http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
사회적 변수를 고려한 LSTM 기반 코로나19 일별 확진자 수 예측 기법
노윤아(Yoona Noh),정승원(Seungwon Jung),문재욱(Jaeuk Moon),황인준(Eenjun Hwang) 한국정보과학회 2022 정보과학회 컴퓨팅의 실제 논문지 Vol.28 No.2
코로나19의 확산으로 인해 세계적으로 많은 피해가 보고되고 있다. 피해를 줄이기 위해서는 바이러스의 확산을 조기에 파악하고 적절한 대책을 신속히 준비하는 것이 중요하다. 이를 위해 시계열 예측에 탁월한 LSTM 모델과 같은 기계학습 모델을 활용한 코로나19 확진자 수 예측 연구가 수행되었으나, 대부분 확진자 수 데이터만 입력 변수로 사용하여 다소 부정확했다. 한편, 코로나19 대응 정책이나 유동인구 등은 사회적 변화를 나타내기에 예측 모델에 적용될 필요가 있다. 특히, 백신 접종으로 인해 변화된 확산 패턴을 예측 가능한 모델이 필요하다. 이에, 본 논문에서는 사회적 변화를 반영하는 변수들을 활용한 LSTM 기반 코로나19 확진자 수 예측 기법을 제안한다. 예측 모델 구성을 위해 사회적 거리두기 단계, 지하철 승차 인원, “코로나” 키워드 검색량, 백신 접종자 수 등의 데이터를 수집하고 모델의 입력 변수로 활용한다. 다양한 모델과의 비교 실험을 통하여 제안한 기법의 우수성을 보인다. Due to the spread of COVID-19, many losses are being reported worldwide. In order to reduce losses, it is important to identify the spread of the virus early and prepare appropriate countermeasures quickly. Various studies have been conducted to forecast the number of COVID-19 cases using machine learning models such as the LSTM model, which shows excellent performance in time series forecasting. However, most of them do not have high forecasting accuracy because they use only confirmed cases data as input variables. Meanwhile, COVID-19 response policy, floating population, and so on that can represent social changes need to be applied to a forecasting model. In particular, due to the introduction of vaccines, a forecasting model suitable for changed spread pattern is needed. Therefore, we proposed an LSTM-based forecasting scheme to predict the number of COVID-19 confirmed cases using social variables in this study. To construct the forecasting model, we collected data such as social distancing level, number of subway passengers, "COVID-19" keyword searches, and number of vaccinations and used them as input variables. Through comparative experiments with various models, the proposed scheme demonstrated an excellent forecasting performance.
Triflusal과 Ibudilast 동시처리에 의한 혈소판응집 및 혈액응고 억제효과
황인영(In Young Hwang),손윤아(Yoon Ah Sohn),황선아(Seon A Hwang),구연경(Yean Kyoung Koo),김선영(Sun Young Kim),윤혜숙(Hye Sook Yun-Choi),권순경(Soon Kyoung Kwon),정춘식(Choon Sik Jeong) 대한약학회 2012 약학회지 Vol.56 No.4
This study aims to develop a novel regimen for enhanced efficacy and reduced side effect in inhibiting platelet aggregation and blood coagulation by concurrent administration of triflusal and ibudilast as anticoaggulants. The result shows this combination of triflusal and ibudilast (300~500 μM, respectively) has additive effect in inhibiting platelet aggregation and blood coagulation over the administration of truflusal or ibdilast as a single treatment. This pharmaceutical composition is expected to be useful for the prevention or treatment of various diseases and symptoms, for example, ischemic heart disease, ischemic cerebral infarction, arteriosclerosis, and thrombosis caused by the insertion of a stent.
LSTM을 사용한 SHAP 기반의 설명 가능한 태양광 발전량 예측 기법
박성우 ( Sungwoo Park ),노윤아 ( Yoona Noh ),정승민 ( Seungmin Jung ),황인준 ( Eenjun Hwang ) 한국정보처리학회 2021 한국정보처리학회 학술대회논문집 Vol.28 No.2
최근 화석연료의 급격한 사용에 따른 자원고갈이나 환경오염과 같은 문제들이 심각해짐에 따라 화석연료를 대체할 수 있는 신재생에너지에 대한 관심이 높아지고 있다. 태양광 에너지는 다른 에너지원에 비해 고갈의 우려가 없고, 부지 선정의 제약이 크지 않아 수요가 증가하고 있다. 태양광 발전 시스템에서 생산된 전력을 효과적으로 사용하기 위해서는 태양광 발전량에 대한 정확한 예측 모델이 필요하다. 이를 위한 다양한 딥러닝 기반의 예측 모델들이 제안되었지만, 이러한 모델들은 모델 내부에서 일어나는 의사결정 과정을 들여다보기가 어렵다. 의사결정에 대한 설명이 없다면 예측 모델의 결과를 완전히 신뢰하고 사용하는 데 제약이 따른다. 이런 문제를 위해서 최근 주목을 받는 설명 가능한 인공지능 기술을 사용한다면, 예측 모델의 결과 도출에 대한 해석을 제공할 수 있어 모델의 신뢰성을 확보할 수 있을 뿐만 아니라 모델의 성능 향상을 기대할 수도 있다. 이에 본 논문에서는 Long Short-Term Memory(LSTM)을 사용하여 모델을 구성하고, 모델에서 어떻게 예측값이 도출되었는지를 SHapley Additive exPlanation(SHAP)을 통하여 설명하는 태양광 발전량 예측 기법을 제안한다.