KSII Transactions on Internet and Information Systems (TIIS)
/
제18권2호
/
pp.438-455
/
2024
Recently, many unsupervised learning-based models have emerged for Just Noticeable Difference (JND) estimation, demonstrating remarkable improvements in accuracy. However, these models suffer from a significant drawback is that their heavy reliance on handcrafted priors for guidance. This restricts the information for estimating JND simply extracted from regions that are highly related to handcrafted priors, while information from the rest of the regions is disregarded, thus limiting the accuracy of JND estimation. To address such issue, on the one hand, we extract the information for estimating JND in an Adversarial Complementary Learning (ACoL) way and propose an ACoL-JND network to estimate the JND by comprehensively considering the handcrafted priors-related regions and non-related regions. On the other hand, to make the handcrafted priors richer, we take two additional priors that are highly related to JND modeling into account, i.e., Patterned Masking (PM) and Contrast Masking (CM). Experimental results demonstrate that our proposed model outperforms the existing JND models and achieves state-of-the-art performance in both subjective viewing tests and objective metrics assessments.
Although process-based models have been a preferred approach for modeling freshwater aquatic systems over extended time intervals, the increasing utility of data-driven models in a big data environment has made the data-driven models increasingly popular in recent decades. In this study, international peer-reviewed journals for the relevant fields were searched in the Web of Science Core Collection, and an extensive literature review, which included total 2,984 articles published during the last two decades (2000-2020), was performed. The review results indicated that the rate of increase in the number of published studies using data-driven models exceeded those using process-based models since 2010. The increase in the use of data-driven models was partly attributable to the increasing availability of data from new data sources, e.g., remotely sensed hyperspectral or multispectral data. Consistently throughout the past two decades, South Korea has been one of the top ten countries in which the greatest number of studies using the data-driven models were published. Among the major data-driven approaches, i.e., artificial neural network, decision tree, and Bayesian model, were illustrated with case studies. Based on the review, this study aimed to inform the current state of knowledge regarding the biogeochemical water quality and ecological models using data-driven approaches, and provide the remaining challenges and future prospects.
경제지표를 분석하는 방법으로 회귀 분석이나, 인공지능을 활용하여 미래의 데이터를 예측하는 연구가 발표되었다. 본 연구에서는 토픽모델링을 사용하여 과거 뉴스 기사로부터 얻은 주제 확률 데이터를 이용한 인공지능으로 미래 선물 가격을 예측하는 시스템을 구상하였다. 과거 뉴스 기사로부터 비지도학습을 통한 문서의 주제를 추출할 수 있는 LDA 방법으로 각 뉴스 기사 주제 확률 분포 데이터를 얻을 수 있고, 해당 데이터를 인공지능의 RNN의 파생 구조인 LSTM의 입력 데이터로 활용함으로써 미래 선물 가격을 예측하였다. 본 연구에서 제안한 방법에서는 선물 가격의 추세를 예측할 수 있었고, 이를 활용하여 추후 옵션 상품 등의 파생 상품에 대한 가격 추세도 예측할 수 있을 것으로 보인다. 다만, 일부 데이터에 대해 오차가 발생하는 것이 확인되어 정확도 향상을 위한 추가적인 연구가 필요하다.
Isaac Seow-En;Ye Xin Koh;Yun Zhao;Boon Hwee Ang;Ivan En-Howe Tan;Aik Yong Chok;Emile John Kwong Wei Tan;Marianne Kit Har Au
한국간담췌외과학회지
/
제28권1호
/
pp.14-24
/
2024
This study aims to assess the quality and performance of predictive models for colorectal cancer liver metastasis (CRCLM). A systematic review was performed to identify relevant studies from various databases. Studies that described or validated predictive models for CRCLM were included. The methodological quality of the predictive models was assessed. Model performance was evaluated by the reported area under the receiver operating characteristic curve (AUC). Of the 117 articles screened, seven studies comprising 14 predictive models were included. The distribution of included predictive models was as follows: radiomics (n = 3), logistic regression (n = 3), Cox regression (n = 2), nomogram (n = 3), support vector machine (SVM, n = 2), random forest (n = 2), and convolutional neural network (CNN, n = 2). Age, sex, carcinoembryonic antigen, and tumor staging (T and N stage) were the most frequently used clinicopathological predictors for CRCLM. The mean AUCs ranged from 0.697 to 0.870, with 86% of the models demonstrating clear discriminative ability (AUC > 0.70). A hybrid approach combining clinical and radiomic features with SVM provided the best performance, achieving an AUC of 0.870. The overall risk of bias was identified as high in 71% of the included studies. This review highlights the potential of predictive modeling to accurately predict the occurrence of CRCLM. Integrating clinicopathological and radiomic features with machine learning algorithms demonstrates superior predictive capabilities.
기존 텍스트 감성 분석 모델에서는 일반적으로 전체 텍스트를 직접 모델링하고, 텍스트 내용 간의 계층적 관계를 덜 고려한다. 그러나 감정분석의 구현에서는 많은 텍스트가 여러 감정으로 뒤섞여 있다. 전체의 의미론적 모델링을 직접 수행하면 감성분석 모델의 판단 난도가 높아져 혼합 감정 문장의 분류에 적용하기 어려울 수 있다. 따라서 본 논문에서는 텍스트 계층을 고려한 감성 분석 모델 BHGCN을 제안한다. 이 모델에서는 BERT의 각 레이어의 숨겨진 상태의 출력이 노드로 사용되며, 상위 레이어와 하위 레이어 사이에 직접 연결이 이루어져 의미 계층이 있는 그래프 네트워크를 구축한다. BHGCN 모델은 계층별 의미론에 주의를 기울일 뿐만 아니라 계층적 관계에도 주의를 기울이기 때문에 혼합 감성 분류 작업을 처리하는 데 적합하다. 본 논문에서는 비교 실험을 통해 제안하는 BHGCN 모델이 명백한 경쟁 우위를 보인다는 것을 입증하였다.
탄성파 토모그래피 중에서 많이 사용되는 2차원 시추공-시추공 주시 토모그래피는 파선각이 제한됨에 따라 분해능이 저하되므로, 본 논문에서는 감소된 분해능을 향상시키기 위한 방법들을 검토해 보았다. 토모그래피 역산 과정은 파선의 위치 및 주시에 대한 오차에 민감하므로 선형 주시 보간법을 사용하여 파선을 추적하였으며, 다른 파선 추적법들에 의한 역산결과와 비교하여 좋은 결과를 얻을 수 있었다. 반복적 비선형 역산 과정에 있어서, 파선경로의 추적에 소요되는 계산 시간을 줄이기 위해서 일정 계산과정 동안 선형성을 고려하였으며 그 결과 빠른 수렴을 얻을 수 있었다. 일반적으로 역산과정에서는 적절한 초기 모델의 선정이 계산 결과에 많은 영향을 미치므로, 인공 신경망을 이용하여 획득된 주시로부터 초기속도 모델을 계산하였다. 지구물리학에서 인공 신경망법으로 많이 쓰이는 다층 전향 신경망은 내재된 단점들 때문에 좋은 결과를 얻을 수 없었으므로, 본 연구에서는 GRNN신경망을 이용하였다. 인공 신경망으로부터 계산된 초기모델을 역산에 사용함으로써 분해능을 향상시킬 수 있었다. 그러나 파선 투과각이 넓은 경우나 탐사 대상체가 매우 복잡한 구조를 가지는 경우에는 초기모델이 역산결과에 큰 영향을 주지 않았다. 지구물리학적 토모그래피에서는 파선의 투과각이 제한을 받게되는 경우가 많으므로, 이럴 경우 인공 신경망을 이용하여 초기 모델값을 계산함으로써 역산 결과 생성되는 단면도의 분해능을 향상시킬 수 있다.
구조물의 변위이력은 구조물의 전체적인 거동을 나타내는 인자의 시간에 대한 이력이므로 이를 추정하는 것은 매우 중요하며, 일반적으로 구조물의 상태를 평가하는데 있어 직관적으로 신뢰할 수 있는 물리량이다. 특히, 교량의 경우 차량 하중에 의해 발생되는 수직 변위를 알아내는 것은 교량에 발생할 수 있는 문제점을 미연에 확인할 수 있어 매우 중요한 부분이다. 하지만 시공된 교량의 수직 변위를 측정하는 것은 실험여건 및 장비의 제약조건 등으로 인해서 직접적으로 측정하는 것이 매우 힘든 실정이다. 본 연구에서는 대상 교량들에 대한 제약조건을 극복하고 변위응답을 추정할 수 있는 방안을 제시하기 위해 임의의 차량하중에 의해서 측정되는 변형률과 변위를 인공신경망에 적용하였다. 인공신경망에 적용하는 축방향 변형률과 수직방향 변위에 대한 학습 자료를 획득하기 위해서 수치해석을 수행하였으며, 실제 교통 상황을 반영하기 위해서 교량을 통과하는 차량의 종류와 차간 거리에 대한 차량이동하중 시나리오를 작성하여 시공된 교량의 실제 교통상황에 따른 차량 이동 하중이 가해지도록 모델링하였다. 인공신경망을 이용한 학습 결과에 따라 임의의 하중에 의해 발생되는 교량의 변형률에 대한 변위를 추정하였고, 인공신경망을 사용하여 추정된 변위 결과가 수치해석을 통한 변위를 잘 표현하는 것을 확인하였다.
본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)을 이용하여 클래스의 분류강도를 구하고 비선형 시계열 추이선을 예측하는 방안을 제안하고 있다. NEWFM에 의하여 추출된 가중퍼지 소속함수(BSWFM)를 이용하여 입력값에 대한 분류강도를 구하게 되고, 이들에 대한 가중평균 역퍼지화를 통하여 비선형 시계열 추이선을 작성한다. 실증분석결과 NEWFM은 목표 클래스로 설정된 GDP에 대하여 92.22%의 분류성능을 보여 주었다. 따라서 동 비선형 시계열 추이선은 대표적인 경기지표인 GDP 추이에 비교적 높은 유사도를 나타내는 가운데 분석대상기간인 제5순환기-제8순환기 중 정점(peak)에서 평균 12개월, 저점(trough)에서 평균 6개월의 선행성(look-ahead)을 보여 줌으로써 경기변동에 앞서 상당기간의 시차를 둔 예측지표로서 활용가능성이 입증되었다. NEWFM은 그 특징선택(feature selection)에 의하여 선행지표 10개 중 3개의 축소를 기할 수 있게 해 줌으로써 보다 적은 수의 경제지표를 가지고도 분류성능을 90.0%에서 92.22%로 향상을 기하는 가운데 효율적인 예측기능을 수행할 수 있음이 입증되었다.
본 논문에서는 정상인의 정신적인 뇌 활동에 의한 순수한 뇌파를 측정하고 효과적으로 분류하기 위한 방법을 제시한다. 과정은 대상자가 특정한 작업에 대해 생각하게 하고 이때의 뇌파를 청각이벤트에 동기시켜 측정하고, 측정된 뇌파의 기준선의 이동과, 생리적인 아티펙트의 영향을 줄인다. 마지막으로, 평균가산법에 의해 정신적인 작업에 대한 신호만을 추출하고 AR 계수를 가지고 인식작업을 수행한다. 실험에서, 청각자극을 이벤트로 사용하였으며, 뇌파의 도출은 $C_3-A_1$, $C_4-A_2$, $P_Z-A_1$의 3채널에서 기록하였다. 각 채널당 16회의 평균가산후에, 12차 AR계수로 특정한 정신적인 작업에 대한 특징을 추출하였다. 전체 36개의 특징계수를 신경망의 입력으로 사용하고, 각 작업 당 50회를 훈련데이터로 사용하였다. 제안한 방법의 인식률은 2종류 작업에 대해 34-92%, 4종류 작업에 대해 38-54%를 얻었다.
가시광 영역에서 해수의 원격반사($R_{rs}$)도 및 수출광(water leaving radiance: Lw) 스펙트럼 크기를 해수의 광 특성(흡광도; a, 역산란; $b_b$)에 영향을 가장 크게 미치는 3개 물질 즉, 클로로필, 무기성 부유입자, 용해유기물의 량으로 모델링 하였다. 모델은 간략하게 $R_{rs}$=0.046 $b_b$/(a+$b_b$)로 주어졌으며, 모델의 대상 해역은 광특성이 전혀 다른 적조 발생해역, 맑은 해수, 탁수해역으로 나우어 연구하였다. 모델로 얻어진 원격반사도는 형장 관측치와 스펙트럼의 모양, 값의 분포 및 기존의 해색 클로로필 알고리즘 등으로 비교하여 모델의 타당성을 검증하였다. 결과는 아주 다양한 광 특성을 같은 해양이라 하여도 본 연구의 모델은 거의 완벽하게 해색 스펙트럼, 원격반사도 혹은 water leaving radiance(Lw)를 재현할 수 있는 것으로 나타났다. 본 모델은 앞으로 OSMI와 같은 해색위성 알고리즘 개발, CASE-II water 알고리즘, neural network 알고리즘 개발에 크게 기여할 것으로 사료되며 그 외에도 해색 대기보정 모델 개발에서 대기 신호의 정밀 보정에 활용될 수 있을 것으로 기대된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.