• Steel and Composite Structures
• /
• 제49권1호
• /
• pp.109-123
• /
• 2023

Headed studs welded to steel beams and embedded within the concrete of deck slabs are vital components of modern composite floor systems, where safety and economy depend on the accurate predictions of the stud shear resistance. The multitude of existing deck profiles and the complex behavior of studs in deck slab ribs makes developing accurate and reliable mechanical or empirical design models challenging. The paper addresses this issue by presenting a machine learning (ML) model developed from the natural gradient boosting (NGBoost) algorithm capable of producing probabilistic predictions and a database of 464 push-out tests, which is considerably larger than the databases used for developing existing design models. The proposed model outperforms models based on other ML algorithms and existing descriptive equations, including those in EC4 and AISC 360, while offering probabilistic predictions unavailable from other models and producing higher shear resistances for many cases. The present study also showed that the stud shear resistance is insensitive to the concrete elastic modulus, stud welding type, location of slab reinforcement, and other parameters considered important by existing models. The NGBoost model was interpreted by evaluating the feature importance and dependence determined with the SHapley Additive exPlanations (SHAP) method. The model was calibrated via reliability analyses in accordance with the Eurocodes to ensure that its predictions meet the required reliability level and facilitate its use in design. An interactive open-source web application was created and deployed to the cloud to allow for convenient and rapid stud shear resistance predictions with the developed model.

• 사상체질의학회지
• /
• 제36권2호
• /
• pp.39-48
• /
• 2024

Objectives The aim was to develop a method for detecting Sasang constitution based on the ratio of facial landmarks and provide an objective and reliable tool for Sasang constitution classification. Methods Facial images, KS-15 scores, and certainty scores were collected from subjects identified by Korean Medicine Data Center. Facial ratio landmarks were detected, yielding 2279 facial ratio features. Tree-based models were trained to classify Sasang constitution, and Shapley Additive Explanations (SHAP) analysis was employed to identify important facial features. Additionally, Body Mass Index (BMI) and personality questionnaire were incorporated as supplementary information to enhance model performance. Results Using the Tree-based models, the accuracy for classifying Taeeum, Soeum, and Soyang constitutions was 81.90%, 90.49%, and 81.90% respectively. SHAP analysis revealed important facial features, while the inclusion of BMI and personality questionnaire improved model performance. This demonstrates that facial ratio-based Sasang constitution analysis yields effective and accurate classification results. Conclusions Facial ratio-based Sasang constitution analysis provides rapid and objective results compared to traditional methods. This approach holds promise for enhancing personalized medicine in Korean traditional medicine.

• 전자공학회논문지
• /
• 제51권7호
• /
• pp.209-220
• /
• 2014

본 논문에서는 천해 배경잡음 환경에서 과도신호 분류에 적합한 특징 선택을 위해 특징의 변별력을 분석하였다. 과도신호 분류는 해양환경 특성상 낮은 신호대잡음비(SNR)를 가지므로 잡음변화에 강인한 특징이 요구된다. 천해 배경잡음을 모델링하기 위해 이론적인 잡음 모델과 Wenz의 천해 관측 자료 그리고 Yule walker 필터를 이용하였다. 과도신호의 SNR에 따른 각 특징의 변별력은 Fisher score를 이용하여 분석하였다. 변별력이 높은 특징을 선택하여 24 클래스의 과도신호원에 대한 분류정확도를 분석한 결과 잡음이 없는 환경에서 선택된 특징에서 상대적으로 높은 분류정확도를 보였다. 이러한 결과를 토대로 최종적으로 선택된 특징은 전체 28가지 특징 중 16가지 특징이 선택되었다. 다중 클래스 SVM분류기를 이용하여 선택된 특징의 인식률 분석결과 과도신호의 SNR 20dB 환경에서 약92%의 분류정확도를 보였다.

• International journal of advanced smart convergence
• /
• 제12권3호
• /
• pp.89-103
• /
• 2023

Obstructive sleep apnea (OSA) is one of the most prevalent sleep disorders that can lead to serious consequences, including hypertension and/or cardiovascular diseases, if not treated promptly. Continuous positive airway pressure (CPAP) is widely recognized as the most effective treatment for OSA, which needs the proper titration of airway pressure to achieve the most effective treatment results. However, the process of CPAP titration can be time-consuming and cumbersome. There is a growing importance in predicting personalized CPAP pressure before CPAP treatment. The primary objective of this study was to optimize the CPAP titration process for obstructive sleep apnea patients through EEG feature engineering with machine learning techniques. We aimed to identify and utilize the most critical EEG features to forecast key OSA predictive indicators, ultimately facilitating more precise and personalized CPAP treatment strategies. Here, we analyzed 126 OSA patients' PSG datasets before and after the CPAP treatment. We extracted 29 EEG features to predict the features that have high importance on the OSA prediction index which are AHI and SpO2 by applying the Shapley Additive exPlanation (SHAP) method. Through extracted EEG features, we confirmed the six EEG features that had high importance in predicting AHI and SpO2 using XGBoost, Support Vector Machine regression, and Random Forest Regression. By utilizing the predictive capabilities of EEG-derived features for AHI and SpO2, we can better understand and evaluate the condition of patients undergoing CPAP treatment. The ability to predict these key indicators accurately provides more immediate insight into the patient's sleep quality and potential disturbances. This not only ensures the efficiency of the diagnostic process but also provides more tailored and effective treatment approach. Consequently, the integration of EEG analysis into the sleep study protocol has the potential to revolutionize sleep diagnostics, offering a time-saving, and ultimately more effective evaluation for patients with sleep-related disorders.

• International Journal of Computer Science & Network Security
• /
• 제24권9호
• /
• pp.30-40
• /
• 2024

Building an accurate 3-D spatial road network model has become an active area of research now-a-days that profess to be a new paradigm in developing Smart roads and intelligent transportation system (ITS) which will help the public and private road impresario for better road mobility and eco-routing so that better road traffic, less carbon emission and road safety may be ensured. Dealing with such a large scale 3-D road network data poses challenges in getting accurate elevation information of a road network to better estimate the CO₂ emission and accurate routing for the vehicles in Internet of Vehicle (IoV) scenario. Clustering and regression techniques are found suitable in discovering the missing elevation information in 3-D spatial road network dataset for some points in the road network which is envisaged of helping the public a better eco-routing experience. Further, recently Explainable Artificial Intelligence (xAI) draws attention of the researchers to better interprete, transparent and comprehensible, thus enabling to design efficient choice based models choices depending upon users requirements. The 3-D road network dataset, comprising of spatial attributes (longitude, latitude, altitude) of North Jutland, Denmark, collected from publicly available UCI repositories is preprocessed through feature engineering and scaling to ensure optimal accuracy for clustering and regression tasks. K-Means clustering and regression using Support Vector Machine (SVM) with radial basis function (RBF) kernel are employed for 3-D road network analysis. Silhouette scores and number of clusters are chosen for measuring cluster quality whereas error metric such as MAE ( Mean Absolute Error) and RMSE (Root Mean Square Error) are considered for evaluating the regression method. To have better interpretability of the Clustering and regression models, SHAP (Shapley Additive Explanations), a powerful xAI technique is employed in this research. From extensive experiments , it is observed that SHAP analysis validated the importance of latitude and altitude in predicting longitude, particularly in the four-cluster setup, providing critical insights into model behavior and feature contributions SHAP analysis validated the importance of latitude and altitude in predicting longitude, particularly in the four-cluster setup, providing critical insights into model behavior and feature contributions with an accuracy of 97.22% and strong performance metrics across all classes having MAE of 0.0346, and MSE of 0.0018. On the other hand, the ten-cluster setup, while faster in SHAP analysis, presented challenges in interpretability due to increased clustering complexity. Hence, K-Means clustering with K=4 and SVM hybrid models demonstrated superior performance and interpretability, highlighting the importance of careful cluster selection to balance model complexity and predictive accuracy.

• 전자공학회논문지CI
• /
• 제49권1호
• /
• pp.16-22
• /
• 2012

본 논문에서는 알츠하이머병이 유도된 형질전환 마우스로부터 획득한 혈소판 라만 스펙트럼의 분석을 위해 가우시안 모델을 이용한 커브 피팅으로 기준선을 추정하고 보정하는 방법을 제안하였다. 측정된 라만 스펙트럼은 의미 있는 정보와 불필요한 노이즈 성분인 기준선과 가산 노이즈를 포함하고 있다. 스펙트럼의 효율적인 분석을 위해 노이즈를 포함하고 있는 스펙트럼을 몇 개의 피크를 포함하는 영역으로 분할하고 각 로컬 영역의 스펙트럼을 가우시안 모델을 이용한 커브 피팅으로 모델링한다. 가산 노이즈는 원 스펙트럼을 이 델로 대체하는 과정에서 명백하게 제거된다. 피팅된 모델의 로컬 최저점을 linear, piecewise cubic Hermite, cubic spline 알고리즘으로 보간하고 기준선을 보정한다. 기준선을 보정한 피팅 모델은 PCA(principal component analysis) 방법을 이용하여 특징을 추출하고 SVM(support vector machine)과 MAP(maximum $a$ posteriori probability) 분류 방법으로 성능 비교 실험을 하였다. 실험 결과에 따르면 linear 보간법이 모든 주성분 수에 대한 분류율의 평균에서 우세하였고 특히 piecewise cubic Hermite 보간법은 주성분의 수가 5개인 경우에서 SVM 분류율이 약 97.3%로 가장 좋은 성능을 보였다. 또한 이전의 연구 결과와 비교를 통해 제안한 기준선 보정 방법이 혈소판 라만 스펙트럼의 분석에 효과적으로 적용될 수 있음을 확인하였다.

• 지능정보연구
• /
• 제29권2호
• /
• pp.241-265
• /
• 2023

기업의 부실 예측 모델은 기업의 재무 상태를 객관적으로 모니터링하는 데 필수적인 도구 역할을 한다. 적시에 경고하고 대응 조치를 용이하게 하며 파산 위험을 완화하고 성과를 개선하기 위한 효과적인 관리 전략을 수립할 수 있도록 지원한다. 투자자와 금융 기관은 금융 손실을 최소화하기 위해 부실 예측 모델을 이용한다. 기업 부실 예측을 위한 인공지능(AI) 기술 활용에 대한 관심이 높아지면서 이 분야에 대한 광범위한 연구가 진행되고 있다. 해석 가능성과 신뢰성이 강조되며 기업 부실 예측에서 설명 가능한 AI 모델에 대한 수요가 증가하고 있다. 널리 채택된 SHAP(SHapley Additive exPlanations) 기법은 유망한 성능을 보여주었으나 변수 수에 따른 계산 비용, 처리 시간, 확장성 문제 등의 한계가 있다. 이 연구는 전체 데이터 세트를 사용하는 대신 부트스트랩 된 데이터 하위 집합에서 SHAP 값을 평균화하여 변수 수를 줄이는 새로운 변수 선택 접근법을 소개한다. 이 기술은 뛰어난 예측 성능을 유지하면서 계산 효율을 향상시키는 것을 목표로 한다. 해석 가능성이 높은 선택된 변수를 사용하여 랜덤 포레스트, XGBoost 및 C5.0 모델을 훈련하여 분류 결과를 얻고자 한다. 분류 결과는 고성능 모델 설계를 목표로 soft voting을 통해 생성된 앙상블 모델의 분류 정확성과 비교한다. 이 연구는 1,698개 한국 경공업 기업의 데이터를 활용하고 부트스트래핑을 사용하여 고유한 데이터 그룹을 생성한다. 로지스틱 회귀 분석은 각 데이터 그룹의 SHAP 값을 계산하는 데 사용되며, SHAP 값 평균은 최종 SHAP 값을 도출하기 위해 계산된다. 제안된 모델은 해석 가능성을 향상시키고 우수한 예측 성능을 달성하는 것을 목표로 한다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2010년도 추계학술대회 초록집
• /
• pp.75.2-75.2
• /
• 2010

Polymer electrolyte fuel cells (PEFCs) have received a lot of attention as a power source for both stationary and mobile applications due to their attractive feature. In general, the performance of PEFCs is highly affected by the property of the electrodes. A PEFC electrode essentially consists of a gas diffusion layer and a catalyst layer. The gas difusion layer is highly porous and hydrophobicized with PTFE polymer. The catalyst layer usually contains electrocatalyst, proton conducting polymer, even PTFE as additive. Particularly, the proton conducting ionomer helps to increase the catalytic activity at three-phase boundary and catalyst utilization. Futhermore, it helps to retain moisture, resulting in preventing the electrodes from membrane dehydration. The most widely used proton conducting ionomer is perfluorinated sulfonic acid polymer, namely, Nafion from DuPont due to its high proton conductivity and good mechanical property. However, there are great demands for alternative ionomers based on non-fluorinated materials in terms of high temperature availability, environmental adaptability and production cost. In this study, the electrodes with the various content of the sulfonated poly(ether sulfone) ionomer in the catalyst layer were prepared. In addition, we evaluated electrochemical properties of the prepared electrodes containing the various amount of the ionomers by using the cyclic voltammetry and impedance spectroscopy to find an optimal ionomer composition in the catalyst layer.

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2016년도 추계학술대회 논문집
• /
• pp.128-128
• /
• 2016

Cu 배선폭 미세화 기술은 반도체 디바이스의 성능 향상을 위한 핵심 기술이다. 현재 배선 기술은 lithography, deposition, planarization등 종합적인 공정 기술의 발전에 따라 10x nm scale까지 감소하였다. 하지만 지속적인 feature size 감소를 위하여 요구되는 높은 공정 기술 및 비용과 배선폭 미세화로 인한 재료의 물리적 한계로 인하여 배선폭 미세화를 통한 성능의 향상에는 한계가 있다. 배선폭 미세화를 통한 2차원적인 집적도 향상과는 별개로 chip들의 3차원 적층을 통하여 반도체 디바이스의 성능 향상이 가능하다. 칩들의 3차원 적층을 위해서는 별도의 3차원 배선 기술이 요구되는데, TSV(through-Si-via)방식은 Si기판을 관통하는 via를 통하여 chip간의 전기신호 교환이 최단거리에서 이루어지는 가장 진보된 형태의 3차원 배선 기술이다. Si 기판에 $50{\mu}m$이상 깊이의 via 및 seed layer를 형성 한 후 습식전해증착법을 이용하여 Cu 배선이 이루어지는데, via 내부 Cu ion 공급 한계로 인하여 일반적인 공정으로는 void와 같은 defect가 형성되어 배선 신뢰성에 문제를 발생시킨다. 이를 해결하기 위해 각종 유기 첨가제가 사용되는데, suppressor를 사용하여 Si 기판 상층부와 via 측면벽의 Cu 증착을 억제하고, accelerator를 사용하여 via 바닥면의 Cu 성장속도를 증가시켜 bottom-up TSV filling을 유도하는 방식이 일반적이다. 이론적으로, Bottom-up TSV filling은 sample 전체에서 Cu 성장을 억제하는 suppressor가 via bottom의 강한 potential로 인하여 국부적 탈착되고 via bottom에서만 Cu가 증착되어 되어 이루어지므로, accelerator가 없이도 void-free TSV filling이 가능하다. Accelerator가 Suppressor를 치환하여 오히려 bottom-up TSV filling을 방해한다는 보고도 있었다. 본 연구에서는 유기 첨가제의 치환으로 인한 TSV filling performance 저하를 방지하고, 유기 첨가제 조성을 단순화하여 용액 관리가 용이하도록 하기 위하여 suppressor만을 이용한 TSV filling 연구를 진행하였다. 먼저, suppressor의 흡착, 탈착 특성을 이해하기 위한 연구가 진행되었고, 이를 바탕으로 suppressor만을 이용한 bottom-up Cu TSV filling이 진행되었다. 최종적으로 $60{\mu}m$ 깊이의 TSV를 1000초 내에 void-free filling하였다.

• 한국산학기술학회논문지
• /
• 제9권4호
• /
• pp.892-898
• /
• 2008

3차원 쾌속 조형법은 컴퓨터에 저장되어있는 객체 데이터를 이용하여 시제품을 제작하는 기술로써, 기존의 나무나 클레이, 혹은 주조 제작방식과는 달리 원하는 위치에 요구되는 재료를 직접 적층함으로써 원형제품을 제작함을 특징으로 한다. 스테레오리쏘그래피, 용융 점착법, 선택적 레이저 소결법, 판상 제작법 등의 다양한 3차원 쾌속 조형법이 개발되었으나, 그 중에서 잉크젯을 통한 3차원 쾌속 조형법은 잉크화된 조형재료를 통해 구조적으로 기능이 가능한 원형제품의 제작이 가능하다는 특징이 있다. 그러나, 기능성 원형제품의 제작을 위해서는 잉크의 고농도화가 요구되며, 이로 인해 잉크 점도가 상승되어 젯팅 신뢰성이 저하되는 문제점이 있었다. 본 논문에서는 3차원 쾌속 조형법을 위한 최적 젯팅조건을 도출하기 위해 슬러리 타입 세라믹 상변화 잉크의 음파 전달속도 측정과 음파 전달속도가 젯팅에 미치는 영향을 고찰하도록 한다.