• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.168-173
• /
• 2024

화자인식은 개개인마다 다른 음성 주파수를 분석하여 미리 저장된 음성과 비교해 본인 여부를 판단하는 하나의 기술을 의미한다. 딥러닝 기반의 화자인식은 여러 분야에 적용되고 있으며, 펫 로봇도 그 중 하나이다. 하지만 펫 로봇의 하드웨어 성능은 딥러닝 기술의 많은 메모리 공간과 연산에 있어 매우 제한적인 상황이다. 이는 펫 로봇이 사용자와 실시간 상호작용에 있어 해결해야 할 중요한 문제점이다. 딥러닝 모델의 경량화는 위와 같은 문제를 해결하기 위한 하나의 중요한 방법으로 자리하였으며, 최근 많은 연구가 진행되고 있다. 이 논문에서는 특정한 명령어 형태인 펫 로봇용 음성 데이터 세트를 구축하고 잔차(Residual)를 활용한 모델들의 결과를 비교해 펫 로봇용 화자인식의 경량화 연구의 결과를 서술하며, 결론에서는 제안한 방법에 대한 결과와 향후 연구방안에 대해 서술한다.

• 한국농공학회논문집
• /
• 제66권4호
• /
• pp.27-39
• /
• 2024

Soil texture is determined by the proportions of sand, silt, and clay within the soil, which influence characteristics such as porosity, water retention capacity, electrical conductivity (EC), and pH. Traditional classification of soil texture requires significant sample preparation including oven drying to remove organic matter and moisture, a process that is both time-consuming and costly. This study aims to explore an alternative method by developing an AI model capable of predicting soil texture from images of pre-sorted soil samples using computer vision and deep learning technologies. Soil samples collected from agricultural fields were pre-processed using sieve analysis and the images of each sample were acquired in a controlled studio environment using a smartphone camera. Color distribution ratios based on RGB values of the images were analyzed using the OpenCV library in Python. A convolutional neural network (CNN) model, built on PyTorch, was enhanced using Digital Image Processing (DIP) techniques and then trained across nine distinct conditions to evaluate its robustness and accuracy. The model has achieved an accuracy of over 80% in classifying the images of pre-sorted soil samples, as validated by the components of the confusion matrix and measurements of the F1 score, demonstrating its potential to replace traditional experimental methods for soil texture classification. By utilizing an easily accessible tool, significant time and cost savings can be expected compared to traditional methods.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.113-118
• /
• 2024

본 논문에서는 음향신호의 배경잡음을 소거하기 위한 시스템에서 최적의 wavelet을 제안한다. 이 시스템은 기존의 단구간 푸리에변환(STFT: Short Time Fourier Transform) 대신 이산 웨이블릿변환(DWT: Discrete Wavelet Transform)을 수행한 후 심층학습과정을 통하여 잡음소거 성능을 개선하였다. DWT는 다해상도 대역통과필터 기능을 하며 각 레벨에서 모 웨이블릿을 시간 이동시키고 크기를 스케일링한 여러 웨이블릿을 이용하여 변환 파라미터를 구한다. 여기서 음성을 분석하는데 가장 적합한 모(mother) 웨이블릿을 선정하기 위해 여러 웨이블릿에 대한 잡음소거 성능을 실험하였다. 본 연구에서 여러 웨이블릿에 대한 잡음소거시스템의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 가장 많이 사용되는 4개의 wavelet에 대해 모의실험을 수행하였다. 실험 결과, Haar 또는 Daubechies 웨이블릿을 사용하는 경우가 가장 우수한 잡음소거 성능을 나타냈으며 타 웨이블릿을 사용하는 경우보다 평균자승오차(MSE: Mean Square Error)가 크게 개선되는 것을 볼 수 있었다.

• Korean Journal of Radiology
• /
• 제24권11호
• /
• pp.1131-1141
• /
• 2023

Objective: Cortical iron deposition has recently been shown to occur in Alzheimer's disease (AD). In this study, we aimed to evaluate how cortical gray matter iron, measured using quantitative susceptibility mapping (QSM), differs in the clinical cognitive impairment spectrum. Materials and Methods: This retrospective study evaluated 73 participants (mean age ± standard deviation, 66.7 ± 7.6 years; 52 females and 21 males) with normal cognition (NC), 158 patients with mild cognitive impairment (MCI), and 48 patients with AD dementia. The participants underwent brain magnetic resonance imaging using a three-dimensional multi-dynamic multi-echo sequence on a 3-T scanner. We employed a deep neural network (QSMnet+) and used automatic segmentation software based on FreeSurfer v6.0 to extract anatomical labels and volumes of interest in the cortex. We used analysis of covariance to investigate the differences in susceptibility among the clinical diagnostic groups in each brain region. Multivariable linear regression analysis was performed to study the association between susceptibility values and cognitive scores including the Mini-Mental State Examination (MMSE). Results: Among the three groups, the frontal (P < 0.001), temporal (P = 0.004), parietal (P = 0.001), occipital (P < 0.001), and cingulate cortices (P < 0.001) showed a higher mean susceptibility in patients with MCI and AD than in NC subjects. In the combined MCI and AD group, the mean susceptibility in the cingulate cortex (β = -216.21, P = 0.019) and insular cortex (β = -276.65, P = 0.001) were significant independent predictors of MMSE scores after correcting for age, sex, education, regional volume, and APOE4 carrier status. Conclusion: Iron deposition in the cortex, as measured by QSMnet+, was higher in patients with AD and MCI than in NC participants. Iron deposition in the cingulate and insular cortices may be an early imaging marker of cognitive impairment related neurodegeneration.

• 대한통합의학회지
• /
• 제12권2호
• /
• pp.155-166
• /
• 2024

Purpose : This study aims to identify key factors for predicting dropout risk at the university level and to provide a foundation for policy development aimed at dropout prevention. This study explores the optimal machine learning algorithm by comparing the performance of various algorithms using data on college students' dropout risks. Methods : We collected data on factors influencing dropout risk and propensity were collected from N University. The collected data were applied to several machine learning algorithms, including random forest, decision tree, artificial neural network, logistic regression, support vector machine (SVM), k-nearest neighbor (k-NN) classification, and Naive Bayes. The performance of these models was compared and evaluated, with a focus on predictive validity and the identification of significant dropout factors through the information gain index of machine learning. Results : The binary logistic regression analysis showed that the year of the program, department, grades, and year of entry had a statistically significant effect on the dropout risk. The performance of each machine learning algorithm showed that random forest performed the best. The results showed that the relative importance of the predictor variables was highest for department, age, grade, and residence, in the order of whether or not they matched the school location. Conclusion : Machine learning-based prediction of dropout risk focuses on the early identification of students at risk. The types and causes of dropout crises vary significantly among students. It is important to identify the types and causes of dropout crises so that appropriate actions and support can be taken to remove risk factors and increase protective factors. The relative importance of the factors affecting dropout risk found in this study will help guide educational prescriptions for preventing college student dropout.

• IMMUNE NETWORK
• /
• 제22권2호
• /
• pp.20.1-20.9
• /
• 2022

Despite the high prevalence of chronic dermatitis and the accompanied intractable itch, therapeutics that specifically target itching have low efficacy. Increasing evidence suggests that TLRs contribute to immune activation and neural sensitization; however, their roles in chronic itch remain elusive. Here, we show that the RBL-2H3 mast cell line expresses TLR4 and that treatment with a TLR4 antagonist opposes the LPS dependent increase in mRNA levels of Th2 and innate cytokines. The pathological role of TLR4 activation in itching was studied in neonate rats that developed chronic itch due to neuronal damage after receiving subcutaneous capsaicin injections. Treatment with a TLR4 antagonist protected these rats with chronic itch against scratching behavior and chronic dermatitis. TLR4 antagonist treatment also restored the density of cutaneous nerve fibers and inhibited the histopathological changes that are associated with mast cell activation after capsaicin injection. Additionally, the expression of IL-1β, IL-4, IL-5, IL-10, and IL-13 mRNA in the lesional skin decreased after TLR4 antagonist treatment. Based on these data, we propose that inhibiting TLR4 alleviated itch in a rat model of chronic relapsing itch, and the reduction in the itch was associated with TLR4 signaling in mast cells and nerve fibers.

• Structural Engineering and Mechanics
• /
• 제90권1호
• /
• pp.19-26
• /
• 2024

In recent years, an increasing number of experimental studies have shown that the practical application of mature active control systems requires consideration of robustness criteria in the design process, including the reduction of tracking errors, operational resistance to external disturbances, and measurement noise, as well as robustness and stability. Good uncertainty prediction is thus proposed to solve problems caused by poor parameter selection and to remove the effects of dynamic coupling between degrees of freedom (DOF) in nonlinear systems. To overcome the stability problem, this study develops an advanced adaptive predictive fuzzy controller, which not only solves the programming problem of determining system stability but also uses the law of linear matrix inequality (LMI) to modify the fuzzy problem. The following parameters are used to manipulate the fuzzy controller of the robotic system to improve its control performance. The simulations for system uncertainty in the controller design emphasized the use of acceleration feedback for practical reasons. The simulation results also show that the proposed H∞ controller has excellent performance and reliability, and the effectiveness of the LMI-based method is also recognized. Therefore, this dynamic control method is suitable for seismic protection of civil buildings. The objectives of this document are access to adequate, safe, and affordable housing and basic services, promotion of inclusive and sustainable urbanization, implementation of sustainable disaster-resilient construction, sustainable planning, and sustainable management of human settlements. Simulation results of linear and non-linear structures demonstrate the ability of this method to identify structures and their changes due to damage. Therefore, with the continuous development of artificial intelligence and fuzzy theory, it seems that this goal will be achieved in the near future.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.471-476
• /
• 2024

다양한 스마트 기기 및 컴퓨팅 디바이스의 보급에 따라 빅데이터 생성이 광범위하게 일어나고 있다. 기계학습은 데이터의 패턴을 학습하여 추론을 수행하는 알고리즘이다. 다양한 기계학습 알고리즘 중에서 주목을 받는 알고리즘은 신경망 기반의 딥러닝 학습이다. 딥러닝은 다양한 응용이 발표되면서 빠른 성능 향상을 달성하고 있다. 최근 딥러닝 알고리즘 중에서 그래프 구조를 활용하여 데이터를 분석하려는 시도가 증가하고 있다. 본 연구에서는 그래프 구조를 활용하여 딥러닝 네트워크에 전달하기 위한 그래프 생성 방법을 제시한다. 본 논문은 그래프 생성 과정에서 노드의 속성과 간선의 가중치를 일반화하고 행렬화 과정을 제시하여 딥러닝 입력에 필요한 구조로 전환하는 방법을 제시한다. 그래프 생성 과정에서 속성과 가중치 정보를 보전할 수 있는 선형변환 매트릭스 적용 방법을 제시한다. 마지막으로 일반 그래프의 딥러닝 입력 구조를 제시하고 성능 분석을 위한 접근법을 제시한다.

• 감성과학
• /
• 제13권1호
• /
• pp.47-60
• /
• 2010

기존 웹 페이지 자동분류 연구는 일반적으로 학습 기반인 kNN(k-Nearest Neighbor), SVM(Support Vector Machine)과 통계 기반인 Bayesian classifier, NNA(Neural Network Algorithm)등 여러 종류의 분류작업에서 입증된 분류 기법을 사용하여 웹 페이지를 분류하였다. 하지만 인터넷 상의 방대한 양의 웹 페이지와 각 페이지로부터 나오는 많은 양의 자질들을 처리하기에는 공간적, 시간적 문제에 직면하게 된다. 그리고 분류 대상을 표현하기 위해 흔히 사용하는 단일(uni-gram) 자질 기반에서는 자질들 간의 관계 분석을 통해 자질에 정확한 의미를 부여하기 힘들다. 특히 본 논문의 분류 대상인 한글 웹 페이지의 자질인 한글 단어는 중의적인 의미를 가지는 경우가 많기 때문에 이러한 중의성이 분류 작업에 많은 영향을 미칠 수 있다. 잠재적 의미 분석 LSA(Latent Semantic Analysis) 분류기법은 선형 기법인 특이치 분해 SVD(Singular Value Decomposition)을 통해 행렬의 분해 및 차원 축소(dimension reduction)를 수행하여 대용량 데이터 집합의 분류를 효율적으로 수행하고, 또한 차원 축소를 통해 새로운 의미공간을 생성하여 자질들의 중의적 의미를 분석할 수 있으며 이 새로운 의미공간상에 분류 대상을 표현함으로써 분류 대상의 잠재적 의미를 분석할 수 있다. 하지만 LSA의 차원 축소는 전체 데이터의 표현 정도만을 고려할 뿐 분류하고자 하는 범주를 고려하지 않으며 또한 서로 다른 범주 간의 차별성을 고려하지 않기 때문에 축소된 차원 상에서 분류 시 서로 다른 범주 데이터간의 모호한 경계로 인해 안정된 분류 성능을 나타내지 못한다. 이에 본 논문은 새로운 의미공간(semantic space) 상에서 서로 다른 범주사이의 명확한 구분을 위한 특별한 차원 선택을 수행하여 최적의 차원 선택과 안정된 분류성능을 보이는 최적의 지도적 LSA을 소개한다. 제안한 지도적 LSA 방법은 기본 LSA 및 다른 지도적 LSA 방법들에 비해 저 차원 상에서 안정되고 더 높은 성능을 보였다. 또한 추가로 자질 생성 및 선택 시 불용어의 제거와 자질에 대한 가중치를 통계적인 학습을 통해 얻음으로써 더 높은 학습효과를 유도하였다.

• 한국토양비료학회지
• /
• 제39권5호
• /
• pp.259-267
• /
• 2006

수리 전도도는 수리구배에 대한 플럭스의 비율을 나타내며, 포화된 토양에서의 물의 이동이 포화수리전도도이고 불포화된 토양에서의 이동이 불포화수리전도도이다. 일반적인 밭 상태에서의 토양수분 조건은 불포화수리전도도로 표시하는 것이 적절하나 그 상태를 표현하기가 쉽지 않다. 토양의 불포화 상태를 나타내는데 가장 많이 쓰이고 있는 VGM(van Genuchten Mualem) 모형은 토양수분 포텐셜과 수분함량의 함수로 구성된 모형이며 몇 가지 매개변수가 필요하다. VGM 모형의 매개변수를 얻기 위해 본 연구에서는 VGM 모형의 매개변수를 계산해주는 프로그램인 Rosetta를 사용하였다. Rosetta 모형은 신경그물 얼개(neural network)를 이용하여 토양의 물리적 자료들인 토성이나 모래, 미사, 점토 함량 또는 용적밀도나 33 kPa, 1500 kPa에서의 토양수분 함량 자료를 가지고 VGM의 매개변수인 Ko(effedive saturated hydraulic conductivity), ${\theta}r$(residual soil water content), ${\theta}s$(saturated soil water content), L, n, m(=1-1/n)을 예측하는 모형으로 미국 농무성(USDA-ARS)에서 개발한 프로그램이다. Rosetta를 이용하여 10kPa에서의 불포화수리전도도를 예측하였다. 또한 Gardner와 Wooding의 모형을 기반으로 하여 만들어진 장력침투계의 포화수리전도도 값을 Gardner식에 적용하여 1, 3, 5, 7 kPa에서의 불포화수리전도도 값을 17개 토양통을 대상으로 하여 구했다. 토양수분 potential이 3 kPa에서는 물의 이동이 거의 없는 토양들이 있었는데 반해 남계통을 비롯한 학곡통, 회곡통, 백산통, 상주통, 석천통, 예산통 등 7개의 토양은 3 kPa에서도 약간의 물의 이동이 있었다. 또한, 1 kPa에서 물의 이동은 삼각통에서 $40.8{\times}10^{-5}cm{\cdot}sec^{-1}$로 이동 속도가 가장 컸으며 그 뒤로 예산통, 화봉통, 학곡통, 백산통 등이 토양에서 빠른 속도로 이동하였다. 가천통이나 석천통 및 우곡통은 1 kPa에서의 이동 속도가 아주 느린 토양으로 판단되었다. PTF와 VG모형에 의해 얻어진 10 kPa에서의 수분함량 예측 값을 VGM 모형에 적용해 불포화수리전도도를 구했을 때, VG모형에 의한 예측 값은 존재하는 반면 PTF에 의한 값은 결측 값이 존재해 그 적용에 한계가 있었다. 그리고 1 kPa에서 불포화 수리전도도를 VGM 모형으로 예측한 값과 측정된 값을 Gardner 모형으로 해석한 값을 비교했을 때 자갈이 없는 토양에서는 일정한 경향(exponential 함수)이 존재한 반면, 자갈이 있는 토양에서는 경향을 발견할 수가 없었다. 이상의 결과로 불포화 수리전도도 특성평가에 대한 VGM 모형의 적용성을 살펴보았을 때는 우리나라와 같이 경사지가 많고 토심이 깊지 않으면서 자갈함량이 많은 토양에서는 한계가 있을 것으로 판단되었다.