• 디지털융복합연구
• /
• 제16권1호
• /
• pp.231-242
• /
• 2018

병원 재원일수의 효율적 관리는 병원의 수익과 환자의 진료비 절감을 위해 매우 중요한 요소이다. 이러한 재원일수의 효율적 관리를 위해서는 병원들이 재원일수에 대해서 벤치마킹을 할 수 있도록 지원이 필요하고 재원일수 절감의 구체적인 방향을 제시해 줄 수 있는 재원일수 예측모형의 개발이 필요하다. 본 연구에서는 2013년과 2014년도 퇴원손상환자자료 중 급성뇌졸중 환자를 추출하여 분석용 자료를 만들고 인공지능을 이용하여 급성뇌졸중 환자의 재원일수 예측모형을 개발하였다. 분석용 자료는 훈련용 60%, 평가용 40%로 분류하였다. 모형개발은 전통적 통계기법인 다중회귀분석기법과 인공지능기법인 대화식 의사결정나무기법, 신경망 기법, 그리고 이들을 모두 통합한 앙상블기법을 이용하였다. 모형평가는 Root ASE(Absolute error) 지표를 이용하였는데, 다중회귀분석은 23.7, 대화식결정나무 23.7, 신경망 분석은 22.7, 앙상블은 22.7로 나타났고 이를 통하여 재원일수 예측모형 개발에 인공지능기법의 유용성이 입증되었다. 앞으로 재원일수 예측모형개발에 인공지능 기법을 보다 효율적으로 활용할 수 있는 방안에 대해서 계속적인 연구가 이루어 질 필요가 있다.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.1-11
• /
• 2023

유방암은 전 세계적으로 여성들 대다수에게 가장 두려워하는 질환이다. 오늘날 데이터의 증가와 컴퓨팅 기술의 향상으로 머신러닝(machine learning)의 효율성이 증대되어 암 검출 및 진단 등에 중요한 역할을 하고 있다. 딥러닝(deep learning)은 인공신경망(artificial neural network, ANN)을 기반으로 하는 머신러닝 기술의 한 분야로 최근 여러 분야에서 성능이 급속도로 개선되어 활용 범위가 확대되고 있다. 본 연구에서는 유방암 분류를 위해 전이학습(transfer learning) 기반 DNN(Deep Neural Network)과 SVM(support vector machine)의 구조를 결합한 DNN-SVM Hybrid 모형을 제안한다. 전이학습 기반 제안된 모형은 적은 학습 데이터에도 효과적이고, 학습 속도도 빠르며, 단일모형, 즉 DNN과 SVM이 가지는 장점을 모두 활용 가능토록 결합함으로써 모형 성능이 개선되었다. 제안된 DNN-SVM Hybrid 모형의 성능평가를 위해 UCI 머신러닝 저장소에서 제공하는 WOBC와 WDBC 유방암 자료를 가지고 성능실험 결과, 제안된 모형은 여러 가지 성능 척도 면에서 단일모형인 로지스틱회귀 모형, DNN, SVM 그리고 앙상블 모형인 랜덤 포레스트보다 우수함을 보였다.

• 한국정보과학회논문지:정보통신
• /
• 제35권4호
• /
• pp.251-267
• /
• 2008

본 논문에서 비구조적 피어투피어 망을 위한 적은 검색 시간을 가지는 최적화된 위상을 구성하는 분산된 위상 제어 알고리즘을 제안한다. 각 노드는 높은 검색 적중률을 가지는 최적의 노드들을 노드 자신의 적중률에 지수적으로 비례하는 수만큼 선택하고, 그들과 연계한다. 총체적 거동은 자연계에서는 볼 수 있는, 각 입자의 에너지 준위에 따라 입자들이 결합되는 재결정 현상과 결과적으로 거의 유사하다. 구성된 위상의 노드들의 적중율들 사이에는 부분 순서(Partial-order) 관계가 있다. 그러므로, 질의 메시지가 노드를 방문하는 경우에, 그 노드는 항상 직전에 방문하였던 노드들 보다 더 높은 적중률을 가지고 있다. 또한, 무위도식(Freeloader) 노드로부터 보내진 질의 메시지는 한 홉 전달에 의해, 무위도식하지 않은 노드들로 전달될 수 있고, 그것은 다시는 무위도식하는 노드들을 방문하지 않는다. 이처럼 검색은 제한된 지연시간 안에 이루어진다. 또한, 본 논문에서는 이 위상을 활용하여 효과적인 연쇄반응적 검색 방법을 제안한다. 그러한 제어된 다중 전송 방식은, 방송을 사용하는 방식 보다 질의 메시지들의 수를 43 퍼센트만큼 줄이며, 검색시간을 94 퍼센트 절감한다. 제안된 방안의 검색 성공률은 99 퍼센트이다.

• 천문학회지
• /
• 제50권3호
• /
• pp.41-49
• /
• 2017

We conduct BVRI and R band photometric observations of asteroid (5247) Krylov from January 2016 to April 2016 for 51 nights using the Korea Microlensing Telescope Network (KMTNet). The color indices of (5247) Krylov at the light curve maxima are determined as $B-V=0.841{\pm}0.035$, $V-R=0.418{\pm}0.031$, and $V-I=0.871{\pm}0.031$ where the phase angle is $14.1^{\circ}$. They are acquired after the standardization of BVRI instrumental measurements using the ensemble normalization technique. Based on the color indices, (5247) Krylov is classified as a S-type asteroid. Double periods, that is, a primary period $P_1=82.188{\pm}0.013h$ and a secondary period $P_2=67.13{\pm}0.20h$ are identified from period searches of its R band light curve. The light curve phases with $P_1$ and this indicate that it is a typical Non-Principal Axis (NPA) asteroid. We discuss the possible causes of its NPA rotation.

• 응용통계연구
• /
• 제28권6호
• /
• pp.1063-1073
• /
• 2015

우리나라 노인장기요양보험에서는 수급자와 그 가족부양자가 수급자의 심신기능 상태와 욕구에 따라 불이익이나 불편함이 없이 비용-효과적으로 장기요양 급여를 이용할 수 있도록 지원하고자 이용지원 상담을 제공하고 있다. 본 연구는 재가급여 이용자의 이용지원 정기상담 대상자 선정시 상담 대상자의 욕구를 반영하지 않아 이용지원 상담의 만족도와 효율성이 낮은 문제를 통계학적 모형을 활용하여 해결하고자 수행되었다. 모형 개발을 위해 2013년 3월 장기요양 재가급여를 이용한 수급자와 가족부양자를 대상으로 이용지원 상담에 대한 욕구와 관련 변수를 조사하였으며, 2,000명이 조사를 완료하였다. 조사 자료를 바탕으로 이용지원 상담 대상자 선정모형을 다양한 데이터마이닝 기법(로지스틱 회귀모형, 의사결정 나무모형, Lasso 모형, 자동 신경망모형, 그래디언트 부스팅, 앙상블 모형)을 통해 개발하였고, 이중 가장 안정적이고 현장 적용이 쉽고 성능이 좋은 Lasso 모형 결과를 최종모형으로 선정하였다. 본 연구가 이용지원 상담의 만족도를 높이고 업무를 효율화 하는데 기여할 것으로 기대된다.

• 천문학회보
• /
• 제41권2호
• /
• pp.49.2-49.2
• /
• 2016

The number of discovery of asteroids with peculiar rotational states has recently increased, and hence a novel approach for lightcurve analysis is considered to be critical. In order to investigate objects such as Non-Principal Axis (NPA) rotator, we selected a NPA candidate, (5247) Kryolv as our target considering its Principal Axis Rotation (PAR) code and the visibility in early 2016. The observations of Krylov were made using Korea Microlensing Telescope Network (KMTNet) 1.6 m telescopes installed at the three southern sites with TO (Target of Opportunity) observation mode. We conducted R-band time-series photometry over a total of 51 nights from January to April 2016 with several exposures during each allocated run. The ensemble normalization photometry was employed using the AAVSO Photomtric All-Sky Survey (APASS) catalog for the standardization. We successfully confirmed its NPA spin state based on the deviation from the reduced lightcurve, and thus Krylov is recorded as the first NPA rotator of its kind in the main-belt, with its precession and rotation periods, $P{\varphi}=81.18h$ and $P_{\Psi}=67.17h$, respectively. In this paper, we present the spin direction, the 3D shape model and taxonomy of the newly confirmed NPA asteroid (5247) Krylov.

• 한국전자파학회논문지
• /
• 제8권1호
• /
• pp.35-41
• /
• 1997

빔폭 $10^{\circ}$, 경사각 $80^{\circ}$ 및 SLL -15 dB 이하인 직렬 급전형 마이크로스트립 배열 안테나를 설계한다. 직렬 급전형 배열은 모든 소자들을 고임피딘스인 전송선로로 상호 연결하고, 첫 번째 소자에서 급전하며, 정합부하로 종단된 진행파 안테나이다. 안테나의 방사패턴과 임피던스 정합은 인쇄된 안테나 및 배열을 설계하는데 널리 사용 되는 소프트웨어 패키지인 앙상블 4.0에 의해서 해석한다. 빔의 경사각은 소자간의 간격에 의해서 구현된다. 직렬 급전형 배열 안테나는 병렬급전구조에 비하여 급전회로망이 간단하고 급전회로망에서의 방사손실이 작은 이점이 있다. 안테나는 두께 62 mil인 RT/Duroid 기판상에 제작한다. 실험결과 이론치와 실험치가 일치함을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.51-51
• /
• 2017

지역빈도해석은 짧은 기간의 자료를 보유하고 있는 계측 지점이나 자료가 없는 미계측 지점에서의 확률수문량을 산정하기 위하여 많이 쓰여 진다. 지역빈도해석을 실시하기 위한 조건으로는 우선 수집된 하천유역들을 대상으로 수문학적 동질 지역을 구분하는 것이 중요하다. 그리고 구분되어진 지역에 포함되는 모든 지점들의 자료를 빈도해석 함으로써 관심 지점의 신뢰할 만한 확률수문량을 산정하는 것이다. 그동안의 지역빈도해석은 주로 비건조지역을 중심으로 홍수와 같은 재난재해 대비 그리고 수자원 관리를 위한 연구들을 실시해왔다. 본 연구의 주 목적은 건조지역의 수자원 관리를 위해 건조지역 하천유역을 중심으로 지역빈도해석을 실시하여 신뢰할만한 확률수문량을 산정하는 것이다. 확률수문량 산정값의 정확도를 향상시키기 위해 지역빈도해석 모델에 쓰여 지는 새로운 지형학적 변수들을 제공하였고 수문학적 동질 지역을 구분 위해 수집된 각 하천유역의 형상들을 확인하여 동질 지역을 정의하였다. 예를 들면, 수지형 유역, 부채형 유역, 격자형 유역과 같은 다른 형상들을 구분하여 각 유역 형상 종류별로 동질 지역을 만들었다. 건조지역의 지역빈도해석을 위해 미국 건조지역의 105개 하천유역 유량자료들을 수집 및 이용하였다. 확률수문량 산정을 위하여 앙상블 인경신경망 (Ensemble Artificial Neural Network)과 정준 상관 계수(Canonical Correlation Analysis)를 이용한 지역빈도해석 모델을 만들었다. 제안된 모델의 수행평가와 정확성 평가를 위해 리샘플링 기법인 10-겹 교차 검증 (10-fold cross-validation), 잭나이프 (Jackknife) 기법들을 이용하였고 모델로부터 산정된 확률수문량값을 편향 (Bias), 상대 편향(rBias), 평균 제곱근 오차 (RMSE), 상대 평균 제곱근 오차 (rRMSE)를 통하여 산정 값과 실제 관측 값의 차이를 분석하였다. 그 결과 건조지역의 지역빈도해석을 위해 새롭게 제시된 지형학적 변수들을 사용하였을 때 모델의 수행능력이 향상되었음을 확인하였다. 또한 하천유역 형상에 따라 동질 지역을 구분하였을 때 향상된 확률수문량이 산정되었다. 향상된 지역빈도해석 모델을 통해 건조지역의 신뢰할만한 확률수문량을 산정함으로써 건조지역의 효과적인 수자원 관리를 위한 수공시설물 설계에 중요한 정보들을 제공할 것이다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.17-28
• /
• 2022

The cable component of cable-stayed bridges is gradually impacted by weather conditions, vehicle loads, and material corrosion. The stayed cable is a critical load-carrying part that closely affects the operational stability of a cable-stayed bridge. Damaged cables might lead to the bridge collapse due to their tension capacity reduction. Thus, it is necessary to develop structural health monitoring (SHM) techniques that accurately identify damaged cables. In this work, a combinational identification method of three efficient techniques, including statistical analysis, clustering, and neural network models, is proposed to detect the damaged cable in a cable-stayed bridge. The measured dataset from the bridge was initially preprocessed to remove the outlier channels. Then, the theory and application of each technique for damage detection were introduced. In general, the statistical approach extracts the parameters representing the damage within time series, and the clustering approach identifies the outliers from the data signals as damaged members, while the deep learning approach uses the nonlinear data dependencies in SHM for the training model. The performance of these approaches in classifying the damaged cable was assessed, and the combinational identification method was obtained using the voting ensemble. Finally, the combination method was compared with an existing outlier detection algorithm, support vector machines (SVM). The results demonstrate that the proposed method is robust and provides higher accuracy for the damaged cable detection in the cable-stayed bridge.

• Computers and Concrete
• /
• 제33권1호
• /
• pp.55-75
• /
• 2024

The present study introduces an optimum performance soft computing model for predicting the compressive strength of high-performance concrete (HPC) by comparing models based on conventional (kernel-based, covariance function-based, and tree-based), advanced machine (least square support vector machine-LSSVM and minimax probability machine regressor-MPMR), and deep (artificial neural network-ANN) learning approaches using a common database for the first time. A compressive strength database, having results of 1030 concrete samples, has been compiled from the literature and preprocessed. For the purpose of training, testing, and validation of soft computing models, 803, 101, and 101 data points have been selected arbitrarily from preprocessed data points, i.e., 1005. Thirteen performance metrics, including three new metrics, i.e., a20-index, index of agreement, and index of scatter, have been implemented for each model. The performance comparison reveals that the SVM (kernel-based), ET (tree-based), MPMR (advanced), and ANN (deep) models have achieved higher performance in predicting the compressive strength of HPC. From the overall analysis of performance, accuracy, Taylor plot, accuracy metric, regression error characteristics curve, Anderson-Darling, Wilcoxon, Uncertainty, and reliability, it has been observed that model CS4 based on the ensemble tree has been recognized as an optimum performance model with higher performance, i.e., a correlation coefficient of 0.9352, root mean square error of 5.76 MPa, and mean absolute error of 4.1069 MPa. The present study also reveals that multicollinearity affects the prediction accuracy of Gaussian process regression, decision tree, multilinear regression, and adaptive boosting regressor models, novel research in compressive strength prediction of HPC. The cosine sensitivity analysis reveals that the prediction of compressive strength of HPC is highly affected by cement content, fine aggregate, coarse aggregate, and water content.