• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 한국방사선학회논문지
• /
• 제14권6호
• /
• pp.773-780
• /
• 2020

4차 산업의 발전으로 의학·보건·바이오 등 여러 과학기술 분야에서는 질병을 예방하고 질병에 대한 피해를 줄이기 위한 연구가 이루어지고 있으며, 최근에는 ICT 기술의 발전과 더불어 인공지능 기술이 급부상하고 그 효용성이 입증되면서 영상의학 검사의 영상 분석에 인공지능 기술이 도입되어 연구되고 있다. 본 논문에서는 흉부 X선 영상을 이용하여 폐렴의 분류와 검출에 대한 딥러닝 모델을 직접 적용해보고 실제로 Inception 계열의 딥러닝 모델이 폐렴 검출에 있어 유용한 모델인지 평가하고자 한다. 실험재료는 캐글(Kaggle)에서 무료로 제공 및 공유하는 흉부 X선 영상 데이터 세트를 사용하였으며 전체 3,470개의 흉부 X선 영상 데이터 중 학습 데이터 세트 1,870개, 검증 데이터 세트 1,100개, 테스트 데이터 세트 500개로 분류하였다. 실험결과 Inception V3 딥러닝 모델의 Metric 평가에 대한 결과값은 정확도는 94.80%, 정밀도는 97.24%, 재현율은 94.00%, F1 스코어는 95.59의 결과값을 나타내었다. 그리고 흉부 X선 영상의 페렴 검출 및 분류에 대하여 Inception V3 딥러닝 모델링에 대한 최종 에포크의 정확도는 학습 모델링의 경우 94.91%, 검증 모델링은 89.68%의 정확도를 나타내었다. 손실함수 값의 평가는 학습 모델링은 1.127%, 검증 모델링은 4.603%의 손실함수 값을 나타내었다. 이러한 결과로 Inception V3 딥러닝 모델은 흉부영상 데이터의 특징 추출 및 분류에 있어 매우 우수한 딥러닝 모델이며 학습상태 또한 매우 우수하다고 평가하였다. 테스트 모델링에 대한 매트릭스 정확도 평가 결과 정상 흉부 X선 영상 데이터의 경우 96%, 폐렴 흉부 X선 영상데이터의 경우 97%의 정확도가 입증되었다. Inception 계열의 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것이라고 판단되며 인력의 보조적인 역할 또한 수행할 수 있을 것이라고 기대되어 부족한 의료인력 문제에도 해결점이 될 것이라고 사료된다. 향후 딥러닝을 이용한 폐렴의 진단에 대한 유사 연구 시 본 연구는 유사 연구의 기초자료로 제시될 것이라고 기대된다.

• 기독교교육논총
• /
• 제66권
• /
• pp.413-437
• /
• 2021

인간은 영적 존재로 하나님과 관계하기 위해 창조되었다. 그러나 인간의 영이 하나님과 대면을 통해 변형되기를 거부하면서 인간의 영은 위기를 경험하게 되었다. 영의 위기는 궁극적 근원이신 하나님으로부터 연결되지 못한 영적 문제로부터 기인한 것이지만 인간은 이러한 부재를 인간의 성취와 기술과 같은 노력으로 해결하고자 한다. 그래서 과학기술시대에 발생하는 인공지능, 로봇, 복제 등의 문제는 인간론과 관련되며, 정신이라 불리는 마음, 혹은 이성적 발전도 세계의 발전 못지않게 파괴와 혼동에 대한 근거를 찾지 못하고 있다. 그리고 인간의 마음에 집중한 교육은 온전한 교육이라 할 수 없다. 마음은 인간의 사고와 의지, 신념과 같이 인간 삶을 선택하고 이끌어가는데 주된 역할을 감당하고 있으며 이것은 기독교교육이 아닌 다른 학문의 영역에서도 활발하게 연구되고 있다. 하지만 인간의 영은 마음과 다르게, 인간의 한 영역을 담당하나 부분적이고 단편적이라 할 수 없고 인간 삶 중심에 영향을 미치는 변형의 중심이 된다. 기독교교육은 다른 학문에서 관심을 기울이는 인간의 다른 구성요소들에 집중할 것이 아니라 좀 더 분명하고 단순하게 영에 관심을 기울이고, 하나님과 만남이 인간 영의 변형으로 이어질 수 있도록 의도적으로 관심을 기울여야 한다. 즉, 기독교교육은 오늘도 역사하시는 하나님의 실재 속에 인간의 영이 하나님과 연결되는 통로이며 영을 통해서 보다 완전한 인간 이해에 도달할 수 있게 한다. 이를 위해 기독교교육은 하나님과 인간의 대면이 일어날 가능성을 높이는 보다 근본적인 노력을 기울여야 한다. 또한 만남이라는 말에는 초대자와 초청자의 상호성이 일어나기 때문에 만남이라는 말 대신 하나님의 주도성을 인정하고 인간을 변화시켜 나가는 주체자로서 하나님을 강조하고자 변형이라 표현하고, 일상에서 하나님과 소통하고 경험할 수 있는 현장으로 예배를 강조하고자 한다. 그리고 인간 영의 변형이 일어나기 위한 준비와 과정을 살펴봄으로 기독교교육이 인간 영의 변형을 목적으로 할 때 이것이 개인적 경험이나 확신으로 끝나지 않고 신앙공동체에서 계속적인 변형의 변형을 이루어갈 수 있는 신학적 발판을 제공하고자 한다.

• 벤처창업연구
• /
• 제18권6호
• /
• pp.173-189
• /
• 2023

혁신 기술 개발이 거듭되며 인공지능, 생명공학, 로봇, 항공우주, 전기차, 태양광 등의 신산업이 창출되며 거시적 경영환경이 급변하고 있다. 이러한 대규모 변화와 복잡성 증가로 인해 창업 전략 차원에서 기술이나 자산의 소유 그 자체보다는 자본이 관계의 중요성 증대로 활용되면서 새로운 가치 창출이 가능한 사회적 자본(Social Capital)의 효과에 주목할 필요가 있다. 사회적 자본은 1916년 Hanifan이 최초로 제안한 개념으로 개인 또는 사회적 구성원들 간의 상호 지속적이며 유기적 관계 또는 축적된 인간관계 네트워크에 잠재되거나 활용이 가능한 능력이나 자원의 전체적 총합을 일컫는다. 또한, 특출한 창업자 1인 보다는 다양한 배경과 특성 및 역량을 갖춘 창업팀 다양성이 각광을 받고 있다. 창업팀 다양성은 창업팀의 인구통계학적 요인이나 신념, 가치 등의 심층적 요소에 대한 다양성을 뜻한다. 거시적 환경 변화로 산업 혁신을 주도하고 국가의 핵심성장동력 창출 역할을 하는 기술창업 및 실험실창업의 중요성이 강조되고 있는데 본 연구에서는 '아이코어(I-Corps)' 프로그램에 주목하였다. 혁신군단을 의미하는 아이코어는 2011년 미연구재단(NSF)이 기업가 정신 및 연구 결과 사업화 장려를 위해 출범된 실험실 창업프로그램으로 교수와 연구원이 참여하는 창업팀 구성과 시장발견활동에 주안점을 두고 있다. 본 연구에서는 이런 특성을 감안하여 네트워크 관점의 사회적 자본과 창업팀 다양성이 아이코어 창업성과에 끼치는 영향을 실증적으로 검증하였다. 분석 결과 창업팀의 학력 다양성이 창업팀의 재무적 성과에 부(-)의 영향을, 성별 다양성과 사회적 자본의 인지적 차원이 창업팀의 재무적 성과에 정(+)의 영향을 끼쳤다. 본 연구는 아이코어 실험실 창업팀 다양성, 사회적 자본과 그 성과 해석에 대한 이론적, 실무적 시사점을 보다 유용하게 제공할 것으로 기대한다.

• 전자공학회논문지CI
• /
• 제49권2호
• /
• pp.29-37
• /
• 2012

본 논문에서는 화훼 온실에 Ubiquitous 기반의 Sensor Network와 다양한 센서를 설치하여, 최적의 자동 온실 환경을 구현, 그 결과를 평가하였다. 이를 위해, 온실에서의 다양한 생장환경 정보를 실시간 수집/분석하여, 기존의 최적 생장환경 권장 수치를 기준으로, 최적의 생장 환경을 유지하도록 설계하였다. 실험 대상인 화훼온실의 농작물 생장결과를 측정하기 위해, 환경변화에 따른 최적의 생장환경을 유지하도록, 온실 시설물을 제어하는 시스템을 구현하고, 이를 분석하였다. 기존의 온실 관리 방법과는 달리, 본 논문에서 적용된 시스템은 사용자가 원격에서 생장환경 모니터링 및 시설제어가 가능하도록 설계되었다. 또한, 화훼의 생산량 및 품질 향상을 위해 자동 온습도 조절기와 인공광원 등을 설치하였다. 그 결과 온실 시설물과 인공광원의 제어를 통해 화훼 생산량, 품질, 노동력 및 난방비에서 기존보다 상당히 향상됨을 볼 수있었다. 실험결과, u-화훼 시스템이, 날씨 변화 및 이상 기상 상황 등이 발생했을 경우, 사용자에게 SMS를 통해 경고 메시지를 보냄으로써 실시간적으로 이상 날씨 변화 상황에 원격으로 제어, 대응하여, 최적의 생장환경을 유지, 농가의 소득을 극대화할 수 있음을 입증하였다.

• 한국수자원학회논문집
• /
• 제38권7호
• /
• pp.565-574
• /
• 2005

평창강 수질자동측정망 실시간 자료를 이용하여 강우시와 무강우시로 구분하여 분석하였다. 강우시에 측정된 TOC 자료는 무강우시 측정된 자료에 비해 평균값, 최대값, 표준편차가 크게 나타났으며, 강우시의 DO 자료는 무강우시에 측정된 자료보다 낮아 유량이 수질변화에 영향을 미치는 것으로 분석되었다. 신경망 모형과 뉴로-퍼지 모형으로 수질예측 모형을 구성하고, 적용하였다. LMNN, MDNN, ANFIS 모형은 TOC 모의에서 DO 예측에서는 LMNN, MDNN 모형이 ANFIS 모형보다 좋은 결과를 보였으며, 정량적 자료에 정성적 자료인 시간을 학습한 MDNN 모형이 가장 작은 오차를 보였다. 하천의 실시간적 관리를 위해서는 유량과 수질의 측정이 동일한 지점에서 동시간적으로 이루어져야 보다 효과적이다. 그러나 수질자동측정망 지점과 T/M 수위관측소가 원거리에 위치한 경우들이 있으며, 평창강 수질자동측정망 지점이 그 중 하나이다. 연구에서는 평창강 수질자동측정망 지점의 유출예측을 위한 신경망 모형을 구성하여 수질예측 모형과 연계하였으며, 연계된 모형은 수질예측에 개선된 결과를 보였다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.39-54
• /
• 2013

전자상거래의 폭발적 증가는 소비자에게 더 유리한 많은 구매 선택의 기회를 제공한다. 이러한 상황에서 자신의 구매의사결정에 대한 확신이 부족한 소비자들은 의사결정 절차를 간소화하고 효과적인 의사결정을 위해 추천을 받아들인다. 온라인 상점의 상품추천시스템은 일대일 마케팅의 대표적 실현수단으로써의 가치를 인정받고 있다. 그러나 사용자의 기호를 제대로 반영하지 못하는 추천시스템은 사용자의 실망과 시간낭비를 발생시킨다. 본 연구에서는 정확한 사용자의 기호 반영을 통한 추천기법의 정교화를 위해 데이터마이닝과 다중모형조합기법을 이용한 상품추천시스템 모형을 제안하고자 한다. 본 연구에서 제안하는 모형은 크게 두 개의 단계로 이루어져 있으며, 첫 번째 단계에서는 상품군 별 우량고객 선정 규칙을 도출하기 위해서 로지스틱 회귀분석 모형, 의사결정나무 모형, 인공신경망 모형을 구축한 후 다중모형조합기법인 Bagging과 Bumping의 개념을 이용하여 세 가지 모형의 결과를 조합한다. 두 번째 단계에서는 상품군 별 연관관계에 관한 규칙을 추출하기 위하여 장바구니분석을 활용한다. 상기의 두 단계를 통하여 상품군 별로 구매가능성이 높은 우량고객을 선정하여 그 고객에게 관심을 가질만한 같은 상품군 또는 다른 상품군 내의 다른 상품을 추천하게 된다. 제안하는 상품추천시스템은 실제 운영 중인 온라인 상점인 'I아트샵'의 데이터를 이용하여 프로토타입을 구축하였고 실제 소비자에 대한 적용가능성을 확인하였다. 제안하는 모형의 유용성을 검증하기 위하여 제안 상품추천시스템의 추천과 임의 추천을 통한 추천의 결과를 사용자에게 제시하고 제안된 추천에 대한 만족도를 조사한 후 대응표본 T검정을 수행하였으며, 그 결과 사용자의 만족도를 유의하게 향상시키는 것으로 나타났다.

• 문화기술의 융합
• /
• 제8권5호
• /
• pp.279-284
• /
• 2022

블렌디드 러닝방식을 통해 디자인 교육에 대한 블렌디드 러닝 방식의 연구로서, 더 발전된 학습자 주도의 맞춤형 디자인 교육이 가능한 것을 제안하고자 한다. 대면 수업에서의 이해와 비대면에서의 장점을, 원격 수업에서 적절한 방식으로 보충할 수 있다. 발전한 인공지능과 빅데이터 기술은 디자인 분야 수업에서의 정량화된 데이터를 토대로 학습자의 수준과 관심에 맞는 개별화되고 세분화 된 맞춤형 학습 자료와 효과적인 학습 방법을 제공할 수 있다. 본론에서는 알 라 카르테 모델 (A La Carte) 제안을 통한 시·공간의 제약을 넘는 방식의 적용으로 수업의 효율을 극대화를 제안하였다. 언제 어디서나 들을 수 있는 원격 수업으로 소외 지역에 사는 학생들에게 제공되는 교육의 질과 교육 격차 해소에도 가능하다. 창의융합형 미래 인재를 양성하는 목표로서, 빠른 기술 발전 속도를 가지고 달라지고 있기에. 이에 발맞춘 학습 방법의 변화에 적응력을 지닐 필요가 있다. 알 라 카르테 모델 (A La Carte) 제안을 통한 인포그래픽 가상공간 디자인과 구축과정에 대한 분석을 제시하였다. 단순히 지식을 습득하는 것이 아니라, 지식을 선별하고, 구분하고, 학습하고, 자신만의 지식으로 손쉽게 재탄생시킬 수 있을 것으로 기대한다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.674-681
• /
• 2021

주요기반시설(critical infrastructure)을 대상으로 하는 사이버 공격이 증가하고 있다. 주요기반시설은 국가의 핵심 인프라이며 기반시설 간 상호의존성이 높은 특성을 가지고 있어서 일반적으로 사용되는 사이버 보안으로는 충분히 보호하기 어렵다. 특히 주요기반시설의 물리적 위험과 논리적 위험의 구분이 모호해지고 있어서 전체를 포괄하는 관점의 위험 관리가 이루어져야 한다. 이에 주요기반시설을 보다 적극적으로 보호하기 위한 방안으로 주요국에서는 보안내재화(SbD, security by design)를 적용하기 시작하였으며 보다 확대된 개념의 사전예방적보안(CSbD, cybersecurity by design)이 고려되고 있다. 이러한 사전예방적보안(CSbD)은 소프트웨어(SW) 안전 설계와 관리의 안정성 확보뿐만 아니라 물리적인 정치 및 기기(HW) 안전성과 사전 예방·차단 조치, 그리고 사이버회복탄력성(cyber resilience)까지 포함하는 포괄적인 보안 체계를 의미한다. 이에 본 연구는 미국과 싱가포르, 그리고 유럽에서 선도적으로 추진되고 있는 주요기반시설의 보안내재화(SbD) 방안들을 비교분석하고 주요기반시설에 대한 최적의 보안내재화(SbD) 적용 방안을 제시하고자 한다.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.284-290
• /
• 2024

음성감정인식(Speech Emotion Recognition, SER)은 사용자의 목소리에서 나타나는 떨림, 어조, 크기 등의 음성 패턴 분석을 통하여 감정 상태를 판단하는 기술이다. 하지만, 기존의 음성 감정인식 연구는 구현된 시나리오를 이용하여 제한된 환경 내에서 숙련된 연기자를 대상으로 기록된 음성인 구현발화를 중심의 연구로 그 결과 또한 높은 성능을 얻을 수 있지만, 이에 반해 자유발화 감정인식은 일상생활에서 통제되지 않는 환경에서 이루어지기 때문에 기존 구현발화보다 현저히 낮은 성능을 보여주고 있다. 본 논문에서는 일상적 자유발화 음성을 활용하여 감정인식을 진행하고, 그 성능을 향상하고자 한다. 성능평가를 위하여 AI Hub에서 제공되는 한국인 자유발화 대화 음성데이터를 사용하였으며, 딥러닝 학습을 위하여 1차원의 음성신호를 시간-주파수가 포함된 2차원의 스펙트로그램(Spectrogram)로 이미지 변환을 진행하였다. 생성된 이미지는 CNN기반 전이학습 신경망 모델인 VGG (Visual Geometry Group) 로 학습하였고, 그 결과 7개 감정(기쁨, 사랑스러움, 화남, 두려움, 슬픔, 중립, 놀람)에 대해서 성인 83.5%, 청소년 73.0%의 감정인식 성능을 확인하였다. 본 연구를 통하여, 기존의 구현발화기반 감정인식 성능과 비교하면, 낮은 성능이지만, 자유발화 감정표현에 대한 정량화할 수 있는 음성적 특징을 규정하기 어려움에도 불구하고, 일상생활에서 이루어진 대화를 기반으로 감정인식을 진행한 점에서 의의를 두고자 한다.