http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
장뇌삼 잎 추출물의 분획물이 Scopolamine으로 유도된 Mouse의 기억력 개선에 미치는 영향
김주봉 ( Ju Bong Kim ),김수현 ( Soo Hyun Kim ),박선영 ( Sun Young Park ),정대규 ( Dae Kyoo Chung ) 대한한방신경정신과학회 2010 동의신경정신과학회지 Vol.21 No.1
Objectives: The purpose of this study was to characterize the effect of the fraction of Korean mountain ginseng folium (FKG) on the learning and memory impairments induced by scopolamine. Methods: The memory ameliorating effect of FKG was investigated using a passive avoidance test, the Y-maze test, and the Morris water maze test in mice. Drug-induced amnesia was induced by treating animals with scopolamine (1 mg/kg, i.p.). Results: FKG (2 or 4 mg/kg, p.o.) administration significantly reversed scopolamine-induced cognitive impairments in mice by the passive avoidance test and the Y-maze test (P<0.05), and also improved escape latency in the Morris water maze test at 2 or 4 mg/kg (P<0.05). Although FKG has little inhibitory activity for AChE (IC50 value; 1847 μg/ml) in an invitro study, phosphorylated extracellular signal-regulated kinase (pERK) was increased by the administration of FKG in hippocampus on immunohistochemistry. Conclusions: These results suggest that FKG may be a useful cognitive impairment treatment, and its beneficial effects are mediated, in part, via activation of ERK pathway.
Convolutional Neural Network을 활용한 패킷 페이로드 기반 네트워크 트래픽 분류
김주봉 ( Ju-bong Kim ),임현교 ( Hyun-kyo Lim ),허주성 ( Joo-seong Heo ),한연희 ( Youn-hee Han ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.1
네트워크 트래픽 데이터를 정제하여, Convolutional Neural Network Model 훈련에 적합한 데이터 세트로 변환하는데, 그 방법은 패킷 단위의 트래픽 데이터를 이미지 형태로 만드는 것이다. 완성된 데이터세트를 훈련데이터로 하여 Convolutional Neural Network Model에 훈련하고, 훈련데이터의 이미지 크기를 변환해가며 훈련시킨 결과에 대해 비교 분석 및 평가를 진행한다.
상태 행동 가치 기반 다중 에이전트 강화학습 알고리즘들의 비교 분석 실험
김주봉 ( Ju-bong Kim ),최호빈 ( Ho-bin Choi ),한연희 ( Youn-hee Han ) 한국정보처리학회 2021 한국정보처리학회 학술대회논문집 Vol.28 No.1
시뮬레이션을 비롯한 많은 다중 에이전트 환경에서는 중앙 집중 훈련 및 분산 수행(centralized training with decentralized execution; CTDE) 방식이 활용되고 있다. CTDE 방식 하에서 중앙집중 훈련 및 분산 수행 환경에서의 다중 에이전트 학습을 위한 상태 행동 가치 기반(state-action value; Q-value) 다중 에이전트 알고리즘들에 대한 많은 연구가 이루어졌다. 이러한 알고리즘들은 Independent Q-learning (IQL)이라는 강력한 벤치 마크 알고리즘에서 파생되어 다중 에이전트의 공동의 상태 행동 가치의 분해(Decomposition) 문제에 대해 집중적으로 연구되었다. 본 논문에서는 앞선 연구들에 관한 알고리즘들에 대한 분석과 실용적이고 일반적인 도메인에서의 실험 분석을 통해 검증한다.