http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
컴퓨터과학 : 치매 선별검진 자동하 시스템개발을 위한 기계학습방법을 활용한 데이터 분석
소아람 ( A Ram So ),임희석 ( Heui Seok Lim ) 한국컴퓨터교육학회 2015 한국컴퓨터교육학회 학술발표대회논문집 Vol.19 No.1
본 연구는 치매 선별검진 자동화 시스템개발을 위한 데이터 분석으로 기계학습 알고리즘을 사용하여 분류기를 생성하여 데이터를 학습시켜 분류기의 성능을 실험하였다. 사용한 데이터는 2008년부터 치매 검진대상자로부터 받은 약 6800개의 데이터를 사용하였으며, 데이터는 기본정보, 세부정보, 질병정보, 생활정보, MMSE 정보로 구성되어있다. MMSE는 치매 선별검진으로 가장 많이 사용되는 검사이다. 분류기는 Naive Bayes, Random Forest, Support Vector Machine, Multilayer Perceptron 네 가지의 알고리즘을 사용하였다. 실험결과 Support Vector Machine 모델이 가장 정확한 분류율과 정확도를 보였으며, Naive bayes 모델이 가장 낮은 정확도를 보였다. 이를 바탕으로 Support Vector Machine 알고리즘을 이용한 선별검진 자동화 시스템 개발을 통해 심층검사가 필요한 후보자 분류가 가능하도록 해야 할 것이다.
맞춤형 UX 설계를 위한 시니어와 주니어 사용자의 생체능력 비교 분석 연구
소아람(Aram So),이설화(SeolHwa Lee),허윤아(YunA Hur),황태선(Taesun Whang),임희석(HeuiSeok Lim) 한국컴퓨터교육학회 2018 한국컴퓨터교육학회 학술발표대회논문집 Vol.22 No.2
스마트 시니어란 기존의 고령자 세대와 달리 문화향유 의욕을 가진 계층으로 컴퓨터, 스마트 기기 등 컴퓨팅 기기를 사용할 수 있고, 취미·문화 활동에 적극적으로 참여한다. 또한 고령자의 인터넷이용률도 증가하고 있다. 하지만 고령자들은 신체적 노화에 따른 한계점에 인터넷이용에 불편을 겪기도 한다. 이에 본 논문에서는 시니어와 주니어의 생체능력 비교실험을 통하여 스마트 시니어를 대상으로 하는 인지반응 분석 기술을 개발하는 것을 목적으로 한다. 시니어와 주니어의 비교분석으로 주니어에서 시니어로 변화되는 과정을 파악할 수 있고 이는 스마트 시니어에게 알맞은 UI/UX제공 및 스마트 시니어에게 최적화된 콘텐츠 및 서비스를 제공할 수 있을 것 이라 사료된다.
소아람(Aram So),신병석(Byeong-Seok Shin) 한국정보과학회 2007 한국정보과학회 학술발표논문집 Vol.34 No.2C
본 논문에서는 문자 인식의 특징 선별 방법으로 중간점 알고리즘을 이용하는 방법을 제안한다. 영상자료의 특징들로부터 중간점을 선별하고 심볼패턴을 이용하여 필기체 문자를 인식한다. 이 방법은 사전에 많은 심볼 패턴을 학습해야 하지만 한글과 영어의 높은 인식률을 보이고 있으며, 특히 복잡한 문자들의 경우 좋은 결과를 낸다. 여기서는 중간점 알고리즘으로 입력된 데이터를 심볼 패턴과 비교하고, 심볼 영역에 의해 최적 판별 기저를 탐색한 후, 그것을 특징으로 선택한다. 또한 사전 기능과 투명도 기능을 구현하여 필기체 인식을 이용한 여러 활용 방안을 제시한다.
소아람 ( Aram So ),임희석 ( Heuiseok Lim ) 한국컴퓨터교육학회 2017 한국컴퓨터교육학회 학술발표대회논문집 Vol.21 No.1
본 논문은 기계학습 방법을 사용하여 데이터를 학습하고, 정상, 치매고위험, 치매 세 가지 유형으로 치매환자를 분류할 수 있는 계층적 모델을 제안하였다. 치매는 고령화 사회에서 가장 큰 문제이며, 사회적 비용 및 시간 소모가 큰 질병 중 하나이다. 따라서 치매검진절차를 바탕으로 계층적 모델을 설계하였으며, 기계학습 알고리즘을 이용하여 데이터를 학습시켜 치매환자를 분류할 수 있는 치매진단 모델을 설계하였다.
Track 4 : 컴퓨터과학; 치매 예측도구 개발을 위한 요인분석
소아람 ( A Ram So ),좌희정 ( Hee Jung Jwa ),임희석 ( Heui Seok Lim ) 한국컴퓨터교육학회 2014 한국컴퓨터교육학회 학술발표대회논문집 Vol.18 No.1
우리나라는 가장 노령화 속도가 빠른 나라이며, 2020년을 기점으로 고령화율이 급격히 상승할 것으로 예상되며, 치매인구도 100만명을 넘을 것으로 예상된다. 따라서 치매예방책에 대한 연구가 필요하다. 본 연구에서는 치매예측도구개발을 위해 Feature Selection을 통해 각 속성이 치매판단을 내릴 때 어느 정도의 영향을 미치는지 실험하였고, Random Forest 알고리즘을 이용한 분류기를 통해 속성들이 분류 정확도에 어떤 영향을 미치는지 실험하였다. 실험결과 속성들이 치매를 판단하는데 미치는 속성들의 순서를 파악하였고, 향후 이를 바탕으로 치매 예측도구를 개발할 것이다.
소아람 ( A Ram So ),임희석 ( Heui Seok Lim ) 한국컴퓨터교육학회 2013 한국컴퓨터교육학회 학술발표대회논문집 Vol.17 No.2
본 논문은 선행연구로 연구되어진 ‘한국어 어휘 자동획득 시스템’을 바탕으로 연구하였으며, 인지신경기반 모델로 구현된 사전을 이용하였다. 이는 기존의 형태소분석기의 사전의 시간적, 비용적 비효울성을 해결할 수 있는 방안이며, 더 나아가 지능형 로봇 또는 인간의 어휘 분석 과정을 검증 및 예측 할 수 있는 심화과정의 연구과정이다.
영어능력진단 시스템 개발을 위한 어휘판단과제 기반 모델연구
소아람 ( Aram So ),( Natasia Wulansari ),임희석 ( Heui-seok Lim ) 한국컴퓨터교육학회 2016 한국컴퓨터교육학회 학술발표대회논문집 Vol.20 No.2
영어에 대한 관심과 필요성이 증대됨에 따라 어휘판단과제(Lexical Decision Task) 기반 모델을 이용하여 영어능력진단 시스템을 개발하였다. 어휘판단과제는 피험자의 반응속도와 정답률을 측정하여 사용자의 어휘능력을 측정하는 방법이다. 영어능력진단 시스템은 이를 바탕으로 개발되었으며, 읽기능력, 듣기능력, 단어변환 능력을 측정한다. 본 연구에서는 피험자들의 영어능력을 공인영어점수를 바탕으로 두 분류로 나누고, Ediagnosis System을 이용하여 실험해본 결과 상관관계가 있음이 나타났으며, 추후 사용자들에게 더 세밀한 진단을 할 수 있도록 연구할 예정이다.
딥러닝 기반 한국어 맞춤법 교정을 위한 오류 유형 분류 및 분석
구선민,박찬준,소아람,임희석 한국융합학회 2021 한국융합학회논문지 Vol.12 No.12
Recently, studies on Korean spelling correction have been actively conducted based on machine translation and automatic noise generation. These methods generate noise and use as train and data set. This has limitation in that it is difficult to accurately measure performance because it is unlikely that noise other than the noise used for learning is included in the test set In addition, there is no practical error type standard, so the type of error used in each study is different, making qualitative analysis difficult. This paper proposes new 'error type classification' for deep learning-based Korean spelling correction research, and error analysis perform on existing commercialized Korean spelling correctors (System A, B, C). As a result of analysis, it was found the three correction systems did not perform well in correcting other error types presented in this paper other than spacing, and hardly recognized errors in word order or tense. 최근 기계 번역 기술과 자동 노이즈 생성 방법론을 기반으로 한국어 맞춤법 교정 연구가 활발히 이루어지고 있다. 해당 방법론들은 노이즈를 생성하여 학습 셋과 데이터 셋으로 사용한다. 이는 학습에 사용된 노이즈 외의 노이즈가 테스트 셋에 포함될 가능성이 낮아 정확한 성능 측정이 어렵다는 한계점이 존재한다. 또한 실제적인 오류 유형 분류 기준이 없어 연구마다 사용하는 오류 유형이 다르므로 질적 분석에 어려움을 겪고 있다. 이를 해결하기 위해 본 논문은 딥러닝 기반 한국어 맞춤법 교정 연구를 위한 새로운 ’오류 유형 분류 체계‘를 제안하며 이를 바탕으로 기존 상용화 한국어 맞춤법 교정기(시스템 A, 시스템 B, 시스템 C)에 대한 오류 분석을 수행하였다. 분석결과, 세 가지 교정 시스템들이 띄어쓰기 오류 외에 본 논문에서 제시한 다른 오류 유형은 교정을 잘 수행하지 못했으며 어순 오류나 시제 오류의 경우 오류 인식을 거의 하지 못함을 알 수 있었다.