• Geomechanics and Engineering
• /
• 제37권4호
• /
• pp.395-418
• /
• 2024

The epicentral region of earthquakes is typically where liquefaction-related damage takes place. To determine the maximum distance, such as maximum epicentral distance (R_e), maximum fault distance (R_f), or maximum hypocentral distance (R_h), at which an earthquake can inflict damage, given its magnitude, this study, using a recently updated global liquefaction database, multiple ML models are built to predict the limiting distances (R_e, R_f, or R_h) required for an earthquake of a given magnitude to cause damage. Four machine learning models LSTM (Long Short-Term Memory), BiLSTM (Bidirectional Long Short-Term Memory), CNN (Convolutional Neural Network), and XGB (Extreme Gradient Boosting) are developed using the Python programming language. All four proposed ML models performed better than empirical models for limiting distance assessment. Among these models, the XGB model outperformed all the models. In order to determine how well the suggested models can predict limiting distances, a number of statistical parameters have been studied. To compare the accuracy of the proposed models, rank analysis, error matrix, and Taylor diagram have been developed. The ML models proposed in this paper are more robust than other current models and may be used to assess the minimal energy of a liquefaction disaster caused by an earthquake or to estimate the maximum distance of a liquefied site provided an earthquake in rapid disaster mapping.

• 동의생리병리학회지
• /
• 제25권4호
• /
• pp.691-696
• /
• 2011

In order to the neuroprotective effect of electroacupuncture (EA), the present study examined the effects of electroacupuncture inacupoint ST36 (Stomach 36) on trimethyltin chloride (TMT)-induced cognitive impairments rat using the Morris water maze (MWM) task and immunohistochemistry staining. The rats were randomly divided into the following groups: naive rat (Normal), TMT injection rat (Control), TMT injection + EA treated rat inacupoint ST36 (ST36) and TMT injection + EA treated rat in non-acupoint, base of tail (Non-AC). Electroacupuncture (2Hz, 2mA, and 10 minutes)was applied either to the acupuncture point ST36 or the nonacupuncture point in the tail for the last 14 days. In the water maze test, the animals were trained to find a platform in a fixed position during 4d and then received 60s probe trial on the $5^{th}$ day following removal of platform from the pool. Rats with TMT injection showed impaired learning and memory of the tasks and treatment with EA in acupoint ST36 (P<0.05) produced a significant improvement in escape latency to find the platform after $2^{nd}$ day and retention trial in the Morris water maze. Consistent with behavioral data, treatment with EA in acupoint ST36 also significantly increased expression of Choline acetyltransferase (ChAT) and Acetylcholinesterase (AChE) immunoreactive neurons in the hippocampus compared to the Control group. These results demonstrated that EA in acupoint ST36 has a protective effect against TMT-induced neuronal and cognitive impairments. The present study suggests that EA in acupoint ST36 might be useful in the treatment of TMT-induced learning and memory deficit.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.246-256
• /
• 2022

Recently, parents and teachers consider physical education as a minor subject for students in elementary and secondary schools. Physical education performance has become increasingly significant as parents and schools pay more attention to physical schooling. The sports mining with distribution analysis model considers different factors, including the games, comments, conversations, and connection made on numerous sports interests. Using different machine learning/deep learning approach, children's athletic and academic interests can be tracked over the course of their academic lives. There have been a number of studies that have focused on predicting the success of students in higher education. Sports interest prediction research at the secondary level is uncommon, but the secondary level is often used as a benchmark to describe students' educational development at higher levels. An Automated Student Interest Prediction on Sports Mining using DL Based Bi-directional Long Short-Term Memory model (BiLSTM) is presented in this article. Pre-processing of data, interest classification, and parameter tweaking are all the essential operations of the proposed model. Initially, data augmentation is used to expand the dataset's size. Secondly, a BiLSTM model is used to predict and classify user interests. Adagrad optimizer is employed for hyperparameter optimization. In order to test the model's performance, a dataset is used and the results are analysed using precision, recall, accuracy and F-measure. The proposed model achieved 95% accuracy on 400^th instances, where the existing techniques achieved 93.20% accuracy for the same. The proposed model achieved 95% of accuracy and precision for 60%-40% data, where the existing models achieved 93% for accuracy and precision.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.239-260
• /
• 2023

The underwater acoustic wireless communication networks are generally formed by the different autonomous underwater acoustic vehicles, and transceivers interconnected to the bottom of the ocean with battery deployed modems. Orthogonal frequency division multiplexing (OFDM) has become the most popular modulation technique in underwater acoustic communication due to its high data transmission and robustness over other symmetrical modulation techniques. To maintain the operability of underwater acoustic communication networks, the power consumption of battery-operated transceivers becomes a vital necessity to be minimized. The OFDM technology has a major lack of peak to average power ratio (PAPR) which results in the consumption of more power, creating non-linear distortion and increasing the bit error rate (BER). To overcome this situation, we have contributed our symmetry research into three dimensions. Firstly, we propose a machine learning-based underwater acoustic communication system through long short-term memory neural network (LSTM-NN). Secondly, the proposed LSTM-NN reduces the PAPR and makes the system reliable and efficient, which turns into a better performance of BER. Finally, the simulation and water tank experimental data results are executed which proves that the LSTM-NN is the best solution for mitigating the PAPR with non-linear distortion and complexity in the overall communication system.

• 한국전자통신학회논문지
• /
• 제16권6호
• /
• pp.1239-1248
• /
• 2021

본 논문은 학문적인 이해를 기반을 둔 예측을 수행하기 위해 FDNN(: Flood drought index neural network) 알고리즘을 제시한다. 데이터에 의존한 예측이 아닌 학문적인 이해를 기반을 둔 예측을 딥러닝에 적용하기 위해, 알고리즘을 수리, 수문학을 기반으로 구성하였다. 강수량의 입력으로 하천의 유량을 예측하는 모델을 구성하여 K-교차검증을 통해 모델의 성능을 측정한다. 제시한 알고리즘의 성능을 증명하기 위해 시계열 예측에서 가장 많이 사용되는 LSTM(: Long short term memory) 알고리즘의 예측 성능과 비교하여 제시한 알고리즘의 우수성을 나타낸다.

• 한국산학기술학회논문지
• /
• 제14권2호
• /
• pp.681-687
• /
• 2013

본 연구는 학습 환경의 실내 온도와 학습재료 색채와의 조합이 학습수행에 어떠한 영향을 미치는 지를 살펴보고자 하였다. 이를 위해 학습활동 적정온도($22.5{\sim}24^{\circ}C$)를 중심으로(중립 실내 온도 조건), 그 이상인 조건(고온 실내온도 조건), 그리고 그 이하인 조건(저온 실내 온도 조건)으로 각각 실내 온도 조건을 구분하였으며, 난색계열인 빨간색과 한색계열인 파란색, 그리고 중성인 검은색과 연두색으로 각각 색채 조건을 구분하였다. 학습과 관련된 과제로는 음운 작업기억 과제를 사용하여 집단 간 실내 온도 조건에 따른 색채 조건에서의 과제 수행을 살펴보았다. 그 결과, 학습과제의 반응시간에서는 각 독립변수들에 의한 차이가 유의하지 않은 반면, 정확률에서는 색채 조건 중 빨간색과 검은색 조건에서 보다 정확한 수행이 나타났다. 이는 빨간색이 가진 현저성과 색채 온도감 및 검정색이 가진 친숙성과 다른 색에 비해 유일하게 현저성을 가지지 않는 특이성이 존재하기 때문에 나타난 결과로 해석할 수 있다.

• 생명과학회지
• /
• 제19권6호
• /
• pp.756-764
• /
• 2009

Scutellariae baicalensis GEORGt Acorus gramineus SOLAND and Gastrodia elata BLUME are traditional medicines used in the treatment of incipient stoke. In this study we investigated their effects on various aspects of neuronal differentiation in single or composite forms. Water-extracts of these medicines showed neuroprotective effects on cultured rat cortical neurons in normoxia and hypoxia. To understand the mechanism for neuroprotection we carried out various cell biological assays. They stimulated initial differentiation of neuronal development (transition from stage 1 to 2), and increased the number of spines and the length and number of dendritic processes. These effects were best manifested in the experimental group, which were given a mixture of the three kinds of extracts (p<0.01). To assess improvement of brain functions we carried out Morris water-maze tests for the mice that were fed on these extracts instead of water for 4 weeks. The experimental groups, especially those which were given the mixture of the three kinds of extract, showed significant (p<0.01) enhancement in memory as early as one day after the learning trial. These results indicate that these three kinds of extracts have synergistic effects on neuronal protection and improvement of brain functions.

• 인지과학
• /
• 제14권1호
• /
• pp.1-9
• /
• 2003

본 연구에서는 EPAM(Elementary Perceiver and Memorizer) Ⅳ를 사용하여 인공 문법이 사용된 암묵적 학습에서의 인간 수행을 모사하였다. 암묵 학습(implicit learning) 과제에서 참가자들은 인공 문법(rtificial grammar)을 사용해 만들어진 '문법적' 문자열과 무선적으로 만들어진 '비문법적' 문자열을 학습하였는데, 이 때 비문법적 문자열보다 문법적 문자열의 학습이 더 우수하였다. 또한 참가자들은 이전에 본 적이 없었던 새로운 문자열에 대해서도 그 문법성을 판단할 수 있었다. 단순 기억 시스템인 EPAM Ⅳ에 항목 내 군집화(within-item chunking) 기능을 추가하여 암묵 학습 과제에서의 인간수행을 모사한 결과, EPAM Ⅳ 또한 무선적인 문자열보다 문법적인 문자열을 보다 잘 학습하였고, 비문법적 문자열과 문법적 문자열을 구별할 수 있었다. 이러한 결과는 인공 문법을 사용한 암묵 학습 과제에서의 수행이 규칙 추상화보다는 군집화(chunking)에 근거한 재인 기억을 바탕으로 이루어짐을 시사한다.

• 한국산업정보학회논문지
• /
• 제18권1호
• /
• pp.59-70
• /
• 2013

본 연구의 목적은 시장지향성의 선행요소와 조직기억이 기업의 혁신성에 미치는 영향과 기업의 혁신성이 직간접적으로 기업의 전반적인 성과에 미치는 영향을 알아보는 것에 목적을 두고 있다. 본 연구는 조직학습 이론 및 시장지향성에 대한 선행연구를 바탕으로, 조직기억과 시장지향성이 조직혁신성의 선행변수이고, 또한 조직혁신성은 기업의 신제품 개발성과와 전반적 성과에 영향을 미친다는 가설들을 설정하였다. 국내 대기업의 중역들에게 받은 설문을 바탕으로 분석을 한 결과, 조직학습 및 시장지향성은 조직혁신성에 유의미한 정의 영향을 가지는 것으로 나타났다. 그리고, 조직혁신성은 신제품 개발성과와 기업의 전반적 성과에 정의 영향을 미치는 것으로 나타난 반면, 신제품 성과는 기업의 전반적 성과에는 유의미한 영향을 가지지 않는 것으로 나타났다. 이상의 결과를 바탕으로 후속연구 및 기업을 위한 논의점을 제시하고 있다.

• 한국항행학회논문지
• /
• 제25권5호
• /
• pp.409-414
• /
• 2021

미세먼지에 대한 심각성이 사회적으로 대두됨에 따라 대중들은 미세먼지 예보에 대한 정보의 높은 신뢰성을 요구하고 있다. 이에 따라 다양한 신경망 알고리즘을 이용하여 미세먼지 예측을 위한 연구가 활발히 진행되고 있다. 본 논문에서는 미세먼지 예측을 위해 다양한 알고리즘으로 연구되고 있는 신경망 알고리즘들 중 대표적인 알고리즘들의 예측 성능 비교를 진행하였다. 신경망 알고리즘 중 DNN(deep neural network), RNN(recurrent neural network), LSTM(long short-term memory)을 이용하였으며, 하이퍼 파라미터 탐색을 이용하여 최적의 예측 모델을 설계하였다. 각 모델의 예측 성능 비교 분석 결과, 실제 값과 예측 값의 변화 추이는 전반적으로 좋은 성능을 보였다. RMSE와 정확도를 기준으로 한 분석에서는 DNN 예측 모델이 다른 예측 모델에 비해 예측 오차에 대한 안정성을 갖는 것을 확인하였다.