• 한국정보처리학회논문지
• /
• 제5권3호
• /
• pp.681-687
• /
• 1998

본 논문에서는 기계번역에서 동사 번역의 모호성 해결을 위한 하이브리드 기법을 제안한다. 제안된 기법은 동사 번역을 위해 개념기반의 기법과 통계기반의 기법을 수행하는 알고리즘이다. 이를 위해 연어사전, WordNet과 말뭉치에서 추출한 통계 정보를 이용한다. 동사 번역의 모호성을 해결하기 위하여 이 알고리즘은 기계번역의 트랜스퍼 단게에서 번역할 동사의 번역어를 찾는다. 그러나 만일 적절한 번역어를 찾지 못하게 되면, Wordnet을 참조하여 번역 문장에서 동사의 논리적 제약어와 연어사전의 논리적 제약어들 사이의 단어간 유사도를 측정하여 번역어를 찾는다. 그리고 이와 동시에 이 알고리즘은 말뭉치에서 추출한 통계 정보를 참조하여 공기 유사도를 측정하여 번역어를 찾는다. 실험 결과, 이 알고리즘은 번역 정확성에서 기존의 다른 알고리즘보다 우수하며, 특히 연어기반의 기법과 비교할 때 약 24.8% 정도의 번역 정확성이 향상된 것으로 나타나고 있다.

• Proceedings of the National Institute of Ecology of the Republic of Korea
• /
• 제3권2호
• /
• pp.67-72
• /
• 2022

Ecological research relies on the interpretation of large amounts of visual data obtained from extensive wildlife surveys, but such large-scale image interpretation is costly and time-consuming. Using an artificial intelligence (AI) machine learning model, especially convolution neural networks (CNN), it is possible to streamline these manual tasks on image information and to protect wildlife and record and predict behavior. Ecological research using deep-learning-based object recognition technology includes various research purposes such as identifying, detecting, and identifying species of wild animals, and identification of the location of poachers in real-time. These advances in the application of AI technology can enable efficient management of endangered wildlife, animal detection in various environments, and real-time analysis of image information collected by unmanned aerial vehicles. Furthermore, the need for school education and social use on biodiversity and environmental issues using AI is raised. School education and citizen science related to ecological activities using AI technology can enhance environmental awareness, and strengthen more knowledge and problem-solving skills in science and research processes. Under these prospects, in this paper, we compare the results of our early 2013 study, which automatically identified African cichlid fish species using photographic data of them, with the results of reanalysis by CNN deep learning method. By using PyTorch and PyTorch Lightning frameworks, we achieve an accuracy of 82.54% and an F1-score of 0.77 with minimal programming and data preprocessing effort. This is a significant improvement over the previous our machine learning methods, which required heavy feature engineering costs and had 78% accuracy.

• 정보교육학회논문지
• /
• 제25권6호
• /
• pp.995-1003
• /
• 2021

다가오는 지능정보사회의 핵심이 될 인공지능(AI) 교육의 필요성이 대두되면서, 국가적 차원에서도 교육과정에 인공지능 관련 내용을 포함하는 등 관심을 집중시키고 있다. 본 연구에서는 지도학습 중심의 머신러닝을 통해 생활 속 문제를 해결하는 과정에서 학생들의 창의적 문제해결력을 신장시키기 위해 PASPA 교육 프로그램을 제시하였으며, 학습의 효과를 높이기 위해 피지컬 컴퓨팅 도구인 마이크로비트(Micro:bit)를 활용하였다. PASPA 교육 프로그램에 적용된 교수 학습 과정은 문제 인식(Problem Recoginition), 해결 방법 논의(Argument), 데이터 기준 세우기(Setting data standard), 프로그래밍(Programming), 적용 및 평가(Application and evaluation)의 5단계로 이루어진다. 본 교육 프로그램을 학생들에게 적용한 결과 창의적 문제해결력의 향상을 확인할 수 있었으며, 세부 영역에서는 특정 영역의 지식·사고, 비판적·논리적 사고 영역에서 유의한 차이를 보임이 확인되었다.

• 경영정보학연구
• /
• 제21권4호
• /
• pp.31-45
• /
• 2019

공연문화예술 시장의 확대에도 불구하고, 중소규모 공연장은 소비자의 정보 접근성이 좋지 않아 어려움을 겪고 있다. 본 연구는 중소규모 공연장의 마케팅 역량을 강화할 수 있는 하나의 대안으로써 머신러닝 기반의 장르 추천 시스템을 제시하고자 한다. 국내 한 공연장의 고객 마스터 DB와 거래이력 DB를 활용하여 고객당 3개의 장르를 추천하는 5개의 추천 시스템을 개발하였다. 추천시점 이후 1년 동안의 실제 공연구매 이력을 바탕으로 추천 시스템의 성능을 비교하여 최적의 추천시스템을 제안하였다. 분석 결과, 단일 예측모형보다는 앙상블 모형 기반의 추천시스템이 우수한 성능을 보이는 것으로 나타났다. 본 연구는 공연문화예술 분야에는 일천했던 개인화 추천 기법을 적용했고, 분석 결과 공연문화예술 분야에서도 충분히 활용할 만한 가치가 있음을 시사하고 있다.

• 지역연구
• /
• 제37권3호
• /
• pp.3-18
• /
• 2021

4차 산업혁명이 지역의 산업구조를 변화시키면서, 지역의 특성을 반영한 새로운 산업과 기술의 발전이 요구되고 있다. 본 연구의 목적은 부산, 울산, 경남을 대상으로 지식 간 연관성과 기술의 복합성을 측정하고 지역의 산업 차별화 전략의 가능성이 있는 기술을 파악하는 것이다. 2015~2019년의 특허 자료를 이용하여 652개의 IPC 코드에서 동시출현행렬을 도출하고 지식 간 연관성과 기술의 복합성 지수를 계산하였다. 지식 간 연관성을 이용하여 네트워크 분석을 시행하였다. 분석 결과 동남권의 중심지식은 기계 부문이 큰 비중을 차지하였으며 화학과 전기 부문이 뒤를 이었다. 지역 산업의 차별화 가능성이 있는 기술을 도출하기 위해 위험-편익 프레임워크를 적용한 결과 저위험-고편익의 기술 역량은 상이하게 나타났다. 부산은 기계공학 중 엔진, 기계조작, 운송 등의 기술이 울산은 화학의 환경기술과 재료, 기계공학의 열처리 기술이 저위험-고편익의 역량을 가진 기술로 나타났다. 경남은 김해, 양산, 창원 등에서 기계공학, 화학, 전기공학 일부 기술 등에서 역량이 나타났다. 본 연구의 결과는 지역 내 잠재된 지식을 기반으로 하여 지역성장을 위한 전략 산업의 선정과 도출에 가능성이 있는 기술을 파악하였다는데 의의가 있다.

• 대한의용생체공학회:의공학회지
• /
• 제29권6호
• /
• pp.466-476
• /
• 2008

The more people use ambulatory electrocardiogram(ECG) for arrhythmia detection, the more researchers report the automatic classification algorithms. Most of the previous studies don't consider the un-balanced data distribution. Even in patients, there are much more normal beats than abnormal beats among the data from 24 hours. To solve this problem, the hierarchical classification using 21 features was adopted for arrhythmia abnormal beat detection. The features include R-R intervals and data to describe the morphology of the wave. To validate the algorithm, 44 non-pacemaker recordings from physionet were used. The hierarchical classification model with 2 stages on domain knowledge was constructed. Using our suggested method, we could improve the performance in abnormal beat classification from the conventional multi-class classification method. In conclusion, the domain knowledge based hierarchical classification is useful to the ECG beat classification with unbalanced data distribution.

• 조명전기설비학회논문지
• /
• 제18권2호
• /
• pp.55-62
• /
• 2004

본 논문에서는 유중가스 분석법을 이용하여 실리콘 유입변압기를 효과적으로 진단할 수 있는 전문가 시스템의 개발에 관하여 연구하였다. 변압기 진단 방법은 유입기기에 대한 진단 방법으로서 현재까지 많은 연구가 진행되어 왔고 비교적 효과적인 분석법으로서 신뢰를 얻고 있는 유중가스분석법을 이용하였다. 그러나 유중가스 분석법은 경계 및 규칙의 불확실성이 필연적이기 때문에 이를 처리하기 위하여 소속정도 및 퍼지척도를 적용하여 해결하였다. 개발한 전문가 시스템은 크게 지식베이스 모듈, 추론엔진 모듈, 사용자 인터페이스 모듈로 이루어져 있으며, 지식베이스 모듈은 규칙을 이용한 지식표현을 사용하였고, 추론엔진 모듈은 후방향 추론을 이용하고, 퍼지규칙을 도입하였다. 사용자 인터페이스 모듈은 현장의 사용자가 쉽게 사용할 수 있도록 GUI 환경으로 구성하였다. 또한 변압기 개개의 이력 관리를 통하여 좀 더 효과적인 진단을 할 수 있도록 전문가 시스템을 데이터베이스와 연계하였다. 제안한 전문가 시스템에 대하여 실리콘유의 유중가스 데이터를 이용하여 검증한 결과 모든 사례에 대하여 정확한 판단 결과를 얻음으로써 실리콘 유입변압기를 효과적으로 진단할 수 있음을 증명하였다.

• 동의생리병리학회지
• /
• 제20권1호
• /
• pp.202-208
• /
• 2006

The goal of this study is to develop knowledge representation method for the construction and evaluation of ontology for diagnosis in oriental medicine. To develop the expert system for decision making on diagnosis and treatment, the systematic and structural knowledge which can be processible in EMR(Electronic Medical Record) must be precedent, and the Computational Process which control the system as well. This study set up an ontology as a trial model to represent the oriental medical knowledge into the machine processible one. Protege 2.1 has been used to build the ontology, and the serialization format of our ontology is the XML document based on OWL. The components of oriental medical diagnosis was arranged with the combination of symptoms which belong to the certain symptom patterns. Then natural language which expresses the oriental medical diagnosis components were converted into the logical sentence, and individual characteristic symptoms into each values of specific properties. In addition to the study, the diagnosis software for oriental medicine was developed and it used the ontology which we developed. Sequently, we tested the software to confirm the appropriateness of ontology. The result of the test shows that diagnostic questions are automatically formulated according to the diagnosis components of this ontology and that as such diagnostic results are induced. Therefore, the ontology system in this study will be efficient to develop the diagnosis program and useful as a tool for doctors to make decision. But, it is not recommendable to apply the system to the clinical environment until the clear diagnosis standards are introduced, and the more reliable diagnosis program can be developed based on the more appropriate ontology mentioned above.

• 정보교육학회논문지
• /
• 제24권1호
• /
• pp.49-57
• /
• 2020

현대사회는 21세기 초반 지식정보사회를 지나 지능정보사회로 바뀌어 가고 있다. 본 연구에서는 지능정보사회에서 요구되는 학습자의 핵심역량을 신장시키기 위하여 인공지능의 한 분야인 머신러닝을 기반으로 소프트웨어 교육 교수-학습 모형을 개발하였다. 본 모형은 인공지능 자체에 대한 학습의 부담감을 줄이고, 머신러닝을 활용하여 문제를 해결하는 과정에서 핵심역량을 신장시키는 것에 중점을 두었다. 개발된 모형의 구체적인 단계는 문제인식 및 분석, 데이터 수집, 데이터 가공 및 선별, ML모델 훈련 및 평가, ML프로그래밍, 적용 및 해결, 공유 및 환류의 7단계로 구성되어 있다. 본 연구에서 개발한 모형을 학생과 학부모를 대상으로 적용한 결과 긍정적인 반응을 얻을 수 있었으며, 이를 통해 머신러닝 기반의 소프트웨어 교육 프로그램의 개발 및 운영에 작은 밑거름을 제시할 수 있을 것으로 기대한다.

• 산업경영시스템학회지
• /
• 제24권66호
• /
• pp.1-10
• /
• 2001

Simulation-Based Expert System(SIMBES) is a very effective tool to solve complex antral hard problems. The SIMBES model includes a simulator, a feature extractor, a machine learning system, a performance evaluator, and a Knowledge-Based Expert System(KBES). Since SIMBES depends on Problem domains, a schedule-based material requirements planning problem, which is NP-hard, was selected to exemplify the SIMBES model. To implement the SIMBES application in Smalltalk paradigm, a system class hierarchy was constructed. The hierarchy consists of five large classes such as Job Generator, Job Scheduler, Job Evaluator, Inference Engine, and Executive System. Several classes inside these classes were identified. Additionally, instance protocols about all classes have been described in terms of messages and pseudo methods. These protocols can be implemented easily by any other object-oriented languages. Furthermore, these results may be used as a skeletal system to develop a new SIMBES efficiently, especially when the application is related to other scheduling problems.