• 제목/요약/키워드: machine learning

검색결과 5,099건 처리시간 0.034초

FRM: Foundation-policy Recommendation Model to Improve the Performance of NAND Flash Memory

  • Won Ho Lee;Jun-Hyeong Choi;Jong Wook Kwak
    • 한국컴퓨터정보학회논문지
    • /
    • 제28권8호
    • /
    • pp.1-10
    • /
    • 2023
  • 최근, 낸드 플래시 메모리는 비휘발성, 높은 집적도, 높은 내구성으로 인하여 다양한 컴퓨터 시스템에서 자기 디스크를 대체하고 있지만 연산 처리 속도 불균형 및 수명 제한과 같은 한계를 가진다. 따라서 낸드 플래시 메모리의 단점을 극복하고자 디스크 버퍼 관리정책들이 연구되고 있다. 비록 이러한 관리정책들이 다양한 작업 환경과 응용 프로그램의 실행 특성을 반영하는 것은 명확하나, 이들을 위한 기초 관리 정책 결정 방식에 대한 연구는 그에 비하면 미흡하다. 본 논문에서는 낸드 플래시 메모리를 효율적으로 활용하기 위한 기초 관리정책 제안 모델인 FRM을 소개한다. FRM은 워크로드를 다양한 특성에 따라 분석하고 낸드 플래시 메모리가 가지는 특성들과 조합하는 모델로, 이를 통해 작업 환경에 가장 알맞은 기초 관리 정책을 제시한다. 결과적으로 제안하는 모델은 학습 데이터와 검증 데이터에 대해 Accuracy와 Weighted Average 측면에서 각각 92.85%와 88.97%의 기초 관리정책 예측 정확도를 보여주었다.

Personalized Size Recommender System for Online Apparel Shopping: A Collaborative Filtering Approach

  • Dongwon Lee
    • 한국컴퓨터정보학회논문지
    • /
    • 제28권8호
    • /
    • pp.39-48
    • /
    • 2023
  • 본 연구는 의류의 디자인 간 치수의 불일치와 비표준화로 인해 온라인 구매 시 발생하는 치수 선택의 오류 문제를 해결할 수 있는 방안을 제시하기 위해 수행되었다. 본 논문은 구매자에게 개인화된 치수를 제시할 수 있는 기계 학습 기반 추천 시스템의 구현 방안을 다루고 있다. 온라인 상거래로부터 발생된 구매 데이터를 사용하여 비음수 행렬 분해(NMF), 특이값 행렬 분해(SVD), k-최근접 이웃(KNN), 공동 클러스터링(Co-Clustering) 등 여러 검증된 협업 필터링 알고리즘을 훈련하였고, 이들 간에 성능을 비교하였다. 연구 결과, 비음수 행렬 분해 (NMF) 알고리즘이 다른 알고리즘들보다 뛰어난 성능을 보임을 확인할 수 있었다. 동일한 계정을 사용하는 여러 구매자가 포함되는 구매 데이터의 특성에도 불구하고, 제안 모형은 충분한 정확도를 보였다. 본 연구의 결과는 치수 선택의 오류로 인한 반품률을 감소하고 전자상거래 플랫폼에서의 고객 경험을 향상시키는 데 기여할 것으로 기대된다.

백혈병 진단을 위한 CNN 모델 비교 분석 (Comparative Analysis of CNN Models for Leukemia Diagnosis)

  • 이연지;류정화;이일구
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2022년도 춘계학술대회
    • /
    • pp.279-282
    • /
    • 2022
  • 급성 림프모구성 백혈병은 골수 내 미성숙 림프구 과다증식으로 인해 골수 기능이 억제되어 발생하는 급성 백혈병이다. 성인 급성 백혈병의 30% 비율을 차지하고 있으며, 소아는 항암화학요법으로 80% 이상의 완치율을 보이는 반면, 성인은 20%~50%로 저조한 생존율을 보이고 있다. 그러나 급성 림프모구성 백혈병 진단을 위한 의료영상 데이터 기반 머신러닝 알고리즘에 관한 연구가 초동 단계이다. 본 논문에서는 신속하고 정확한 진단을 위해 CNN 알고리즘모델들을 비교분석한다. 네 가지 모델을 사용하여 급성 림프모구성 백혈병 진단 모델들을 비교분석하기 위한 실험 환경을 구축하고 주어진 의료영상 데이터에 대해 정확도가 가장 우수한 알고리즘을 선택하였다. 실험 결과에 따르면 네 가지의 CNN 모델들 중에서 InceptionV3모델이 98.9%의 정확도로 가장 우수한 성능을 보였다.

  • PDF

In silico 기법을 이용한 신경독성 예측 (In Silico Approach for Predicting Neurotoxicity)

  • 이소연;유선용
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2022년도 춘계학술대회
    • /
    • pp.270-272
    • /
    • 2022
  • 임상을 거친 약물이 시중에 유통되지 못하는 요인 중 하나는 안전성이다. 약물 부작용으로 인해 발생하는 안전성 문제의 주된 원인인 신경독성의 경우, 사전에 약물이나 화합물에 대한 위험 평가가 필요하다. 현재 약물의 안전성 검사를 위한 실험들은 동물 실험을 기반으로 하고 있으며, 이는 시간과 비용이 많이 든다는 단점을 갖는다. 따라서 위 문제를 해결하기 위해 in silico 실험을 통한 신경독성 예측모델을 제안하고자 한다. 본 연구에서는 의학 언어 시스템 (Unified Medical Language System)을 이용해 신경독성의 범주를 확대하고, 통합 데이터베이스를 기반으로 다양한 관련 화합물 데이터를 얻었다. 얻은 화합물들의 SMILES (Simplified Molecular Input Line Entry System)를 fingerprint로 변환시키고 이를 사용한 기계학습 기반의 모델을 만들었다. 모델은 최종적으로 신경독성의 유무를 예측한다. 해당 연구에서 제안된 실험은 in vivo 실험에 소요되는 시간 및 비용을 줄일 수 있다. 더 나아가 신약 개발 연구 기간을 단축하고 개발 중지 등의 부담을 줄일 수 있을 것으로 기대된다.

  • PDF

YouTube 인기 급상승 동영상 데이터셋의 국가별-카테고리별 분석 (Analysis of YouTube Trending Video Dataset by Country and Category)

  • 정지민;김승진;정성욱;이동윤
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2022년도 춘계학술대회
    • /
    • pp.209-211
    • /
    • 2022
  • 전세계적으로 수많은 사람들이 이용하는 동영상 플랫폼 YouTube는 인기 급상승 동영상 서비스를 제공하고 있다. 본 연구는 공개 데이터셋 중 하나인 Kaggle 데이터셋을 이용하여 국가별 특징과 문화적 차이를 이해하고 공개 데이터셋의 유용성을 보이는 것을 목적으로 한다. 이를 위해 11개국, 15개 카테고리, 약 110만개의 인기 급상승 동영상 데이터를 분석 대상으로 한다. 데이터 분석을 위해 파이썬을 이용하여 카테고리 별 동영상의 개수와 인기 급상승 동영상 선정 기간, Unique 동영상 비율 등을 구하였으며, 이를 통해 국가별, 카테고리별 특징을 파악하고, 그 현상에 대한 배경을 추가 자료 조사를 통해 확인하였다. 향후 머신 러닝에 기반을 둔 인기 급상승 동영상 선정 가능성 및 선정 기간 예측을 통해 개별 동영상 진단 및 채널 운영 방안과 전략 수립에 도움을 주는 연구를 수행할 예정이다.

  • PDF

AI기반 스마트 수질환경관리 서비스 플랫폼 개발 (AI-based smart water environment management service platform development)

  • 김남호
    • 스마트미디어저널
    • /
    • 제11권9호
    • /
    • pp.56-63
    • /
    • 2022
  • 최근 기후변화에 의한 수온상승, 과다한 영양염류의 유입 및 하천환경의 변화로 인한 주요하천 및 호소에 대한 조류발생 빈도 및 범위가 증가하고 있다. 이상조류에는 녹조와 적조가 있다. 녹조현상은 물속의 클로로필(Chl-a) 등의 남조류가 과다 성장하여 물의 색이 짙은 녹색으로 변하는 현상으로, 미량의 냄새물질과 독소를 생성하여 수질악화와 식수안전에 대한 우려가 급증하고 있다. 본 연구는 생활주변 환경의 생태하천과 호소에서 측정된 수질정보를 원격지에서 1:1 실시간모니터링 및 제어하기 위하여 디지털트윈의 3D 가상세계를 구축하고, 사물인터넷(IOT) 센서기반의 수질정보 센서측정기를 개발하며, AI의 머신러닝 기반 수집데이터 분석을 토대로 녹조 등 수질오염의 발생원인과 확산패턴을 예측하여 조류경보와 수질예보를 할 수 있는 스마트 수질환경 서비스 플랫폼 구축을 제안하고자 한다.

Long Short-Term Memory Neural Network assisted Peak to Average Power Ratio Reduction for Underwater Acoustic Orthogonal Frequency Division Multiplexing Communication

  • Waleed, Raza;Xuefei, Ma;Houbing, Song;Amir, Ali;Habib, Zubairi;Kamal, Acharya
    • KSII Transactions on Internet and Information Systems (TIIS)
    • /
    • 제17권1호
    • /
    • pp.239-260
    • /
    • 2023
  • The underwater acoustic wireless communication networks are generally formed by the different autonomous underwater acoustic vehicles, and transceivers interconnected to the bottom of the ocean with battery deployed modems. Orthogonal frequency division multiplexing (OFDM) has become the most popular modulation technique in underwater acoustic communication due to its high data transmission and robustness over other symmetrical modulation techniques. To maintain the operability of underwater acoustic communication networks, the power consumption of battery-operated transceivers becomes a vital necessity to be minimized. The OFDM technology has a major lack of peak to average power ratio (PAPR) which results in the consumption of more power, creating non-linear distortion and increasing the bit error rate (BER). To overcome this situation, we have contributed our symmetry research into three dimensions. Firstly, we propose a machine learning-based underwater acoustic communication system through long short-term memory neural network (LSTM-NN). Secondly, the proposed LSTM-NN reduces the PAPR and makes the system reliable and efficient, which turns into a better performance of BER. Finally, the simulation and water tank experimental data results are executed which proves that the LSTM-NN is the best solution for mitigating the PAPR with non-linear distortion and complexity in the overall communication system.

머신러닝 기반 서울시 로컬브랜드 골목상권 추천시스템 설계 (Seoul Local Brand Alley Commercial Area Recommendation System Design Using Machine Learning)

  • 김지연;장효선;박민서
    • 문화기술의 융합
    • /
    • 제9권1호
    • /
    • pp.101-109
    • /
    • 2023
  • 코로나 19 자영업자비상대책위원회가 발표한 자료에 따르면 지난 2년 동안 코로나19로 인한 소상공인 매출의 95.6%가 감소했으며, 방역을 위한 사회적 거리두기로 인해 피해는 더욱 커졌다. 하지만 최근 사회적 거리두기 지침이 전부 해제되고 상권이 활기를 띠면서 서울시는 코로나19의 장기화로 한계에 부딪혀 폐업하였던 소상공인이나 예비 창업자를 위해 안정적으로 사업을 재기할 수 있도록 로컬브랜드 상권 육성사업을 추진하고 있다. 따라서 본 연구는 서울시 로컬브랜드 상권 육성사업의 대상으로 선정된 골목상권 5곳 중 창업자에게 적합한 골목상권을 추천하는 모델을 설계했다. 이 연구의 서울시 로컬브랜드 골목상권 추천시스템은 Xgboost를 이용한 인구관점 모델과 Decision tree를 이용한 상권특징 모델을 합쳐 해당 상권의 주요 인구 연령대와 주요 업종을 추천한다.

Detection of Depression Trends in Literary Cyber Writers Using Sentiment Analysis and Machine Learning

  • Faiza Nasir;Haseeb Ahmad;CM Nadeem Faisal;Qaisar Abbas;Mubarak Albathan;Ayyaz Hussain
    • International Journal of Computer Science & Network Security
    • /
    • 제23권3호
    • /
    • pp.67-80
    • /
    • 2023
  • Rice is an important food crop for most of the population in Nowadays, psychologists consider social media an important tool to examine mental disorders. Among these disorders, depression is one of the most common yet least cured disease Since abundant of writers having extensive followers express their feelings on social media and depression is significantly increasing, thus, exploring the literary text shared on social media may provide multidimensional features of depressive behaviors: (1) Background: Several studies observed that depressive data contains certain language styles and self-expressing pronouns, but current study provides the evidence that posts appearing with self-expressing pronouns and depressive language styles contain high emotional temperatures. Therefore, the main objective of this study is to examine the literary cyber writers' posts for discovering the symptomatic signs of depression. For this purpose, our research emphases on extracting the data from writers' public social media pages, blogs, and communities; (3) Results: To examine the emotional temperatures and sentences usage between depressive and not depressive groups, we employed the SentiStrength algorithm as a psycholinguistic method, TF-IDF and N-Gram for ranked phrases extraction, and Latent Dirichlet Allocation for topic modelling of the extracted phrases. The results unearth the strong connection between depression and negative emotional temperatures in writer's posts. Moreover, we used Naïve Bayes, Support Vector Machines, Random Forest, and Decision Tree algorithms to validate the classification of depressive and not depressive in terms of sentences, phrases and topics. The results reveal that comparing with others, Support Vectors Machines algorithm validates the classification while attaining highest 79% f-score; (4) Conclusions: Experimental results show that the proposed system outperformed for detection of depression trends in literary cyber writers using sentiment analysis.

폴리트로픽 지수 기반의 재열 가스터빈 입구온도 산출 알고리즘 개발 (Development of a Polytropic Index-Based Reheat Gas Turbine Inlet Temperature Calculation Algorithm)

  • 한영복;김성호;김변곤
    • 한국전자통신학회논문지
    • /
    • 제18권3호
    • /
    • pp.483-494
    • /
    • 2023
  • 최근 가스터빈 발전기는 전력계통의 주파수 조절용으로 널리 사용되고 있다. 가스터빈의 입구온도는 기기의 성능과 수명에 관련된 핵심요소이지만 터빈구조 및 운전환경 등의 이유로 입구온도를 직접 측정하지 않고 가스터빈 배기가스 온도 측정값을 이용하여 입구온도의 추정 값을 구해 이를 연소제어에 사용하고 있다. 특히 재열 가스터빈의 입구온도는 안정적 운전관리에 있어서 매우 중요하지만 제작사가 산출 식에 대한 정보를 제공하지 않고 있어 현장 실무자들은 많은 어려움을 겪고 있다. 이에 본 연구에서는 폴리트로픽 과정식의 기반 위에 머신러닝 기반의 선형회귀 분석기법을 사용하여 가스터빈의 입구온도를 추정할 수 있는 방법을 제시하고자 한다. 또한 선형회귀분석을 통해 얻어진 입구온도 산출 모델식의 유용성 분석과 검증을 통해 입구온도 산출 알고리즘을 제안함으로서 재열 가스터빈 연소튜닝 기술수준 향상에 도움이 되고자 한다.