http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
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.
EFA-DTI: Edge Feature Attention을 활용한 약물-표적 상호작용 예측
에르햄바야르 자담바(Erkhembayar Jadamba),김수헌(Sooheon Kim),이현수(Hyeonsu Lee),김화종(Hwajong Kim) Korean Institute of Information Scientists and Eng 2021 정보과학회논문지 Vol.48 No.7
Drug discovery is a high-level field of research requiring the coordination of disciplines ranging from medicinal chemistry, systems biology, structural biology, and increasingly, artificial intelligence. In particular, drug-target interaction (DTI) prediction is central to the process of screening for and optimizing candidate substances to treat disease from a nearly infinite set of compounds. Recently, as computer performance has developed dramatically, studies using artificial intelligence neural networks have been actively conducted to reduce the cost and increase the efficiency of DTI prediction. This paper proposes a model that predicts an interaction value between a given molecule and protein using a learned molecule representation via Edge Feature Attention-applied Graph Net Embedding with Fixed Fingerprints and a protein representation using pre-trained protein embeddings. The paper describes architectures, experimental methods, and findings. The model demonstrated higher performance than DeepDTA and GraphDTA, which had previously demonstrated the best performance in DTI studies.
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.
YOLOv5 객체인식 모델을 활용한 안전모 착용 판별 연구
전석환(Jeon Sukhwan),이주원(Lee Joowon),김민균(Kim Mingyun),홍성은(Hong Sungeun),방준일(Bang Junil),김화종(Kim Hwajong) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
제조업과 건설업에서는 안전 장비 미착용으로 인한 사망사고가 끊이지 않고 있다. 이러한 산업에서는 안전모 착용 여부가 사고 예방에 중요하다. 본 연구는 산업재해 예방을 위한 동영상 기반 안전모 착용 여부를 판별 모델을 연구하였다. 모델 개발을 위해 Roboflow에서 취합한 Northeastern 대학의 ‘Hard hat workers Dataset’을 사용하였고, 동영상에서의 객체 인식이 필요하므로 yolov5 모델 사용했다. Yolov5의 두 가지 모델을 학습하고 비교 평가를 수행하였고, 그 결과 yolov5m, yolov5s 각각 95.7%, 96.1%의 높은 정확도를 얻었다. yolov5s 모델은 판별 결과를 빠르게 생성하는 장점이 있기에 실시간적으로 객체를 인식하는 환경에서 유용할 것으로 예상된다.
연합 학습을 사용한 사용자 건강 정보 예측에 관한 연구
방준일(Bang Junil),홍성은(Hong Sungen),김선욱(Kim Seon Uk),김화종(Kim Hwajong) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
본 논문은 Federated Learning을 활용하여 생체정보 및 의료정보를 학습하여 사용자에게 맞춤형으로 건강상태를 예측하고 경고해 주는 전체 프로세스를 설계한 연구이다. 해당 프로세스의 검증을 위한 사전연구 정보와 관련 정보를 서술하였고, 전체 프로세스의 설계 방안을 연구하였으며, 향후 실제 진단 결과를 학습에 반영하여 성능을 고도화하는 방법을 연구하였다.
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.
클래스 불균형 문제에 연합학습 적용을 위한 최적화 기법 연구
이현수(Hyeonsu Lee),홍성은(Seongeun Hong),방준일(Junil Bang),김화종(Hwajong Kim) 한국정보기술학회 2021 한국정보기술학회논문지 Vol.19 No.1
Recently, as highly advanced personal identification technology has made it easier to identify individuals, various measures are required to guarantee the rights of information subjects in the information society. Federated learning is a machine learning approach proposed by these needs, a specific approach to educating machine learning algorithms while keeping the data private. In this paper, in order to identify problems that may arise when applying federated learning to the medical industry, which is sensitive to privacy issues, a retinal patient data set, was disproportionately distributed like the environment in which the actual medical institution holds the data. As a result of experiments applying various learning optimization techniques to class imbalance problems that occur here, F1 score 0.96 was achieved in experiments with under sampling and TopkAvg techniques, and the learning time was also shortened.