Earticle

Among the major reasons for death in humans, brain tumors are the most prevalent type and it affects humans of all ages. Brain tumors are treatable if detected in early stages. The classification of Tumors is being done by biopsy. On the Other hand, Magnetic Resonance Imaging (MRI) is a routine technique for humans to investigate this disease (Brain Tumors). In contrast, avoiding the need for a Radiologist, the detection and classification method proposed by using the Deep Learning Technique in this paper would benefit to all doctors globally. This work focused on a new Sequential base Convolutional Neutral Network (CNN) Architecture to classify the Brain Tumor types such as Glioma-Tumors, Meningioma tumors, No-tumors, and Pituitary tumors using MRI images. The proposed method gives better results for classifying Brain Images from a given dataset of Brain tumors with around 3264 MRI images. The purpose of our work is to use the Sequential base CNN model to detect brain cancers. The accuracy of our model's performance will be assessed. Consequently, we may infer that the Sequential base CNN model produces results that are very adequate and have an increased accuracy. Finally, the proposed method improves the accuracy up to 82.66%.

Travel trends are changing due to the prolonged COVID-19 pandemic and vaccine development. The analysis of pre and post Covid-19 tourism trends, according to a survey by Jeju Tourism Organization, shows that the search volume for overseas travel has decreased compared to 2018 and 2019, but search volume for Jeju travel and the number of tourists visiting Jeju Island Increased. In the case of tourists in Jeju, many use vehicles, mostly rental cars, for transportation due to the geographical characteristics of the island, and the number of electric vehicles is increasing in Jeju Island’s rental car services due to the strengthening of electric car policies. However, most of the existing research on tourists have been conducted using public data. Therefore, based on the means of transportation mainly used by tourists, electric vehicle driving data recorded for three years provided by Korea Electric Power Corporation Knowledge Data Network (KEPCO KDN) was classified into a total of 11 areas by weather and time requirements and classified through an artificial intelligence-based multiclassification model. In this study, tourist activity patterns were classified according to season, time zone, and climate conditions, but in the future, it can be used for recommendations and advertisements for tourist destinations by subdividing zones and adding information on users.

목적: 본 연구는 실버세대 여성유명인을 대상으로 젊은 세대가 느끼는 이미지에 따라 유형화하고 유형에 따른 미용스타일과 이미지 차이를 분석하고자 한다. 이러한 연구는 새로운 소비계층으로 부각되고 있는 실버세대의 대표적인 스타일을 구분함으로써 실버세 대 여성에 대한 이해를 돕고 패션과 미용 상품 개발 및 이미지메이킹의 기초자료로 활용될 수 있을 것이다. 방법: 실버세대 여성유 명인을 55세 이상 65세 이하를 대상으로 50명을 선정하였으며, 이미지 평가를 위하여 선행연구를 참고로 총 20개의 형용사쌍을 추 출하였고 7점 의미미분척도로 구성하였다. 여성유명인의 선호도 평가는 '좋아하는-좋아하지 않는' 문항을 사용하였고 자료 수집은 2018년 6월 1일부터 6월 15일까지 이미지 평가를 실시하여 분석하였다. 결과: 첫째, 실버세대 여성유명인의 이미지 구성요인은 친 화성, 매력성, 활동성, 개성의 4개 요인으로 명명하였으며 전체 변량의 65.28%를 차지하였다. 둘째, 실버세대 여성유명인의 군집은 5개로 나타났으며 '부드러운 스타일', '차분한 스타일', '보수적인 스타일', '세련된 스타일', '사교적인 스타일'로 명명하였다. 셋째, 실 버세대 여성유명인의 유형에 따른 이미지 차이를 살펴본 결과, '부드러운 스타일'은 가장 친화성이 높았으며 '차분한 스타일'과 '세련 된 스타일'은 매력성이 두드러지고 '사교적인 스타일'은 활동성과 개성이 가장 높게 평가되었다. 넷째, 20대가 선호하는 실버세대 여 성유명인의 순위를 알아본 결과, 최하정, 김미숙 순으로 이들의 이미지는 매력적이고 개성이 두드러졌으며 선호도가 낮은 유명인은 김부선, 추미애 등으로 이들은 친화성이 낮게 나타났다. 결론: 실버세대 여성유명인의 이미지는 가장 중요한 차원으로 친화성 요인 임을 알 수 있으며, 군집에 따른 미용스타일의 분석된 특징을 참고하여, 추구하는 스타일 연출 및 이미지 구현에 활용해볼 수 있을 것이다. 또한, 친화적인 이미지로 평가 받고자 할 경우에는 '부드러운 스타일'로 연출하고, 매력적인 이미지를 나타내고자 한다면 '차 분한 스타일'과 '세련된 스타일'의 외형적 특징을 참고로 연출해 볼 수 있을 것이다. 활동적이며 개성이 뚜렷한 이미지를 고려한다면 '사교적인 스타일'로 연출하는 것이 효과적일 것이다.

Purpose: This study classified silver generation female celebrities according to images of the younger generation in order to analyze beauty, style, and image differences according to generation type. The study data can be used to inform fashion and beauty product development through improving our understanding of silver generation women's representative style, which is emerging as a new consumer segment. Methods: 50 images of silver age female celebrities who ranged from 55 to 65 years of age. A total of 20 adjective pairs were extracted with reference to a previous study of image evaluation using a 7-point semantic differential scale. The rating of female celebrities according to the adjectives was ‘like–dislike’. Data collection was conducted from June 1, 2018, to June 15, 2018. Results: The results of this study are summarized as follows. First, there were four factors constituting images of silver generation female celebrities—affinity, attractiveness, activity, and individuality—and accounted for 65.28% of the total variance. Second, the silver generation female celebrities were placed into one of five groups named ‘soft style’, ‘calm style’, ‘conservative style’, ‘refined style’, and ‘social style’. Third, as a result of examining the image difference according to type, ‘soft style’ had the highest affinity, ‘calm style’ and ‘refined style’ were rated as more attractive, and ‘sociable style’ had the highest activity and individuality rating. Fourth, the images of silver generation female celebrities deemed the most attractive and unique by those in their twenties were those of Hwa Jung Choi and Mi Sook Kim. Conclusion: The most important dimension of the silver generation female celebrity image was the affinity factor, which could be applied to the pursuit of style presentation and image implementation with reference to communitydefined characteristics of beauty and style. Accordingly, this study found that a friendly image was characterized by a ‘soft style’; an attractive image by the external features of a ‘calm style’ and/or ‘refined style’; and an active image with individuality was characterized by a ‘social style’.

目的: 根据年轻一代的形象对银发一族女性名人进行分类，以便根据世代类型分析美容，风格和形象差异。该 研究数据可用于通过提高我们对银代女性代表风格的理解来为时尚和美容产品的发展提供信息，该风格正在成 为新的消费群体。方法: 选定银发一族年龄从55岁到65岁之间的女性名人的50张照片。为评价形象参考先行研 究提取20个形容词对，并由7点语义差分异量表组成。女性名人的偏好评价为‘喜欢-不喜欢’。数据收集于2018 年6月1日至2018年6月15日进行。结果: 该研究的结果总结如下。首先，有四个因素构成银代女性名人的形象 - 亲和力，吸引力，活动和个性-占总变异的65.28％。其次，银代女性名人被分为五个群体之一，分别名为‘软风 格’，‘冷静风格’，‘保守风格’，‘精致风格’，‘社会风格’。第三，由于审查了 根据类型的图像差异，“柔和风格” 具有最高的亲和力，‘冷静风格’和‘精致风格’被评为更具吸引力，‘社交风格’具有最高的活动性和个性评级。 第 四，被二十几岁的人认为最具吸引力和独特的银代女性名人的形象是崔华贞和金美淑的形象。结论: 银发一族 女性名人形象最重要的维度是亲和力因素，可以应用于追求风格呈现和图像实现，参照社区定义的美和风格特 征。因此，这项研究发现友好形象的特点是‘柔和的风格’; 具有‘平静风格’和或‘精致风格’的外在特征的迷人形象; 具有个性的积极形象以‘社会风格’为特征。

당뇨병은 혈당 수치가 오랜 시간 지속되는 대사질환이다. 당뇨병은 자체 질환에 대한 위험성과 더불어 심혈관과 뇌혈 관, 망막병증, 족부병변 등 질환 다양한 합병증을 유발하는 질병이다. 이렇게 발생하는 합병증으로 인해 사망률을 높이는 원인이 되고 있다. 이에 따라 당뇨병 조기발견과 합병증에 대한 치료가 수반되어야하며, 이를 위해 빠른 진단이 필요하 다. 이에 본 연구에서는 당뇨병 환자 데이터를 이용하여 인공지능 기법 중 로지스틱 회귀분석 머신러닝 알고리즘을 이용한 당뇨병 분류에 대한 머신러닝 모델을 구축하고자 한다. 머신러닝 모델은 scikit-learn을 이용하여 학습용 데이터 80%, 검증용 데이터 20%로 구분하고 교차검증을 5로 나누어 모델을 구성하였다. 로지스틱 회귀분석을 이용한 머신러닝 결과 정확도는 평균 92.24%, AUC 0.95, Recall 0.9294, Precision 0.927, F1 score 0.9248, Kappa 0.6983 이었으 며, 허리-엉덩이 둘레비율이 당뇨병 분류에 가장 큰 영향을 주는 변수였다. 간단한 모델을 통해 높은 성능의 모델을 구축할 수 있었으며, 개인 생활습관 등에 관한 변수를 추가한다면, 더욱 우수한 성능의 머신러닝 모델을 구축할 수 있을 것으로 사료된다.

Diabetes is a metabolic disease in which blood sugar levels last for a long time. Diabetes is a disease that causes various complications of diseases such as cardiovascular and cerebrovascular, retinopathy, and diabetes foot ulcer in addition to the risk of its own disease. Complications that occur in this way are responsible for increasing the mortality rate. Accordingly, early detection of diabetes and treatment for complications should be accompanied, and for this, rapid diagnosis is required. In this study intends to build a machine learning model for diabetes classification using logistic regression machine learning algorithm among artificial intelligence techniques using diabetes patient data. Machine learning model was divided into 80% of training data and 20% of verification data using scikit-learn, and the cross-validation was divided into 5 to construct a model. Accuracy of machine learning results using logistic regression analysis was 92.24% on average, AUC 0.95, Recall 0.9294, Precision 0.927, F1 score 0.9248, and Kappa 0.6983, and the waist-hip circumference ratio was the most influential variable for diabetes classification. A high-performance model could be built through a simple model, and if variables related to personal lifestyle are added, it is believed that a better performance machine learning model can be built.

The purpose of this study is to present the classification criteria for disabled Go. Since Go uses brains unlike other physical exercises, a method different from the classification method of disabled players based on physical exercise needs to be applied. For this purpose, experiences of participation and organization of Go competitions and player training and education need to be reflected. Since the International Association of disabled Go has not yet been established, and therefore there is no official classification standard for Go only, the current regulations of disabled chess apply mutatis mutandis. Although chess is a board game that uses brains like Go, the classification system does not properly reflect the characteristics of board games, so it is insufficient to continue to apply it to Go. Therefore, this study will examine the purpose of classification and the current regulations, etc., and consider which characteristics of Go should be reflected in the regulations. Through this study, it is expected that disabled Go associations will be formed in various countries and an international disability classification standard for Baduk will be established with their agreement. Go is a strong sport in East Asia, especially in Korea, China, and Japan, so unlike Western chess, this region has no choice but to lead the association and establish various standards. Through this, we hope that more domestic and foreign Go competitions will be held for the disabled, so that Go can continually participate in the Asian Para Games in the future.

토지피복도는 환경 관리와 농업 정책 수립에 필수적인 공간정보이지만 국내에서는 여전히 수작업 판독에 의존하고 있어 갱신 주기가 길고 경계 정밀도가 제한적이다. 본 연구는 고해상도 RGB 정사영상과 U-Net 기반 의미 분할 모델을 활용하여 세부 토지피복 분류 및 농경지 경계 검증의 자동화 가능성을 평가하였다. 연구 대상지는 농경 지가 우세하고 인공 구조물이 산재한 경상북도 구미시 해평면이다. 공간해상도 25 cm 정사영상을 512×512 픽셀 단 위로 분할하고 11개 클래스로 수작업 라벨링하여, 총 1,172개 타일을 학습에, 200개를 검증에 사용하였다. 검증 결과, MIoU는 0.3342, 전체 정확도는 0.8157로 나타났다. MIoU 값은 대규모 딥러닝 연구의 일반적 기준보다 낮지만 제한 된 데이터 규모와 클래스 불균형을 고려할 때 의미 있는 결과로 판단된다. 수치지도, 지적도 및 공식 토지피복도와의 시각적 비교를 통해 본 연구의 방법이 필지 단위 농경지 경계와 태양광 시설을 보다 현실적으로 추출함을 확인하였 다. 이러한 결과는 정사영상 기반 딥러닝 기법이 농촌 지역에서 토지피복도 자동 갱신과 농경지 경계 추출에 효과적 으로 활용될 수 있음을 보여준다.

Land cover maps are essential for environmental management and agricultural policy, but in Korea they are still produced mainly through manual interpretation, limiting update frequency and boundary precision. This study assesses the feasibility of automating detailed land cover classification and farmland boundary verification using high-resolution RGB orthophotos and a U-Net semantic segmentation model. The study area is Haepyeong-myeon, Gumi City, Gyeongsangbuk-do, a rural region dominated by agricultural fields with scattered artificial structures. Orthophotos at 25 cm resolution were tiled into 512 × 512 patches and manually labeled into 11 classes. In total, 1,172 tiles were used for training and 200 for validation. The trained U-Net achieved a Mean Intersection over Union(MIoU) of 0.3342 and an overall accuracy of 0.8157 on the validation set. While the mIoU is below typical benchmarks, the results remain meaningful given the limited dataset size and class imbalance. Comparisons with topographic, cadastral, and official land cover maps indicate that the proposed method delineates parcel-level farmland boundaries and solar facilities more realistically. Overall, the findings suggest that orthophoto-based deep learning can support automated land cover map updates and farmland boundary extraction in rural areas.

확장된 데이터 표현의 주요 목표는 유비쿼터스 환경에서 일반적인 문제에 적합한 데이터 구조를 개발하는 것이다. 이 방법의 가장 큰 특징은 속성 값을 확률로 표현할 수 있다는 것이다. 다음 특성은 훈련 데이터의 각 이벤트가 중요도를 나타내는 가중치 값을 갖도록 한다는 것이다. 데이터 구조가 개발된 후에 이를 학습할 수 있는 알고리즘이 고안된다. 그 동안 이 알고리즘은 여러 분야에서 여러 문제에 적용하여 좋은 결과를 산출해 왔다. 본 논문은 먼저 데이터 표현 기법인 UChoo를 소개하고 이론적인 배경이 되는 규칙 개선 문제를 소개한다. 그리고 규칙 개선, 손실 데이터 처리, BEWS 문제, 앙상블 시스템과 같은 응용 분야의 예를 소개한다.

The main goal of extended data expression is to develop a data structure suitable for common problems in ubiquitous environments. The greatest feature of this method is that the attribute values can be represented with probability. The next feature is that each event in the training data has a weight value that represents its importance. After this data structure has been developed, an algorithm has been devised that can learn it. In the meantime, this algorithm has been applied to various problems in various fields to obtain good results. This paper first introduces the extended data expression technique, UChoo, and rule refinement method, which are the theoretical basis. Next, this paper introduces some examples of application areas such as rule refinement, missing data processing, BEWS problem, and ensemble system.

This study detected land use change using Landsat satellite image and calculated landscape index to confirm fragmentation of forest land. The land cover classification items were classified into forest land, cropland, grassland, wetlands, and settlements by referring to IPCC guidelines, and the land cover classification was used by object-based classification technique. The landscape structure analysis of land cover change was performed using five landscape index (NumP, MPS, TD, ED, AWMSI). The optimal weights for object-based classification were scale 7, Shape 0.4, Color 0.6, Compactness 0.5, Smoothness 0.5. The change of land cover was increased in the settlement area in 2009 compared to 1989 and decreased in cropland and forest land. The change of landscape index decreased NumP of cropland and forest land in 2009 compared to 1989, but TD and ED increased. This is because the settlement increased, and the cropland and forest land decreased and fragmentation progressed. In conclusion, object analysis is an effective method to confirm change detection and fragmentation, and it is expected to be used for the cause analysis of forest land fragmentation in the future.

This study aimed to classify the types of emotional labor among fitness trainers and to examine the differences in job characteristics according to these types. Data were collected from 247 fitness trainers working in the Seoul and Gyeonggi regions, and the following conclusions were drawn. First, the emotional labor of fitness trainers was classified into three types — Defensive type (high surface acting), Adaptive type (high deep and genuine acting), and Authentic type (high genuine acting) — based on the combination of surface, deep, and genuine emotional expression strategies. Significant differences were found in the levels of emotional labor among the three types. Second, the types of emotional labor showed significant differences in overall job characteristics, including job demand, autonomy, feedback, and social support. Trainers who engaged in more genuine and sincere emotional expression tended to perceive their job environment more positively. Therefore, the emotional labor of fitness trainers is not a single-dimensional construct but a multidimensional structure that varies qualitatively according to the depth and authenticity of emotional expression. As the results indicate, differences in job demand, autonomy, feedback, and social support across emotional labor types suggest that the way trainers regulate and express their emotions influences how they perceive their work environment and the quality of their job experience.

딸기는 매우 연약하여 쉽게 변질되고 부패하며 딸기의 숙성 상태는 맛과 품질에 직접적인 영향 을 주기 때문에 상태를 정확히 판단하고 선별하는 과정이 매우 중요하다. 하지만 이 과정은 시간과 노 동력이 많이 투입되고, 사람이 직접 판단하기 때문에 주관적이며, 잘 못 판단되는 딸기로 인해 많은 손실이 일어날 수 있다. 본 논문에서는 숙성 단계 판단 시 발생하는 주관성을 줄이고자 딸기의 상태 와 밀접한 관련이 있는 색상 정보를 이용하였다. 딸기의 상태를 대표하는 색상 값을 추출해 3가지 단 계로 군집하여 분류해주었고, 합성곱 신경망을 사용하여 딸기의 숙성 상태를 판단하여 단계를 분류하 기 위한 학습을 진행하였다. 학습 결과를 통해 숙성 단계를 분류를 보다 객관적으로 판단할 수 있었 으며, 이를 통해 상품의 효율적인 품질관리에 활용될 수 있음을 기대한다.

Strawberries are extremely delicate, making them prone to spoilage. The state of ripeness in strawberries has a direct impact on taste and quality, making the process of accurate assessment and sorting crucial. However, this process is labor and time-intensive, and human judgment can be subjective, leading to significant losses due to incorrect evaluations. To reduce the subjectivity involved in assessing the ripeness stage, this paper leverages color information, which is closely related to the state of strawberries. Color values representing the state of the strawberries were extracted and clustered into three stages. Convolutional neural network were employed for learning to classify the ripeness stage of the strawberries. Through the learning results, we were able to more objectively judge the ripeness stage classification, so it is expected that this can be used for efficient quality control of products.

대학의 기업가적 역할과 더불어 산학협력단의 인력양성, 기술이전 및 사업화, 자문, 창업에 대한 지원 등 포괄적인 기능이 확대되고 있다. 전국 4년제 대학의 산학협력단은 2020년을 기준으로 215개가 운영되고 있으며, 운영 형태에 따라 독립형, 통합형, 연계형, 병렬형으로 분류되어 있다. 그러나 대학의 산학협력단의 운영 형태에 따른 분류는 산학협력단의 기능을 고도화하기 위한 시사점을 도출하기에는 부적절하다. 따라서 산학협력단의 규모 와 기능에 따른 전략을 도출하기 위해서는 산학협력단의 유형을 체계적으로 분류할 필요가 있다. 이에 본 연구는 산학협력단을 유형화하기 위해 2015년부터 2019년까지 195개의 산학협력단 수익과 직원 규모를 토대로 K-means 클러스터링 분석을 수행하였다. 분석 결과 산학협력단은 4개 군집으로 분류되었으며, ANOVA 분석 결과 총 수익 과 직원 변수에서 4개 그룹 간의 유의미한 차이가 있는 것으로 나타났다. 계량적 분석 결과를 토대로 산학협력단 의 유형 특징에 따른 정책 시사점을 제시하였다.

Along with the entrepreneurial roles of university, the functions of industry-university cooperation foundations have expanded the functions including human capital training, technology transfer and commercialization, consultation, and startups. As of 2020, there are 215 foundations at universities that can be classified into four types such as independent, integrated, connected, and parallel ones based on their operation types. However, the classification is inappropriate to draw policy implications for elevating the roles of foundations. To tackle the problem, the current study conducted K-means clustering to classify the foundations using the amounts of income and the numbers of employees working at the 195 foundations from 2015 to 2019. Four clusters were derived from the analysis, and shown statistical differences in the amounts of income and numbers of employees among the clusters based on the ANOVA analysis. From the results of quantitative analyses, the study suggested policy implications that can improve the roles of foundations.

The purpose of this study is to categorize Commercial area by identifying characteristics of blocks and coding them in order to segment use zoning in Commercial area. The study was conducted as follows. Data from building register, cadastral map, statistics annual report are utilized to identify the physical environment of the block. four types used as code under the physical environment classification code which are classification code of physical environment, detail usage, volume ratio, and height type are set, and combine the classification codes sorted by the four types of code. Through the physical environment classification codes, there are currently 37 different block characteristics of the Old downtown Commercial area. Diversity is not reflected. There are only Central commercial area of regulations in Old downtown commercial areas that are uniformly managed. For the renewal, management and development that can occur in the near future, it is necessary to segment of use district in the commercial area. Consider the current situation and future development direction for the management of sustainable commercial areas. Management is required using physical environment classification codes. It is meaningful that it can be maintained, managed and developed in accordance with the characteristics of each block.

본 논문은 다층을 갖는 네트워크를 가장 효율적으로 학습하는 것은 결국 최적의 가중치 벡터의 집합을 찾아가는 과정이라는 간단한 접근 방법을 기본으로 하고 있다. 일반적인 학습 문제의 단점을 극복하기 위해 제안 모델에서는 EBP와 OVSSA의 특징들을 결합한 방법을 사용한다. 즉 EBP가 지역 최소치에 빠질 수 있는 성질을 보강하기 위해 OVSSA의 확률 이론으로 빠져나갈 수 있도록 제안 방법은 각각 알고리즘의 장점만을 취하여 하나의 모델을 구성한다. 제안 알고리즘에서는 EBP에서 오류를 줄이기 위한 방법들을 에너지함수로 사용하고, 이 에너지를 OVSSA로 최소화 하는 방법을 사용하였다. 두 가지의 상이한 성질을 가지는 알고리즘이 합쳐질 수 있음을 간단한 실험 결과를 통해 확인한다.

This paper is based on a simple approach that the most efficient learning of a multi-layered network is the process of finding the optimal set of weight vectors. To overcome the disadvantages of general learning problems, the proposed model uses a combination of features of EBP and OVSSA. In other words, the proposed method can construct a single model by taking advantage of each algorithm so that it can escape to the probability theory of OVSSA in order to reinforce the property that EBP falls into local minimum value. In the proposed algorithm, methods for reducing errors in EBP are used as energy functions and the energy is minimized to OVSSA. A simple experimental result confirms that two algorithms with different properties can be combined.

유방암은 전체 여성의 암환자 중 두 번째로 많으며, 여성의 암으로 인한 사망 원인으로 가장 높은 것으로 나타났다. 유방암은 조기 발견 경우 완치율이 92%에 이른다. 하지만, 조기 발견을 하지 못할 경우 유방암은 전이 율이 매우 높다. 암세포의 전이는 암의 진행이 많이 될수록 다른 장기로의 전이가 더욱 잘 되는 것으로 나타났다. 암의 조기 진단은 삶의 질을 높일 수 있는 중요한 요소이다. 유방암을 검사하는 방법으로는 맘모그래피 (Mammography), 초음파, 맘모톰(momotome) 등이 있다. 그 중 맘모그래피는 검사자에게 통증이 적을 뿐 아니라, 쉽게 접근할 수 있어 유방암 검사에 유용하게 사용된다. 본 논문에서는 유방암 진단 데이터로 맘모그래프 데이터를 사용하였다. 본 논문에서는 뉴럴네트워크인 NEWFM(Neural network with weighted fuzzy membership function)를 사용하여 암 조기 진단을 위한 클래스를 분류하였다. NEWFM을 이용하여 데이터를 학습시킨 후 유방 암 데이터 분류 결과 정확도가 84.4391%가 나타났다.

Breast cancer is the sccond most female cancer patient in the entire female cancer patient, and has emerged as the highest contributor to female cancer deaths. If breast cancer id detected early, the cure rate is 92 percent. However, if early detection fails, breast cancer has a very high rate of metastasis. The transition from cancer to cancer has become more successful as cancer progresses. Early diagnosis of cancer is an important factor in improving quality of life. Examples of breast cancer include Mammograph, ultrasound, and Momotome. Mommography is not only painful for the examiner, but also for easy access to breast cancer exam inations. In this paper, breast cancer diagnosis data mammograph data was used. In addition, the Neural Network were classified for early diagnosis of breast cancer early using NEWFM. After learning of data using NEWFM, the accuracy of the breast cancer data classification was 84.4391%.

본 연구는 2015년 기준으로 전국 16개 지역별 경비업체수(법인수), 경비원수 등 민간경비 규모, 그리고 시설경비, 신변보호, 호송경비, 기계경비, 특수경비 등 민간경비 업종을 연구대상으로 선정하고 이에 대한 군집분류 및 군집별 판별함수를 규명하는데 그 목적이 있다. 이에 따른 연구결과는 다음과 같다. 첫째, 민간경비 규모에 대한 전국 16개 지역별 군집분류는 대규모지역(1), 중규모지역(2), 소규모지역(3) 등 3개 군집으로 구분할 수 있다. 군집별 판별함수는 ① 대규모지역(1)에 대한 판별함수 D=-383.981+(.108×경비업체수)+(.016×경비원수), ② 중규모지역(2)에 대한 판별함수 D=-35.570+(.029×경비업체수)+(.005×경비원수), ③ 소규모지역(3)에 대한 판별함수 D=-5.381+(.012×경비업체수)+(.002×경비원수) 등으로 표현할 수 있다. 둘째, 민간경비 업종에 대한 전국 16개 지역별 군집분류는 대업종지역(1), 중업종지역(2), 소업종지역(3) 등 3개 군집으로 구분할 수 있다. 군집별 판별함수는 ① 대업종지역(1)에 대한 판별함수 D=-2224.402+(-.562×시설경비)+(1.245×신변보호)+(171.142×호송경비)+(-2.722×기계경비)+(2.020×특수경비), ② 중업종지역(2)에 대한 판별함수 D=-4.762+(.052×시설경비)+(.063×신변보호)+(-3.819×호송경비)+(.110×기계경비)+(-.165×특수경비), ③ 소업종지역(3)에 대한 판별함수 D=-125.742+(-.009×시설경비)+(.432×신변보호)+(5.748×호송경비)+(5.530×기계경비)+(-.901×특수경비) 등으로 표현할 수 있다.

The purpose of this study is to analyze regional clusters and discrimination on size and sector of private security in national 16 areas in 2015. The results of the study using hierarchical cluster analysis and discriminant analysis are as follows. First, we can classify national 16 areas into 3 clusters, such as Large Area(1), Medium Area(2), and Small Area(3) according to the size of private security. The discriminant functions D for each cluster is as follows: (1) Large Area(1)=-383.981+(.108×number of security companies)+(.016×number of guards), (2) Medium Area(2)=-35.570+(.029×number of security companies)+(.005×number of guards), and (3) Small Area(3)=-5.381+(.012×number of security companies)+(.002×number of guards). Second, we can classify national 16 areas into 3 clusters, such as Large Area(1), Medium Area(2), and Small Area(3) according to the sector of private security. The discriminant function D for each cluster is as follows: (1) Large Area(1)=-2224.402+(-.562×facilities security)+(1.245×protection security)+(171.142×convoy security)+(-2.722×electronic security)+(2.020×special security), (2) Medium Area(2)=-4.762+(.052×facilities security)+(.063×protection security)+(-3.819×convoy security)+(.110×electronic security)+(-.165×special security), and (3) Small Area(3)=-125.742+(-.009×facilities security)+(.432×protection security)+(5.748×convoy security)+(5.530×electronic security)+(-.901×special security).

한국의 바둑은 주변산업이 육성되어 있고 학문의 기반이 갖추어져 있으나, 본격적인 연구를 위한 바둑문헌 분류가 되어있지 않다. 바둑문헌의 특성, 바둑과 특수주제를 다루는 특수도서관 및 국립중앙도서관의 분류실태를 살펴보고 바둑문헌 분류모형을 제시하였다. 제시된 분류모형에 대한 심층적인 검토가 필요하며 향후 일본, 중국 및 영미 문헌을 취합하면 전세계적으로 바둑문헌 검색이 가능할 것이다.

Surrounding industry of Korean Baduk is well organized. But classification of Baduk literature has not been made for full-fledged study. This paper is to suggest classification model of Baduk literature after defining the characteristic of Baduk literature and reviewing actual classification of the libraries of special theme and the National Central Library. It is required to study intensively the suggested model of classification and further to collect more literature of Japanese, Chinese and English for worldwide research of Baduk literature.

본 논문에서는 개인의 일상생활에서의 기록인 퍼스널 라이프로그에 기반하여 사용자의 생활 패턴을 분석하여 분류 하는 알고리즘을 제안한다. 본 논문에서 라이프로그 데이터는 사용자가 일 년에 걸쳐 날짜를 기준으로 방문한 위치 와 시간으로 구성된다. 사용자의 라이프로그로부터 얻어지는 일상생활 패턴 데이터는 정상적인 패턴과 그렇지 않은 패턴으로 구분되어 관리되고 하나의 은닉 계층을 갖는 다중 계층 퍼셉트론으로 학습 및 분류된다. 제안된 방법에 의한 실험 결과 일상생활에서의 행동 패턴을 정상적인 것과 그렇지 않은 것으로 효과적으로 분류하는 것을 확인할 수 있었다.

This paper proposes a life pattern classification algorithm based on personal life log which is a digitalized record of daily life. In this paper, we construct life log database from the specific visiting places and time stamps on a user's everyday life. The daily life pattern is classified either normal activity or abnormal one, and then recorded as the personal life log. This paper employs multi-layer perceptron with one hidden layer to classifying the life patterns after learning with the training life log data set. The experimental results show that the proposed algorithm can effectively classify daily life patterns.

최근 4차 산업 혁명으로 인해 공장에서는 기계 시설물의 고장으로 인한 제조 및 생산 시간 증가와 수리비용 증가를 최신 기술을 통해 예방하고자 한다. 그리하여 연구자들은 안전사고 및 고장을 예지(豫知)하고, 제품 불량 등으로 인 한 시민 불편, 사회적 혼란 등의 문제를 방지하기 위해 노력하고 있다. 이런 문제 해결을 위해 장비에 부착된 센서로 부터 받은 데이터를 통해 기계 상황을 모니터링 및 예측 가능한 시스템이 요구된다. 본 논문에서는 기계설비에서 생 성되는 시계열 데이터를 다양한 딥러닝 기반의 시계열 분류 모델에서 비교분석을 수행하였다. 총 13개의 모델을 사 용하여 어떤 딥러닝 모델이 학습에 효율적이고 성능이 좋은지 실험을 수행하였고, 시계열의 복잡한 패턴과 시간 및 공간 패턴을 효과적으로 학습하는 CNN 계열 모델이 정확도, 정밀도, 재현율, F1 성능지표에서 100% 성능을 달 성하여 우수한 것을 확인할 수 있었다. 기존까지 진동 시계열 데이터에 대해 다양한 딥러닝 모델의 비교분석이 연구 는 없었기에 본 논문의 결과를 통해 다른 기계 시설물의 고장 분류에 있어서 도움이 될 것이라 예상된다.

Due to the recent Fourth Industrial Revolution, factories want to prevent the increase in manufacturing and production time and repair costs due to the failure of mechanical facilities through the latest technology. Therefore, researchers are trying to predict safety accidents and failures, and to prevent problems such as civil inconvenience and social confusion caused by product defects. To solve this problem, a system that can monitor and predict the machine situation through data received from sensors attached to the equipment is required. In this paper, comparative analysis was performed on time series data generated in machine facilities in various deep learning-based time series classification models. A total of 13 models were used to experiment with which deep learning models were efficient and performing well, and the models that effectively learned time and space patterns of time series recorded 100% performance in accuracy, precision, reproducibility, and F1 performance indicators. Since there have been no studies on the comparative analysis of various deep learning models for vibration time series data until now, the results of this paper are expected to help in classifying failures in other mechanical facilities.

인터넷을 통해 사용자에게 클라우드 컴퓨팅 서비스를 효율적으로 제공하기 위해서는 데이터 센터에 가상 화와 분산 컴퓨팅 기술을 기반으로 하여 IT 자원을 구성해야 한다. 본 논문은 폭넓은 분야에서 새로운 훈련 데이터 가 언제라도 추가될 수 있고, 또한 언제라도 훈련 데이터에 새로운 속성이 추가될 수 있다는 문제에 특별히 초점을 맞춘다. 이러한 경우, 기존 속성 집합들을 가지는 훈련 데이터로 생성된 규칙은 쓸모없게 된다. 더구나 새롭게 추가 된 데이터나 속성을 가지는 새로운 데이터는 기존 규칙과 결합될 수 없다. 본 논문은 이와 같은 경우를 자연스럽게 처리할 수 있는 보다 진보된 새 추론 엔진을 제안한다. 이 방법에서 기존의 데이터로 부터 생성된 규칙은 개선된 규칙을 생성하기 위한 새로운 데이터 집합과 결합될 수 있다.

To efficiently provide cloud computing services to users over the Internet, IT resources must be configured in the data center based on virtualization and distributed computing technology. This paper focuses specifically on the problem that new training data can be added at any time in a wide range of fields, and new attributes can be added to training data at any time. In such a case, rule generated by the training data with the former attribute set can not be used. Moreover, the rule can not be combined with the new data set(with the newly added attributes). This paper proposes further development of the new inference engine that can handle the above case naturally. Rule generated from former data set can be combined with the new data set to form the refined rule.