• Journal of information and communication convergence engineering
• /
• 제19권3호
• /
• pp.166-174
• /
• 2021

A large volume of patient data is generated from various devices used in healthcare applications. With increase in the volume of data generated in the healthcare industry, more wellness monitoring is required. A cloud-enabled analysis of healthcare data that predicts patient risk factors is required. Machine learning techniques have been developed to address these medical care problems. A novel technique called the radix-trie-based Tanimoto kernel regressive infomax boost classification (RT-TKRIBC) technique is introduced to analyze the heterogeneous health data in the cloud to predict the health risks and send alerts. The infomax boost ensemble technique improves the prediction accuracy by finding the maximum mutual information, thereby minimizing the mean square error. The performance evaluation of the proposed RT-TKRIBC technique is realized through extensive simulations in the cloud environment, which provides better prediction accuracy and less prediction time than those provided by the state-of-the-art methods.

• East Asian Economic Review
• /
• 제25권4호
• /
• pp.403-424
• /
• 2021

AdaBoost tweaks the sample weight for each training set used in the iterative process, however, it is demonstrated that it provides more correlated errors as the boosting iteration proceeds if models' accuracy is high enough. Therefore, in this study, we propose a novel way to improve the performance of the existing AdaBoost algorithm by employing heterogeneous models and a stochastic twist. By employing the heterogeneous ensemble, it ensures different models that have a different initial assumption about the data are used to improve on diversity. Also, by using a stochastic algorithm with a decaying convergence rate, the model is designed to balance out the trade-off between model prediction performance and model convergence. The result showed that the stochastic algorithm with decaying convergence rate's did have a improving effect and outperformed other existing boosting techniques.

• Asia pacific journal of information systems
• /
• 제29권4호
• /
• pp.789-816
• /
• 2019

Text classification is a challenging task, especially when dealing with a huge amount of text data. The performance of a classification model can be varied depending on what type of words contained in the document corpus and what type of features generated for classification. Aside from proposing a new modified version of the existing algorithm or creating a new algorithm, we attempt to modify the use of data. The classifier performance is usually affected by the quality of learning data as the classifier is built based on these training data. We assume that the data from different domains might have different characteristics of noise, which can be utilized in the process of learning the classifier. Therefore, we attempt to enhance the robustness of the classifier by injecting the heterogeneous data artificially into the learning process in order to improve the classification accuracy. Semi-supervised approach was applied for utilizing the heterogeneous data in the process of learning the document classifier. However, the performance of document classifier might be degraded by the unlabeled data. Therefore, we further proposed an algorithm to extract only the documents that contribute to the accuracy improvement of the classifier.

• 응용통계연구
• /
• 제35권1호
• /
• pp.49-62
• /
• 2022

실현 변동성은 강한 종속성을 가짐이 잘 알려져 있으며, 글로벌 금융 시장과 유기적으로 연관이 되어 있을 뿐만 아니라 환율, 유가, 이자율 등의 거시적인 지표와도 밀접한 관계가 있다. 본 논문은 이러한 실현 변동성의 효과적인 예측을 위해서 오토인코더를 이용한 FAHAR (autoencoder factor-augmented heterogeneous autoregressive, AE-FAHAR) 모형을 제안한다. AE-FAHAR 모형은 강한 종속성을 HAR 구조로 반영하고, 외부 효과에 대한 영향을 오토인코더를 사용하여 몇 개의 요인으로 추출하여 이를 반영한다. 오토인코더는 비선형 방법으로 요인을 추정하기에 많은 계산 시간이 필요하지만 복잡하고 비정상성을 가질 수 있는 고차원 시계열 자료의 요약에 더 적합하다. 이는 곧 실증 자료 분석을 통해 AE-FAHAR 모형이 예측 오차를 줄임을 확인할 수 있었다. 또한 계산 시간을 줄이고 추정 오차를 줄이기 위해 오토인코더에 사전학습 및 앙상블을 적용하는 등의 방법에 대해서도 논의하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권1호
• /
• pp.64-69
• /
• 2015

본 논문에서는 시각, 음향, 위치 정보를 포함하는 멀티모달 센서 입력 정보로부터 사용자가 위치한 장소의 환경 정보를 학습하고 기계학습 추론을 통해 장소를 인식하는 방법을 제안한다. 이 방법은 음영 지역에서의 정확도 감소나 추가 하드웨어 필요 등 기존 위치 정보 인식 방법이 가지는 제약을 극복 가능하고, 지도상의 단순 좌표 인식이 아닌 논리적 위치 정보 인식을 수행 가능하다는 점에서 해당 위치와 관련된 특정 정보를 활용하여 다양한 생활편의를 제공하는 위치 기반 서비스를 수행하는데 보다 효과적인 방법이 될 수 있다. 제안하는 방법에서는 스마트폰에 내장된 카메라, 마이크로폰, GPS 센서 모듈로부터 획득한 시각, 음향, 위치 정보로부터 특징 벡터들을 추출하여 학습한다. 이때 서로 다른 특성을 가진 특징 벡터들을 학습하기 위해 각각의 특징 벡터들을 서로 다른 분류기를 통해 학습한 후, 그 결과를 기반으로 최종적인 하나의 분류 결과를 얻어내는 앙상블 기법을 사용한다. 실험 결과에서는 각각의 데이터를 따로 학습하여 분류한 결과와 비교하여 높은 성능을 보였다. 또한 사용자 상황인지 기반 서비스의 성능 향상을 위한 방법으로서 제안하는 모델의 스마트폰 앱 구현을 통한 활용 가능성에 대해 논의한다.

• Bulletin of the Korean Chemical Society
• /
• 제33권8호
• /
• pp.2553-2559
• /
• 2012

The adsorption properties of benzene, toluene, p-xylene in MCM-41 with heterogeneous and cylindrical pore were studied using grand canonical ensemble Monte Carlo simulation. The simulated isotherms were compared with experimental ones, and the different adsorption behaviors in MCM-41 with pore diameters of 2.2 and 3.2 nm were investigated. The simulated adsorption amounts above the capillary-condensation pressure agreed with the experimental ones. The simulation results showed that most molecular planes were nearly parallel to the pore axis. This orientation was not affected by the molecular position in the pore. The molecular planes were nearly parallel to the pore surface for the adsorbate molecules close to the pore wall, and the molecules in the MCM-41 with the pore diameter of 3.2 nm were ordered along the pore axis.

• 전자공학회논문지CI
• /
• 제40권1호
• /
• pp.19-29
• /
• 2003

본 논문은 인위적으로 생성된 가상 학습 데이터와 융합 분류기를 이용한 얼굴인식 알고리즘을 제안한다. 특징공간에서의 최근접 특징 선택 방법과 연결주의 모델에 기반한 서로 다른 형태의 분류기를 융합하여 통합효과를 얻도록 하였다. 두 분류기는 모두 학습 데이터의 공간적인 분포에 따라 생성된 가상 학습데이터를 이용하여 학습되고 이용된다. 첫째로, 특징 공간에서의 각 정보(Angular Infnrmation) 를 이용하는 최근접특징각(the Nearest Feature Angle : NFA)을 이용하여 저장된 학습데이터와 가장 근접한 것을 찾고, 둘째로, 질의(Query) 얼굴 특징 정보를 정면얼굴 영상의 특징정보로 투영하여 얻은 정보에 기반한 분류기의 결과를 이용한다. 정면영상 특징정보로의 투영은 다층 신경망을 이용하여 정면 회상망(Frontal Recall Network)을 구현하였고, 이것을 여러 개 묶어 앙상블 네트웍으로 구성한 Ensemble 회상망(Ensemble Recall Network)을 사용하여 일반화 성능을 향상시켰다. 끝으로, 각 분류기의 결과에 따라 융합 분류기가 최종 결과를 선택하도록 하였다. 제안된 알고리즘을 6 종류의 서고 다른 학습/시험데이터 군에 적용하여 평균 96.33%의 인식률을 얻었다. 이것은 특징라인에 기반한 방법(the Nearest Feature Line) 평균 에러율의 61.2% 이며, 단일 분류기를 사용한 경우 보다 안정된 견과를 얻고 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.16-18
• /
• 2006

데이터마이닝 기법의 클러스터링 알고리즘은 생물정보학에서 데이터 셋의 사전 정보를 고려하지 않고 중요한 유전적, 생물학적 상호작용을 찾기 위하여 적용되고 있다. 그러나 다양한 형식의 수많은 알고리즘들은 바이오데이터의 다양한 특성들과 실험의 가정 때문에 다른 클러스터링 결과들을 만들 수 있다. 본 논문에서는 바이오 데이터 셋의 특성에도 적합하면서 양질의 클러스터링 결과를 만들기 위한 새로운 방법을 제안한다. 이 방법은 여러 가지 클러스터링 알고리즘의 결과들을 유전자 알고리즘의 기본 개념인 진화적 환경에서 가장 적합한 형질을 선택하는 문제와 결합하였다. 그리고 실제 데이터 셋을 이용하여 우리의 제안하는 방법을 증명하고 실험 결과로 최적의 클러스터 결과를 보인다.

• 지질공학
• /
• 제15권3호
• /
• pp.245-255
• /
• 2005

균일한 지하수 유속을 가진 불균질한 등방성 대수층 내에서 정류상태로 흐르는 지하수의 흐름과 함께 이동해가는 비반응성 오염물질에 대한 삼차원 몬테카를로 시뮬레이션이 시행되었다. 로그-정규적으로 분포되어 있는 수리 전도도 K(x)가 임의 장으로 설정되었으며 시뮬레이션 동안에 발생 할 수 있는 불확실성을 감소하기 위해 여러 가지 방법들이 시도되었다. 3,200개 오염 운들에 대한 이차공간적률의 집합적평균 $$lt;S_{ij}'(t',l')$gt;$, 그리고 오염 운중심분산 $$lt;R_{ij}'(t',l')$gt;$이 각기 다른세가지 불균질도 $\omega^2_y1.0,$ 2.5 및 5.0에 대해서 시뮬레이션 되었으며 또한 각기 다른 크기의 평균속도에 수직방향인 선형초기오염원( l=1.5 및 10)에 대해서 입자추적이 행하여 졌다 시뮬레이션된 무차원 종적률들은 일차 근사법에 의한 비에르고딕 이론적 결과와 비교적 잘 일치 하나 시뮬레이션된 무차원 횡적률들은 일차근사법에 의한 이론적 결과들과 잘 일치하지 않으며 특히 불균질도가 큰 대수층에 대해서 그리고 초기 선형오염운의 크기가 작은 무차원 횡이차공간적률에 대해서 뚜렷하게 저평가 했다. 시뮬레이션된 집합적 평균이차적률은 에르고딕 상태에 도달하지 못했으며 일차근사법에 의한 에르고딕 용질 이동에 관한 횡이차공간적률은 시뮬레이션 결과를 저평가 했음을 보인다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제10권6호
• /
• pp.20-31
• /
• 2005

일정한 평균 지하수 유속을 가진 불균질한 등방성 삼차원 대수층 내에서 정류상태로 흐르는 지하수의 흐름과 함께 이동해가는 비반응성 오염물질에 대한 몬테카를로 시뮬레이션이 시행되었다. 대수-정규적으로 분포되어 있는 수리전도도 K(x)가 임의장으로 설정되었으며 시뮬레이션 동안에 발생할 수 있는 불확실성을 감소하기 위해 여러 가지 방법들이 시도되었다. 1600개 오염운들에 대한 이차공간적률의 집합적평균(ensemble average) <$S_{ij}'(t',\;l')$>(i,\;j=1,2,3), 그리고 오염운중심분산 $R_{ij}'(t',\;l')$이 각기 다른 세 가지 불균질도${\sigma}_Y^2=0.09,\;0.23$ 및 0.46에 대해서 시뮬레이션 되었으며 또한 각기 다른 크기의 평균속도에 수직방향인 선형초기오염원(l': 1, 2, 4)에 대해서 입자추적이 행하여 졌다. 시뮬레이션 된 무차원 종적률들은 일차근사법에 의한 비에르고딕 이론적 결과와 비교적 잘 일치하나 시뮬레이션 된 무차원 횡적률들은 일차근사법에 의한 이론적 결과들 보다 더 큰 값을 보인다. 일차근사법에 의한 비에르고딕 이론적 결과는 특히 불균질도가 큰 대수층에 대해서 그리고 큰 무차원 시간에 대해서 시뮬레이션 된 무차원 횡적률들을 과소평가 했다 시뮬레이션 된 집합적 평균이차적률은 에르고딕 상태에 도달하지 못했으며 횡방향으로의 오염운 확장이종방향보다 훨씬 느리게 에르고딕 상태에 접근하는 것으로 관찰되었다. 불균질한 대수층 내에서의 오염운의 진화는 초기 오염원의 모양이나 배열상태 보다는 주로 대수층의 불균질도와 초기 오염원의 크기에 영향을 받는 것으로 밝혀졌다.가 정신의 숭고한 고유-독창성(Originality)이 피드백의 경로를 투과하면서 자신을 남에게 투영시켜 얻어내는 것이 고유성의 변종이다. 피드백은 단순한 작품의 일부가 아니라 작품을 이루는 뼈대이다 기술의 과시만으로는 예술의 행위가 될 수 없다. 작가의 예술성이 관객의 감성에 피드백 되도록 노력해야 한다 그러기 위해서는 예정된 피드백이란 느낌을 관객이 갖지 않도록 하여야 한다. 인터렉티브 미디어 아트는 초기의 형태에서 벗어나 새로운 집적된 피드백 기술로 전환하여야 할 시기가 온 것이다.료된다.시한 개체의 수술 전 방사선학적 평균 고관절 등급은 양측 모두 $3.2\pm0.9$이었고 수술 직후의 좌 우측 평균 고관절 등급은 각각 $2.7\pml.1,\;2.7\pm0.9$ (n=36) 이었다. 수술 직후와 2, 4, 8, 12, 24주 후의 고관절 등급이 수술 전에 비하여 유의적으로 개선된 것을 확인하였다.(P<0.01). 수술 후 정기적인 검사 시에 측정한 Norberg angle, percentage of femoral head coverage도 수술 전과 비교해 유의성 있게 증가하였다(P<0.01). 변형 3중 골반 절골술 직후의 평균 골반직경은 수술 전의 골반직경보다 유의적으로 증가하였으며(P<0.01)(n=36) 수술 후 평균 9.3L2.7주에 절골선 유합이 종료되었다(n=21). 반면 편측 3중 골반 절골술을 실시한 경우에는 수술 후 골반경이 수술 전과 비교해 증가하지 않았다. 변형 3중 골반 절골술후에 장액종 형성(1마리), 스크류 변위(4마리), 스크류 부러짐(1마리), 편측성 신경마비(1마리) 등의 부작용이 발생하였다. 이상의 결과를 토대로,