http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
홍의석 에스케이텔레콤 (주) 1996 Telecommunications Review Vol.6 No.3
이동통신을 포함하는 무선통신은 주파수, 거리, 송수신 안테나의 높이, 지구의 곡률반경, 대기 환경 및 건물등과 같은지형 지물에 의하여 많은 영향을 받는다. 경제 사회의 발전으로 인한 건축물의 고층화로 전파 환경은 날로 열악해져 가고있다. 본 논문에서는 전송 손실 예측을 위해 광의 회절현상을 이용하였다. Fresnel-Kirchhoff의 회절 적분식으로 부터 유한크기의 장애물에 의한 회절 손실을 계산할 수 있는 이론식을 유도하였고 이 식으로 부터 임의의 크기를 갖는 구형 장애물에의한 회절파 및 반사파를 계산하였다. 이러한 해석방법은 매우 복잡한 것이어서 수치 해석 프로그램이 필수적 이다. 수치 해석 프로그램은 여러 가지 환경 변수를 입력해야 하므로 일반인이 사용하기에는 많은 어려움이 있다. 따라서 프로그램을 그래픽화 하므로서 누구라도 쉽게 사용할 수 있도록 하였다. 개발된 프로그램은 손쉬운 조작으로 복잡한 전파 환경을 쉽게 구성할 수 있을 뿐만 아니라 자신이 구성한 전파 환경에 대한 손실을 쉽게 예측할 수 있도록 되어 있다.
홍의석 한국인터넷방송통신학회 2022 한국인터넷방송통신학회 논문지 Vol.22 No.6
In software fault prediction, a multi classification model that predicts the fault severity category of a module can be much more useful than a binary classification model that simply predicts the presence or absence of faults. A small number of severity-based fault prediction models have been proposed, but no classifier using deep learning techniques has been proposed. In this paper, we construct MLP models with 3 or 5 hidden layers, and they have a structure with a fixed or variable number of hidden layer nodes. As a result of the model evaluation experiment, MLP-based deep learning models shows significantly better performance in both Accuracy and AUC than MLPs, which showed the best performance among models that did not use deep learning. In particular, the model structure with 3 hidden layers, 32 batch size, and 64 nodes shows the best performance. 소프트웨어 결함 예측 작업 시 단순히 결함 유무만을 예측하는 이진 분류 모델에 비해 결함의 심각도 범주를예측하는 다중 분류 모델은 훨씬 유용하게 사용될 수 있다. 소수의 심각도 기반 결함 예측 모델들이 제안되었지만 딥러닝 기법을 사용한 분류기는 없었다. 본 논문은 3개, 5개의 은닉층을 갖고 은닉층 노드수가 고정된 구조와 변화하는 구조의 MLP 모델들을 제작하였다. 모델 평가 실험 결과 기존 기계학습 모델들 중 가장 좋은 성능을 보인 MLPs보다 MLP 기반 딥러닝 모델들은 Accuracy와 AUC 모두 유의미하게 더 우수한 성능을 보였다. 특히 노드수 고정 구조에서는 은닉층수 3, 배치사이즈 32, 노드수 64인 모델 구조가 가장 좋은 성능을 보였다.
홍의석 한국인터넷방송통신학회 2022 한국인터넷방송통신학회 논문지 Vol.22 No.4
Many studies have been conducted on software fault prediction models for decades, and the models using machine learning techniques showed the best performance. Deep learning techniques have become the most popular in the field of machine learning, but few studies have used them as classifiers for fault prediction models. Some studies have used deep learning to obtain semantic information from the model input source code or syntactic data. In this paper, we produced several models by changing the model structure and hyperparameters using MLP with three or more hidden layers. As a result of the model evaluation experiment, the MLP-based deep learning models showed similar performance to the existing models in terms of Accuracy, but significantly better in AUC. It also outperformed another deep learning model, the CNN model. 수십년간 매우 많은 소프트웨어 결함 예측 모델에 관한 연구들이 수행되었으며, 그들 중 기계학습 기법을 사용한모델들이 가장 좋은 성능을 보였다. 딥러닝 기법은 기계학습 분야에서 가장 각광받는 기술이 되었지만 결함 예측 모델의분류기로 사용된 연구는 거의 없었다. 몇몇 연구들은 모델의 입력 소스나 구문 데이터로부터 시맨틱 정보를 얻어내는데딥러닝을 사용하였다. 본 논문은 3개 이상의 은닉층을 갖는 MLP를 이용하여 모델 구조와 하이퍼 파라미터를 변경하여여러 모델들을 제작하였다. 모델 평가 실험 결과 MLP 기반 딥러닝 모델들은 기존 결함 예측 모델들과 Accuracy는 비슷한 성능을 보였으나 AUC는 유의미하게 더 우수한 성능을 보였다. 또한 또다른 딥러닝 모델인 CNN 모델보다도 더 나은성능을 보였다.
백지(白芷)의 ${\alpha}-Melanocyte$ Stimulating Hormone에 의해 유도된 Bl6 흑색종 세포의 멜라닌 형성에 미치는 영향
홍의석,이준혁,최병태,윤화정,고우신,Hong, Ui-Suk,Lee, Jun-Hyuk,Choi, Byung-Tae,Yoon, Hwa-Jung,Ko, Woo-Shin 대한한방안이비인후피부과학회 2005 한방안이비인후피부과학회지 Vol.18 No.1
Melanin determines phenotypic appearance and its election-opaque property protects cells from physical, including ultraviolet (UV) radiation, and chemical stimuli such as free radicals. However hyper-pigmentation is associated with various skin diseases such as keloid scar. The aim of present study was to investigate the effects of aqueous extracts from Angelica dahurica Benth. (AEAD) on ${\alpha}-Melanocyte$ stimulating hormone $({\alpha}-MSH)-induced$ melanogenesis in B16 mouse melanoma cell. Relative high doses ($5\;mg/m{\ell}$) of AEAD could inhibit melanin formation without apoptotic death in cells treated with ${\alpha}-MSH$. And also, ${\alpha}-MSH-induced$ activation of tyrosinase was inhibited in cells treated with AEAD. These results suggest that AEAD inhibit melanogenesis through inhibiting tyrosinase activity, and also, AEAD may apply to develop whitening drugs and cosmetics.