• 한국수자원학회논문집
• /
• 제53권11호
• /
• pp.1025-1037
• /
• 2020

본 연구는 호우경보에 사용되는 Limited area ENsemble prediction System (LENS) 강우예측자료에 대한 공간적 특성 및 적용성을 평가하였다. LENS는 13개의 강우앙상블 멤버를 가지고 있어 호우경보를 발령하는데 있어 확률적인 방법을 활용할 수 있다. 그러나 LENS의 자료의 접근성은 매우 낮아 강우예측자료의 적용성에 대한 연구가 미흡한 실정이다. 본 연구에서는 행정구역별로 활용되는 호우경보 시스템에 따라 하나의 지점값과 면적평균값을 관측값과 비교하여 평가지수를 산정하였다. 또한, LENS의 발령시간에 따르는 각 앙상블 멤버들의 정확성을 평가하였다. LENS는 멤버별로 과대 혹은 과소 예측의 불확실성을 보여줬다. 면적단위의 예측이 지점단위의 예측보다 더 높은 예측성을 보여주었다. 또한, 다가오는 72시간의 강우를 예측하는 LENS 자료는 수재해의 영향성이 있을 수 있는 강우 사상에 대하여 예측성능이 좋은 것으로 평가되었다. 추후 국지강우앙상블시스템(LENS) 자료는 행정구역 또는 유역면적 단위의 홍수 대비에 기초자료로 활용될 수 있을 것으로 기대된다.

• 전기학회논문지
• /
• 제60권3호
• /
• pp.639-647
• /
• 2011

In this paper, we introduce a design methodology of data-centroid Radial Basis Function neural networks with extended polynomial function. The two underlying design mechanisms of such networks involve K-means clustering method and Particle Swarm Optimization(PSO). The proposed algorithm is based on K-means clustering method for efficient processing of data and the optimization of model was carried out using PSO. In this paper, as the connection weight of RBF neural networks, we are able to use four types of polynomials such as simplified, linear, quadratic, and modified quadratic. Using K-means clustering, the center values of Gaussian function as activation function are selected. And the PSO-based RBF neural networks results in a structurally optimized structure and comes with a higher level of flexibility than the one encountered in the conventional RBF neural networks. The PSO-based design procedure being applied at each node of RBF neural networks leads to the selection of preferred parameters with specific local characteristics (such as the number of input variables, a specific set of input variables, and the distribution constant value in activation function) available within the RBF neural networks. To evaluate the performance of the proposed data-centroid RBF neural network with extended polynomial function, the model is experimented with using the nonlinear process data(2-Dimensional synthetic data and Mackey-Glass time series process data) and the Machine Learning dataset(NOx emission process data in gas turbine plant, Automobile Miles per Gallon(MPG) data, and Boston housing data). For the characteristic analysis of the given entire dataset with non-linearity as well as the efficient construction and evaluation of the dynamic network model, the partition of the given entire dataset distinguishes between two cases of Division I(training dataset and testing dataset) and Division II(training dataset, validation dataset, and testing dataset). A comparative analysis shows that the proposed RBF neural networks produces model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 지능정보연구
• /
• 제25권4호
• /
• pp.89-103
• /
• 2019

최근 추천시스템의 품질평가 관점에서 이에 대한 다양한 연구들이 진행되고 있다. 추천시스템은 기본적으로 사용자들에게 특정 아이템에 대한 개인화된 추천을 제공하는데 목적이 있으며, 대부분의 추천시스템은 항상 사용자 또는 아이템과 가장 관련 있는 아이템을 추천한다. 그리고 이러한 추천시스템의 성과는 전통적으로 다양한 예측정확도 등에 초점을 두어 왔다. 그러나, 추천시스템은 예측가능성 차원에서 정확해야 할 뿐만 아니라 사용자들에게 유용해야 한다. 특히 최근의 추천시스템에 대한 연구로서, 추천시스템의 평가기준에 속하는, 추천시스템에 대한 사용자 만족도(품질)는 추천시스템이 얼마나 정확하게 추천하느냐 뿐만 아니라 사용자의 의사결정에 얼마나 충분히 도움이 되는지와 관계가 깊다. 예를 들어, 특히 높은 수준의 세렌디티피한 추천은 사용자들이 뜻밖의 아이템이면서 흥미로운 아이템을 찾는데 도움이 된다. 여기서, 세렌디피티란 추천 아이템이 사용자에게 매력적인 동시에 뜻밖의(비기대성의) 아이템인 정도를 의미한다. 본 연구는 추천시스템의 성과를 나타내는 세렌디피티 지표를 추천시스템에 적용하여 추천시스템의 품질을 평가하는 것을 목표로 한다. 본 연구에서는 세렌디피티 지표는 관련성(매력)이 있는 동시에 뜻밖인(비기대성의) 아이템을 추천하는 정도로 정의하고, 이 세렌디피티 지표를 측정하기 위해, 추천시스템이 사용자들에게 예상치 못한 유용한 아이템을 찾을 수(또는 추천할 수) 있는 정도를 평가하였다. 본 연구의 주요 실증분석결과로는, 아이템기반 협력 필터링 기법이 사용자기반 협력 필터링 기법보다 더 높은 세렌디피티값을 가지며, 따라서, 추천시스템의 품질평가 차원에서 아이템기반 협력 필터링 기법은 사용자기반 협력 필터링 기법보다는 더 좋은 추천 품질을 갖고 있음을 보여 주었다.

• 대한안과학회지
• /
• 제59권12호
• /
• pp.1173-1180
• /
• 2018

목적: 원발개방각녹내장 환자에서 섬유주절제술과 백내장수술을 동시에 시행하는 경우 술 후 예측 굴절력의 정확성을 분석하고, 굴절력 오차에 영향을 미치는 요소에 대해 알아보고자 한다. 대상과 방법: 섬유주절제술과 백내장수술을 동시에 시행한 원발개방각녹내장 환자 27명을 대상으로 후향적으로 분석하였다. 술 후 예측 굴절력과 실제 굴절력을 비교하였으며 평균예측오차와 평균절대예측오차를 계산하였다. 같은 시기에 백내장수술만 단독 시행한 나이와 성별이 짝지어지는 대조군과 굴절력 오차를 비교하였다. 또한 굴절력 오차에 영향을 미치는 환자의 수술 전 인자들에 대하여 통계학적으로 분석하였다. 결과: 술 후 평균예측오차는 섬유주절제술과 백내장수술의 병합수술군에서 $+0.02{\pm}0.92$디옵터, 대조군에서 $-0.01{\pm}0.45$디옵터로 유의한 차이는 없었다. 평균절대예측오차는 병합수술군에서 $0.65{\pm}0.64$디옵터, 대조군에서 $0.35{\pm}0.28$디옵터로, 술 후 난시는 병합수술군에서 $-1.07{\pm}0.65$디옵터, 대조군에서 $-0.66{\pm}0.48$디옵터로 병합수술군에서 유의하게 높았다(p=0.035, p=0.020). 술 전 앞방깊이, 술 후 안압 변화가 부정확한 평균절대예측오차와 유의한 연관성을 보였다. 결론: 원발개방각녹내장 환자에서 섬유주절제술과 백내장수술을 동시에 시행하는 경우 술 후 예측 굴절력의 정확성이 떨어지고, 더 큰 난시를 유발하는 것으로 나타났다. 술 전 얕은 앞방깊이, 술 후 큰 안압 변화가 굴절력 오차를 증가시키므로 이를 고려하여야 하겠다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.228-234
• /
• 2021

부동산의 시장 참여자들에게 부동산 가격에 대한 방향성을 예측하는 것은 의사결정에 있어서 매우 중요하다. 이를 위해 주로 회귀분석, ARIMA, VAR 등의 방법론을 사용하는데 이는 불특정 변수에 의해서 변동하는 자산의 가치를 예측하는데 한계점을 갖는다. 때문에 본 연구에서는 이를 보완하기 위해서 인공신경망 기법을 이용해 부동산 시장에서 유동성이 풍부한 서울 아파트 가격 추이를 예측하고자 한다. 인공신경망 학습을 위해서 총 12개의 거시 및 미시적 변수를 나눠 학습 모형을 설계하는데 거시적 요인은 CASE1, 미시적 요인은 CASE2 그리고 두 요인을 조합해서 요인을 구성한 CASE3 으로 나눠서 실험한다. 그 결과 CASE1 과 CASE2 는 약 2년 동안 87.5%의 예측을 보이고 CASE3은 95.8%의 예측성과를 보인다. 본 연구는 아파트 가격에 영향을 주는 다양한 요인들을 거시적 및 미시적으로 구분하여 정의하고 미래의 아파트 가격의 방향성을 예측하는데 인공신경망 기법을 제안하고 그 실효성을 분석했다. 따라서 최근 발전하고 있는 학습 기법이 부동산 분야에 다양한 관점으로 적용되어 시장 참여자들의 효율적인 의사결정을 할 수 있기를 기대한다.

• Korean Journal of Otorhinolaryngology-Head and Neck Surgery
• /
• 제61권11호
• /
• pp.600-604
• /
• 2018

Background and Objectives This study aimed to identify a reliable preoperative predictive factor for the development of thyroid cancer in patients with atypia of undetermined significance (AUS) identified by fine needle aspiration biopsy (FNAB). Subjects and Method This was a retrospective cohort study. Two hundred and ninety-nine patients diagnosed with AUS by preoperative FNAB who underwent curative thyroid surgery at our institution between September 2005 and February 2014 were analyzed. Clinical, radiological and molecular features were investigated as preoperative predictors for postoperative permanent malignant pathology. Results The final pathologic results revealed 36 benign tumors including nodular hyperplasia, follicular adenoma, adenomatous goiter, nontoxic goiter, and lymphocytic thyroiditis, as well as 263 malignant tumors including 1 follicular carcinoma and 1 invasive follicular carcinoma; the rest were papillary thyroid carcinomas. The malignancy rate was 87.9%. The following were identified as risk factors for malignancy by univariate analysis: $BRAF^{V600E}$ gene mutation, specific ultrasonographic findings including smaller nodule size, low echogenicity of the nodule, and irregular or spiculated margin (p<0.05). Multivariate analysis revealed that only $BRAF^{V600E}$ mutation was a statistically significant risk factor for malignancy (p<0.05). When $BRAF^{V600E}$ mutation was positive, 98.5% of enrolled patients developed malignant tumors. In addition, the diagnostic rate of malignancy in these cases was approximately 16-fold higher than BRAF-negative cases. Conclusion Patients with AUS thyroid nodules should undergo $BRAF^{V600E}$ gene mutation analysis to improve diagnostic accuracy and if the mutation is confirmed, surgery is recommended due to the high risk of malignancy.

• 지능정보연구
• /
• 제24권4호
• /
• pp.155-170
• /
• 2018

기업의 금융 부도를 예측하는 것은 전통적으로 비즈니스 분석에서 가장 중요한 예측문제 중 하나이다. 선행연구에서 예측모델은 통계 및 기계학습 기반의 기법을 적용하거나 결합하는 방식으로 제안되었다. 본 논문에서는 잘 알려진 최적화기법 중 하나인 시뮬레이티드 어니일링에 기반한 새로운 지능형 예측모델을 제안한다. 시뮬레이티드 어니일링은 유전자알고리즘과 유사한 최적화 성능을 가진 것으로 알려져 있다. 그럼에도 불구하고, 시뮬레이티드 어니일링을 사용한 비즈니스 의사결정 문제의 예측과 분류에 관한 연구가 거의 없었기 때문에, 비즈니스 분석에서의 유용성을 확인하는 것은 의미가 있다. 본 연구에서는 시뮬레이티드 어니일링과 기계학습의 결합 모델을 사용하여 부도예측모델의 입력 특징을 선정한다. 최적화 기법과 기계학습기법을 결합하는 대표적인 유형은 특징 선택, 특징 가중치 및 사례 선택이다. 이 연구에서는 선행연구에서 가장 많이 연구된 특징 선택을 위한 결합모델을 제안한다. 제안하는 모델의 우수성을 확인하기 위하여 본 연구에서는 한국 기업의 실제 재무데이터를 이용하여 그 결과를 분석한다. 분석결과는 제안된 모델의 예측 정확도가 단순한 모델의 예측 정확성보다 우수하다는 것을 보여준다. 특히 기존의 의사결정나무, 랜덤포레스트, 인공신경망, SVM 및 로지스틱 회귀분석에 비해 분류성능이 향상되었다.

• Investigative Magnetic Resonance Imaging
• /
• 제25권3호
• /
• pp.164-171
• /
• 2021

Purpose: Mild cognitive impairment (MCI) is a prodromal stage of Alzheimer's disease (AD). Brain atrophy in this disease spectrum begins in the medial temporal lobe structure, which can be recognized by magnetic resonance imaging. To overcome the unsatisfactory inter-observer reliability of visual evaluation, quantitative brain volumetry has been developed and widely investigated for the diagnosis of MCI and AD. The aim of this study was to assess the prediction accuracy of quantitative brain volumetry using a fully automated segmentation software package, NeuroQuant^®, for the diagnosis of MCI. Materials and Methods: A total of 418 subjects from the Korean Brain Aging Study for Early Diagnosis and Prediction of Alzheimer's Disease cohort were included in our study. Each participant was allocated to either a cognitively normal old group (n = 285) or an MCI group (n = 133). Brain volumetric data were obtained from T1-weighted images using the NeuroQuant software package. Logistic regression and receiver operating characteristic (ROC) curve analyses were performed to investigate relevant brain regions and their prediction accuracies. Results: Multivariate logistic regression analysis revealed that normative percentiles of the hippocampus (P < 0.001), amygdala (P = 0.003), frontal lobe (P = 0.049), medial parietal lobe (P = 0.023), and third ventricle (P = 0.012) were independent predictive factors for MCI. In ROC analysis, normative percentiles of the hippocampus and amygdala showed fair accuracies in the diagnosis of MCI (area under the curve: 0.739 and 0.727, respectively). Conclusion: Normative percentiles of the hippocampus and amygdala provided by the fully automated segmentation software could be used for screening MCI with a reasonable post-processing time. This information might help us interpret structural MRI in patients with cognitive impairment.

• Journal of the Korean Wood Science and Technology
• /
• 제49권3호
• /
• pp.213-225
• /
• 2021

본 논문에서는 열수 탄화(hydrothermal carbonization)에 의해 제조된 리그닌 하이드로차의 탄화 특성을 조사하였고, 근적외선 분광법과 부분 최소 제곱(partial least squares) 회귀를 이용하여 탄화 거동을 예측하기 위한 모델을 수립하였다. 온도 200℃에서 열수 탄화된 리그닌의 탄소 함량은 무처리 시료 보다 약 3 wt% 높았으며 가열 시간이 증가할수록 탄소 함량도 서서히 증가하는 경향이 나타났다. 열수 탄화는 리그닌을 더욱 탄소 집약적으로 변화시키고 마이크로 파티클을 제거하여 더욱 균질한 특성을 부여하였다. 근적외선 분광법과 부분 최소 제곱 회귀를 이용한 판별 및 예측 모델은 수열 탄화의 적용 여부를 완벽히 구분했으며 높은 정확도로 열수 탄화 리그닌의 탄소 함량을 예측하였다. 본 연구로부터 근적외선 분광법과 결합된 부분 최소 제곱 회귀 모델을 이용하여 열수 탄화에 의해 제조된 리그닌 하이드로차의 탄화 특성을 빠르고 비파괴적으로 예측할 수 있다는 것이 확인되었다.

• Korean Chemical Engineering Research
• /
• 제59권2호
• /
• pp.209-218
• /
• 2021

ORV의 열교환 효율 향상 및 운전 최적화를 위한, first principle 기반 모델링 연구들이 수행되어왔지만, ORV의 열 전달 계수는 시간, 위치에 따라 불규칙한 시스템으로, 복잡한 모델링 과정을 거친다. 본 연구는 복잡한 시스템에 대한 데이터 기반 모델링의 실효성을 확인하고자, LNG 재기화 공정의 실제 운전데이터를 이용해, ORV의 해수 유량, 해수온도, LNG 유량 변화에 따른 토출 NG 온도 및 토출 해수 온도의 동적 변화 예측이 가능한, FNN, LSTM 및 AutoML 기반 모델링을 진행하였다. 예측 정확도는 MSE 기준 LSTM > AutoML > FNN 순으로 좋은 성능을 보였다. 기계학습 모델의 자동설계 방법인 AutoML의 성능은 개발된 FNN보다 뛰어났으며, 모델 개발 전체소요시간은 복잡한 모델인 LSTM 대비 1/15로 크게 차이를 보여 AutoML의 활용 가능성을 보였다. LSTM과 AutoML을 이용한 토출 NG 및 토출 해수 온도의 예측은 0.5 K 미만의 오차를 보였다. 예측모델을 활용해, 겨울철 ORV를 이용해 처리 가능한 LNG 기화량의 실시간 최적화를 수행하여, 기존 대비 최대 23.5%의 LNG를 추가 처리 가능함을 확인하였고, 개발된 동적 예측모델 기반의 ORV 최적 운전 가이드라인을 제시하였다.