• 제목/요약/키워드: Hyper-parameter

검색결과 114건 처리시간 0.017초

교통사고 추정방법 비교 연구: 경험적 베이즈 추정치 vs. 관측교통사고건수 (Comparative Study on the Estimation Methods of Traffic Crashes: Empirical Bayes Estimate vs. Observed Crash)

  • 신강원
    • 대한토목학회논문집
    • /
    • 제30권5D호
    • /
    • pp.453-459
    • /
    • 2010
  • 교통안전연구에서 한 지점 (또는 구간)의 기대교통사고건수를 신뢰성 높게 추정하는 것은 매우 중요하다. 기대교통사고건수를 추정하기 위해 현재 국내에서는 주로 관측교통사고건수를 사용하고 있으나 국외에서는 포아송-감마 혼합모형에 기반한 경험적 베이즈 추정치를 활용하고 있는 추세이다. 그간 많은 연구들이 경험적 베이즈 추정치를 이용해 기대교통사고건수 추정 및 교통안전개선사업의 평가를 시도 하였으나 전술한 2가지 추정방법의 추정오차를 비교연구한 문헌은 없는 실정인 바 본 연구는 2가지 추정방법의 추정오차를 모의실험을 통해 비교 분석하여 제시하였다. 모의 발생된 총 3,000,000개 지점의 교통사고 자료를 분석한 결과 기대교통사고건수를 경험적 베이즈 추정방법을 이용해 추정했을 경우 그 추정오차는 관측교통 사고건수만을 이용했을 때 발생하는 추정오차에 비해 항상 작은 것으로 나타나 국내의 교통안전연구 가이드라인에 경험적 베이지안 추정방법의 도입이 필요할 것으로 판단된다. 그러나 사전분포의 불확실성이 높아질수록 두 가지 추정방법의 추정오차의 차이는 감소하는 것으로 나타나, 기대교통사고건수 추정 시 추정된 음이항 모형에 대한 종합적인 검증을 수행한 후 신뢰성 있는 초모수의 추정치를 이용해 경험적 베이지안 방법을 적용하는 것이 바람직하다고 판단된다.

누적 가중치 변화의 시각화를 통한 심층 신경망 분석시스템 (Deep Neural Network Analysis System by Visualizing Accumulated Weight Changes)

  • 양태린;박진호
    • 한국컴퓨터그래픽스학회논문지
    • /
    • 제29권3호
    • /
    • pp.85-92
    • /
    • 2023
  • 최근 ChatGPT나 자율주행 자동차 등의 인공지능 분야의 급속한 발전으로 인해 인공지능에 대한 관심이 높아졌다. 그러나 아직 인공지능은 학습 과정에서 알 수 없는 요소가 많이 존재하여 모델을 개선하거나 최적화하기 위해서 필요 이상의 시간과 노력을 들여야 하는 경우가 많다. 따라서, 인공지능 모델의 학습 과정에서 가중치 변화를 명확하게 이해하고 해당 변화를 효과적으로 분석할 수 있는 도구 또는 방법론이 절실하게 요구되고 있다. 본 연구에서는 이러한 점을 해결하기 위해 누적 가중치 변화량을 시각화해주는 시스템을 제안한다. 시스템은 학습의 일정한 기간마다 가중치를 구하고 가중치의 변화를 누적시켜서 누적 가중치로 저장하여 3차원 공간상에 나타내게 된다. 이로 인해 보는 이로 하여금 한눈에 레이어의 구조와 현재의 가중치 변화량이 이해되기 쉽게 구성하였다. 이러한 연구를 통해 인공지능 모델의 학습 과정이 어떻게 진행되는지에 대한 이해와 모델의 성능 향상에 도움이 되는 방향으로 하이퍼 파라미터를 변경할 수 있는 지표를 얻게 되는 등 인공지능 학습 과정의 다양한 측면을 탐구할 수 있을 것이다. 이러한 시도를 통해 아직 미지의 영역으로 여겨지는 인공지능 학습 과정의 일부를 보다 효과적으로 탐색하고 인공지능 모델의 발전과 적용에 기여할 수 있을 것으로 기대된다.

수온 데이터 예측 연구를 위한 통계적 방법과 딥러닝 모델 적용 연구 (Statistical Method and Deep Learning Model for Sea Surface Temperature Prediction)

  • 조문원;최흥배;한명수;정은송;강태순
    • 해양환경안전학회지
    • /
    • 제29권6호
    • /
    • pp.543-551
    • /
    • 2023
  • 기후변화 영향으로 이상고수온, 태풍, 홍수, 가뭄 등 재난 및 안전 관리기술은 지속적으로 고도화를 요구받고 있으며, 특히 해수면 온도는 한반도 주변에서 발생되는 여름철 적조 발생과 동해안 냉수대 출현, 소멸 등에 영향을 신속하게 분석할 수 있는 중요한 인자이다. 따라서, 본 연구에서는 해수면 온도 자료를 해양 이상현상 및 연구에 적극 활용되기 위해 통계적 방법과 딥러닝 알고리즘을 적용하여 예측성능을 평가하였다. 예측에 사용된 해수면 수온자료는 흑산도 조위관측소의 2018년부터 2022년까지 자료이며, 기존 통계적 ARIMA 방법과 Long Short-Term Memory(LSTM), Gated Recurrent Unit(GRU)을 사용하였고, LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence(s2s) 구조에 Attention 기법을 추가한 Attention Long Short-Term Memory (LSTM)기법을 사용하여 예측 성능 평가를 진행하였다. 평가 결과 Attention LSTM 모델이 타 모델과 비교하여 더 좋은 성능을 보였으며, Hyper parameter 튜닝을 통해 해수면 수온 성능을 개선할 수 있었다.

만성 신부전 환자에서의 동정맥루 조성술의 임상고찰 (Clinical Analysis of Arteriovenous Fistula in Chronic Renal Failure Patients)

  • 송창민;안재범;김인섭;김우식;신용철;유환국;김병열
    • Journal of Chest Surgery
    • /
    • 제39권9호
    • /
    • pp.692-698
    • /
    • 2006
  • 배경: 평균 연령의 증가와 의학의 발전으로 인하여 만성신부전으로 혈액투석을 받아야 하는 환자의 수가 점점 증가하고 있으며, 이에 따라 장기간 반복적으로 사용할 수 있고 충분한 혈류량을 제공할 수 있는 혈관의 확보는 중요한 과제로 대두되고 있다. 따라서 동정맥루조성술 후의 개통률과 이에 영향을 미치는 요소들에 대해 많은 연구가 시행되었고 개통률의 증가를 위하여 많은 연구가 계속되고 있다. 이에 저자들은 본원에서 동정맥루조성술을 시행받은 환자 중 해부학적 코담배갑에서 수술받은 134명의 환자를 대상으로 개통률의 단기 성적과 나이, 성병, 당뇨와 고혈압이 동정맥루 개통에 미치는 영향에 대해 분석하였다. 대상 및 방법: 본원 흉부외과에서 2000년 7월부터 2004년 5월까지 해부학적 코담배갑에서 동정맥루조성술을 시행한 134명의 환자를 대상으로 나이(65세 기준)와 성별, 당뇨와 고혈압의 유무에 따른 동정맥루 개통률의 차이를 비교 분석하였다. 이들 각 인자들에서 상관분석을 시행하였으며 SPSS for windows Release 11.0.1를 사용하여 통계처리 하였으며 P값이 0.05 이하일때 통계적으로 유의한 것으로 판정하였다. 결과: 재수술 35건을 포함한 전체 수술 수는 169건이며 남녀비는 70 : 64 (52% : 48%)였고 평균연령은 $56.3{\pm}12.26$세이며 65세 이상 고령환자는 33명(24%), 고혈압 환자는 103명(71%), 당뇨 환자는 90명(67%)이었다. 전체 동정맥루의 6개월, 12개월, 24개월의 개통률은 각각 $93{\pm}2.4%,\;91{\pm}2.7%,\;89{\pm}3.0%$이며 65세 이상인 환자군의 동정맥루 개통률은 각각 $85{\pm}4.8%,\;80{\pm}5.8%,\;80{\pm}5.8%$, 64세 이하인 환자군의 개통률은 각각 $99{\pm}1.3%,\;99{\pm}1.3%,\;97{\pm}2.3%$로 두군 사이의 통계적 유의성(p=0.0034)을 보여 64세 이하인 환자군에서 개통률이 더 좋은 결과를 보였다. 그러나 동반 질환 중 고혈압과 당뇨를 가진 환자와 그렇지 않은 환자에서는 통계적인 유의성이 없었다. 또한 남녀 간의 개통률도 통계적인 유의성을 보이지 않았다. 결론: 65세 이상의 환자에서보다 64세 이하 환자에서 시행한 동정맥루의 개통률이 더 우수하였다. 따라서 젊은 나이에 혈액 투석로를 확보하는 것이 장기 개존율 향상에 유리하다. 성별과 당뇨 그리고 고혈압의 유무는 동정맥루 개통률에 통계적으로 유의한 영향을 미치지 않았다.