즘이 MAE가 0.0013, MSE가 0.004, RMSE가 0.0192로 가장 우수한 성능을 나타내었다. 이는 가중화 k-최근접이웃 알고리즘에 의해 예측되는 인서트의 잔여 유효 수명의 오차가 0.001초 수준으로 평가되어, 실제 산업현장에 적용이 가능한 수준으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.1-17
• /
• 2015

최근, 군에서 가장 이슈가 되고 있는 문제는 기강 해이, 복무 부적응 등으로 인한 병력 사고이다. 이 같은 사고를 예방하는 데 있어 가장 중요한 것은, 사고의 요인이 될 수 있는 문제를 사전에 식별 관리하는 것이다. 이를 위해서 지휘관들은 병사들과의 면담, 생활관 순찰, 부모님과의 대화 등 나름대로의 노력을 기울이고 있기는 하지만, 지휘관 개개인의 역량에 따라 사고 징후를 식별하는 데 큰 차이가 나는 것이 현실이다. 본 연구에서는 이러한 문제점을 극복하고자 모든 지휘관들이 쉽게 획득 가능한 객관적 데이터를 활용하여 사고를 예측해 보려 한다. 최근에는 병사들의 생활지도기록부 DB화가 잘 되어있을 뿐 아니라 지휘관들이 병사들과 SNS상에서 소통하며 정보를 얻기 때문에 이를 데이터화 하여 잘 활용한다면 병사들의 사고예측 및 예방이 가능하다고 판단하였다. 본 연구는 이러한 병사의 내부데이터(생활지도기록부) 및 외부데이터(SNS)를 활용하여 그들의 관심분야를 파악하고 사고를 예측, 이를 지휘에 활용하는 데이터마이닝 문제를 다루며, 그 방법으로 토픽분석 및 의사결정나무 방법을 제안한다. 연구는 크게 두 흐름으로 진행하였다. 첫 번째는 병사들의 SNS에서 토픽을 분석하고 이를 독립변수화 하였고 두 번째는 병사들의 내부데이터에 이 토픽분석결과를 독립변수로 추가하여 의사결정나무를 수행하였다. 이 때 종속변수는 병사들의 사고유무이다. 분석결과 사고 예측 정확도가 약 92%로 뛰어난 예측력을 보였다. 본 연구를 기반으로 향후 장병들의 사고예측을 과학적으로 분석, 맞춤식으로 관리한다면 군대 내 각종 사고를 미연에 예방하는데 기여할 것으로 기대된다.