• 지능정보연구
• /
• 제11권2호
• /
• pp.175-195
• /
• 2005

사례기반추론(case-based reasoning)은 사례간 유사도를 평가하여 유사한 이웃사례를 찾아내고, 이웃사례의 결과를 이용하여 새로운 사례에 대한 예측결과를 생성하는 전통적인 인공지능기법 중 하나다. 이러한 사례기반추론이 최근 적용이 쉽고 간단하다는 장점과 모형의 갱신이 실시간으로 이루어진다는 점 등으로 인해, 온라인 환경에서의 고객관계관리를 위한 도구로 학계와 실무에서 주목을 받고 있다 하지만, 전통적인 사례기반추론의 경우, 타 인공지능기법에 비해 정확도가 상대적으로 크게 떨어진다는 점이 종종 문제점으로 제기되어 왔다. 이에, 본 연구에서는 사례기반추론의 성과를 획기적으로 개선하기 위한 방법으로 유전자 알고리즘을 활용한 사례기반추론의 동시 최적화 모형을 제안하고자 한다. 본 연구가 제안하는 모형에서는 기존 연구에서 사례기반추론의 성과에 중대한 영향을 미치는 요소들로 제시된 바 있는 사례 특징변수의 상대적 가중치 선정(feature weighting)과 참조사례 선정(instance selection)을 유전자 알고리즘을 이용해 최적화함으로서, 사례간 유사도를 보다 정밀하게 도출하는 동시에 추론의 결과를 왜곡할 수 있는 오류사례의 영향을 최소화하고자 하였다. 제안모형의 유용성을 검증하기 위해, 본 연구에서는 국내 한 전문 인터넷 쇼핑몰의 구매예측모형 구축사례에 제안모형을 적용하여 그 성과를 살펴보았다. 그 결과, 제안모형이 지금까지 기존 연구에서 제안된 다른 사례기반추론 개선모형들은 물론, 로지스틱 회귀분석(LOGIT), 다중판별분석(MDA), 인공신경망(ANN), SVM 등 다른 인공지능 기법들에 비해서도 상대적으로 우수한 성과를 도출할 수 있음을 확인할 수 있었다.

• 상하수도학회지
• /
• 제24권1호
• /
• pp.85-92
• /
• 2010

본 연구에서는, 하폐수 처리시설에서 발생하는 기체상 무기악취물질을 저온 플라즈마 공정으로 제거하고, 악취물질과 반응 후 배출되는 오존 함유 배가스로 유기성 슬러지의 감량과 가용화 효과를 얻고자 복합반응기를 구성하였으며 일련의 실험을 진행하였다. 플라즈마를 통과한 대상 무기악취물질인 황화수소는 플라즈마를 단독으로 거쳤을 시 약 70%의 처리효율을 보였으며, 최종적으로 슬러지 반응조까지 통과했을 경우는 99% 이상의 처리효율을 보였다. 이 때 플라즈마 공정에서 배출되는 가스에 포함된 오존은 슬러지 반응조를 통과하여 90~100%의 제거효율을 보였다. 배가스가 슬러지 반응기에 산기되면, 유기물 산화가 단계적으로 진행되며 4시간 반응 시 슬러지의 TCOD는 약 50~60% 감소하고 SCOD는 4~5배 증가하였다. 따라서 가용화율은 운전 시간이 지날수록 증가하여 4시간 이후 약 10%까지 증가하였다. 결과적으로 저온 플라즈마와 슬러지 산기반응조 복합공정을 적용하면, 하폐수 처리시설 운영상에 나타나는 악취배출과 잉여슬러지 처분 문제에 동시 적용할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.45-45
• /
• 2018

오염물의 혼합거동을 해석하기 위해 물리기반 모델을 이용하는 경우 모델을 구축하고 운용하는데 많은 시간과 재정이 소요되며 현장검증을 통한 검증이 반드시 필요하다. 하지만 데이터 기반 모델의 경우 축적된 데이터만으로도 예측을 수행할 수 있으며 물리기반모델에 비해 결정해야할 입력인자가 적어 모델운용이 용이하다는 장점이 있다. 다양한 데이터 모델 중 인공신경망(ANN) 모델은 데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 모델로 수자원 및 환경 분야에서 자주 사용되고 있다. 본 연구에서는 인공신경망 모델을 이용하여 지천유입이 있는 대하천의 수질인자 (pH, 전기전도도, DO, chl-a)를 예측하였다. 다른 데이터기반 모델과 같이 인공신경망 모델 또한 수집된 데이터 질에 크게 영향을 받으며, 내부 입력인자의 선택이 모델의 예측 결과에 큰 영향을 미친다. 이러한 인공신경망 모델의 특성을 바탕으로 예측모형의 정확도를 향상하기 위해서는 크게 데이터 처리부분과 모델구축 부분에서의 접근이 필요하다. 본 연구에서는 데이터 처리 과정에서 연구대상지점의 각각의 수질인자가 가지는 분포 특성을 유지하기 위해 층화표츨추출법을 이용하여 데이터를 구성하였다. 모델의 구축 과정에서는 초기가중치 값의 영향을 줄이기 위해 앙상블기법을 사용하였으며, 좀 더 견고하고 정확한 결과를 예측하기 위해 탄력적 역전파알고리즘을 추가하였다. 추가적으로 합류 후 본류의 미 계측지역 수질 예측 정확도 향상을 위해 본류의 수질인자뿐만 아니라 지류의 수질인자를 입력자료로 사용하여 모의를 수행하였다. 또한 동일 구간에서 수행한 현장추적자실험 자료를 이용하여 수질인자의 분포특성을 비교, 검증하였다. 개발된 모델을 이용하여 낙동강과 금호강 합류부 하류의 수질인자를 예측한 결과 지류의 수질인자를 입력자료로 추가한 경우 예측의 정확도가 증가하였으며, 현장실험 자료를 통해 밝혀진 오염물의 거동현상을 인공신경망 모델로도 동일하게 재현하는 것으로 나타났다. 본 연구에서 제안한 인공신경모델을 이용한다면 물리기반 수치모델을 대체하여 지천으로 유입된 오염물의 거동을 정확하고 효율적으로 파악할 수 있을 것이다.

• Membrane and Water Treatment
• /
• 제10권1호
• /
• pp.1-11
• /
• 2019

The Intergovernmental Panel on Climate Change (IPCC) Fifth Assessment Report (AR5) predicted that recent extreme hydrological events would affect water quality and aggravate various forms of water pollution. To analyze changes in water quality due to future climate change, input data (precipitation, average temperature, relative humidity, average wind speed and sunlight) were established using the Representative Concentration Pathways (RCP) 8.5 climate change scenario suggested by the AR5 and calculated the future runoff for each target period (Reference:1989-2015; I: 2016-2040; II: 2041-2070; and III: 2071-2099) using the semi-distributed land use-based runoff processes (SLURP) model. Meteorological factors that affect water quality (precipitation, temperature and runoff) were inputted into the multiple linear regression analysis (MLRA) and artificial neural network (ANN) models to analyze water quality data, dissolved oxygen (DO), biological oxygen demand (BOD), chemical oxygen demand (COD), suspended solids (SS), total nitrogen (T-N) and total phosphorus (T-P). Future water quality prediction of the Anseongcheon River basin shows that DO at Gongdo station in the river will drop by 35% in autumn by the end of the $21^{st}$ century and that BOD, COD and SS will increase by 36%, 20% and 42%, respectively. Analysis revealed that the oxygen demand at Dongyeongyo station will decrease by 17% in summer and BOD, COD and SS will increase by 30%, 12% and 17%, respectively. This study suggests that there is a need to continuously monitor the water quality of the Anseongcheon River basin for long-term management. A more reliable prediction of future water quality will be achieved if various social scenarios and climate data are taken into consideration.

• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.193-202
• /
• 2022

The classification of hyperspectral imagery (HSI) is essential in the surface of earth observation. Due to the continuous large number of bands, HSI data provide rich information about the object of study; however, it suffers from the curse of dimensionality. Dimensionality reduction is an essential aspect of Machine learning classification. The algorithms based on feature extraction can overcome the data dimensionality issue, thereby allowing the classifiers to utilize comprehensive models to reduce computational costs. This paper assesses and compares two HSI classification techniques. The first is based on the Joint Spatial-Spectral Stacked Autoencoder (JSSSA) method, the second is based on a shallow Artificial Neural Network (SNN), and the third is used the SVM model. The performance of the JSSSA technique is better than the SNN classification technique based on the overall accuracy and Kappa coefficient values. We observed that the JSSSA based method surpasses the SNN technique with an overall accuracy of 96.13% and Kappa coefficient value of 0.95. SNN also achieved a good accuracy of 92.40% and a Kappa coefficient value of 0.90, and SVM achieved an accuracy of 82.87%. The current study suggests that both JSSSA and SNN based techniques prove to be efficient methods for hyperspectral classification of snow features. This work classified the labeled/ground-truth datasets of snow in multiple classes. The labeled/ground-truth data can be valuable for applying deep neural networks such as CNN, hybrid CNN, RNN for glaciology, and snow-related hazard applications.

• BMB Reports
• /
• 제54권5호
• /
• pp.278-283
• /
• 2021

Our understanding of the differential effects between specific omega-3 fatty acids is incomplete. Here, we aimed to evaluate the effects of docosahexaenoic acid (DHA) and eicosapentaenoic acid (EPA) on T-helper type 1 (Th1) cell responses and identify the pathways associated with these responses. Naïve CD4⁺ T cells were co-cultured with bone marrow-derived dendritic cells (DCs) in the presence or absence of palmitate (PA), DHA, or EPA. DHA or EPA treatment lowered the number of differentiated IFN-γ-positive cells and inhibited the secretion of IFN-γ, whereas only DHA increased IL-2 and reduced TNF-α secretion. There was reduced expression of MHC II on DCs after DHA or EPA treatment. In the DC-independent model, DHA and EPA reduced Th1 cell differentiation and lowered the cell number. DHA and EPA markedly inhibited IFN-γ secretion, while only EPA reduced TNF-α secretion. Microarray analysis identified pathways involved in inflammation, immunity, metabolism, and cell proliferation. Moreover, DHA and EPA inhibited Th1 cells through the regulation of diverse pathways and genes, including Igf1 and Cpt1a. Our results showed that DHA and EPA had largely comparable inhibitory effects on Th1 cell differentiation. However, each of the fatty acids also had distinct effects on specific cytokine secretion, particularly according to the presence of DCs.

• Journal of Positioning, Navigation, and Timing
• /
• 제11권3호
• /
• pp.217-227
• /
• 2022

In order to provide a location-based services regardless of indoor or outdoor space, it is important to provide position information of the terminal regardless of location. Among the wireless/mobile communication resources used for this purpose, Long Term Evolution (LTE) signal is a representative infrastructure that can overcome spatial limitations, but the positioning method based on the location of the base station has a disadvantage in that the accuracy is low. Therefore, a fingerprinting technique, which is a pattern recognition technology, has been widely used. The simplest yet widely applied algorithm among Fingerprint positioning technologies is k-Nearest Neighbors (kNN). However, in the kNN algorithm, it is difficult to find the optimal K value with the lowest positioning error for each location to be estimated, so it is generally fixed to an appropriate K value and used. Since the optimal K value cannot be applied to each estimated location, therefore, there is a problem in that the accuracy of the overall estimated location information is lowered. Considering this problem, this paper proposes a technique for adaptively varying the K value by using a Convolutional Neural Network (CNN) model among Artificial Neural Network (ANN) techniques. First, by using the signal information of the measured values obtained in the service area, an image is created according to the Physical Cell Identity (PCI) and Band combination, and an answer label for supervised learning is created. Then, the structure of the CNN is modeled to classify K values through the image information of the measurements. The performance of the proposed technique is verified based on actual data measured in the testbed. As a result, it can be seen that the proposed technique improves the positioning performance compared to using a fixed K value.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권5호
• /
• pp.1310-1338
• /
• 2023

As Internet of Things (IoT) applications and devices rapidly grow, cyber-attacks on IoT networks/systems also have an increasing trend, thus increasing the threat to security and privacy. Botnet is one of the threats that dominate the attacks as it can easily compromise devices attached to an IoT networks/systems. The compromised devices will behave like the normal ones, thus it is difficult to recognize them. Several intelligent approaches have been introduced to improve the detection accuracy of this type of cyber-attack, including deep learning and machine learning techniques. Moreover, dimensionality reduction methods are implemented during the preprocessing stage. This research work proposes deep Autoencoder dimensionality reduction method combined with Artificial Neural Network (ANN) classifier as botnet detection system for IoT networks/systems. Experiments were carried out using 3- layer, 4-layer and 5-layer pre-processing data from the MedBIoT dataset. Experimental results show that using a 5-layer Autoencoder has better results, with details of accuracy value of 99.72%, Precision of 99.82%, Sensitivity of 99.82%, Specificity of 99.31%, and F1-score value of 99.82%. On the other hand, the 5-layer Autoencoder model succeeded in reducing the dataset size from 152 MB to 12.6 MB (equivalent to a reduction of 91.2%). Besides that, experiments on the N_BaIoT dataset also have a very high level of accuracy, up to 99.99%.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.128-128
• /
• 2020

최근 농업환경의 변화와 기후변화에 대응하기 위해 농업용수 관리 정보화 및 과학화의 필요성이 증대되어 실시간으로 저수지 저수량과 농업용수 공급량을 파악하기 위해 자동 수위계측시설이 도입되었다. 농림축산식품부의 저수지 자동수위측정기 설치 및 운영지침에 따라 현재 농어촌공사 관리 저수지 1,734개소 및 수로부 1,880개소에 자동수위계가 설치되어 있으며, 저수지와 수로에서 10분 간격으로 수위자료가 생성되고 있다. 농업용 저수지 수문자료의 공인지점은 2016년 6개소에서 2019년 49개소로 증대되고 있으며, 데이터 품질 저하의 최소화 및 신뢰성 있는 수문자료 생성의 필요성이 증가함에 따라 농업용 저수지의 특성을 반영한 저수지 수위 오결측 데이터 보정 방안 및 수문 자료 품질관리 방안이 요구된다. 농업용 저수지의 수위 변화 및 강우-유출 현상은 물리적 모형을 구축하여 기상, 지형 등 영향 인자와 수위(또는 유출)와의 상관관계를 분석하는 것은 무적으로 불가능하였지만, 최근 인공신경망 (Artificial Neural Network, ANN) 등과 같이 black-box 형태의 모형을 이용하여 비선형적인 수문해석이 가능해졌다. 본 연구에서는 빅데이터와 인공신경망을 결합시킨 알고리즘인 딥러닝 (Deep Learning) 기반의 LSTM (Long Short-Term Memory) 모형을 활용하여 농업용 저수지 수위자료를 검토하여 자동계측기에서 발생하는 오류 보정을 위해 품질관리 방안을 제시하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.570-573
• /
• 2022

본 논문에서는 신경망 모델을 적용한 몰드변압기의 보이드 결함 크기 판별에 관한 연구를 수행하였다. PCB 기반의 로고우스키 코일형 부분방전 센서를 제작하여 부분방전 신호를 측정하였고, 보이드에 의한 부분방전 결함을 모의하기 위한 PD 전극계를 제작하였다. 또한 보이드는 원통형 모양의 알루미늄 틀을 제작하여 에폭시가 경화되는 과정에서 실린지를 삽입하고 공기를 주입하여 서로다른 직경을 가지는 4개의 시편을 제작하였다. 보이드 결함 크기 판별을 위해 부분방전 전하량, 방전 펄스 수, 위상 분포의 부분방전 특성 파라미터를 추출하여 Labview 기반의 VI (Virtual Instrument)로 역전파 알고리즘을 설계하였다. 실험 결과로부터 제작된 알고리즘은 90%이상의 판별률로 결함의 직경크기를 구분할 수 있었다. 본 연구의 결과는 현장에서 PD 측정 시 몰드변압기의 유지보수 및 절연물 교체의 근거 자료로 활용될 수 있을 것으로 판단된다.