• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.333-334
• /
• 2023

본 논문에서는 모기 활동 수치를 측정하기 위한 효율적인 머신러닝 모델을 제안한다. 수집된 데이터의 분석을 통해 효율적인 모델을 선정한다. 또한 데이터셋의 상관관계를 분석하고 데이터 가중치에 따라 모기의 활동에 영향을 주는 환경이 무엇인지를 분석한다. 본 논문에서는 모델을 이용한 앱 개발하여 실질적으로 모델을 활용한 예시를 보이고 실생활에서의 해당 모델을 도입하였을 때 가져올 일상의 긍정적 효과를 보인다.

• Journal of the Korean Geosynthetics Society
• /
• v.19 no.1
• /
• pp.45-53
• /
• 2020

There is an increasing tendency to try to make predictive analysis using measurement data based on machine learning techniques in the railway industries. In this paper, it was predicted that Track quality index (TQI) using vehicle acceleration data based on the machine learning method. The XGB (XGBoost) was the most accurate with 85% in the all data sets. Unlike the SVM model with a single algorithm, the RF and XGB model with a ensemble system were considered to be good at the prediction performance. In the case of the Surface TQI, it is shown that the acceleration of the z axis is highly related to the vertical direction and is in good agreement with the previous studies. Therefore, it is appropriate to apply the model with the ensemble algorithm to predict the track quality index using the vehicle vibration acceleration data because the accuracy may vary depending on the applied model in the machine learning methods.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.495-495
• /
• 2023

본 연구는 하수처리장 운영시스템 자료를 활용하여, 머신러닝 기반의 예측 모델을 개발하고, 모델 정확도 향상에 대하여 검토하였다. 하수처리장에 설치된 각종 센서를 통해 실시간으로 자료가 모니터링되고 있으며, 수집된 자료는 운영시스템에 저장된다. 하수처리장 시스템은 설정된 값과 센서의 측정값을 비교해 이상치가 발생하면 운영자가 즉각적으로 조치하여 문제를 해결하고 있으나, 비정상적인 상황 발생시 이를 대처할 시간이 부족하여 적절한 조치가 이루어지지 못하는 경우가 발생 되고 있다. 따라서, 이러한 문제점을 해결하기 위해 A 하수처리장 운영자료를 활용하여 결과 예측이 신속하고 신뢰도 높은 머신러닝 기반의 예측 모델을 개발하고자 하였다. 모델의 예측 정확도 및 신뢰성을 향상하기 위하여 결과에 영향을 미치는 주요 영향 인자를 분석하고, 이를 기반으로 모델의 추가 분석 및 개선을 수행하여 모델의 예측력을 평가하였다. 금회 연구는 데이터 전처리를 과정을 통한 인사이트를 도출하고 이를 활용하여 하수처리장 운영자료 예측 정확도를 높일 수 있었으며, 이 결과를 바탕으로 다른 하수처리장의 모델 개발시에도 유용하게 활용이 가능할 것으로 검토되었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.153-154
• /
• 2020

기존 VR컨트롤러는 현손에 별도의 컨트롤러를 들고 조작해야만 해왔다. 이는 현실감을 느끼기 위한 시각적인 요소를 충족시켰음에도 몰입도를 떨어뜨리는 요소이다. 본 연구에서는 현실감을 더욱 증가 시키는 것을 전제로 뇌파를 이용한 VR컨트롤러 기술을 적용하고자 한다. 현재 대중화 되어 있는 VR 장치들을 보면 움직이는 의자, 보행을 위한 장치, 캐릭터 조종을 위한 손에 쥐는 컨트롤러 등을 사용하고 있다. 이러한 장치들은 가상현실을 더욱 현실처럼 느끼기 위한 보조적인 장치들이지만 장치를 설치하기 위한 공간을 많이 차지하기 때문에 일반 가정에서는 잘 사용하지 않는다. 또한 손에 있는 컨트롤러로 가상 현실속의 동작을 구현하다 보니 아무리 내 눈앞에 보이더라도 '단순한 게임이다'라는 생각을 가지고 있어 몰입도가 떨어질 수밖에 없다. 본 논문은 이러한 문제점들을 개선하기 위해 기존의 VR컨트롤러 대신 뇌파입력을 적용한 '머신러닝을 통한 뇌파 VR컨트롤러' 기술을 제안한다. 기존의 VR컨트롤러와는 다르게 빅 데이터 처리기술인 머신러닝을 이용하여 뇌파 데이터를 처리하고 그 데이터들과 입력되는 뇌파 값을 비교하여 가상현실 속의 캐릭터의 동작을 제어할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.61-61
• /
• 2022

최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 활발히 개발되고 있다. 기존 머신러닝을 이용한 강우예측모델 개발 관련 연구는 주로 한 지역에 대해 수행되며, 데이터 기반으로 훈련되는 머신러닝 기법의 특성상 개발된 모델이 훈련된 지역에 대해서만 좋은 성능을 보인다는 한계점이 존재한다. 이러한 한계점을 해결하기 위해 사전 훈련된 모델을 이용하여 새로운 데이터에 대해 모델을 훈련하는 전이학습 기법 (transfer learning)을 적용하여 여러 유역에 대한 강우예측모델을 개발하고자 하였다. 본 연구에서는 사전 훈련된 강우예측 모델로 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용한 미래 강우예측모델을 사용하였다. 해당 모델은 기상청에서 제공된 2014년~2017년 여름의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시켰으며, 2018년 레이더 이미지 자료를 이용한 단기강우예측 모의에서 좋은 성능을 보였다. 본 연구에서는 훈련된 모델을 이용해 새로운 댐 유역(안동댐, 충주댐)에 대한 강우예측모델을 개발하기 위해 여러 전이학습 기법을 적용하고, 그 결과를 비교하였다. 결과를 통해 새로운 데이터로 처음부터 훈련시킨 모델보다 전이학습 기법을 사용하였을 때 좋은 성능을 보이는 것을 확인하였으며, 이를 통해 여러 댐 유역에 대한 모델 개발 시 전이학습 기법이 효율적으로 적용될 수 있음을 확인하였다.

• The Journal of Bigdata
• /
• v.5 no.2
• /
• pp.155-170
• /
• 2020

The purpose of this study was to apply machine learning techniques (Decision Tree, Random Forest, XGBoost) to data from the 4th~6th year of the Seoul Education Longitudinal Study to find the factors predicting the career maturity of middle school students in Seoul city. In order to evaluate the machine learning application result, the performance of the model according to the indicators was checked. In addition, the model was analyzed using the XGBoostExplainer package, and R and R Studio tools were used for this study. As a result, there was a slight difference in the ranking of variable importance by each model, but the rankings were high in 'Achievement goal awareness', 'Creativity', 'Self-concept', 'Relationship with parents and children', and 'Resilience'. In addition, using the XGBoostExplainer package, it was found that the factors that protect and deteriorate career maturity by panel and 'Achievement goal awareness' is the top priority factor for predicting career maturity. Based on the results of this study, it was suggested that a comparative study of machine learning and variable selection methods and a comparative study of each cohort of the Seoul Education Termination Study should be conducted.

• Journal of the Korean BIBLIA Society for library and Information Science
• /
• v.32 no.1
• /
• pp.133-150
• /
• 2021

The purpose of this study is to identify the applicability of machine learning targeting titles in the classification of books in public libraries. Data analysis was performed using Python's scikit-learn library through the Jupiter notebook of the Anaconda platform. KoNLPy analyzer and Okt class were used for Hangul morpheme analysis. The units of analysis were 2,000 title fields and KDC classification class numbers (300 and 600) extracted from the KORMARC records of public libraries. As a result of analyzing the data using six machine learning models, it showed a possibility of applying machine learning to book classification. Among the models used, the neural network model has the highest accuracy of title classification. The study suggested the need for improving the accuracy of title classification, the need for research on book titles, tokenization of titles, and stop words.

• Journal of The Korean Association of Information Education
• /
• v.25 no.2
• /
• pp.327-335
• /
• 2021

This study verified the effectiveness of machine learning education programs focused on data labeling as an educational method for improving computational thinking of elementary school students. The education program was designed and developed based on the results of a preliminary demand analysis conducted on 100 elementary school teachers. In order to verify the effectiveness of the developed education program, 17 sixth-grade students attending K Elementary School were given 2 classes per day for a total of 6 weeks. In order to measure the effect of the training on improving computational thinking, the educational effects were analyzed by conducting pre-post-inspection using the "Beaver Challenge". According to the analysis, machine learning education focused on data labeling contributed to improving computational thinking of elementary school students.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.17 no.3
• /
• pp.176-182
• /
• 2024

In this study, we compared and analyzed various methods of missing data handling to build a machine learning model that can effectively analyze and predict time series data with a high percentage of missing values. For this purpose, Predictive State Model Filtering (PSMF), MissForest, and Imputation By Feature Importance (IBFI) methods were applied, and their prediction performance was evaluated using LightGBM, XGBoost, and Explainable Boosting Machines (EBM) machine learning models. The results of the study showed that MissForest and IBFI performed the best among the methods for handling missing values, reflecting the nonlinear data patterns, and that XGBoost and EBM models performed better than LightGBM. This study emphasizes the importance of combining nonlinear imputation methods and machine learning models in the analysis and prediction of time series data with a high percentage of missing values, and provides a practical methodology.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10b
• /
• pp.335-339
• /
• 2007

가상화는 요즘 각광받는 기술 중 하나이다. 가상화의 개념이 처음 소개된 것은 20년 전의 일이다. 최근에 가상화가 다시 주목 받는 이유는 인터넷 사용자의 증가로 인해 서버의 수가 급증하였고 그에 반해 서버들의 활용률은 $20{\sim}30%$에 그치기 때문이다. 가상화론 채택하는 분야 중 하나는 바로 인터넷 데이터 센터(Internet Data Center, IDC)이다. IDC에서는 하나의 고성능 서버 위에 여러 개의 가상 머신을 구동함으로써 서버가 차지하는 공간을 줄이고 관리 비용을 절감하는 서버통할(server consolidation)에 주로 사용된다. 가상화를 통해 서비스를 제공하기 위한 첫 번째 단계는 가상 머신을 생성하는 것이다. 일반적으로 가상 머신의 생성은 물리적 노드 (비 가상 머신)에 운영체제를 설치하는 것과 동일하다. 본 논문에서는 서비스 제공을 위해 선행되어야 할 가상 머신을 생성함에 있어 가상 머신 풀(Virtual Machine OS Pool, VMOSPOOL)을 사용하여 빠르게 동적으로 가상 머신을 생성하는 방법에 대해 논의한다. 특히 가상 머신풀의 사용은 고가의 공용 스토리지가 없는 상황에서 부하 분산 클러스터를 구축하는데 유용함을 보인다.