• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.360-362
• /
• 2023

건강정보 검색 요구가 증가하면서 다양한 건강정보 검색 서비스가 제공되고 있다. 하지만 최근의 건강정보 검색 서비스는 정형화 된 전문적인 의료정보와 그 해석을 제공하기 때문에 사용자는 이러한 정보를 스스로 이해하여 원하는 건강정보를 검색해야 한다. 사용자의 검색 피로를 줄이고 원하는 정보를 정확하게 얻을 수 있는 건강정보 검색 시스템 개발을 위하여 사용자의 비의료적 표현인 한국어 증상발화 데이터 구축이 선행되어야 한다. 이러한 데이터 구축은 많은 시간과 비용이 필요하기 때문에 이를 줄이기 위한 규칙기반 데이터 증강기법을 제시하고, 이를 활용하여 한국어 증상발화 데이터를 증강하였다. 증강된 데이터의 유효성을 보이기 위하여 KoBERT 기반의 증상분류 실험을 진행하였으며, 증강된 데이터가 그 전의 데이터보다 F1 스코어가 더 높음을 확인할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.3-5
• /
• 2022

혼합 중요도(mixed criticality) 시스템은 안전에 중요한 기능을 우선시하도록 하는 추가적인 안전 요구사항이 존재한다. 그러나 기존 실시간 시스템의 설계로는 이를 만족하지 못하며, 높은 중요도 태스크가 다른 낮은 중요도 태스크로부터 간섭을 받아 데드라인 미스와 같은 문제를 일으키는 중요도 역전(criticality inversion) 문제가 발생할 수 있다. 이러한 중요도 역전 문제를 해결하기 위해 주기 변환(period transformation) 기법을 사용할 수 있지만, 스케줄링 오버헤드의 증가로 인해 오히려 전반적인 태스크의 응답시간이 증가하는 또 다른 문제가 발생하게 된다. 본 논문에서는 주기 변환과 스케줄링 오버헤드 간의 트레이드오프 관계를 설명하고, 실시간 리눅스 시스템에서 해당 문제점을 재연한 후 주기 변환의 적정선을 분석하고자 실험을 진행하였다. 그 결과, 중요도 역전 문제를 해결하기 위한 주기 변환을 그대로 적용할 경우, 문맥 교환이 48.7% 증가 및 스케줄링 오버헤드가 28.7% 증가로 인해 전반적인 응답시간이 증가하여 데드라인 미스가 다수 발생하는 결과를 확인할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.61-62
• /
• 2022

알츠하이머성 치매는 현존하는 치료법이 없어 경도인지장애 단계에서의 예방이 중요하다. 지금까지의 알츠하이머 연구는 대부분이 뇌영상 마커와 뇌척수액 마커에 집중되어 있었으며, 경도 인지 장애 단계에서의 탐색은 더욱 적었다. 이러한 점에서 혈액 유전자 발현을 이용한 경도 인지장애 단계 예측은 인지 능력에 따른 관련 유전자 식별과 접근 가능한 진단 및 치료 바이오 마커 탐색에 기여할 수 있다. 그러나 유전자 발현 데이터의 경우 환자 수에 비해 높은 차원을 가지기 때문에 과적합을 막고 질병 관련 유전자를 식별하기 위해서는 데이터에서의 의미 있는 차원만을 뽑아내는 차원 축소가 선행되야 한다. 본 연구는 유전자 발현데이터에서의 인지장애 분류를 위해 차원 축소기법과 신경망을 적용하여 인지 장애 정도를 예측하였다. 그 결과, Lasso 이용 차원축소와 신경망을 이용하여 97%의 정확도로 정상과 조기 경도 인지장애, 후기 경도 인지장애 환자를 분류 할 수 있었으며, 더 적은 차원에서도 분류가 가능했다. 이는 혈액 유전자 발현을 이용해 경도 인지장애 단계를 예측한 첫 번째 연구이며, 인지능력 저하에 따른 혈액 유전자 발현의 연관성을 확인하고 향후 조기 진단, 치료 표적 탐색에 기여한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.973-976
• /
• 2004

IT 관련 기술의 발전은 'Any Time, Any Where, Any Service'를 사용자에게 제공할 수 있는 제반 여건을 마련하였다. 기존 웹 기반의 학사정보 시스템에서는 사용자의 이동성이 제한적이었고, 이를 해결하고자 한 무선 인터넷 기반의 학사정보 시스템은 클라이언트의 어플리케이션이 표준화된 환경에서 구축되지 않아서 모바일 기기의 플랫폼에 종속적이었다. 또한, 선택과목이 많은 학부제에서는 코스 코디네이터의 역할이 매우 중요하지만, 코스 코디네이터의 역할을 하는 지도교수와 학생 간의 커뮤니케이션의 부족으로 학생들은 도움을 받기 어렵다. 본 논문에서는 JAVA와 WIPI를 이용하여 플랫폼에 독립적이며 전공분야의 중요과목을 추천해 주는 과목 추천 시스템을 제안한다. 과목 추천 시스템은 학생들에게 수강과목에 대해 조언을 해 주는 코스 코디네이터의 역할을 대신할 수 있을 것이다. 또 학생들은 언제 어디서나 개인 휴대폰을 이용하여 수강신청에 관한 학사정보를 관리할 수 있고, 시스템의 추론에 따른 추천 과목을 수강하여 전공 분야에 대한 깊은 지식을 갖출 수 있을 것이다.

• 전기의세계
• /
• 제67권12호
• /
• pp.16-25
• /
• 2018

• 월간산업보건
• /
• 통권372호
• /
• pp.55-58
• /
• 2019

• KEPCO Journal on Electric Power and Energy
• /
• 제7권1호
• /
• pp.9-14
• /
• 2021

• E2M - 전기 전자와 첨단 소재
• /
• 제35권4호
• /
• pp.4-18
• /
• 2022

• 건설관리
• /
• 제23권2호
• /
• pp.4-7
• /
• 2022

• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.9-15
• /
• 2023

기존의 단순 통계 기반 추천 시스템은 학생들의 수강 이력 데이터만을 활용하기 때문에 선호하는 수업을 찾는 것에 많은 어려움을 겪고 있다. 이를 해결하기 위해, 본 연구에서는 심층 강화학습 기반의 개인화된 전공과목 추천 시스템을 제안한다. 이 시스템은 학생의 학과, 학년, 수강 이력 등의 정형 데이터를 기반으로 학생들 간의 유사도를 측정하며, 이를 통해 각 전공과목에 대한 정보와 학생들의 강의 평가를 종합적으로 고려하여 가장 적합한 전공과목을 추천한다. 본 논문에서는 이 DRL 기반의 추천 시스템을 통해 대학생들이 전공과목을 선택하는 데에 유용한 정보를 제공하며, 이를 통계 기반 추천 시스템과 비교하였을 때 더 우수한 성능을 보여주는 것을 확인하였다. 시뮬레이션 결과, 심층 강화학습 기반의 추천 시스템은 통계 기반 추천 시스템에 비해 수강 과목 예측률에서 약 20%의 성능 향상을 보였다. 이러한 결과를 바탕으로, 학생들의 강의 평가를 반영하여 개인화된 과목 추천을 제공하는 새로운 시스템을 제안한다. 이 시스템은 학생들이 자신의 선호와 목표에 맞는 전공과목을 찾는 데에 큰 도움이 될 것으로 기대한다.