• 한국정보전자통신기술학회논문지
• /
• 제16권5호
• /
• pp.331-337
• /
• 2023

본 논문에서는 근감소증의 발병 여부와 정도를 확인하기 위해 3번 요추부 (L3) CT 영상을 검출하는 딥러닝 모델을 제안하는 것이다. 또한, CT 데이터 내에 L3 레벨과 L3 레벨이 아닌 부분의 데이터 불균형으로 인한 성능 저하의 문제점을 오버샘플링 비율과 클래스 가중치를 설계변수로 하는 최적화 기법을 제시하고자 한다. 모델 학습 및 검증을 위하여 강릉아산병원에 내원한 전립선암 환자 104명, 방광암 환자 46명의 총 150명의 전신 CT 영상이 활용되었다. 딥러닝 모델은 ResNet50을 활용하였으며, 최적화기법의 설계변수로는 모델 하이퍼파라미터 5종과 데이터 증강비율 및 클래스 가중치로 선정하였다. 제안하는 최적화 기반의 L3 레벨 추출 모델은 대조군 (하이퍼파라미터 5종만을 최적화한 모델)과 비교하여 중간 L3 오차가 약 1.0 슬라이스 감소한 것을 확인할 수 있었다. 본 연구결과를 통하여 정확한 L3 슬라이스 검출이 가능하며, 추가적으로 데이터 증강을 통한 오버 샘플링과 클래스 가중치 조절을 통해 데이터 불균형 문제를 효과적으로 해결할 수 있는 가능성을 제시할 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.127-130
• /
• 2022

본 논문은 생성자 손실함수를 이용한 가창 음성합성 모델링에 대한 연구로서 기존 이미지 생성에 최적화된 딥러닝 알고리즘 중 BEGAN모델을 오디오 생성모델(SVS모델)에 적용시킬 때 발생할 수 있는 여러 요인에 대해 분석하고 최적의 품질을 도출하기 위한 실험을 수행하였다. 특히 BEGAN 기반 모델에서 제안된 L1 loss가 어느 시점에서 감마(𝛾)파라미터의 역할을 상실하게 한다는 점을 개선하고자 알파(𝛼)파라미터를 추가한 후 각 파라미터 값들의 구간별 실험을 통해 최적의 값을 찾아냄으로써 가창합성 생성물의 품질향상에 기여할 수 있음을 확인하였다.

• Nuclear Engineering and Technology
• /
• 제44권6호
• /
• pp.663-672
• /
• 2012

As software based digital I&C (Instrumentation and Control) systems are used more prevalently in nuclear plants, enhancement of software dependability has become an important issue in the area of nuclear I&C systems. Critical attributes of software dependability are safety and reliability. These attributes are tightly related to software failures caused by faults. Software testing and V&V (Verification and Validation) activities are hence important for enhancing software dependability. If the risky modules of safety-critical software can be predicted, it will be possible to focus on testing and V&V activities more efficiently and effectively. It should also make it possible to better allocate resources for regulation activities. We propose a prediction technique to estimate risky software modules by adopting machine learning models based on software complexity metrics. An empirical study with various machine learning algorithms was executed for comparing the prediction performance. Experimental results show SVMs (Support Vector Machines) perform as well or better than the other methods.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권3호
• /
• pp.176-181
• /
• 2007

This paper presents evolvable neural networks based on a developmental model for navigation control of autonomous mobile robots in dynamic operating environments. Bio-inspired mechanisms have been applied to autonomous design of artificial neural networks for solving practical problems. The proposed neural network architecture is grown from an initial developmental model by a set of production rules of the L-system that are represented by the DNA coding. The L-system is based on parallel rewriting mechanism motivated by the growth models of plants. DNA coding gives an effective method of expressing general production rules. Experiments show that the evolvable neural network designed by the production rules of the L-system develops into a controller for mobile robot navigation to avoid collisions with the obstacles.

• 한국지능시스템학회논문지
• /
• 제25권4호
• /
• pp.319-326
• /
• 2015

최근들어, 확률론적 최적제어(stochastic optimal control) 및 강화학습(reinforcement learning) 분야에서는 데이터를 활용하여 준최적 제어 전략을 찾는 문제를 위한 많은 연구 노력이 있어 왔다. 가치함수(value function) 기반 동적 계획법(dynamic programming)으로 최적제어기를 구하는 고전적인 이론은 확률론적 최적 제어 문제를 풀기위해 확고한 이론적 근거 아래 확립된바 있다. 하지만, 이러한 고전적 이론은 매우 간단한 경우에만 성공적으로 적용될 수 있다. 그러므로, 엄밀한 수학적 분석 대신에 상태 전이 및 보상 신호 값 등의 관련 데이터를 활용하여 준최적해를 구하고자 하는 데이터 기반 현대적 접근 방법들은 실용적인 응용분야에서 특히 매력적이다. 본 논문에서는 확률론적 최적제어 전략과 근사적 추론 및 기계학습 기반 데이터 처리 방법을 접목하는 방법론들을 고려한다. 그리고 이러한 고려를 통하여 얻어진 방법론들을 금융공학을 포함한 다양한 응용 분야에 적용하고 그들의 성능을 관찰해보도록 한다.

• 한국과학교육학회지
• /
• 제24권6호
• /
• pp.1094-1105
• /
• 2004

이 연구는 중학교 8학년 과학 '지구의 역사와 지각 변동' 단원에서 ICT 활용 수업 과정안을 개발 적용하여 ICT 활용 수업이 학생의 과학 탐구 능력과 과학에 관련된 정의적 특성에 미치는 효과를 알아보는 데 그 목적이 있다. 이 연구를 위해 충청남도에 소재한 D 중학교 2학년 2개 학급을 선정하고 교수-학습 방법을 달리하여 약 6주간 수업하였다. 1개 학급은 실험집단으로 ICT 수업 과정 안을 개발하여 lCT를 활용한 수업을 실시하였으며, 1개 학급은 통제집단으로 교과서 위주의 전통적 방법으로 수업하였다. 학습을 하기 1주일 전에 두 집단을 대상으로 과학 탐구 능력과 과학에 관련된 정의적 특성에 대한 사전 검사를 실시하였으며, 수업이 끝난 뒤에 사후 검사를 실시하였다. 그 결과, lCT를 활용한 실험집단과 전통적 학습을 실시한 통제집단의 과학 탐구 능력 검사에서는 실험 집단에서 유의미한 차이가 나타났다. 또한, 과학에 관련된 정의적 특성에 대한 검사에서 실험집단에서 통계적으로 유의미한 차이가 나타나지는 않았지만, 3개의 과학에 관련된 특성 범위 중에서 흥미 범위에서는 통계적으로 유의미한 차이가 나타났다. 이는 lCT 활용 수업이 학생들의 과학에 관련된 정의적 특성에도 긍정적인 효과가 있음을 시사하는 것이다.

• 영어어문교육
• /
• 제11권1호
• /
• pp.17-36
• /
• 2005

The purpose of this study is to examine the ways in which CALL apply to enhance the motivational aspects of second language learning. Theories relevant to social, cognitive, and affective foundations of motivation are first reviewed to demonstrate the important role of motivational influences in improving learners' affect and achievements. Then, implications arising from such theories in strengthening the motivational aspects of CALL are explicated in the second part. With the spread of computer technology in language classrooms, the innovative role of CALL in the development and maintenance of intrinsic motivation can be illustrated. Specifically, CALL may provide cognitively supportive instruction geared towards improving students' performance. Also, it has been reported from the affective perspective that CALL can captivate learners' attention, promote their feelings and expectations of success, improve perceptions of control, and increase positive attributions to effort and ability. Finally, from a social learning perspective, CALL may enhance learners' self-efficacy and foster their achievement and positive affect through social interactions, proximal goal-setting, and attributional feedback. In the framework of CALL, students seem to be benefited by the immediacy and authenticity of contact with target languages and cultures made at their choices and decisions.

• 한국멀티미디어학회논문지
• /
• 제24권5호
• /
• pp.667-675
• /
• 2021

The treatments for symptoms of Alzheimer's disease are being provided and for the early diagnosis several researches are undergoing. In this regard, by using T1-weighted images several classification techniques had been proposed to distinguish among AD, MCI, and Healthy Control (HC) patients. In this paper, we also used some traditional Machine Learning (ML) approaches in order to diagnose the AD. This paper consists of an improvised feature selection method which is used to reduce the model complexity which accounted an issue while utilizing the ML approaches. In our presented work, combination of subcortical and cortical features of 308 subjects of ADNI dataset has been used to diagnose AD using structural magnetic resonance (sMRI) images. Three classification experiments were performed: binary classification. i.e., AD vs eMCI, AD vs lMCI, and AD vs HC. Proposed Feature Selection method consist of a combination of Principal Component Analysis and Recursive Feature Elimination method that has been used to reduce the dimension size and selection of best features simultaneously. Experiment on the dataset demonstrated that SVM is best suited for the AD vs lMCI, AD vs HC, and AD vs eMCI classification with the accuracy of 95.83%, 97.83%, and 97.87% respectively.

• 농업과학연구
• /
• 제46권2호
• /
• pp.381-393
• /
• 2019

A smart farm is a system that combines information and communication technology (ICT), internet of things (IoT), and agricultural technology that enable a farm to operate with minimal labor and to automatically control of a greenhouse environment. Machine learning based on recently data-driven techniques has emerged with big data technologies and high-performance computing to create opportunities to quantify data intensive processes in agricultural operational environments. This paper presents research on the application of machine learning technology to diagnose the growth status of crops and predicting the harvest time of strawberries in a greenhouse according to image processing techniques. To classify the growth stages of the strawberries, we used object inference and detection with machine learning model based on deep learning neural networks and TensorFlow. The classification accuracy was compared based on the training data volume and training epoch. As a result, it was able to classify with an accuracy of over 90% with 200 training images and 8,000 training steps. The detection and classification of the strawberry maturities could be identified with an accuracy of over 90% at the mature and over mature stages of the strawberries. Concurrently, the experimental results are promising, and they show that this approach can be applied to develop a machine learning model for predicting the strawberry harvesting time and can be used to provide key decision support information to both farmers and policy makers about optimal harvest times and harvest planning.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 C
• /
• pp.1170-1172
• /
• 1999

HALS(Hypermidia Aided Learning System) is very useful computer networking educational system in high information society, and was developed by Kyungwon University. This system has three characteristics; 1) face-to-face learning, 2) ultra-high-speed information networking, 3) web-based hypermedia courseware. So, the purpose of this paper is to introduce the application to university educational program(electrical engineering: electric power system, control system). For this purpose it is described the definition and characteristics of HALS. Next, it is represented the model of electrical engineering educational program applied to HALS and the developed courseware.