http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
기계학습 알고리즘을 사용한 미국 COVID-19 확진자 사망률 예측 연구
이주원(Lee Joowon),홍성은(Hong Sungen),방준일(Bang Joonil),김화종(Kim Hwajong) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
본 논문에서는 환자 특성과 사망률 간의 유의미한 상환관계 분석을 위하여 기계학습을 통한 데이터 분석을 시도하였다. 학습에 사용할 데이터는 CDC에 보고된 2020년도 미국인 확진자의 데이터를 이용하였다. 분석에는 기계학습 기술 중 의사결정 트리 모델과 랜덤 포레스트 모델을 사용하였으며, 기계학습 모델의 변수 중요도(학습에 있어 어떤 특성이 가장 중요하였는가)는 환자의 집중치료실 입실 여부가 가장 큰 점유율을 나타내었다. 마지막으로, 계절별로 분류된 데이터를 이용하여 사망률 예측을 진행하였을 때 계절과 COVID-19 환자의 사망률 간의 상관관계가 일정 수준의 연관성이 있다는 것을 알 수 있었다.
김민균(Kim Mingyun),전석환(Jeon Sukhwan),이주원(Lee Joowon),홍성은(Hong Sungen),방준일(Bang Joonil),김화종(Kim Hwajong) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 논문에서는 버섯 이미지의 분류를 위하여 CNN 기반 모델(LeNet, ResNet50, ResNet152, MobileNet)을 사용하였다. 본 연구에 사용된 데이터는 Kaggle에 데이터 세트를 이용하였다. 정확도를 높이기 위해 데이터 전처리 작업과 4개 정도의 모델들을 활용해 보았다. 여러 모델들을 이용하여 학습하였을 때, 분류 예측 정확도는 ResNet, MobileNet에서 75% 정도가 나온 것을 확인할 수 있었다. 더 나아가 이렇게 학습된 분류 모델을 활용하여 독버섯으로 인한 사고가 방지되길 기대한다.
이주원(Lee Joowon),전석환(Jeon Sukhwan),김민균(Kim Mingyun),홍성은(Hong Sungen),방준일(Bang Joonil),김화종(Kim Hwajong) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 논문에서는 환자 특성과 심부전증의 발병 확률 간의 유의미한 상관관계 분석을 위하여 랜덤 포레스트 및 그라디언트 부스팅 트리 알고리즘의 두 가지 분류 방법을 사용하였다. 연구에 사용된 데이터는 캘리포니아 대학교 어바인 캠퍼스 기계학습 데이터 저장소에서 제공하고 Kaggle에서 취합하여 재정리한 심장질환 데이터 세트를 이용하였다. 두 가지 분류 알고리즘을 이용하여 학습하였을 때, feature_importance는 심전도 그래프의 ST 경사도가 가장 큰 영향을 준다는 것을 파악하였고, 개발한 모델의 테스트 셋 정확도 87%를 달성하였다.