• Journal of Platform Technology
• /
• 제6권4호
• /
• pp.34-40
• /
• 2018

현재 인공신경망은 단일 작업에 대해선 뛰어난 성능을 보이나, 다른 종류의 작업을 학습하면 이전 학습 내용을 잊어버리는 단점이 있다. 이를 catastrophic forgetting이라고 한다. 인공신경망의 활용도를 높이긴 위해선 이 현상을 극복해야 한다. catastrophic forgetting을 극복하기 위한 여러 노력이 있다. 하지만 많은 노력이 있었음에도 완벽하게 catastrophic forgetting을 극복하지는 못하였다. 본 논문에서는 여러 노력 중 elastic weight consolidation(EWC)에 사용되는 핵심 개념을 이용하여, 순차적 반복학습을 제시한다. 인공신경망 학습에 많이 쓰이는 MNIST를 확장한 EMNIST 데이터 셋을 이용하여 catastrophic forgetting 현상을 재현하고 이를 순차적 반복학습을 통해 극복하는 실험을 진행하였으며, 그 결과 모든 작업에 대해서 학습이 가능하였다.

• 컴퓨터교육학회논문지
• /
• 제19권1호
• /
• pp.101-109
• /
• 2016

컴퓨팅 사고 교육에서 알고리즘의 설계는 학습자의 논리적 사고력과 절차적 사고력이 요구되는 중요한 학습 과정이다. 하지만 알고리즘 학습에 관한 연구와 학습자가 실제 학습에서 겪는 오류에 관한 연구가 부족한 실정이다. 이에 본 연구는 알고리즘 설계 학습에서 순서도를 활용한 프로그래밍 제어 구조 설계에서 발견된 학습자의 오류를 분석하여, 오류 유형을 제시하였다. 대학생을 대상으로 한 강의에서 세 가지 제어 구조에 관한 평가 문항을 제시한 결과, 순차 구조에서는 오류 유형이 발견되지 않았다. 하지만 조건 구조에서는 2개의 조건문이 중첩된 경우 조건 설정에서 오류가 발생하였다. 반복 구조에서는 반복의 횟수를 조절하는 조건, 반복되는 명령문의 위치, 중첩된 반복문에서 조건과 명령문의 위치 오류가 발견되었다. 본 연구에서 나타난 오류 유형은 초 중등학교와 대학에서 실시하고 있는 컴퓨팅 사고 교육의 알고리즘 설계 학습에 참고할 수 있는 사례가 될 것이다.

• 대한영상의학회지
• /
• 제84권1호
• /
• pp.240-252
• /
• 2023

목적 소아 환자에서 두부 컴퓨터단층촬영(이하 CT)에 대한 딥러닝 이미지 재구성(deep learning image reconstruction; 이하 DLIR; TrueFidelity; GE Healthcare, Milwaukee, WI, USA)의 효과를 평가하고자 한다. 대상과 방법 총 126개의 소아 두부 CT 이미지를 수집했으며, adaptive statistical iterative reconstruction (이하 ASiR)-V를 사용한 반복적 재구성 및 세 가지 수준의 DLIR을 사용한 재구성을 시행하였다. 각 이미지 세트 그룹은 환자의 연령에 따라 4개의 그룹으로 구분하였으며 각 연령군의 임상 및 방사선량 관련 데이터를 검토하였다. 양적 매개 변수에는 signal to noise ratio (이하 SNR) 및 contrast to noise ratio (이하 CNR)가 포함되었으며 질적 매개 변수로 영상의 잡음(noise), 회백질의 구분 정도, 선명도, 인공물 및 수용 가능성(acceptability), 영상의 질감이 포함되었고 이에 대한 평가와 비교를 시행하였다. 결과 모든 연령 그룹의 모든 수준의 SNR 및 CNR은 높은 수준의 DLIR 사용 시 증가하였다. ASiR-V와 비교했을 때 높은 수준의 DLIR은 SNR 및 CNR이 개선되었다(p < 0.05). 그리고 DLIR의 수준이 증가될수록 순차적인 잡음 감소, 회백질 구분 개선, 선명도 개선이 나타났다. 이러한 변수들에서 높은 수준의 DLIR 사용 시 ASiR-V와 유사한 정도의 수치가 측정되었다. 인공물과 수용 가능성의 경우에 적용된 DLIR 수준 간에 큰 차이를 보이지 않았다. 결론 소아 두부 CT에 고수준 DLIR을 적용하면 영상의 노이즈를 줄일 수 있으나 인공물 처리에 대한 개선이 필요하다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권4호
• /
• pp.193-202
• /
• 2017

인공지능 기반 지능형 시스템의 개발에는 일반적으로 신뢰성 높은 대규모 지식처리, 지식의 통합과 인간 수준의 이해, 지식기반 인간-기계협업, 전문가 수준의 지능 서비스 등의 효과적 통합이 요구된다. 특히 빅데이터 이해 기반 자가학습형 지식베이스 및 추론 기술 개발을 목표로 하고 있는 과제의 일환으로 개발 중인 WiseKB 통합 플랫폼은 대용량 지식을 저장하여 추론과정을 통한 질의 및 응답이 가능한 대규모 지식 베이스 역할을 수행하며 이를 위하여 지식표현, 자원통합, 지식저장소, 지식베이스, 복합추론, 지식학습 등의 요소기술들의 효과적 통합이 필수적이다. 통합 플랫폼의 효율적 통합을 위해서는 정확한 요구사항 분석이 중요하며, 이는 시스템의 특성을 고려한 적절한 요구사항 분석 방법론의 적용이 필요하다. 대표적인 요구사항 분석 방법인 순차적 방법론과 순환-점진적 방법론은 WiseKB와 같은 시스템의 대규모 복합적 개발 특성을 고려할 때 다양한 요구사항을 체계적으로 파악하기에 한계가 있다. 본 논문에서는 이러한 한계를 개선하고자 순차적 방법과 순환-점진적 방법론을 결합해 각 단점을 보완하고 대규모 복합적 특성을 갖는 시스템의 요구사항 분석을 효율적으로 진행할 수 있는 통합 방법론을 제시하고, 실제 적용을 통해 그 효과를 보인다.

• 대한핵의학회지
• /
• 제37권2호
• /
• pp.73-82
• /
• 2003

목적: 게이트 심근 SPECT 영상 데이터에서 좌심실을 분할하고 단위영상 각각의 심실부피를 계산하는 소프트웨어를 개발하였다. 개발한 소프트웨어에서 얻은 구혈률을 상용 소프트웨어QGS (Quantitative Gated SPECT)에서 산출한 값과 비교하여 검증하였다. 대상 및 방법: 게이트 심근 SPECT를 시행하여 구혈률 15%-80%, 확장기말 부피는 49 mL-293 mL, 수축기말 부피는 8 mL-250 mL인 40명의 영상데이터를 사용하여 이 연구에서 개발한 CSA (Cardiac SPECT Analyzer)로 구혈률과 부피를 산출하여 QGS로 얻은 결과와 비교하였다. 같은 영상을 CSA로 두 번 분석하여 구혈률과 부피가 같은 값이 나오는지 보고, 26명의 환자에서 같은 자리에서 두 번 이어서 얻은 게이트 SPECT 영상을 CSA로 분석하여 편차를 조사하였다. 결과: CSA측정과 QGS 측정의 상관성은 상관계수가 구혈률, 확장기말 부피, 수축기말 부피 각각 0.97, 0.92, 0.96이었고 Bland Altman 도표에 치우침 없이 2표준편차가 구혈률의 경우 10.1%이었다. 같은 영상에 대한 CSA 2회 측정 결과의 상관은 0.96, 0.99, 0.99 이었고 구혈률의 2표준편차는 3.4%이었다. 두 번 연속 촬영한 영상으로 CSA 분석한 결과 상관계수는 0.89, 0.97, 0.98, 이었고 변이계수는 8.2%, 5.4mL, 8.5mL, Bland Altman 도표 2표준편차는 구혈률의 경우 10.6%이었다. 결론: 게이트 심근 SPECT에서 얻은 영상으로 구혈률을 측정할 수 있는 소프트웨어를 개발하였다. 이 소프트웨어로 얻은 구혈률, 화장기말 부피, 수축기말 부피는 정확하며 정밀하였다. 구혈률의 2표준편차는 10.6%이었다.