• 해양환경안전학회지
• /
• 제26권7호
• /
• pp.892-903
• /
• 2020

태풍 내습 시 신속하고 정확한 해일고 예측은, 연안재해 대응에 필수적인 요소이다. 이러한 해일고의 예측을 위해서 기존에는 태풍예측정보를 수치모델에 적용하여 예측자료를 생산하는 것이 대부분 이였다. 이러한 방법은 대용량의 컴퓨팅 자원과 시간이 소요된다는 단점이 있다. 최근에는 인공지능 기반으로 신속하게 예측자료를 생산하는 연구가 다양한 분야에서 진행되고 있으며, 본 연구에서는 인공지능 기반 해일고 예측을 수행하였다. 인공지능 적용을 위해서는 많은 수의 학습자료가 필요하게 되며, 기왕 발생태풍은 개수가 한정되어 있어 본 연구에서는 TCRM(Tropical Cyclone Risk Model)을 통하여 합성태풍을 생성하고, 이를 폭풍해일 모델에 적용하여 해일고 자료를 생성한 후, 학습자료로 활용하였다. 인공지능으로 예측한 해일고와 실제 발생 태풍에 대한 비교 결과, RMSE(Root Mean Square Error)는 0.09 ~ 0.30 m, CC(Correlation Coefficient)는 0.65 ~ 0.94, 최대 해일고의 ARE(Absolute Relative Error)는 1.0 ~ 52.5 %로 분석되었다. 특정 태풍/지점에서는 다소 오차가 크게 나타나고 있으나, 향후 학습자료의 최적화 등을 통하여 정확도를 개선할 수 있을 것으로 기대된다.

• 시스템엔지니어링학술지
• /
• 제15권2호
• /
• pp.72-78
• /
• 2019

Pathology is the motor that drives healthcare to understand diseases. The way pathologists diagnose diseases, which involves manual observation of images under a microscope has been used for the last 150 years, it's time to change. This paper is specifically based on tumor detection using deep learning techniques. Pathologist examine the specimen slides from the specific portion of body (e-g liver, breast, prostate region) and then examine it under the microscope to identify the effected cells among all the normal cells. This process is time consuming and not sufficiently accurate. So, there is a need of a system that can detect tumor automatically in less time. Solution to this problem is computational pathology: an approach to examine tissue data obtained through whole slide imaging using modern image analysis algorithms and to analyze clinically relevant information from these data. Artificial Intelligence models like machine learning and deep learning are used at the molecular levels to generate diagnostic inferences and predictions; and presents this clinically actionable knowledge to pathologist through dynamic and integrated reports. Which enables physicians, laboratory personnel, and other health care system to make the best possible medical decisions. I will discuss the techniques for the automated tumor detection system within the new discipline of computational pathology, which will be useful for the future practice of pathology and, more broadly, medical practice in general.

• 한국인공지능학회지
• /
• 제6권2호
• /
• pp.11-15
• /
• 2018

Breast cancer is one of the leading causes of cancer related death among women. So prediction of overall survival status is important into decided in adjuvant treatment. Deep belief network is a kind of artificial intelligence (AI). We intended to construct prediction model by deep belief network using associated clinicopathologic factors. 103881 cases were found in the Korean Breast Cancer Registry. After preprocessing of data, a total of 15733 cases were enrolled in this study. The median follow-up period was 82.4 months. In univariate analysis for overall survival (OS), the patients with advanced AJCC stage showed relatively high HR (HR=1.216 95% CI: 0.011-289.331, p=0.001). Based on results of univariate and multivariate analysis, input variables for learning model included 17 variables associated with overall survival rate. output was presented in one of two states: event or cencored. Individual sensitivity of training set and test set for predicting overall survival status were 89.6% and 91.2% respectively. And specificity of that were 49.4% and 48.9% respectively. So the accuracy of our study for predicting overall survival status was 82.78%. Prediction model based on Deep belief network appears to be effective in predicting overall survival status and, in particular, is expected to be applicable to decide on adjuvant treatment after surgical treatment.

• 한국융합학회논문지
• /
• 제10권6호
• /
• pp.235-242
• /
• 2019

최근 딥러닝을 비롯한 인공지능 기술의 활용이 다양한 분야에서 활발해지고 있으며, 특히 딥러닝 기술 기반의 객체 인식 및 검출에 뛰어난 성능을 보이는 여러 알고리즘들이 발표되고 있다. 이에 본 논문에서는 사용자의 편의성이 효과적으로 반영된 모바일 헬스케어 애플리케이션 구현에 대한 적절한 방향성을 제시하고자 한다. 기존의 피트니스 애플리케이션들에 대한 이용 만족도 연구 및 모바일 헬스케어 애플리케이션에 대한 현황을 파악하여, 이로부터 피트니스 애플리케이션 시장에서의 생존과 우위를 확보하는 동시에, 최근 주목 받고 있는 인공지능 기술의 효과적인 적용에 의한 성능 개선을 통해 기존 이용자 유지 및 확대를 도모하고자 한다.

• 한국지반신소재학회논문집
• /
• 제17권4호
• /
• pp.277-292
• /
• 2018

This paper presents the development and implementation of an artificial intelligence (AI)-based deep excavation induced wall and ground displacements and wall support member forces prediction program (ANN-EXCAV). The program has been developed in a C# environment by using the well-known AI technique artificial neural network (ANN). Program used ANN to predict the induced displacement, groundwater drawdown and wall and support member forces parameters for deep excavation project and run the stability check by comparing predict values to the calculated allowable values. Generalised ANNs were trained to predict the said parameters through databases generated by numerical analysis for cases that represented real field conditions. A practical example to run the ANN-EXCAV is illustrated in this paper. Results indicate that the program efficiently performed the calculations with a considerable accuracy, so it can be handy and robust tool for preliminary design of wall and support members for deep excavation project.

• 마이크로전자및패키징학회지
• /
• 제30권1호
• /
• pp.30-41
• /
• 2023

고성능 전자제품의 수요가 증가함에 따라 이를 구현하기 위한 고성능 반도체의 수요도 증가하고 있다. 그러나 성능이 높아지고 운용환경이 다양해질수록 전자패키지의 신뢰성이 회로 전체의 성능과 신뢰성에 병목이 되고 있는 상황이다. 이에 전자패키지에 대한 결함검출 및 진단 기술이 주목받고 있는데, IEEE 이종집적화 로드맵에서는 신뢰성 물리 및 인공지능 기술을 융합한 디지털트윈 전략을 제시하고 있다. 따라서 본 논문에서는 시그널 기반의 전자패키지 결함검출 및 진단 기술을 리뷰하고, 인공지능을 접목한 연구사례를 분석하고자 한다. 더불어 이러한 인공지능 응용 연구의 동향과 전망을 함께 제시한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.416-420
• /
• 2006

분산된 환경이 특징인 유비쿼터스 시대는 기존의 소프트웨어 개발 방법론과 다른 방법론을 필요로 하게 되었다. 이를 위해서 제안된 커뮤니티 컴퓨팅이라는 개념을 소개하겠다. 또한 커뮤니티 컴퓨팅을 구현하는 수단인 CVM에 대해서 설명하고 이를 개선한 CVM에 대해서 설명하겠다.

• Korean Journal of Radiology
• /
• 제24권7호
• /
• pp.601-605
• /
• 2023

• Korean Journal of Radiology
• /
• 제23권12호
• /
• pp.1119-1125
• /
• 2022

• 한국산학기술학회논문지
• /
• 제16권7호
• /
• pp.4459-4466
• /
• 2015

본 연구는 간호대학생의 대학생활 적응에 영향을 미치는 요인을 파악하기 위한 서술적 조사연구이다. 연구대상자는 간호대학에 재학 중인 학생 333명으로, 정서지능, 완벽주의적 자기제시, 임상실습 스트레스 정도를 설문지로 측정하였다. 자료수집기간은 2014년 10월 20일부터 12월 8일까지이었다. 수집된 자료는 t-test, one way ANOVA, Pearson correlation coefficient, multiple linear regression analysis로 분석하였다. 연구결과, 대학생활 적응에 영향을 미치는 요인은 정서지능, 종교, 완벽주의적 자기제시였으며, 모델의 설명력은 27.2%였다. 본 연구의 결과를 토대로 대학생활 적응을 위해서는 정서지능을 향상시킬 수 있는 교육전략을 개발하여 적용하는 것이 필요하다고 제언한다.