• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.23-26
• /
• 2024

본 논문에서는 그래프 구조의 데이터에서 각 노드의 신호를 예측하는 연구를 진행하였다. 이를 위해 분석하고자 하는 그래프에 대해 연결 관계를 기반으로 각 노드에 비-유클리드 공간 상에서의 좌표를 부여하여 그래프의 공간적 임베딩을 얻은 뒤, 각 노드의 공간적 임베딩을 입력으로 받고 해당 노드의 신호를 예측하는 그래프 암시적 신경 표현 모델을 제안 하였다. 제안된 모델의 검증을 위해 네트워크형 데이터와 3차원 메시 데이터 두 종류의 그래프 데이터에 대하여 신호 학습, 신호 예측 및 메시 데이터의 초해상도 과정 실험들을 진행하였다. 전반적으로 기존의 그래프 암시적 신경 표현 모델과 비교하였을 때 비슷하거나 더 우수한 성능을 보였으며, 특히 네트워크형 그래프 데이터 신호 예측 실험에서 큰 성능 향상을 보였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1771-1777
• /
• 2023

최근 딥러닝의 발전으로 의미론적 분할을 통한 토지피복 분류 방법들이 제안되고 있다. 그러나 기존의 딥러닝 기반 모델들은 영상 정보만을 이용하기 때문에 시공간적 일관성을 담보할 수 없는 한계점이 있다. 이에 본 연구에서는 좌표 정보를 활용한 토지피복 분류 모델을 제안한다. 먼저 암시적 신경 표현 기법인 다중해상도 해시 인코더를 위경도 좌표계로 확장한 좌표 해시 인코더를 통해 좌표의 특징을 추출하였다. 다음으로 추출된 좌표 특징을 다양한 단계의 U-net 디코더와 결합하는 아키텍처를 제안하였다. 실험 결과, 제안 방법이 약 32% 향상된 분류 정확도를 보였고, 시공간적 일관성이 향상됨을 확인하였다.

• 생명과학회지
• /
• 제29권7호
• /
• pp.800-808
• /
• 2019

샤르코-마리-투스병(Charcot-Marie-Tooth disease: CMT)은 희귀 말초신경병의 그룹으로, 진행성 근육 약화 및 위축, 감각 소실, 상지 및 하지의 무반사 증상을 나타낸다. CMT1A는 PMP22 유전자가 존재하는 17p12 지역의 직렬 중복으로 발병하는데, 유전자형-표현형의 상관성이 느슨하여 2차 유전적 요인의 존재를 암시한다. 최근 MIR149의 rs71428439 (n.83A>G)와 rs2292832 (n.86T>C) 변이가 후기 발병 및 가벼운 증상의 표현형과 연관성이 있는 것으로 보고되었다. 본 연구는 CMT1A 기계내 임상적 표현형의 이질성이 MIR149의 SNP과 연관성이 있는지를 규명하기 위해 수행하였으며, 조사 대상으로는 가계내 표현형의 차이가 심한 6 CMT1A 대 가계를 대상으로 하였다. 그 결과, MIR149의 rs71428439와 s2292832 유전자형은 가족내의 늦은 발병과 약한 중증도의 유전적 요인으로 작용할 수 있음을 제시하였다. 특히, AG+GG (n.83A>G)와 TC+CC 유전자형(n.86T>C)은 발병 시기가 늦고 경미한 증상을 보였다. 운동신경 전기전도도(MNCV)는 MIR149 유전형과 연관이 없는 것으로 보였는데, 이러한 결과는 이전 연구와 일치한다. 따라서 본 연구는 MIR149의 rs71428439와 rs2292832 변이는 CMT1A 가계내 표현형적 이질성의 원인 중 하나로 작용할 가능성을 제시한다. 본 연구는 가계 내 증상의 차이가 심한 6 대가족을 사용하여 연구를 수행한 것은 의미가 크다고 여겨지며, 이런 결과는 CMT1A 환자의 분자 진단과 치료에 도움을 줄 수 있을 것으로 기대된다.

• 지식경영연구
• /
• 제23권2호
• /
• pp.277-299
• /
• 2022

관광산업에서 발생하는 방대한 카드 거래 데이터는 관광객의 소비 행태와 패턴을 암시하는 중요한 자원이 되었다. 거래 데이터에 기반을 둔 스마트 서비스 시스템을 개발하는 것은 관광산업과 지식관리시스템 개발자들의 주요한 목표들 중 하나이다. 그러나 기존 추천 기법의 근간이 되어 온 평점을 활용하기 어렵다는 점은 시스템 설계자들이 학습 과정을 평가하기 어렵게 한다. 또한 시간적, 공간적, 인구통계학적 정보와 같이 추천 성과를 높일 수 있는 보조 요소들을 적절히 활용하는 방법도 어려운 상황이다. 이러한 문제들에 대하여 본 논문은 카드 거래 데이터를 기반으로 관광 서비스를 추천하는 새로운 방식인 CTDDTR을 제안한다. 먼저 Doc2Vec를 이용하여 시간성 선호도를 임베딩하여 관광객 그룹과 서비스 벡터로 데이터를 표현하였다. 다음 단계로 딥러닝 기술 중 하나인 다중 계층 퍼셉트론을 도입하여 얻어진 벡터와 관광 RDF로부터 도출한 보조 요소를 통합하여 심층 추천 모듈을 구성하였다. 추가로, 지식경영 분야의 RFM 분석 기법을 심층 추천 모듈에 도입하여 심층 신경망을 학습하는데 사용되는 평점을 생성함으로써 평점 부재 문제에 대응하였다. 제안한 CTDDTR의 추천 성능을 평가하기 위해 제주도에서 8년 동안 발생한 카드 거래 데이터를 사용하였고, 제안된 방법의 우수한 추천 성능과 보조 요소의 효과를 증명하였다.