• The KIPS Transactions:PartC
• /
• v.18C no.4
• /
• pp.213-216
• /
• 2011

Differential Power Analysis is fully affected by various noises including temporal misalignment. Recently, Ryoo et al have introduced an efficient preprocessor method leading to improvements in DPA by removing the noise signals. This paper experimentally proves that the existing preprocessor method is not applied to all processor. To overcome this defect, we propose a Differential Trace Model(DTM). Also, we theoretically prove and experimentally confirm that the proposed DTM suites DPA.

• Journal of IKEEE
• /
• v.26 no.4
• /
• pp.531-536
• /
• 2022

In order to efficeintly manage a battery, it is important to accurately estimate and manage the SOH(State of Health) and RUL(Remaining Useful Life) of the batteries. Even if the batteries are of the same type, the characteristics such as facility capacity and voltage are different, and when the battery for the training model and the battery for prediction through the model are different, there is a limit to measuring the accuracy. In this paper, We proposed the entropy index using voltage distribution and discharge time is generalized, and four batteries are defined as a training set and a test set alternately one by one to predict the health status of batteries through linear regression analysis of machine learning. The proposed method showed a high accuracy of more than 95% using the MAPE(Mean Absolute Percentage Error).

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.369-373
• /
• 2022

기존의 관계 추출 태스크에서의 많은 연구들은 사전학습 언어모델을 파인튜닝하여 뛰어난 성능을 달성해왔다. 하지만, 파인튜닝은 사전학습 시의 학습 기법과의 간극으로 인해 일반화 능력을 저해한다. 본 연구는 다운스트림 태스크를 사전학습의 Masked Language Modeling (MLM) 기법을 통해 해결하는 프롬프트 기반의 학습 기법을 활용하여, 특정 한국어 도메인에서의 관계 추출을 위한 프롬프트 기반 파인튜닝 방법론을 제안한다. 실험의 경우, 도메인의 특성이 뚜렷한 전통문화유산 말뭉치를 대상으로 실험을 진행하여 본 방법론의 도메인 적응력을 보이며, 메타 정보 즉, 개체 유형 및 관계 유형의 의미론적 정보를 일종의 지식 정보로 활용하여 프롬프트 기반 지식 주입의 효과성을 검증한다. 프롬프트에의 메타 정보의 주입과 함께 프롬프트 기반으로 파인튜닝된 모델은 오직 MLM 기법만을 이용하여 태스크를 수행하여 기존 파인튜닝 방법론 대비 파라미터 수가 적음에도, 성능 면에서 대부분 소폭 상승하는 경향을 보여줌으로써 그 효과성 및 효율성을 보인다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.8
• /
• pp.59-66
• /
• 2023

The Golden Cross is commonly seen as a buy signal in financial markets, but its reliability for predicting stock price movements is limited due to market volatility. This paper introduces a time-invariant approach that considers the Golden Cross as a singular event. Utilizing LSTM neural networks, we forecast significant stock price changes following a Golden Cross occurrence. By comparing our approach with traditional time series analysis and using a confusion matrix for classification, we demonstrate its effectiveness in predicting post-event stock price trends. To conclude, this study proposes a model with a precision of 83%. By utilizing the model, investors can alleviate potential losses, rather than making buy decisions under all circumstances following a Golden Cross event.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.614-616
• /
• 2021

The world faces difficulties in terms of eye care, including treatment, quality of prevention, vision rehabilitation services, and scarcity of trained eye care experts. However, it is difficult to develop a method for classifying various ocular diseases because the existing dataset for retinal image disclosure does not consist of various diseases found in clinical practice. We propose a method for classifying ocular diseases using the Retinal Fundus Multi-disease Image Dataset (RFMiD), a dataset published in the ISBI-2021 challenge. Our goal is to develop a robust and generalizable model for screening retinal images into normal and abnormal categories. The performance of the proposed model shows a value of 0.9782 for the test dataset as an area under the curve (AUC) score.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.903-906
• /
• 2021

인공지능 기술 발전으로, 의료영상 분야에서도 딥러닝 기반 질병 진단 연구가 활발히 진행되고 있다. 딥러닝 모델 개발 시, 학습 데이터 품질은 모델의 성능과 신뢰성에 매우 큰 영향을 미친다. 그러나 의료 분야의 경우 도메인 지식에 대한 진입 장벽이 높아 개발자가 학습에 사용되는 의료영상 데이터의 품질을 평가하기 어렵다. 이로 인해, 많은 의료영상 분야에서는 각 분야의 특성(질병의 종류, 관찰 아나토미 등)에 따른 영상 품질 평가 방법을 제시해왔다. 그러나 기존의 방법은 특정 질병에 초점이 맞춰져, 일반화된 품질 평가 기준을 제시하고 있지 않다. 따라서 본 논문에서는 대부분의 흉부 질환을 진단하기 위한 흉부 X선 영상의 품질을 평가할 수 있는 기준을 제안한다. 우선, 흉부 X선 영상을 대상으로 관찰된 영역인 심장, 횡격막, 견갑골, 폐 등을 분할하여, 3D 히스토그램을 기반으로 각 영역별 통계적인 정밀 품질 평가 기준을 제안한다. 본 연구에서는 JSRT, Chest 14의 오픈 데이터셋을 활용하여 적용 실험을 수행하였으며, 민감도는 97.6%, 특이도는 92.8%의 우수한 성능을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.18-21
• /
• 2020

심층 신경망은 영상 분류, 음성 인식, 그리고 문자 번역 등 다양한 분야에서 효과적인 성능을 보여주고 있다. 신경망의 구조 변화, 신경망 간의 정보 전달, 그리고 학습에 사용되는 데이터 증대 등의 확장된 연구를 통해 성능은 더욱 발전하고 있다. 그 중에서도 데이터 증대는 기존에 수집한 데이터의 변형을 통해 심층 신경망에 더 다양한 데이터를 제공함으로써 더욱 일반화된 신경망을 학습시기키는 것을 목표로 한다. 하지만 기존의 음향 관련 신경망 연구에서는 모델의 학습에 사용되는 데이터 증대 방법의 연구가 영상 처리 분야만큼 다양하게 이루어지지 않았다. 최근 영상 처리 분야의 데이터 증대 연구는 학습에 사용되는 데이터와 모델에 따라 최적의 데이터 증대 방법이 다르다는 것을 실험적으로 보여주었다. 이에 영감을 받아 본 논문은 자연에서 발생하는 음향을 분류하는데 있어서 최적의 데이터 증대 방법을 실험적으로 찾으며, 그 과정을 소개한다. 음향에 잡음 추가, 피치 변경 혹은 스펙트로그램의 일부 제한 등의 데이터 증대 방법을 다양하게 조합하는 실험을 통해 경험적으로 어떤 증대 방법이 효과적인지 탐색했다. 결과적으로 ESC-50 자연 음향 데이터 셋에 최적화된 데이터 증대 방법을 적용함으로써 분류 정확도를 89%로 향상시킬 수 있었다.

• Education of Primary School Mathematics
• /
• v.26 no.4
• /
• pp.257-275
• /
• 2023

In this study, we designed and implemented a instruction emphasizing mathematical argument for fifth-grade students and analyzed the teaching practices. Through a literature review related to instruction emphasizing mathematical argument, we organized a teaching model of five phases that explain why the general claim that the sum of consecutive odd numbers equals a square number is true: 1) noticing patterns, 2) articulating conjectures, 3) representing through visual model, 4) arguing based on representation, 5) comparing and contrasting. Then, we analyzed the argumentation stream by phases to observe how the instruction emphasizing mathematical argument is implemented in the elementary classroom. Based on the results of this study, we discuss the implications of teaching a mathematical argument in elementary school.

• Journal of the Korean Geotechnical Society
• /
• v.20 no.8
• /
• pp.77-87
• /
• 2004

In this paper a back-propagation neural network model is developed to estimate the preconsolidation pressure of Korean soft soils based on 176 oedometer tests and 63 piezocone test results, which were compiled from 11 sites - western and southern parts of Korea. Only 147 data were used for the training of the neural network and 29 data, which were not used during the training phase, were used for the verification of trained network. Empirical and theoretical models were compared with the developed neural network model. A simple 4-4-9-1 multi-layered neural network has been developed. The cone tip resistance $q_T$ penetration pore pressure $u_2$, total overburden pressure $\sigma_{vo}$ and effective overburden pressure $\sigma'_{vo}$ were selected as input variables. The developed neural network model was validated by comparing the prediction results of the proposed neural network model for the new data which were not used for the training of the model with the measured preconsolidation pressures. It can also predict more precise and reliable preconsolidation pressures than the analytical and empirical model. Furthermore, it can be carefully concluded that neural network model can be used as a generalized model for prediction of preconsolidation pressure throughout Korea since developed model shows good performance for the new data which were not used in both training and testing data.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.16 no.3
• /
• pp.2234-2241
• /
• 2015

This study has been undertaken to develop a relationship between the shear strength coefficients and the cone index. The theoretic mathematical equations for the relationship were rigorously investigated, and then a Artificial Neural Network(ANN) analysis was adapted to enhance the reliability of the investigation. The theoretical investigation involved various assumptions resulting in the significant error involvement of geotechnical behaviors of ground. Therefore, a model using the ANN has been learned to enhance the prediction of the cone index form the shear strength parameters. Site investigation reports from various construction fields were used for ANN model learning. The results of the study show that the model predicts the cone index from the shear strength parameters of soils very well. The further study that is undertaking has a potential promise of the generalized prediction technique for the cone index from the soil parameters.