http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 조정희(Jeonghee Jo) (검색결과 16 건)
- 무료
- 기관 내 무료
- 유료
-
-
-
안정적 유전자 특징 선택을 위한 유전자 발현량 데이터의 부트스트랩 기반 Lasso 회귀 분석
조정희(Jeonghee Jo),윤성로(Sungroh Yoon) 한국정보과학회 2017 정보과학회 컴퓨팅의 실제 논문지 Vol.23 No.9
많은 수의 유전자 데이터를 이용해서 Lasso 회귀 분석을 할 때, 유전자 발현량 값들 사이의 높은 상관성으로 인하여 회귀 계수의 추정값이 회귀 분석의 반복 시행마다 달라질 수 있다. L1 정규화에 의해 축소되는 회귀 계수의 불안정성은 변수 선택을 어렵게 하는 요인이 된다. 본 연구에서는 이러한 문제를 해결하기 위하여 부트스트랩 단계를 반복 시행하여 높은 빈도로 선택된 유전자들을 이용한 회귀 모형들을 만들고, 각 모형들에서 안정적으로 선택되는 특징 유전자들을 찾고, 그 유전자들이 위양성 결과가 아님을 입증하였다. 또한, 회귀모형 별 예측지수의 정확도를 실제지수와의 상관관계를 이용해 측정하였는데, 선택된 특징 유전자들의 회귀계수 부호의 분포가 정확도와 관련성을 보임을 확인하였다. When large-scale gene expression data are analyzed using lasso regression, the estimation of regression coefficients may be unstable due to the highly correlated expression values between associated genes. This irregularity, in which the coefficients are reduced by L1 regularization, causes difficulty in variable selection. To address this problem, we propose a regression model which exploits the repetitive bootstrapping of gene expression values prior to lasso regression. The genes selected with high frequency were used to build each regression model. Our experimental results show that several genes were consistently selected in all regression models and we verified that these genes were not false positives. We also identified that the sign distribution of the regression coefficients of the selected genes from each model was correlated to the real dependent variables.
-
-
깊은 스파이킹 신경망을 위한 뉴럴 아키텍처 탐색 알고리즘 성능 분석
류준규(Jungyu Ryu),조정희(Jeonghee Jo),김재욱(Jaewook Kim),정연주(YeonJoo Jeong),박성식(Seongsik Park) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6
This paper presents analyses of the performance of three different search algorithms, including random, greedy, and Bayesian, in the neural architecture search (NAS). To conduct this study, we used Autokeras, a keras-based AutoML framework, to search architectures of deep neural networks (DNNs) and deep spiking neural networks (SNNs). We evaluated the performance of NAS algorithms on searching deep SNNs and DNNs on CIFAR-10 datasets. Our experimental results showed that the Bayesian algorithm outperformed the other two in terms of accuracy, while the greedy algorithm achieved the best accuracy on DNNs. Our findings suggest that the Bayesian algorithm is promising in NAS for both DNNs and SNNs.
-
-
한혜림(Hyerim Han),조정희(Jeonghee Jo),박종길(Jongkil Park),박성식(Seongsik Park) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6
Multimodal models have been studied as promising model that can overcome the disadvantages of the unimodal models. However, not much research has been conducted on the effectiveness of multimodality in spiking neural networks (SNNs), which have been considered a next-generation artificial neural network for their energy efficiency. Thus, in this paper, we analyzed the effectiveness through experiments on modality, model size, and noise. According to our analysis, we validated that SNNs showed greater effectiveness in multimodality than DNNs.
-
-
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
