• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.23-35
• /
• 2021

제4차 산업혁명 선언 이후 생산 제조 기술과 정보통신기술(ICT)이 융합된 스마트 팩토리가 큰 주목을 받고 사물인터넷(IoT) 기술 및 빅데이터 기술 등이 발전하면서 생산 시스템의 자동화가 가능해졌다. 고도화된 제조 산업에서 생산 시스템에는 예정되지 않은 성능 저하 및 가동 중지 발생 가능성이 존재하며, 가능한 한 빨리 잠재적인 오류를 감지하여 이를 복구해 안전 위험을 줄여나가야 한다는 요구가 있다. 본 연구는 유압 시스템에 부착된 다중 센서 데이터를 기반으로 장비의 고장 예측과 이상 발생 시점 예측을 결합하여 제조 설비 이상탐지를 위한 지도학습 및 비지도학습 모델을 설계한다. 지도학습 분석 방법으로 XGBoost, LightGBM, CNN 모델의 정확도를 비교하였다. 혼동행렬 기반의 평가지표를 통해 LightGBM의 예측력이 97%로 가장 우수한 것을 확인하였다. 또한 비지도 학습 분석 방법으로 MD, AE, LSTM-AE 모델을 구축하여 각 모델을 비교 분석한 결과 LSTM-AE 모델이 이상패턴을 75% 감지하여 가장 우수한 성능을 보였다. 본 연구는 지도학습과 비지도학습 기법을 종합하여 설비의 고장여부를 정확하게 진단하고 이상상황이 발생하는 시점을 예측함으로써 이상상황에 대한 선제대응을 할 수 있는 기반을 마련하여 스마트 팩토리 고도화에 기여하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권10호
• /
• pp.397-402
• /
• 2019

암 환자에게 적절한 치료계획을 제공하기 위해 암의 진행양상 또는 환자의 생존 기간 등에 해당하는 환자의 예후를 정확히 예측하는 것은 생물정보학 분야에서 다루는 중요한 도전 과제 중 하나이다. 많은 연구에서 암 환자의 유전자 발현량 데이터를 이용하여 환자의 예후를 예측하는 기계학습 모델들이 많이 제안되어 오고 있다. 유전자 발현량 데이터는 약 17,000개의 유전자에 대한 수치값을 갖는 고차원의 수치형 자료이기에, 기존의 연구들은 특징 선택 또는 차원 축소 전략을 이용하여 예측 모델의 성능 향상을 도모하였다. 그러나 이러한 접근법은 특징 선택과 예측 모델의 훈련이 분리되어 있어서, 기계학습 모델은 선별된 유전자들이 생물학적으로 어떤 관계가 있는지 알기가 어렵다. 본 연구에서는 유전자 발현량 데이터를 이미지 형태로 변환하여 예후 예측이 효과적으로 특징 선택 및 예후 예측을 수행할 수 있는 기법을 제안한다. 유전자들 사이의 생물학적 상호작용 관계를 유전자 발현량 데이터에 통합하기 위해 Node2Vec을 활용하였으며, 2차원 이미지로 표현된 발현량 데이터를 효과적으로 학습할 수 있도록 합성곱 신경망 모델을 사용하였다. 제안하는 모델의 성능은 이중 교차검증을 통해 평가되었고, 유전자 발현량 데이터를 그대로 이용하는 기계학습모델보다 우월한 예후 예측 정확도를 가지는 것이 확인되었다. Node2Vec을 이용한 유전자 발현량의 새로운 이미지 표현법은 특징 선택으로 인한 정보의 손실이 없어 예측 모델의 성능을 높일 수 있으며, 이러한 접근법이 개인 맞춤형 의학의 발전에 이바지할 것으로 기대한다.

• 대한임상독성학회지
• /
• 제18권2호
• /
• pp.66-77
• /
• 2020

Purpose: The aims of the present study were twofold. First, the research investigated the effect of an individual's risk factors and the prevalence of psychotropic drugs on QTc prolongation, TdP (torsades de pointes), and death. Second, the study compared the risk scoring systems (the Mayo Pro-QT risk score and the Tisadale risk score) on QTc prolongation. Methods: The medical records of intoxicated patients who visited the emergency department between March 2010 and February 2019 were reviewed retrospectively. Among 733 patients, the present study included 426 psychotropic drug-intoxicated patients. The patients were categorized according to the QTc value. The known risk factors of QTc prolongation were examined, and the Mayo Pro-QT risk score and the Tisadale risk score were calculated. The analysis was performed using multiple logistic regression, Spearman correlation, and ROC (receiver operating characteristic). Results: The numbers in the mild to moderate group (male: 470≤QTc<500 ms, female: 480≤QTc<500 ms) and severe group (QTc≥500 ms or increase of QTc at least 60ms from baseline, both sex) were 68 and 95, respectively. TdP did not occur, and the only cause of death was aspiration pneumonia. The statically significant risk factors were multidrug intoxications of TCA (tricyclic antidepressant), atypical antipsychotics, an atypical antidepressant, panic disorder, and hypokalemia. The Tisadale risk score was larger than the Mayo Pro-QT risk score. Conclusion: Multiple psychotropic drugs intoxication (TCA, an atypical antidepressant, and atypical antipsychotics), panic disorder, and hypokalemia have been proven to be the main risk factors of QTc prolongation, which require enhanced attention. The present study showed that the Tisadale score had a stronger correlation and predictive accuracy for QTc prolongation than the Mayo Pro-QT score. As a result, the Tisadale risk score is a crucial assessment tool for psychotropic drug-intoxicated patients in a clinical setting.

• 한국콘텐츠학회논문지
• /
• 제21권6호
• /
• pp.35-43
• /
• 2021

감귤의 품질은 일반적으로 당도와 산도로 결정된다. 특히, 당도는 감귤의 맛을 결정하기 때문에 매우 중요한 요소이다. 현재 농가에서 가장 많이 사용하는 감귤 당도 측정 방법은 휴대용 착즙당도계 및 비파괴당도계로 측정하는 방식이다. 이 방법은 개인이 손쉽게 측정 가능한 방법이지만, 감귤농협 정식기계보다 당도수치의 정확성이 떨어지며 특히 0.5 Brix 이상 오차 차이가 발생해 현장에서 사용하기에는 아직 많이 부족하다. 또한, 현재 시점의 측정이지 예측 측정이 아니다. 그래서 본 논문에서는 기존 수집된 감귤 당도 값과 기상 데이터(평균 온도, 습도, 강우량, 일사량, 평균 풍속)을 기반으로 측정되지 않은 날짜의 감귤 당도를 0.5 Brix 이하 오차범위 내에서 예측하는 AI 모델을 제안했다. 또한, 성능평가를 통해 제안하는 예측 모델이 제주 성산 지역에 대해서는 절대 평균 오차가 0.1154, 하원 지역에 대해서는 0.1983인 것을 확인했다. 마지막으로 제안한 모델은 0.5 Brix 이하 오차 차이를 지원하며, 예측 측정을 지원하는 기술이기에 그 활용성에 있어 진보성이 매우 높을 것으로 기대된다.

• 해양환경안전학회지
• /
• 제26권7호
• /
• pp.892-903
• /
• 2020

태풍 내습 시 신속하고 정확한 해일고 예측은, 연안재해 대응에 필수적인 요소이다. 이러한 해일고의 예측을 위해서 기존에는 태풍예측정보를 수치모델에 적용하여 예측자료를 생산하는 것이 대부분 이였다. 이러한 방법은 대용량의 컴퓨팅 자원과 시간이 소요된다는 단점이 있다. 최근에는 인공지능 기반으로 신속하게 예측자료를 생산하는 연구가 다양한 분야에서 진행되고 있으며, 본 연구에서는 인공지능 기반 해일고 예측을 수행하였다. 인공지능 적용을 위해서는 많은 수의 학습자료가 필요하게 되며, 기왕 발생태풍은 개수가 한정되어 있어 본 연구에서는 TCRM(Tropical Cyclone Risk Model)을 통하여 합성태풍을 생성하고, 이를 폭풍해일 모델에 적용하여 해일고 자료를 생성한 후, 학습자료로 활용하였다. 인공지능으로 예측한 해일고와 실제 발생 태풍에 대한 비교 결과, RMSE(Root Mean Square Error)는 0.09 ~ 0.30 m, CC(Correlation Coefficient)는 0.65 ~ 0.94, 최대 해일고의 ARE(Absolute Relative Error)는 1.0 ~ 52.5 %로 분석되었다. 특정 태풍/지점에서는 다소 오차가 크게 나타나고 있으나, 향후 학습자료의 최적화 등을 통하여 정확도를 개선할 수 있을 것으로 기대된다.

• 문화기술의 융합
• /
• 제8권1호
• /
• pp.441-452
• /
• 2022

학습 환경에서 메타인지를 활용한 훈련은 1990년대부터 꾸준히 연구되어온 주제 중 하나다. 메타인지는 크게 선언적 메타인지 지식과 절차적 메타인지 지식 (메타인지 기술)로 나누어 볼 수 있고 이에 따라 메타인지 훈련 역시 두 메타인지 지식 중 하나에 초점을 맞추어 연구가 이루어졌다. 본 연구에서는 메타인지 기술의 훈련이 수학 문제 풀이 맥락에서 어떤 역할을 하는지 살펴보고자 하였다. 구체적으로 학습자는 정해진 시간 안에 여러 난이도의 문제가 섞인 수학 문제들을 푸는 시험 맥락에서 문제 난이도 예측, 풀이시간 예측, 정답 여부 예측을 실시하였으며 이를 총5주간에 걸쳐 5회 반복하였다. 분석 결과, 훈련 전보다 훈련 후에 세 가지 예측 지표 모두에서 유의한 차이가 있는 것으로 나타났으며 훈련을 통해 학습자의 문제 풀이 전략에 도움을 줄 수 있다는 사실을 밝혔다. 또한 메타인지 훈련을 실시하지 않고 동일한 학습 과정을 진행한 조건과 시험불안 정도의 차이가 있는지 분석하였다. 그 결과, 훈련을 실시한 조건의 학습자가 5주차에 더 적은 정서 불안과 관계 불안을 보고한 것을 알 수 있었다. 메타인지 기술 훈련을 통한 이러한 효과는 학습자의 시험 상황에 필요한 학습 전략 향상에 도움이 될 것으로 예상된다.

• Investigative Magnetic Resonance Imaging
• /
• 제25권4호
• /
• pp.313-322
• /
• 2021

Purpose: To find diagnostic image features, to compare diagnostic performance of multiphase CT versus gadoxetic acid disodium-enhanced MRI (GAD-MRI), and to evaluate the impact of analyzing Liver Imaging Reporting and Data System (LI-RADS) imaging features, for distinguishing combined hepatocellular-cholangiocarcinoma (CHC) from hepatocellular carcinoma (HCC). Materials and Methods: Ninety-six patients with pathologically proven CHC (n = 48) or HCC (n = 48), diagnosed June 2008 to May 2018 were retrospectively analyzed in random order by three radiologists with different experience levels. In the first analysis, the readers independently determined the probability of CHC based on their own knowledge and experiences. In the second analysis, they evaluated imaging features defined in LI-RADS 2018. Area under the curve (AUC) values for CHC diagnosis were compared between CT and MRI, and between the first and second analyses. Interobserver agreement was assessed using Cohen's weighted κ values. Results: Targetoid LR-M image features showed better specificities and positive predictive values (PPV) than the others. Among them, rim arterial phase hyperenhancement had the highest specificity and PPV. Average sensitivity, specificity, and AUC values were higher for MRI than for CT in both the first (P = 0.008, 0.005, 0.002, respectively) and second (P = 0.017, 0.026, 0.036) analyses. Interobserver agreements were higher for MRI in both analyses (κ = 0.307 for CT, κ = 0.332 for MRI in the first analysis; κ = 0.467 for CT, κ = 0.531 for MRI in the second analysis), with greater agreement in the second analysis for both CT (P = 0.001) and MRI (P < 0.001). Conclusion: Rim arterial phase hyperenhancement on GAD-MRI can be a good indicator suggesting CHC more than HCC. GAD-MRI may provide greater accuracy than CT for distinguishing CHC from HCC. Interobserver agreement can be improved for both CT and MRI by analyzing LI-RADS imaging features.

• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.127-134
• /
• 2022

현재 국내 건설업에서는 꾸준히 증가하는 건설재해를 예방하기 위해 다양한 정책적 노력과 연구가 활발하게 진행되고 있다. 기존 연구에서 건설재해 예방을 위해 개발한 예측 모델의 경우, 주로 정형데이터만을 활용하였기에 건설현장의 다양한 특성을 충분히 고려하지 못한 예측 결과가 도출되었다. 따라서, 본 연구에서는 정형데이터와 텍스트 형식의 비정형데이터를 동시에 활용하여 건설현장의 특성을 충분히 고려할 수 있는 기계학습 기반 건설재해 사전 예측 모델을 개발하였다. 본 연구는 기계학습을 위해 건설공사 안전관리 종합정보망(CSI)의 최근 3년간 건설재해 데이터 6,826건을 수집하였다. 수집된 데이터 중 정형데이터의 학습은 5가지 알고리즘의 성능 분석을 통해 Decision forest 알고리즘을 사용하였고 비정형데이터의 학습은 BERT 언어모델을 사용하였다. 정형 및 비정형데이터를 동시에 활용한 건설재해 예측 모델의 성능 비교 결과, 정형데이터만을 활용한 경우보다 약 20 % 향상된 95.41 %의 예측정확도가 도출되었다. 본 연구 결과, 비정형데이터를 동시에 활용함으로써 예측 모델의 효과적인 성능 향상을 확인하였으며, 보다 정확한 예측을 통한 건설재해 저감을 기대할 수 있다.

• 한국해안·해양공학회논문집
• /
• 제34권6호
• /
• pp.315-324
• /
• 2022

2차원 조파수조 내에서 취득된 규칙파 실험데이터를 머신러닝 기법으로 분석하여 천수 변형을 경험한 파랑으로부터 조파기의 입력파고를 예측하는 모델을 수립하고 그 성능을 검증하였다. 이를 위해 가장 대표적인 머신러닝 기법인 인공신경망(NN)과 비모수 회귀분석 방법 중 하나인 가우시안 과정 회귀(GPR) 모델을 각각 수립하고 두 모델의 예측 성능을 비교하였다. 전체 실험자료를 모두 한꺼번에 활용한 경우와 쇄파 발생 여부에 따라 자료를 구분한 경우에 대해 독립적으로 분석을 수행하였다. 데이터를 구분하지 않은 경우에는 NN 및 GPR 모델 모두 조파기 입력파고 값과 계측값 사이의 오차가 비교적 크게 나타났다. 반면에 데이터를 비쇄파 및 쇄파 조건으로 구분하면 조파기 입력파고의 예측 정확도가 크게 향상되었다. 두 모델 중에서는 NN 모델보다 GPR 모델의 성능이 전반적으로 더 우수한 것으로 나타났다.

• 한국전산구조공학회논문집
• /
• 제36권1호
• /
• pp.9-18
• /
• 2023

고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.