• 사물인터넷융복합논문지
• /
• 제9권4호
• /
• pp.9-14
• /
• 2023

최근 엔터프라이즈 및 데이터 센터에서는 급격하게 증가하고 있는 빅데이터를 관리하기 위한 자원 최적화 연구가 활발하게 진행되고 있다. 특히 고정 할당된 저장 자원과 비교하여 많은 자원을 할당하는 씬프로비저닝은 초기 비용을 줄이는 효과가 있으나 실제로 사용하는 자원이 증가할수록 비용의 효과는 감소하고 자원을 할당하기 위한 관리 비용이 증가하는 문제가 있다. 본 논문에서는 플래시 메모리의 물리적 블록을 단일 비트 셀과 다중 비트 셀로 구분하여 하이브리드 기법으로 포맷하고, 빈번하게 사용하는 핫 데이터와 사용량이 적은 콜드 데이터를 구분하여 관리하는 기법을 제안한다. 제안하는 기법은 씩프로비저닝과 같이 물리적으로 자원과 할당된 자원이 동일하여 추가적인 비용 증가 없이 사용할 수 있으며, 사용량이 적은 자원을 다중 비트 셀 블록에 관리하여 씬프로비저닝과 같이 일반적인 저장장치보다 더 많은 자원을 할당할 수 있는 장점이 있다. 마지막으로 시뮬레이션을 기반으로 실험을 통해 제안하는 기법의 자원 최적화 효과를 측정하였다.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.166-173
• /
• 2024

본 연구에서는 얼굴 동영상에서 입술의 움직임과 음성 간의 동기화 탐지 방법을 제안한다. 기존의 연구에서는 얼굴 탐지 기술로 얼굴 영역의 바운딩 박스를 도출하고, 박스의 하단 절반 영역을 시각 인코더의 입력으로 사용하여 입술-음성 동기화 탐지에 필요한 시각적인 특징을 추출하였다. 본 연구에서는 입술-음성 동기화 탐지 모델이 음성 정보의 발화 영역인 입술에 더 집중할 수 있도록 사전 학습된 시각적 Attention 기반의 인코더 도입을 제안한다. 이를 위해 음성 정보 없이 시각적 정보만으로 발화하는 말을 예측하는 독순술(Lip-Reading)에서 사용된 Visual Transformer Pooling(VTP) 모듈을 인코더로 채택했다. 그리고, 제안 방법이 학습 파라미터 수가 적음에도 불구하고 LRS2 데이터 세트에서 다섯 프레임 기준으로 94.5% 정확도를 보임으로써 최근 모델인 VocaList를 능가하는 것을 실험적으로 증명하였다. 또, 제안 방법은 학습에 사용되지 않은 Acappella 데이터셋에서도 VocaList 모델보다 8% 가량의 성능 향상이 있음을 확인하였다.

• 한국음향학회지
• /
• 제27권3호
• /
• pp.111-118
• /
• 2008

본 논문에서는 음악 장르 분류를 위한 새로운 자동 Taxonomy 구축 알고리즘을 제안한다. 제안된 알고리즘은 모든 가능한 노드들의 분류 확률을 예측하여 예측된 분류 성능값이 가장 좋은 조합을 Taxonomy로 구축하는 것이다. 제안된 알고리즘에서의 분류 확률 예측은 훈련 데이터를 k-fold cross validation을 이용하여 분류기에 적용함으로써 이루어진다. 제안된 알고리즘을 기반으로 한 분류 성능 측정은 2 클래스로 이루어진 각각의 노드에 2개 범주 분류에 효과적인 support vector machine을 적용함으로써 이루어진다. 제안된 알고리즘의 성능 검증을 위해 음색, 리듬, 피치 등 오디오 신호의 특징을 나타내는 다양한 파라미터를 오디오 신호로부터 추출하여 제안된 알고리즘과 기존의 다중 범주 분류기들을 이용하여 분류성능을 평가하였다. 다양한 실험결과 제안된 알고리즘은 기존의 알고리즘에 비하여 5%에서 25%정도의 분류 성능이 향상된 것을 확인할 수 있었고 특히 낮은 차원의 특징벡터를 이용한 분류 실험에서는 10% 에서 25% 향상된 좋은 성능을 보였다.

• 대한간호학회지
• /
• 제54권2호
• /
• pp.193-210
• /
• 2024

Purpose: The objective of this study was to develop a predictive model for the sexual experiences of adolescents using the random forest method and to identify the "variable importance." Methods: The study utilized data from the 2019 to 2021 Korea Youth Risk Behavior Web-based Survey, which included 86,595 man and 80,504 woman participants. The number of independent variables stood at 44. SPSS was used to conduct Rao-Scott χ² tests and complex sample t-tests. Modeling was performed using the random forest algorithm in Python. Performance evaluation of each model included assessments of precision, recall, F1-score, receiver operating characteristics curve, and area under the curve calculations derived from the confusion matrix. Results: The prevalence of sexual experiences initially decreased during the COVID-19 pandemic, but later increased. "Variable importance" for predicting sexual experiences, ranked in the top six, included week and weekday sedentary time and internet usage time, followed by ease of cigarette purchase, age at first alcohol consumption, smoking initiation, breakfast consumption, and difficulty purchasing alcohol. Conclusion: Education and support programs for promoting adolescent sexual health, based on the top-ranking important variables, should be integrated with health behavior intervention programs addressing internet usage, smoking, and alcohol consumption. We recommend active utilization of the random forest analysis method to develop high-performance predictive models for effective disease prevention, treatment, and nursing care.

• 한국학교보건학회지
• /
• 제36권3호
• /
• pp.113-125
• /
• 2023

Purpose: The purpose of this study is to develop a model for predicting mental health risk among adolescents based on health behavior information by employing a hybrid machine learning method. Methods: The study analyzed data of 51,850 domestic middle and high school students from 2022 Youth Health Behavior Survey conducted by the Korea Disease Control and Prevention Agency. Firstly, mental health risk levels (stress perception, suicidal thoughts, suicide attempts, suicide plans, experiences of sadness and despair, loneliness, and generalized anxiety disorder) were classified using the k-mean unsupervised learning technique. Secondly, demographic factors (family economic status, gender, age), academic performance, physical health (body mass index, moderate-intensity exercise, subjective health perception, oral health perception), daily life habits (sleep time, wake-up time, smartphone use time, difficulty recovering from fatigue), eating habits (consumption of high-caffeine drinks, sweet drinks, late-night snacks), violence victimization, and deviance (drinking, smoking experience) data were input to develop a random forest model predicting mental health risk, using logistic and XGBoosting. The model and its prediction performance were compared. Results: First, the subjects were classified into two mental health groups using k-mean unsupervised learning, with the high mental health risk group constituting 26.45% of the total sample (13,712 adolescents). This mental health risk group included most of the adolescents who had made suicide plans (95.1%) or attempted suicide (96.7%). Second, the predictive performance of the random forest model for classifying mental health risk groups significantly outperformed that of the reference model (AUC=.94). Predictors of high importance were 'difficulty recovering from daytime fatigue' and 'subjective health perception'. Conclusion: Based on an understanding of adolescent health behavior information, it is possible to predict the mental health risk levels of adolescents and make interventions in advance.

• 사물인터넷융복합논문지
• /
• 제10권3호
• /
• pp.13-18
• /
• 2024

최근에는 클라우드 서버, 데이터센터 등에서 플래시 기반의 저장장치가 활발히 활용되면서 신뢰성이 더욱 중요해지고 있다. 플래시 메모리 칩은 읽기/쓰기에 제한이 있어 한곳에 쓰기가 집중되면 칩을 더 이상 사용할 수 없게 된다. 이와 같은 문제를 해결하고 신뢰성을 향상시키기 위해서는 플래시 메모리 칩의 마모를 균등화하는 것이 필요하다. 그러나 대용량이 되어가는 플래시 메모리의 마모 균등화를 위해서는 작업 부하가 비례적으로 증가한다. 특히, 플래시 메모리 칩의 전체 블록의 삭제 횟수가 최대/최소인 블록 블럭을 검색할 때 저장장치의 용량에 따라 비용이 증가한다. 본 논문에서는 앞의 문제를 해결하기 위해서 블럭의 무작위 선택 방법을 적용하였다. 무작위로 선택하는 블록을 k 라고 할 때 실제 실험 결과를 통해 k 값이 4 이상 전체 블록을 검색하는 것과 비슷한 결과를 보여주는 것을 확인하였다.

• 적정기술학회지
• /
• 제6권2호
• /
• pp.151-162
• /
• 2020

2020년 코로나로 인해 테크놀러지를 사용하는 교육(온라인교육 포함)이 그 가치를 확실히 인정받았다. 교사 위주였던 예전 교습 방법이 완전히 바뀌어졌다. 주어진 교과 과정을 온라인으로 예습하고 클라스에서는 토론을 하는 "flipped 학습"이 자리를 잡아가고있다. 아프리카에서는 온라인 클라스는 현지인들에게는 상상이 되지 않는 옵션이다. 하지만 이제 기술을 통한 교육 가치가 인정받기 시작했다. 먼 학교를 가야하는 학생들을 위해 작은 분교/정보 센타가 많이 세워져야한다. 한꺼번에 모이지 못하고, 정해진 소수의 팀이 와서 거리를 두고 컴퓨터를 통해 학습을 하고, 그후에 다음 팀이 와서 학습한다. 몇대의 컴퓨터를 공유하면서 교사가 없는 상황에서도 각자 인트라넷 전자 도서관을 통해서 학습을 한다. 학생들은 생전 처음 경험하는 힉습방법이지만, 오히려 자유롭게 스스로 주도하여 배우는 것을 경험한다. 학생들뿐 아니라, 교사 훈련도 되며 커뮤니티의 정보 센타가 되어 공동체가 힘을 얻을 것이다. 이렇게 훈련된 교사, 스텝들이 곳곳에 정보센터를 세워 훈련을 확장해 나갈 수 있다. 기술과 문제 파악, 현지 적용의 몇가지 STEM 프로젝트를 통하여 스스로 배울 수 있다는 깨달음으로 학생들은 배움에 대한 기쁨을 얻는다. 지난 2-3년간수행된 3천여명에 대한 STEM/IT교육의 결과가 이를 증명하고 있다. 스스로 배움을 터득해 나가고, 먼저 배운 학생들이 인턴이 되어 다른 학생들을 가르치는 실제적인 새로운 인재상을 통하여 임파워링의 플랫폼과 연속 채널을 구축하는데는 "IT" 가 최적이다. 그동안 탄자니아의 10개 도시에서 진행된 STEM교육의 결과와 앞으로 진행될 유니세프 프로젝트와 코이카 프로젝트를 통하여 Scale-up에 대한 내용도 본 발표에서 소개된다.

• 한국컴퓨터정보학회논문지
• /
• 제26권6호
• /
• pp.173-181
• /
• 2021

본 연구에서는 중국 하이난성 지역 10대~50대 남녀를 대상으로 메디컬스킨케어센터를 내원한 환자들을 중심으로 성별에 따른 피부유형 및 피부관리실태, 피부관리 인지도, 만족도를 검증하고자 한다. 이에 피부관리 실태, 피부관리 인지도, 피부관리 만족도 등을 2020년 12월 21일에서 2021년 1월 9일까지 위쳇(WeChat), 왠쥬엔씽 프로그램(wenjuanxing program)을 이용하여 총 328부를 조사하여 SPSSWIN 21.0 프로그램을 사용하여 분석하였다. 피부유형 및 피부관리실태, 피부관리 인지도 및 만족도는 빈도분석(Frequency Analysis)을 실시하였고, 피부관리 인지도와 만족도 신뢰도는 Cronbach's α의 계수를 구하였다. 성별에 따른 피부유형 및 피부관리실태, 인지도, 만족도의 관련성은 카이스케어 검정(χ²)과 t-test를 실시하였다. 분석결과 성별에 따른 피부타입은 여성은 건성피부, 남성은 지성피부이고, 피부고민은 여성은 기미색소, 남성은 여드름피부로 성별에 따라 차이가 나타났다. 이러한 문제성피부관리는 남녀모두 홈케어가 높았고, 다음으로 여성은 피부과, 남성은 약국으로 유의미한 차이를 나타내었다. 진행기간은 남녀모두 1~3년 미만이고, 효과적인 피부 개선 방법으로는 남녀모두 좋은 생활습관, 레이저 순이었다. 병원 선택 시 고려 사항으로는 유명한 체인병원이고, 관리 시 중요 사항은 의사나 피부관리의 전문성을 고려한 것으로 응답하였다. 피부관리 및 치료 인지도는 여성은 외적, 남성은 내적이 높았고, 피부관리 만족도의 차이는 여성은 서비스, 남성은 효과로 나타났으며, 관리만족도는 남성이 여성보다 유의미하게 더 높은 것으로 나타났다. 결론은 중국 메디컬스킨케어센터를 내원한 환자들이 성별에 따라 피부유형 및 피부고민, 피부문제, 피부관리 방법, 피부관리 만족도에 차이가 있는 것으로 분석되어 다양한 제품 개발 및 체계적인 관리프로그램의 필요성을 제시하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.271-278
• /
• 2021

현재 사이버 공격이 더욱 지능화됨에 따라 기존의 침입 탐지 시스템(Intrusion Detection System)은 저장된 패턴에서 벗어난 지능형 공격을 탐지하기 어렵다. 이를 해결하려는 방법으로, 데이터 학습을 통해 지능형 공격의 패턴을 분석하는 딥러닝(Deep Learning) 기반의 침입 탐지 시스템 모델이 등장했다. 침입 탐지 시스템은 설치 위치에 따라 호스트 기반과 네트워크 기반으로 구분된다. 호스트 기반 침입 탐지 시스템은 네트워크 기반 침입 탐지 시스템과 달리 시스템 내부와 외부를 전체적으로 관찰해야 하는 단점이 있다. 하지만 네트워크 기반 침입 탐지 시스템에서 탐지할 수 없는 침입을 탐지할 수 있는 장점이 있다. 따라서, 본 연구에서는 호스트 기반의 침입 탐지 시스템에 관한 연구를 수행했다. 호스트 기반의 침입 탐지 시스템 모델의 성능을 평가하고 개선하기 위해서 2018년에 공개된 호스트 기반 LID-DS(Leipzig Intrusion Detection-Data Set)를 사용했다. 해당 데이터 세트를 통한 모델의 성능 평가에 있어서 각 데이터에 대한 유사성을 확인하여 정상 데이터인지 비정상 데이터인지 식별하기 위해 1차원 벡터 데이터를 3차원 이미지 데이터로 변환하여 재구성했다. 또한, 딥러닝 모델은 새로운 사이버 공격 방법이 발견될 때마다 학습을 다시 해야 한다는 단점이 있다. 즉, 데이터의 양이 많을수록 학습하는 시간이 오래 걸리기 때문에 효율적이지 못하다. 이를 해결하기 위해 본 논문에서는 적은 양의 데이터를 학습하여 우수한 성능을 보이는 Few-Shot Learning 기법을 사용하기 위해 Siamese-CNN(Siamese Convolutional Neural Network)을 제안한다. Siamese-CNN은 이미지로 변환한 각 사이버 공격의 샘플에 대한 유사성 점수에 의해 같은 유형의 공격인지 아닌지 판단한다. 정확성은 Few-Shot Learning 기법을 사용하여 정확성을 계산했으며, Siamese-CNN의 성능을 확인하기 위해 Vanilla-CNN(Vanilla Convolutional Neural Network)과 Siamese-CNN의 성능을 비교했다. Accuracy, Precision, Recall 및 F1-Score 지표를 측정한 결과, Vanilla-CNN 모델보다 본 연구에서 제안한 Siamese-CNN 모델의 Recall이 약 6% 증가한 것을 확인했다.

• 박물관보존과학
• /
• 제27권
• /
• pp.147-164
• /
• 2022

전 세계 22개국에 흩어져 있는 우리 문화재는 20만 여점에 이른다. 저마다 다른 사연을 가지고 외국에 나가게 된 우리 문화재 중 일부는 해외 기관에 소장되어 세계인들에게 우리 문화를 알리고 있지만 훼손되어 전시되지 못하는 경우도 있다. 이와 같은 문제를 해결하기 위해 2013년부터 '국외 소재 한국문화재 보존·복원 및 활용 지원 사업'을 추진하고 있다. 2021년은 한국과 벨기에 수교 120주년을 기념하여 벨기에 왕립예술역사박물관 소장 고려시대 금동침통을 국내에 들여와 보존처리했다. 보존처리의 기본 방향은 원형을 보존하고 부식이 지속되는 것을 최대한 늦추는 것이기 때문에 표면 부식물제거, 안정화처리, 강화처리를 거치는 기본적인 보존처리 순서로 진행하였다. 하지만 국외 소재 한국문화재 보존처리 지원 사업 중 금속문화재로서는 처음으로 보존처리된 사례이기 때문에 국외 기관과의 차별화가 필요했다. 이를 위해 X선 투과조사, 컴퓨터단층촬영, 3차원 현미경 조사 등 과학적인 조사·분석법으로 고려시대의 다양한 금속 공예기술을 파악하였다. 표면에 정교하게 새겨진 연꽃, 넝쿨 등의 다양한 문양은 끝이 둥근 정을 이용해 점선으로 시문했다. 또한 문양이 새겨진 구리판을 원통형으로 말기 위해서 양끝을 약 2~3mm 정도 겹쳐지게 은땜으로 접합하였으며, 겹친 부위의 단차가 거의 없을 정도로 평평하게 단접하였다. 제작공정의 마지막 과정에서는 금분을 이용한 아말감 도금법으로 표면을 화려하게 도금하였다. 국외 소재 한국문화재인 벨기에 왕립예술역사박물관 소장 금동침통에 대한 보존처리로 원형을 보존하고, 더 이상의 추가적인 부식을 예방하였다. 특히 국외 소재 한국문화재에 대한 과학적 조사를 통해 역사적 가치와 학술적 가치를 되살릴 수 있었다.