• 한국분말재료학회지
• /
• 제30권3호
• /
• pp.217-222
• /
• 2023

Machine learning-based data analysis approaches have been employed to overcome the limitations in accurately analyzing data and to predict the results of the design of Nb-based superalloys. In this study, a database containing the composition of the alloying elements and their room-temperature tensile strengths was prepared based on a previous study. After computing the correlation between the tensile strength at room temperature and the composition, a material science analysis was conducted on the elements with high correlation coefficients. These alloying elements were found to have a significant effect on the variation in the tensile strength of Nb-based alloys at room temperature. Through this process, a model was derived to predict the properties using four machine learning algorithms. The Bayesian ridge regression algorithm proved to be the optimal model when Y, Sc, W, Cr, Mo, Sn, and Ti were used as input features. This study demonstrates the successful application of machine learning techniques to effectively analyze data and predict outcomes, thereby providing valuable insights into the design of Nb-based superalloys.

• Current Optics and Photonics
• /
• 제8권3호
• /
• pp.230-238
• /
• 2024

The refractive index is a key material-design parameter, especially for high-refractive-index glasses, which are used for precision optics and devices. Increased demand for high-precision optical lenses produced by the glass-mold-press (GMP) process has spurred extensive studies of proper glass materials. B₂O₃, SiO₂, and multiple heavy-metal oxides such as Ta₂O₅, Nb₂O₅, La₂O₃, and Gd₂O₃ mostly compose the high-refractive-index glasses for GMP. However, due to many oxides including up to 10 components, it is hard to predict the refractivity solely from the composition of the glass. In this study, the refractive index of optical glasses based on the B₂O₃-La₂O₃-Ta₂O₅-SiO₂ system is predicted using machine learning (ML) and compared to experimental data. A dataset comprising up to 271 glasses with 10 components is collected and used for training. Various ML algorithms (linear-regression, Bayesian-ridge-regression, nearest-neighbor, and random-forest models) are employed to train the data. Along with composition, the polarizability and density of the glasses are also considered independent parameters to predict the refractive index. After obtaining the best-fitting model by R² value, the trained model is examined alongside the experimentally obtained refractive indices of B₂O₃-La₂O₃-Ta₂O₅-SiO₂ quaternary glasses.

• 대한치매학회지
• /
• 제21권4호
• /
• pp.138-146
• /
• 2022

Background and Purpose: Magnetic resonance imaging (MRI) helps with brain development analysis and disease diagnosis. Brain volumes measured from different ages using MRI provides useful information in clinical evaluation and research. Therefore, we trained machine learning models that predict the brain age gap of healthy subjects in the East Asian population using T1 brain MRI volume images. Methods: In total, 154 T1-weighted MRIs of healthy subjects (55-83 years of age) were collected from an East Asian community. The information of age, gender, and education level was collected for each participant. The MRIs of the participants were preprocessed using FreeSurfer(https://surfer.nmr.mgh.harvard.edu/) to collect the brain volume data. We trained the models using different supervised machine learning regression algorithms from the scikit-learn (https://scikit-learn.org/) library. Results: The trained models comprised 19 features that had been reduced from 55 brain volume labels. The algorithm BayesianRidge (BR) achieved a mean absolute error (MAE) and r squared (R²) of 3 and 0.3 years, respectively, in predicting the age of the new subjects compared to other regression methods. The results of feature importance analysis showed that the right pallidum, white matter hypointensities on T1-MRI scans, and left hippocampus comprise some of the essential features in predicting brain age. Conclusions: The MAE and R² accuracies of the BR model predicting brain age gap in the East Asian population showed that the model could reduce the dimensionality of neuroimaging data to provide a meaningful biomarker for individual brain aging.

• 한국전산구조공학회논문집
• /
• 제37권4호
• /
• pp.283-293
• /
• 2024

본 논문에서는 지진 하중으로 인한 급격한 구조손상탐지를 수행하기 위해 분산점 칼만필터(Unscented Kalman Filter, UKF)와 파티클 필터(Particle Filter)를 소개하고 지진 손상 시나리오에 적용 및 비교·검토하였다. 이때, 비선형 전단 빌딩을 모사하기 위해 Bouc-Wen 모델을 사용하였고, 급격한 변화를 추정하기 위해 추가적으로 적응형 기법(Adaptive rule)인 Adaptive Jumping Method를 두 필터 모두에 적용하였다. 적용 결과 두 오리지날 필터 모두 급격한 손상 시점과 정도를 파악하지 못하였고, 적응형 기법을 반영하였을 경우에만 시점 파악이 가능하였다. 하지만, 여전히 손상 정도를 정확히 파악하지 못하였고, 두 방법 모두 제안된 적응형 기법을 새로이 조정하였을 경우에 정확한 추정이 가능함을 확인하였다. 최종적으로 계산시간을 고려하였을 때, 새로운 형태의 적응형 기법을 적용한 UKF 사용을 제안하는 것으로 비교 검토를 수행하였다.

• 농업과학연구
• /
• 제39권3호
• /
• pp.357-364
• /
• 2012

Genomic breeding value (GEBV) has recently become available in the beef cattle industry. Genomic selection methods are exceptionally valuable for selecting traits, such as marbling, that are difficult to measure until later in life. One method to utilize information from sparse marker panels is the Bayesian model selection method with RJMCMC. The accuracy of prediction varies between a multiple SNP model with RJMCMC (0.47 to 0.73) and a least squares method (0.11 to 0.41) when using SNP information, while the accuracy of prediction increases in the multiple SNP (0.56 to 0.90) and least square methods (0.21 to 0.63) when including a polygenic effect. In the multiple SNP model with RJMCMC model selection method, the accuracy ($r^2$) of GEBV for marbling predicted based only on SNP effects was 0.47, while the $r^2$ of GEBV predicted by SNP plus polygenic effect was 0.56. The accuracies of GEBV predicted using only SNP information were 0.62, 0.68 and 0.73 for CWT, EMA and BF, respectively. However, when polygenic effects were included, the accuracies of GEBV were increased to 0.89, 0.90 and 0.89 for CWT, EMA and BF, respectively. Our data demonstrate that SNP information alone is missing genetic variation information that contributes to phenotypes for carcass traits, and that polygenic effects compensate genetic variation that whole genome SNP data do not explain. Overall, the multiple SNP model with the RJMCMC model selection method provides a better prediction of GEBV than does the least squares method (single marker regression).

• 정보과학회 논문지
• /
• 제42권4호
• /
• pp.451-458
• /
• 2015

기존 멀티모달 학습 기법의 대부분은 데이터에 포함된 컨텐츠 모델링을 통한 지식획득보다는 이미지나 비디오 검색 및 태깅 등 구체적 문제 해결에 집중되어 있었다. 본 논문에서는 멀티모달 개념계층모델을 이용하여 만화 비디오로부터 컨텐츠를 학습하는 기법을 제안하고 학습된 모델로부터 등장인물의 특성을 고려한 자막을 생성하는 방법을 제시한다. 멀티모달 개념계층 모델은 개념변수층과 단어와 이미지 패치의 고차 패턴을 표현하는 멀티모달 하이퍼네트워크층으로 구성되며 이러한 모델구조를 통해 각각의 개념변수는 단어와 이미지패치 변수들의 확률분포로 표현된다. 제안하는 모델은 비디오의 자막과 화면 이미지로부터 등장 인물의 특성을 개념으로서 학습하며 이는 순차적 베이지안 학습으로 설명된다. 그리고 학습된 개념을 기반으로 텍스트 질의가 주어질 때 등장인물의 특성을 고려한 비디오 자막을 생성한다. 실험을 위해 총 268분 상영시간의 유아용 비디오 '뽀로로'로부터 등장인물들의 개념이 학습되고 학습된 모델로부터 각각의 등장인물의 특성을 고려한 자막 문장을 생성했으며 이를 기존의 멀티모달 학습모델과 비교했다. 실험결과는 멀티모달 개념계층모델은 다른 모델들에 비해 더 정확한 자막 문장이 생성됨을 보여준다. 또한 동일한 질의어에 대해서도 등장인물의 특성을 반영하는 다양한 문장이 생성됨을 확인하였다.

• 대한교통학회지
• /
• 제30권6호
• /
• pp.37-46
• /
• 2012

65세 이상 고령운전자의 경우 지난 10년 새 교통사고건수는 3만 7,000건에서 27만 4,000건으로 무려 640.5% 증가되었다. 이는 전체사고에서 차지하는 비율이 1.2%에서 3.1배 증가한 3.7%를 차지하고 있는 것으로 교통안전 관련기관에서는 여러 대책을 강구하고 있다. 무엇보다 고령운전자의 행동특성 및 신체특성에 대한 심층연구를 통해 안전대책과 연계하는 방안이 중요하다 할 수 있다. 본 연구에서는 고령운전자의 행동특성을 측정할 수 있는 운전자 적성검사(Driving Aptitude) 항목과 교통사고 자료를 토대로 고령운전자 운전특성과 사고특성을 연결한 실증연구를 수행하였다. 영향모형 개발을 위해 활용한 방법론은 영과잉 회귀모형을 적용하였고, ZIP 회귀모형과 ZINB 회귀모형에 대하여 베이지안 추론을 이용한 사고예측 모형을 선택하였다. AAE분석결과 ZIP 회귀모형이 적합하며, 3가지 변수속도예측, 주의전환, 인지능력이 고령자사고와 영향관계에 있음을 확인할 수 있었다.

• 한국차세대컴퓨팅학회논문지
• /
• 제13권4호
• /
• pp.29-39
• /
• 2017

다양한 전자전 상황에서 단위 위협체에 대하여 전자전 모델링과 시뮬레이션을 수행할 수 있는 통합 전자전 시뮬레이터의 개발 필요성이 대두되고 있다. 본 논문에서는 전자전 상황에서 전자정보 수집신호의 변수를 기반으로 전자파 신호를 발산하는 레이더 위협을 역추정하기 위한 시뮬레이션 시스템의 구성요소를 분석하고, 역추정 모델을 점진적으로 유지할 수 있는 방법을 제안한다. 또한, 실험을 통하여 점진적 역추정 모델 갱신 기법의 유효성 및 개별 역추정 결과의 통합 기법을 평가한다. 개별 역추정 모델의 생성을 위하여 의사결정트리, 베이지안 분류기, 인공신경망 및 유클리디안 거리 측정방식과 코사인 유사도 측정방식을 활용하는 군집화 알고리즘을 이용하였다. 첫 번째 실험에서 레이더 위협체에 대한 역추정 모델을 구축하기 위한 위협 예제의 크기를 점진적으로 증가시키면 역추정 모델의 정확도는 향상되었으며, 이러한 과정이 반복되면 역추정 모델에 대한 정확도는 일정한 값으로 수렴하였다. 두 번째 실험에서는 개별 역추정 모델의 결과를 통합하기 위하여 투표, 가중투표 및 뎀스터-쉐이퍼 알고리즘을 이용하였으며, 역추정 모델의 통합 결과는 뎀스터-쉐이퍼 알고리즘에 의한 역추정 정확도가 가장 좋은 성능을 보였다.

• Journal of Ecology and Environment
• /
• 제48권2호
• /
• pp.196-206
• /
• 2024

Background: Most of the biomass equations were developed using sample trees collected mainly from pan-tropical and tropical regions that may over- or underestimate biomass. Site-specific models would improve the accuracy of the biomass estimates and enhance the country's measurement, reporting, and verification activities. The aim of the study is to develop site-specific biomass estimation models and validate and evaluate the existing generic models developed for pan-tropical forest and newly developed allometric models. Total of 140 trees was harvested from each diameter class biomass model development. Data was analyzed using SAS procedures. All relevant statistical tests (normality, multicollinearity, and heteroscedasticity) were performed. Data was transformed to logarithmic functions and multiple linear regression techniques were used to develop model to estimate aboveground biomass (AGB). The root mean square error (RMSE) was used for measuring model bias, precision, and accuracy. The coefficient of determination (R² and adjusted [adj]-R²), the Akaike Information Criterion (AIC) and the Schwarz Bayesian information Criterion was employed to select most appropriate models. Results: For the general total AGB models, adj-R² ranged from 0.71 to 0.85, and model 9 with diameter at stump height at 10 cm (DSH₁₀), ρ and crown width (CW) as predictor variables, performed best according to RMSE and AIC. For the merchantable stem models, adj-R² varied from 0.73 to 0.82, and model 8) with combination of ρ, diameter at breast height and height (H), CW and DSH₁₀ as predictor variables, was best in terms of RMSE and AIC. The results showed that a best-fit model for above-ground biomass of tree components was developed. AGB_Stem = exp {-1.8296 + 0.4814 natural logarithm (Ln) (ρD²H) + 0.1751 Ln (CW) + 0.4059 Ln (DSH₃₀)} AGB_Branch = exp {-131.6 + 15.0013 Ln (ρD²H) + 13.176 Ln (CW) + 21.8506 Ln (DSH₃₀)} AGB_Foliage = exp {-0.9496 + 0.5282 Ln (DSH₃₀) + 2.3492 Ln (ρ) + 0.4286 Ln (CW)} AGB_Total = exp {-1.8245 + 1.4358 Ln (DSH₃₀) + 1.9921 Ln (ρ) + 0.6154 Ln (CW)} Conclusions: The results demonstrated that the development of local models derived from an appropriate sample of representative species can greatly improve the estimation of total AGB.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.919-932
• /
• 2019

미세먼지는 인간 활동에 의한 오염물질 배출에 의해 발생하는 것이 일반적이지만, 수문기상 조건에 따라 이동, 심화, 소멸 과정에서 매우 복잡한 메커니즘을 지니고 있으므로 효과적인 미세먼지 대책 마련을 위해서는 수문기상인자와 미세먼지 간의 상관성에 대한 이해가 필수적이다. 현재 우리나라의 미세먼지 농도 관측 및 예보는 지점 측정소에서 농도를 측정하고, 이 자료를 기반으로 측정소가 위치하지 않는 지역의 값을 추정함으로써 이루어지고 있다. 이러한 관측 방식 및 자료는 공간적 대표성을 갖지 못하기 때문에 관측소와의 거리가 먼 지역의 정확한 미세먼지 농도를 파악하는 것이 불가능하며, 미세먼지의 이동, 심화, 소멸 단계를 추적하는데 어려움이 있다. 본 연구에서는 Global Land Data Assimilation System (GLDAS)의 다양한 수문기상인자를 사용하여, 베이지안 모델 평균(Bayesian Model Averaging, BMA)을 통해 초미세먼지(PM2.5)와 유의미한 상관성을 갖는 인자를 선별하였다. 선별된 인자는 MODerate Resolution Imaging Spectroradiometer (MODIS)의 Aerosol Optical Depth (AOD) 자료와 함께 계절별 PM2.5 농도 산출 모델을 구축하는데 활용되었으며, 산출 결과를 매핑하여 PM2.5 농도의 공간 분포를 파악하고자 하였다. 지점 기반 자료와의 비교를 통해 구축된 모델을 검증하였을 때, 측정된 PM2.5 농도와 높은 상관성(R ~0.7; IOA ~0.78; RMSE ~7.66 ㎍/㎥)을 나타냈으며, 지역별로 나누어 비교할 경우 데이터의 분포는 유사하나 상관계수의 차이를 보이는 것을 확인할 수 있었다(R: 0.32-0.82). 모델 산출 자료를 활용하여 PM2.5 농도를 매핑한 결과 기존 내삽 방법에 비해 시공간적 변동성을 더욱 잘 표현하는 것을 확인하였다. 추후 연구 지역을 동아시아 지역으로 확장 시킨다면 국내외 미세먼지 발생원의 파악 및 이동 양상에 대한 분석에 용이할 것으로 기대된다.