• 대한임베디드공학회논문지
• /
• 제19권6호
• /
• pp.291-298
• /
• 2024

This paper proposes a vision-based centering direction inference system designed to enhance the accuracy of equipment alignment during the initial setup phase of catheter manufacturing. This system addresses the challenges of centering tasks that are prone to human error and variability, aiming to significantly improve the reliability and efficiency of the production process. Through the construction of a comprehensive catheter centering dataset, this study employs the advanced capabilities of the SAM2 (Segment Anything Model 2) to extract precise mask data from catheter material extrusion sequences. These masks provide detailed insights into the positional changes from the initial to the final frame, which are essential for inferring the accurate centering direction. The algorithm developed categorizes the centering direction into three distinct classes: 'Normal', 'Right', and 'Left'. It demonstrates robust performance with an accuracy of approximately 88.8% showcasing the system's effectiveness across different material types. This level of accuracy is crucial for ensuring the quality and consistency of catheter products. Moreover, the paper discusses the potential for future research to expand the application of the SAM2 algorithm to enhance centering precision for a broader range of materials and catheter shapes. The ongoing development of this technology is expected to further automate and refine manufacturing processes, pushing the boundaries of what is currently achievable in high-precision manufacturing environments. The implementation of such advanced manufacturing technologies not only streamlines production but also facilitates a shift towards smarter manufacturing practices.

• Asian Pacific Journal of Cancer Prevention
• /
• 제15권19호
• /
• pp.8371-8376
• /
• 2014

Background: The use of statistical methods has become an imperative tool in breast cancer survival data analysis. The purpose of this study was to develop the best statistical probability model using the Bayesian method to predict future survival times for the black non-Hispanic female breast cancer patients diagnosed during 1973-2009 in the U.S. Materials and Methods: We used a stratified random sample of black non-Hispanic female breast cancer patient data from the Surveillance Epidemiology and End Results (SEER) database. Survival analysis was performed using Kaplan-Meier and Cox proportional regression methods. Four advanced types of statistical models, Exponentiated Exponential (EE), Beta Generalized Exponential (BGE), Exponentiated Weibull (EW), and Beta Inverse Weibull (BIW) were utilized for data analysis. The statistical model building criteria, Akaike Information Criteria (AIC), Bayesian Information Criteria (BIC), and Deviance Information Criteria (DIC) were used to measure the goodness of fit tests. Furthermore, we used the Bayesian approach to obtain the predictive survival inferences from the best-fit data based on the exponentiated Weibull model. Results: We identified the highest number of black non-Hispanic female breast cancer patients in Michigan and the lowest in Hawaii. The mean (SD), of age at diagnosis (years) was 58.3 (14.43). The mean (SD), of survival time (months) for black non-Hispanic females was 66.8 (30.20). Non-Hispanic blacks had a significantly increased risk of death compared to Black Hispanics (Hazard ratio: 1.96, 95%CI: 1.51-2.54). Compared to other statistical probability models, we found that the exponentiated Weibull model better fits for the survival times. By making use of the Bayesian method predictive inferences for future survival times were obtained. Conclusions: These findings will be of great significance in determining appropriate treatment plans and health-care cost allocation. Furthermore, the same approach should contribute to build future predictive models for any health related diseases.

• 한국지능시스템학회논문지
• /
• 제12권6호
• /
• pp.571-576
• /
• 2002

본 논문에서는 여러 분야에서 널리 응용되고 있는 적응 뉴로-퍼지 시스템(ANFIS)의 성능 개선에 있어서 전제부 파라미터를 효과적으로 초기화 시키는 방법을 제안한다. 기존의 그리드 분할을 이용한 입력공간 선택 방법은 ANFIS의 규칙 생성에 있어서 얻어진 규칙의 수가 지수적으로 증가하는 단점이 있다. 이에, 본 연구에서는 GMM에서의 최대우도추정을 이용한 EM 알고리즘을 통하여 초기치에 의하여 성능의 영향이 좌우되는 ANFIS의 입력으로 주어 제안된 클러스터링 기법에 의하여 모델의 성능을 개선하고자 한다. 제안된 방법의 클러스터링 방법은 통계적 방법에 근거하여 좋은 성능의 파라미터를 획득할 수 있어 주어진 모델에 대한 ANFIS의 성능을 개선할 수 있다. 이들 방법의 유용함을 전형적인 다변수 비선형 데이터인 자동차 연료 예측 문제와 정수장 응집제 주입 문제에 적용하여 제안된 방법이 이전의 연구보다 성능이 개선되는 것을 통하여 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.59-68
• /
• 2022

본 논문은 주어진 현품 영상과 도면 영상의 유사도를 비교하여 1:1 검증을 위한 방법을 제시한 것으로, CNN(Convolutional Neural Network) 기반의 딥러닝 모델을 두 개로 결합하여 Siamese Net을 구성하고 현품 영상과 도면 영상(정면도, 좌우 측면도, 평면도 등)을 같은 제품이면 1로 다른 제품이면 0으로 학습하며, 추론은 현품 영상과 도면 영상을 쌍으로 질의하여 해당 쌍이 같은 제품인지 아닌지를 판별하는 딥러닝 모델을 제안한다. 현품 영상과 도면 영상과의 유사도가 문턱 값(Threshold: 0.5) 이상이면 동일한 제품이고, 문턱 값 미만이면 다른 제품이라고 판별한다. 본 연구에서는 질의 쌍으로 동일제품의 현품 영상과 도면 영상이 주어졌을 때(긍정 : 긍정) "동일제품"으로 판별할 정확도는 약 71.8%로 나타났고, 질의 쌍으로 다른 현품 영상과 도면 영상이 주어졌을 때(긍정: 부정) "다른제품"으로 판별할 정확도는 약 83.1%를 나타내었다. 향후 제안한 모델에 파라미터 최적화 연구를 접목하고 데이터 정제 등의 과정을 추가하여 현품 영상과 도면 영상의 매칭 정확도를 높이는 연구를 진행할 예정이다.

• 한국시뮬레이션학회논문지
• /
• 제18권2호
• /
• pp.29-38
• /
• 2009

이기종의 자원들로 이루어진 컴퓨팅 환경에서 효율적인 자원 활용과 대용량의 데이터를 고속으로 처리하기 위해서는 실시간으로 변화하는 자원의 상태에 따라 대처 할 수 있는 동적인 작업 스케줄링 모델이 필요하다. 현재 이기종의 자원들에게 작업을 어떻게 분배 및 할당 할 것인지에 대하여 많은 자원 평가 방법 및 휴리스틱 기법들이 연구되었으나 이러한 방법들은 표준언어를 사용하지 않기 때문에 시스템 호환 및 확장에 어려움이 많다. 또한 다양한 자원들의 상태가 실시간으로 동적으로 변화하기 때문에 기존 연구에서 제안한 방법으로는 효율적인 처리가 불가능하거나 자원의 상태 변화에 동적으로 대처할 수 없다. 본 논문은 이러한 기존 연구들의 문제에 대한 해결책으로 W3C에서 제정한 온톨로지 표준 언어인 OWL을 이용하여 자원 온톨로지를 구축함으로써 이기종의 자원 관리를 손쉽게 할 수 있으며, 자원의 동적인 변화에 따라 작업 스케줄링하는 방법을 지식기반의 다양한 규칙들로 정의하여 추론을 통해서 최적의 자원에게 작업을 할당하는 시멘틱 컴퓨팅 기반의 동적 작업 스케줄링 모델을 제안한다. 시뮬레이션 실험 결과는 본 논문에서 제안한 작업 스케줄링 모델이 기존 모델에 비하여 낮은 작업 손실과 높은 작업 처리율 및 짧은 응답시간을 제공함으로써 이기종의 자원들로 구성된 시스템 전반에 걸쳐 안정적이고 고속의 데이터 처리를 제공할 수 있다는 사실을 증명한다.

• 해양환경안전학회지
• /
• 제30권2호
• /
• pp.147-156
• /
• 2024

수산자원의 지속 가능한 관리와 증대는 전 세계적으로 중요한 이슈로 부상하고 있으며, 본 연구는 이에 대응하는 한국수산자원공단의 수산자원 현존량 추정을 위한 딥러닝 기반 수산자원 증대사업 효과조사 기법 개발을 위해 구성 기술 중 하나인 어류 탐지 및 분류 모델 구축과 성능 비교를 수행하였다. 다양한 크기의 YOLOv8-Seg 모델에 어류 이미지 데이터셋을 학습한 후 각 성능평가 지표를 비교 분석하여 적용 가능한 최적의 모델을 선정하고자 하였다. 모델 구축에 사용된 자료는 총 12종의 어류로 이루어진 36,749장의 이미지와 라벨 파일로 이루어지며, 학습에는 증강을 적용하여 데이터의 다양성을 증가시켰다. 동일한 환경 및 조건에서 총 다섯 개의 YOLOv8-Seg 모델을 학습 및 검증한 결과 중간 크기의 YOLOv8m-Seg 모델이 가장 짧은 13시간 12분의 학습 시간과 mAP_50:95 0.933, 추론 속도 9.6 ms로 높은 학습 효율성과 우수한 탐지 및 분류 성능을 보였으며, 각 지표 간의 균형을 고려할 때 실시간 처리 요구사항을 충족하는 가장 효율적인 모델로 평가되었다. 이와 같은 실시간 어류 탐지 및 분류 모델을 활용하여 효율적인 수산자원 증대사업의 효과조사가 가능할 것으로 보이며, 지속적인 성능 개선 및 추가적인 연구가 필요할 것으로 사료된다.

• 대한수학교육학회지:수학교육학연구
• /
• 제21권4호
• /
• pp.327-344
• /
• 2011

본 연구는 고등학교 수학교과에서 배우는 모평균의 신뢰구간 구하기와 같은 통계적 추론 능력을 기르기 위한 방안의 첫 단계연구이다. 통계적 추론과정을 비판적으로 분석하여 신뢰할만한 추론방법으로 이를 인정할 수 있는 표본개념의 형성을 위해, 연구자들은 우연과 필연, 귀납과 연역, 가능성원리, 통계량의 변이성, 통계적 모형 등의 하위 개념들이 형성되어야 한다고 보았다. 그리고 초중등 통계단원의 전 과정에서 이들 개념의 체계적인 발달을 도모해야 한다는 전제 아래, 초 중 고등학교 통계단원을 분석해 본 결과는 아래와 같았다. 첫째, 문제해결 방법 선택의 지도와 관련하여, 통계적 방법을 선택할 문제 상황으로서, 우연적 상황을 필연적 상황과 구분하기위한 설명이 있는 교과서가 초등학교에는 없고, 중등 수준에서도 매우 드물었다. 둘째 표본의 모집단 관련 의미를 이해시키려는 단계적 준비가 미흡하다고 할 수 있다. 전체와 부분의 모집단과 표본 구분이 고등학교에서 비로소 공식화되고 있으며, 초 중학교에서 사용되는 표본자료는 그것으로부터 얻어지는 계산적 결과에만 초점이 맞추어짐으로서, 학년이 올라감에 따라 모집단을 향한 귀납적 추론의 신뢰성에 대한 비판적 사고의 깊이가 더해지는 모습을 찾아보기 어려웠다. 셋째, 무작위 추출이 갖는 대표성의 의미에 대한 설명보다는 무작위 활동 자체에 대한 설명이 중심이 됨으로서 무작위 추출의 확률적 의미, 즉 무작위 표본을 통해 구해질 통계량의 표집분포에서의 (상속된) 무작위성을 위한 담보로서의 목적에 대한 설명이 없다는 점이다. 넷째 통계적 추론을 수학(연역)적 추론과 구분해 주는 설명이 없을 뿐 아니라, 학습자의 논리성 발달 수준에 맞게 변화하는 가능성원리에 대한 설명, 적용 등을 전혀 찾기 어렵다는 점이다. 다섯째 통계량의 우연변이성과 그에 따른 표집분포의 존재에 대한 이해를 추구하는 설명을 찾기 어렵다는 점이다. 표집분포를 수학적으로 구하는 것은 매우 어려운 과정이지만, 그것의 존재를 인식하느냐 못하느냐는 통계적 추론 자체의 이해 가능성을 달리하는 중요한 문제이기 때문이다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.149-162
• /
• 2014

수강지도는 학생의 졸업인증이나 공학교육인증 이수를 위해 수강 신청 이전에 수행되는 과정을 지칭한다. 수강지도는 학생의 수강이력 점검과 향후 수강 과목의 안내 등을 포함하여 학생들의 졸업 및 교과과정 인증과 관련된 중요한 역할을 하고 있다. 현재 대부분 대학에서는 수강지도를 위한 전산시스템의 부재로 인해 지도교수가 직접 수동적으로 수강지도를 진행하고 있다. 하지만 이러한 수동적인 방식의 수강지도는 지도교수가 각 학생에 대한 정보를 분석해야 하고, 때때로 휴먼에러를 일으키게 된다. 수강신청이 학기 단위로 이루어지기 때문에 휴먼에러로부터 발생된 피해는 원상태로 되돌리는 것이 거의 불가능하다. 따라서 수강지도를 진행함에 있어 자동화된 시스템은 필수적인 요소로 판단된다. 관계 데이터 모델을 이용한 수강지도 시스템의 도입은 수동적인 수강지도의 문제점을 해결할 수 있게 해준다. 하지만 교육과정 및 인증제도의 변화에 따라 기존 시스템의 스키마 변경이 요구되고, 수강 과목 사이에 존재하는 관계 및 의미적인 검색을 제공하는 것이 어렵다는 한계가 존재한다. 본 논문에서는 수강지도 시스템을 위한 수강지도 온톨로지를 모델링하고, 온톨로지 기반의 수강지도 시스템을 설계한다. 온톨로지 인스턴스 생성을 위해 JENA 프레임워크를 이용하여 온톨로지 생성 모듈을 개발하였고, 실험에 참가한 학생의 수강 이력 데이터를 기반으로 온톨로지 인스턴스를 생성하고 추론과정을 통해 트리플 저장소에 저장하였다. 실험은 제안하는 시스템이 학생들이 향후 수강할 수 있는 과목을 모두 제공하는지 여부와 제공되는 과목에 대한 정보 및 학점 계산들이 정확한 지를 측정하였다. 실제 학생의 수강내역을 이용한 실험의 결과는 온톨로지 기반의 수강지도 시스템이 현 수강지도 시스템의 수동적 방법을 해결하고, 사람이 지도한 내용과 같은 내용을 도출하는 것을 확인함으로써 제안하는 시스템의 유효성을 보여준다.

• 대한토목학회논문집
• /
• 제32권4B호
• /
• pp.221-232
• /
• 2012

본 연구에서는 이상홍수 발생 시 저수지의 안전성을 확보함과 동시에 두 개의 저수지를 효율적으로 연계운영하여 하류의 홍수피해를 줄이기 위한 모형을 개발하였다. 이상홍수 발생 시 저수지 최적연계운영을 위해 선형계획법을 사용하였고, 저수지 운영에서 유입량, 저수지 수위, 유입량의 증감 등의 요소에 포함된 불확실성을 해결하기 위해 퍼지제어기법을 도입하였다. 선형계획법을 이용하여 이상홍수 유입에 따른 저수지 최적연계운영규칙을 찾아내고, 퍼지제어기법을 사용하여 신속하고 정교한 운영이 요구되는 이상홍수 유입상황에 사용할 수 있는 모형을 개발하였다. 본 연구에서는 낙동강 상류에 위치한 안동댐과 임하댐을 대상으로 각 댐의 저수지에 100년 빈도의 홍수와 PMF가 유입될 때 안동시의 계획홍수량을 초과하지 않도록 저수지최적연계운영을 실시하였고, 최적연계운영규칙과 퍼지제어기법을 사용하여 댐 하류지점의 유량과 각 댐별 저류량, 유입량, 유입량의 증감에 따라 방류량을 결정하는 모형을 개발하였다. 개발된 모형은 안동댐과 임하댐의 각 저수지 및 안동시의 유황에 따라 결정되는 224개의 퍼지규칙으로 정리되었으며, GUI를 통해 현재 유황을 입력하면 각 댐의 방류량을 간단히 결정할 수 있다.

• 한국시뮬레이션학회논문지
• /
• 제17권2호
• /
• pp.31-47
• /
• 2008

W3C에서 표준 온톨로지 서술 언어로 OWL을 채택함에 따라 많은 온톨로지들이 OWL로 기술 및 구현되고 있다. 이와 관련된 기술 중 Jena는 HP에서 개발한 API로서 저장소는 물론 추론 엔진을 개발할 수 있는 다양한 API를 제공하고 있으며 현재 많은 시스템 개발에 이용되고 있다. 그러나 Jena2의 저장 모델은 단일 테이블에 문서의 정보를 저장하기 때문에 대용량의 온톨로지 데이터 처리에 있어 성능이 저하되는 문제점을 지닌다. 무엇보다 클래스와 프로퍼티의 계층적 구조를 고려하지 않기 때문에 계층 구조를 이용한 질의 처리 시 잦은 조인 연산으로 인해 성능이 급격하게 저하된다. 따라서 본 논문에서는 이러한 문제점들을 해결하기 위해 기존의 Jena2 API를 그대로 이용하면서 Plug-in 형식으로 적용할 수 있는 새로운 OWL 온톨로지 관계형 데이터베이스 모델을 제안한다. 제안 모델은 클래스(Class), 프로퍼티(Property), 인스턴스(Instance)의 정보들을 의미적으로 분류하여 저장하며 계층적 정보들에 대해서도 개별적으로 관리함으로써 질의 처리 성능을 향상시킨다. 또한 기존모델과 이 논문에서 제안하는 모델과의 실험 및 시뮬레이션을 통해 비교 분석 한다. 실험 및 시뮬레이션 결과에서, 제안 시스템이 Jena2보다 나은 성능을 보였다.