• Annual Conference of KIPS
• /
• 2003.05a
• /
• pp.35-38
• /
• 2003

최근 한국의 사회 네트워크뿐만 아니라 컬러폰 등의 일반화로 웹을 통한 정보화 게임 애니메이션을 손쉽게 접근할 수 있는 환경이 도래하고 있으며, 개인 사용자들을 대상으로 하는 광고나 모바일 컨텐츠 등의 각종 서비스를 제공하는 시대가 왔다. 본 논문에서는 웹 브라우저에서 동작하는 "게임을 위한 플래시 컨텐츠 제작" 모델을 제안하였다. 제안된 모델은 별도의 패키지 간단하고 용이하게 사용될 수 있다. 전문가들을 위한 3D-MAX, 마야, VRML이 아니라 현재 일반 사용자들이 가장 많이 사용하고 있는 플래쉬를 이용하여 게임을 제작할 수 있는 제작방법과 이에 따른 애니메이션 제작방법 등을 수록한 모델을 설계하고 구현하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.22-24
• /
• 2003

작은 데이터에서 베이지안망 분류기(Bayesian network classifier, BNC)를 학습할 때, 과대적합(overfitting)으로 인한 일반화 성능의 저하가 초래된다 이런 경우, 베이지안 모델 평균화(Bayesian model averaging, BMA)는 모델 자체에 대한 불확실성을 분석 과정에서 고려함으로써, 성능 저하를 피할 수 있는 수단을 제공한다. 본 논문에서는 BNC의 BMA의 작은 데이터에 대한 성능을 평가 및 분석한다. 특히, 노드의 순서에 대한 평균화의 효과가 연구된다. 인공데이터에 대한 실험 결과, 노드의 순서가 BNC의 BMA의 분류 성능에 미치는 영향은 지대하며, 이는 데이터의 크기가 극히 작은 경우의 성능 저하에 직접적인 원인이 된다.

• Journal of Educational Research in Mathematics
• /
• v.14 no.4
• /
• pp.403-419
• /
• 2004

The perspective on this study assumes that the mathematical modeling activity provides students with the environment which promotes metacognitive thinking. The purposes of this paper are to investigate metacognitive thinking on the mathematical modeling with the result of case study. The study revealed that development of students' model was accompanied with the control and monitoring of modeling activities. Also students refined the model by self-assessment and peer-assessment in small group modeling activities and developed generalizable model.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.12 no.2
• /
• pp.123-130
• /
• 2007

This paper presents the generalized and explicit expressions for evaluating the performance of the multi-phase interleaved buck converter (IBC) operating in discontinuous inductor current mode (DICM). The full-order averaged model is derived. The generalized transfer functions of interest are presented and the dynamic characteristics are analyzed. The generalized analysis of converter performance is verified through the experimental and simulation results.

• Annual Conference of KIPS
• /
• 2000.04a
• /
• pp.513-518
• /
• 2000

정보보호시스템의 개발과 평가는 별개의 업무가 아니며, 평가를 고려하여 개발이 이루어져야만 평가노력을 줄이고 평가의 성공률을 높일 수 있다. 본 연구에서는 정보보호시스템의 특성을 고려하고 다양한 평가기준 및 방법론들을 일반화한 정보보호시스템 개발 및 평가모델을 제시한다. 본 모델은 엔티티와 엔티티간의 관계에 대한 정리들로 구성되어 있으며, 새로운 정보보호시스템을 개발하거나 이를 평가할 때 활용할 수 있다. 또한, 개발 및 평가 환경에 대한 워크플로우 관리 시스템의 골격으로 활용 할 수 있다.

• Annual Conference of KIPS
• /
• 2007.05a
• /
• pp.415-418
• /
• 2007

본 논문에서는 일반화된 퍼지 최대-최소 신경망 모델에서 학습 패턴의 빈도요소를 고려하여 개선된 활성화 함수와 학습 방법을 제안한다. 특징공간상에서 하이퍼박스의 활성화를 위한 새로운 기준과 방법을 제시하며, 학습 패턴의 빈도요소가 학습효과에 미치는 영향을 분석한다. 또한 제안된 모델에서 개별 특징값과 하이퍼박스간의 상대적인 연관성을 고려하여 이득치를 계산함으로써, 기존 모델의 하이퍼박스 축소 기법을 대체한 학습효과에 관하여 고찰한다. 실험을 통하여 학습 패턴의 순서 변화와 왜곡된 정보에 안정된 분류기의 성능을 확인한다.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.18 no.6A
• /
• pp.139-149
• /
• 2008

The amount of personal information collected by organizations and government agencies is continuously increasing. When a data collector publishes personal information for research and other purposes, individuals' sensitive information should not be revealed. On the other hand, published data is also required to provide accurate statistical information for analysis. k-Anonymity and ${\iota}$-diversity models are popular approaches for privacy preserving data publication. However, they are limited to static data release. After a dataset is updated with insertions and deletions, a data collector cannot safely release up-to-date information. Recently, the m-invariance model has been proposed to support re-publication of dynamic datasets. However, the m-invariant generalization can cause high information loss. In addition, if the adversary already obtained sensitive values of some individuals before accessing released information, the m-invariance leads to severe privacy disclosure. In this paper, we propose a novel technique for safely releasing dynamic datasets. The proposed technique offers a simple and effective method for handling inserted and deleted records without generalization. It also gives equivalent degree of privacy preservation to the m-invariance model.

• Journal of the Korean Society of Groundwater Environment
• /
• v.4 no.2
• /
• pp.95-102
• /
• 1997

So far, several fractal models of fluid flow in a fractured aquifer have been developed. In this study, a new fractal model is derived that considers transient flow in the dual-porosity aquifer with the fracture skin between the fissure and the block, and the storage capacity and the wellbore skin on the pumping well. Constant-head upper boundary is specified in the block. This model is a generalized one which comprises both modified Hantush equation (1960) and Boulton-Streltsova equation (1978). Type curves are plotted for different flow dimensions (0.5, 1, 1.5, 2, 2.5 and 3) with various values of the leakage factor and the fracture skin. They show dimensionless drawdown in the pumping well and observation wells located either in the fissure system or in the matrix block.

• Annual Conference of KIPS
• /
• 2019.05a
• /
• pp.383-386
• /
• 2019

4 차산업혁명의 발달은 전 세계가 건강한 삶에 관련된 스마트시티 및 맞춤형 치료에 큰 관심을 갖게 하였고, 특히 기계학습 기술은 암을 극복하기 위한 유전체 기반의 정밀 의학 연구에 널리 활용되고 있어 암환자의 예후 예측 및 예후에 따른 맞춤형 치료 전략 수립 등을 가능케하였다. 하지만 암 예후 예측 연구에 주로 사용되는 유전자 발현량 데이터는 약 17,000 개의 유전자를 갖는 반면에 샘플의 수가 200 여개 밖에 없는 문제를 안고 있어, 예후 예측을 위한 신경망 모델의 일반화를 어렵게 한다. 이러한 문제를 해결하기 위해 본 연구에서는 고차원의 유전자 발현량 데이터를 신경망 모델이 효과적으로 학습할 수 있도록 2D 이미지로 표현하는 기법을 제안한다. 길이 17,000 인 1 차원 유전자 벡터를 64×64 크기의 2 차원 이미지로 사상하여 입력크기를 압축하였다. 2 차원 평면 상의 유전자 좌표를 구하기 위해 유전자 네트워크 데이터와 Node2Vec 이 활용되었고, 이미지 기반의 암 예후 예측을 수행하기 위해 합성곱 신경망 모델을 사용하였다. 제안하는 기법을 정확하게 평가하기 위해 이중 교차 검증 및 무작위 탐색 기법으로 모델 선택 및 평가 작업을 수행하였고, 그 결과로 베이스라인 모델인 고차원의 유전자 벡터를 입력 받는 다층 퍼셉트론 모델보다 더 높은 예측 정확도를 보여주는 것을 확인하였다.

• Journal of the Korean Society of Radiology
• /
• v.81 no.6
• /
• pp.1274-1289
• /
• 2020

Deep learning has recently become one of the most actively researched technologies in the field of medical imaging. The availability of sufficient data and the latest advances in algorithms are important factors that influence the development of deep learning models. However, several other factors should be considered in developing an optimal generalized deep learning model. All the steps, including data collection, labeling, and pre-processing and model training, validation, and complexity can affect the performance of deep learning models. Therefore, appropriate optimization methods should be considered for each step during the development of a deep learning model. In this review, we discuss the important factors to be considered for the optimal development of deep learning models.