• 한국멀티미디어학회논문지
• /
• 제23권9호
• /
• pp.1129-1138
• /
• 2020

The performance of convolutional deep learning networks is generally determined according to parameters of target dataset, structure of network, convolution kernel, activation function, and optimization algorithm. In this paper, a genetic algorithm is used to select the appropriate deep learning model and parameters for Alzheimer's classification and to compare the learning results with preliminary experiment. We compare and analyze the Alzheimer's disease classification performance of VGG-16, GoogLeNet, and ResNet to select an effective network for detecting AD and MCI. The simulation results show that the network structure is ResNet, the activation function is ReLU, the optimization algorithm is Adam, and the convolution kernel has a 3-dilated convolution filter for the accuracy of dementia medical images.

• 응용통계연구
• /
• 제27권3호
• /
• pp.445-459
• /
• 2014

일반적으로 특정한 작업에 익숙해진다는 것은 그 작업에 투입되는 노력에 비해 산출되는 성과가 보다 뚜렷해진다는 것을 의미한다. 동일한 양이나 정도의 노력을 들여 특정한 작업을 반복적으로 수행하게 되면 초기 시점보다 원하는 성과를 기대 이상으로 얻게 된다는 것을 의미한다. 이를 학습곡선효과(learning-curve effects)'라고 한다. 본 연구에서는 특정한 작업을 반복시행한 결과가 개수형인 형태로 측정되는 변수에 대해 (역)S자 형태를 가지는 통계적 모형을 적용하고자 한다. 다양한 모의실험 하에서의 모형의 성능을 평가하고 특정질환으로 인한 사망자 자료에 적합하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권11호
• /
• pp.5496-5521
• /
• 2018

Object detection and tracking is the basic capability of mobile robots to achieve natural human-robot interaction. In this paper, an object tracking system of mobile robot is designed and validated using improved multiple instance learning algorithm. The improved multiple instance learning algorithm which prevents model drift significantly. Secondly, in order to improve the capability of classifiers, an active sample selection strategy is proposed by optimizing a bag Fisher information function instead of the bag likelihood function, which dynamically chooses most discriminative samples for classifier training. Furthermore, we integrate the co-training criterion into algorithm to update the appearance model accurately and avoid error accumulation. Finally, we evaluate our system on challenging sequences and an indoor environment in a laboratory. And the experiment results demonstrate that the proposed methods can stably and robustly track moving object.

• 한국농공학회논문집
• /
• 제63권1호
• /
• pp.11-25
• /
• 2021

The objective of this study was to analyze the impact of activation functions on flood forecasting model based on Artificial neural networks (ANNs). The traditional activation functions, the sigmoid and tanh functions, were compared with the functions which have been recently recommended for deep neural networks; the ReLU, leaky ReLU, and ELU functions. The flood forecasting model based on ANNs was designed to predict real-time runoff for 1 to 6-h lead time using the rainfall and runoff data of the past nine hours. The statistical measures such as R2, Nash-Sutcliffe Efficiency (NSE), Root Mean Squared Error (RMSE), the error of peak time (ETp), and the error of peak discharge (EQp) were used to evaluate the model accuracy. The tanh and ELU functions were most accurate with R2=0.97 and RMSE=30.1 (㎥/s) for 1-h lead time and R2=0.56 and RMSE=124.6~124.8 (㎥/s) for 6-h lead time. We also evaluated the learning speed by using the number of epochs that minimizes errors. The sigmoid function had the slowest learning speed due to the 'vanishing gradient problem' and the limited direction of weight update. The learning speed of the ELU function was 1.2 times faster than the tanh function. As a result, the ELU function most effectively improved the accuracy and speed of the ANNs model, so it was determined to be the best activation function for ANNs-based flood forecasting.

• KNOM Review
• /
• 제23권1호
• /
• pp.34-42
• /
• 2020

NFV (Network Function Virtualization) 환경에서는 소프트웨어로 구현된 가상 네트워크 기능 (VNF: Virtualized Network Function)을 범용 서버에 설치하는 것으로 네트워크 기능을 제공한다. 네트워크 관리자는 VNF를 네트워크 토폴로지 상 적절한 위치의 서버에 배치하고 상황에 따라 동적으로 관리함으로써, 다양한 네트워크 상황에 대해 신속하고 유연하게 대응할 수 있다. 하지만 여러 네트워크 조건 (서비스 비용 및 품질) 등을 고려하는 것은 매우 복잡하고 어려운 문제이며, 특히 결정된 배치를 실제 NFV 환경에 적용하는 데는 처리 시간이 소요되기 때문에, 최적의 VNF 배치를 위해서는 필요한 자원량을 예측하여 VNF 배치를 결정하는 것이 필요하다. 본 논문에서는 MEC (Multi-access Edge Computing) 토폴로지에서 서비스 요청을 무작위로 생성하여 ILP (Integer Linear Programming) 모델을 통해 시뮬레이션한 결과를 학습데이터로 사용하는 기계학습 모델을 도출한다. 도출된 예측 모델은 5분 이후의 미래 시점에 대해 ILP 솔루션 결과 대비 90% 이상의 정확도를 보였다.

• 한국인터넷방송통신학회논문지
• /
• 제9권2호
• /
• pp.1-6
• /
• 2009

많은 양의 데이터로부터 유용성있는 정보의 추출, 진단 및 예후에 대한 결정, 질병 치료의 응용 등은 바이오 인포머틱스(Bioinformatics)분야에서 매우 중요한 문제들이다. 본 논문에서는 암진단시스템에 적용하기위해 support vector machine을 위한 weogjted lernel fuction과 빠른 수렴성과 좋은 분류성능을 갖는 학습방법을 제안하였다. 제안된 kernel function에서 기본적인 kernel fuction의 weights는 암진단 학습단계에서 결정되고 분류단계에서 파리미터로 사용된다. 대장암 데이터와 같은 임상 데이터에 대한 실험결과에서 제안된 방법은 기존의 다른 kernel fuction들 보다 더 우수하고 안정적인 분류성능을 보여주었다.

• 한국컴퓨터정보학회논문지
• /
• 제25권10호
• /
• pp.15-22
• /
• 2020

본 연구에서는 가중치 오차 함수를 적용하여, 미세한 콘크리트 균열을 감지하는 U-Net 모델을 만들 수 있도록 개선 방안을 제안한다. 콘크리트 균열은 안전을 위협하는 요소이기 때문에 그 상태를 주기적으로 파악하고 신속하게 초기 대응을 하는 것이 중요하다. 하지만 현재는 점검자가 직접 육안으로 검사하고 평가하는 외관 검사법이 주로 사용되고 있다. 이는 정확성뿐만 아니라 비용과 시간, 안전성 측면에서도 한계점을 가진다. 이에 콘크리트 구조물에 생성되는 미세한 균열을 신속하고 정밀하게 탐지할 수 있도록 딥러닝을 활용한 기술들이 연구되고 있다. 본 연구에서 U-Net을 활용한 균열 탐지를 시도한 결과, 미세한 균열을 탐지하지 못하는 것을 확인하였다. 이에 제시한 가중치 오차 함수를 적용하여 학습한 모델에 대해 성능을 검증한 결과, 정확도(Accuracy) 99% 이상, 조화평균(F1_Score) 89%에서 92%의 신뢰성 높은 수치를 도출해내었고, 미세한 균열을 정확하고 선명하게 탐지한 결과를 통해 학습 개선 방안의 성능을 검증하였다.

• 대한전기학회논문지:전력기술부문A
• /
• 제53권12호
• /
• pp.637-644
• /
• 2004

This paper proposes an expert system with the knowledge learning capability which can enhance the safety and effectiveness of substation operation in the automated substation as well as existing substation by inferring multiple events such as main transformer fault, busbar fault and main transformer work schedule under multiple inference mode and multiple objective mode and by considering totally the switch status and the main transformer operating constraints. Especially inference mode includes the local minimum tree search method and pattern recognition method to enhance the performance of real-time bus reconfiguration strategy. The inference engine of the expert system consists of intuitive inferencing part and logical inferencing part. The intuitive inferencing part offers the control strategy corresponding to the event which is most similar to the real event by searching based on a minimum distance classification method of pattern recognition methods. On the other hand, logical inferencing part makes real-time control strategy using real-time mode(best-first search method) when the intuitive inferencing is failed. Also, it builds up a knowledge base or appends a new knowledge to the knowledge base using pattern learning function. The expert system has main transformer fault, main transformer maintenance work and bus fault processing function. It is implemented as computer language, Visual C++ which has a dynamic programming function for implementing of inference engine and a MFC function for implementing of MMI. Finally, it's accuracy and effectiveness is proved by several event simulation works for a typical substation.

• KNOM Review
• /
• 제21권2호
• /
• pp.1-9
• /
• 2018

네트워크 가상화 (Network virtualization)는 물리 네트워크상에서 각 사용자 별로 독립된 가상의 네트워크 환경을 생성하는 기술을 지칭한다. 네트워크 가상화 기술은 물리 네트워크 자원을 공유하여 사용자 별로 네트워크를 구축하는 데 필요한 비용을 절감할 수 있으며, 네트워크 관리자가 요구사항에 따라 동적으로 네트워크를 관리할 수 있도록 돕는다. 하지만 동적으로 네트워크 관리를 수행할 수 있다는 장점에도 불구하고, 관리자가 여전히 직접 판단을 내리고 관리 기능을 실행하는 과정은 동일하다. 네트워크 관리 기능 실행 전까지 관리자에 의해 네트워크 상황을 파악하고 결정을 내리는 과정에는 많은 시간이 소요될 수 있기 때문에 네트워크 가상화로 얻을 수 있는 동적 네트워크 관리라는 장점을 최대화 하지 못하고 있다. 본 논문에서는 기계학습 (Machine Learning) 기술을 도입하여 사람의 도움 없이 네트워크가 스스로 학습하여 동적으로 네트워크 관리를 수행하는 방법을 제안한다. 제안하는 방법은 가상 네트워크 관리에서 핵심적이고 필수적인 문제인 자원관리 최적화 문제를 서비스 펑션 체인(Service Function Chaining) 문제로 정의하고, VNF의 자원 수요를 예측하여 적절한 자원을 동적으로 할당해 서비스 중단이 일어나는 것을 방지하면서 네트워크 운용비용을 절감하는 것을 목표로 한다.

• 동의생리병리학회지
• /
• 제36권1호
• /
• pp.18-22
• /
• 2022

To investigate effects of cognitive function improvement whether against Taegeuk ginseng on scopolamine-induced memory impairment in rats. All experiments were conducted in three groups: the control group (CTR), the scopolamine 0.4mg/kg (SCP), and the scopolamine (SCP+T) treated with Taegeuk ginseng 100 mg/kg. Taegeuk ginseng 100 mg/kg daily was orally administered for one month and treated with scopolamine was only for 7 consecutive days on the Morris water maze task. 3 weeks after oral administration of Taegeuk ginseng, subjects were performed the Morris water maze test for 8 days and then the open-field exploration test which to assessed for cognitive function improvement. After behavioral testing, subjects were sacrificed and microdissected brains for neurochemical analysis. In the cognitive-behavioral test, long-term administration of Taegeuk ginseng improved spatial navigation learning task compared with the impeded by scopolamine treatment. In neurochemistry, the expression of the synaptic marker PSD95 (postsynaptic density protein 95) was increased in the hippocampus compared to the scopolamine group. Also, brain-derived neurotrophic factor (BDNF) expression was significantly increased in the taegeuk ginseng administration group. These data suggested that long-term administration of taegeuk ginseng might improve cognitive-behavioral functions on hippocampal related spatial learning memory, and it was correlated with neurotropic and synaptic reinforcement. In conclusion, treatment with taegeuk ginseng may positive outcome on learning and memory deficit disorders.