http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
마이크로RNA와 유전자 연관성 예측 딥러닝 모델 개발 연구
윤승원(Seung-Won Yoon),황인우(In-Woo Hwang),김재인(Jae-In Kim),이규철(Kyu-Chul Lee) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
마이크로RNA는 인체에서 유전자가 단백질로 발현되는 정도를 조절하는 중요한 역할을 하는 RNA이다. 마이크로 RNA와 관련 있는 유전자를 찾는 연구는 복잡한 마이크로RNA의 메커니즘을 파악하는데 큰 도움이 된다. 본 연구는 마이크로 RNA와 유전자의 연관성을 예측하는 딥러닝 모델을 개발하는 연구이다. 논문에서는 최적의 파라메터 및 딥러닝 성능을 제시하며 해당 모델을 활용하여 다양한 실험을 진행하였다. 높은 성능을 보이는 학습된 모델을 통하여 모델이 처음 접하는 마이크로RNA-유전자 쌍의 연관성 정도를 스코어로 제시하며, 췌장암과 관련있는 유전자와 연관성 높은 마이크로RNA를 순위로 제시한다.
보간기법을 적용한 AIS 데이터 기반 선박 경로 예측 딥러닝 연구
이원희(Won-Hee Lee),윤승원(Seung-Won Yoon),장다현(Da-Hyun Jang),이규철(Kyu-Chul Lee) 한국컴퓨터정보학회 2024 韓國컴퓨터情報學會論文誌 Vol.29 No.3
해상 운송의 대부분을 차지하고 있는 선박의 경로를 예측하는 연구는 해상의 위험을 사전에 탐지하여 사고를 예방할 수 있다. 도로와 달리 해상에는 신호체계가 따로 존재하지 않고, 교통 관리가 어렵기에 해상 안정성을 위해 선박 경로 예측은 필수적이다. 그러나 선박의 경로 데이터셋의 시간 간격은 통신 장애로 인해 불규칙하다. 본 연구는 이 문제를 해결하기 위해 선박 경로 예측에 적합한 보간법을 사용하여 데이터의 시간 간격을 조정하는 방법을 제시한다. 또한, 선박의 경로를 예측하기 위한 선박 경로 예측 딥러닝 모델을 개발하였다. 본 연구의 모델은 선박의 실시간 경로 정보를 담고 있는 AIS 데이터를 통해 선박의 이동패턴을 파악하여 이후에 위치할 선박의 GPS 좌표를 예측하는 LSTM 모델이다. 본 논문은 선형 보간법을 사용한 데이터 전처리 방법과 선박 경로 예측에 적합한 딥러닝 모델을 제시하고, 실험을 통해 MSE 0.0131, Accuracy 0.9467로 본 논문에서 제시하는 방법의 예측 성능이 우수함을 나타낸다. The research on predicting the routes of ships, which constitute the majority of maritime transportation, can detect potential hazards at sea in advance and prevent accidents. Unlike roads, there is no distinct signal system at sea, and traffic management is challenging, making ship route prediction essential for maritime safety. However, the time intervals of the ship route datasets are irregular due to communication disruptions. This study presents a method to adjust the time intervals of data using appropriate interpolation techniques for ship route prediction. Additionally, a deep learning model for predicting ship routes has been developed. This model is an LSTM model that predicts the future GPS coordinates of ships by understanding their movement patterns through real-time route information contained in AIS data. This paper presents a data preprocessing method using linear interpolation and a suitable deep learning model for ship route prediction. The experimental results demonstrate the effectiveness of the proposed method with an MSE of 0.0131 and an Accuracy of 0.9467.
최세현,조재환,윤승원,Choi, Se-Hyun,Cho, Jae-Hwan,Yoon, Seung-Won 한국유기농업학회 2014 韓國有機農業學會誌 Vol.22 No.4
This study probed into some characteristics of the urban household such as household income, number of the household, age distribution of the family members, their characteristics of shopping behavior such as the shopping place, types of the packaging and the characteristics of the time series, using consumer panel data of the Rural Development Administration (RDA). It further examined how the above factors affect fruit purchasing prices and then estimates the degree of the influence by each factor. The study looked at the purchase of apples, pears, tangerines, and oranges - the most favorite fruits in Korea. The results of this study can be utilized as the basic information for marketing strategies and/or for the establishment of future policy plans related to fruits consumption.
백문기 ( Moon-ki Back ),윤승원 ( Seung-won Yoon ),이상백 ( Sang-baek Lee ),이규철 ( Kyu-chul Lee ) 한국정보처리학회 2021 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.10 No.1
생성적 적대 신경망(Generative Adversarial Networks, GANs)은 컴퓨터 비전 분야와 관련 분야에서 큰 인기를 얻었으나, 아직까지는 오디오 신호를 직접적으로 생성하는 GAN이 제시되지 못했다. 오디오 신호는 이미지와 다르게 이산 값으로 구성된 생플링된 신호이므로, 이미지 생성에 널리 사용되는 CNN 구조로 학습하기 어렵다. 이러한 제약을 해결하고자, 최근 GAN 연구자들은 오디오 신호의 시간-주파수 표현을 기존 이미지 생성 GAN에 적용하는 전략을 제안했다. 본 논문은 이 전략을 따르면서 GAN을 사용해 생성된 오디오 신호의 충실도를 높이기 위한 개선된 방법을 제안한다. 본 방법은 공개된 스피치 데이터세트를 사용해 검증했으며, 프레쳇 인셉션 거리(Frechet Inception Distance, FID)를 사용해 평가했다. 기존의 최신(state-of-the-art) 방법은 11.973의 FID를, 본 연구에서 제안하는 방법은 10.504의 FID를 보였다(FID가 낮을수록 충실도는 높다). Although Generative Adversarial Networks (GANs) have gained great popularity in computer vision and related fields, generating audio signals independently has yet to be presented. Unlike images, an audio signal is a sampled signal consisting of discrete samples, so it is not easy to learn the signals using CNN architectures, which is widely used in image generation tasks. In order to overcome this difficulty, GAN researchers proposed a strategy of applying time-frequency representations of audio to existing image-generating GANs. Following this strategy, we propose an improved method for increasing the fidelity of synthesized audio signals generated by using GANs. Our method is demonstrated on a public speech dataset, and evaluated by Frechet Inception Distance (FID). When employing our method, the FID showed 10.504, but 11.973 as for the existing state of the art method (lower FID indicates better fidelity).
거리 기반 데이터 레이블링을 적용한 lncRNA-질병 연관성 예측 모델
김재인(Jaein Kim),윤승원(Seung-Won Yoon),황인우(In-Woo Hwang),이규철(Kyu-Chul Lee) 한국정보과학회 2023 정보과학회논문지 Vol.50 No.5
lncRNA는 200개 이상의 뉴클레오타이드로 이루어져 있는 비암호화 RNA이다. 비암호화 RNA는 단백질을 직접 생성하지 못해 중요도가 낮은 물질로 여겨져 왔으나 비암호화 RNA가 단백질 발현을 조절하는 역할을 하는 것으로 밝혀지며 최근 많은 연구가 진행되고 있다. lncRNA의 비정상적인 발현은 다양한 질병의 원인이 되며 lncRNA와 질병의 연관성을 예측함으로써 초기 질병의 진단 또는 질병 예방에 도움을 줄 수 있다. 한편 생물학적 데이터의 연관성을 예측하는 연구는 직접적인 실험으로 진행할 경우 오랜 시간과 큰 비용이 들어가므로 이러한 문제점을 계산적인(computational) 방법을 적용하여 보완하는 것이 중요하다. 따라서 본 연구에서는 LSTM(Long Short-Term Memory)을 기반으로 한 lncRNA-질병 연관성 예측 모델을 제안한다. 또한, 기존 연구에서는 임의로 네거티브 샘플을 생성하여 데이터에 불확실성이 존재하므로 본 연구에서는 이런 불확실성을 해결하는 거리를 기반으로 한 데이터 레이블링 방법 역시 제안한다. 본 연구에서 제시한 데이터 레이블링 방법과 분류 모델을 통해 최고 AUC 0.97을 달성하였다. lncRNAs are noncoding RNAs of 200 or more nucleotides. For a long time, non-coding RNA has been considered unimportant because it cannot directly produce proteins, but recent studies have reported that non-coding RNA plays a role in regulating protein expression. Abnormal expression of lncRNAs causes various diseases and predicting the associations between lncRNAs and diseases would help diagnose diseases in the early stages or prevent diseases. However, research that predicts the correlation of biological data is time-consuming and costly if it is conducted as a direct experiment. Therefore, it is important to overcome these challenges using computational methods. Therefore, in this study, we propose a lncRNA-disease association prediction model based on Long Short-Term Memory (LSTM). In addition, since negative samples were randomly generated in previous studies, there is uncertainty in the data. So this study also proposes a distance-based data labeling method that solves this uncertainty. Our model achieved the highest AUC (0.97) through the data labeling method and classification model presented in this study.
거리 기반 레이블링 방법을 이용한 마이크로RNA와 유전자 관계 예측 딥러닝 모델 개발 연구
김재인(Jaein Kim),윤승원(Seung-Won Yoon),황인우(In-Woo Hwang),이규철(Kyu-Chul Lee) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
마이크로RNA는 유전자 발현을 조절하는 중요한 RNA이다. 마이크로RNA와 유전자 사이의 관계를 찾는 것은 마이크로RNA가 어떻게 작동하는지 이해하는 데에 도움이 되며 환자의 질병을 진단하는 데에도 효과적이다. 본 논문은 마이크로RNA-유전자 쌍의 거리 측정을 기반으로 하는 새로운 레이블링 방법과 함께 마이크로RNA와 유전자의 연관성을 예측하는 LSTM(Long -Short Term Memory) 기반 딥러닝 모델을 제시하며 그에 대한 5-fold 교차 검증 실험 결과를 제시한다. 본 연구에서 제시한 딥러닝 모델의 ROC 커브는 최대 0.95를 달성하였다.