Earticle

다른 산업과 달리 병원/의료 산업에서는 건강 보험료 심사 평가라는 독특한 검증 과정이 필수적으로 있게 된다. 건강 보험료 심사 평가는 병원의 수익 문제 뿐 아니라 적정한 진료행위를 하는 병원이라는 이미지와도 맞물려 매우 중요한 분야이며, 특히 대형 종합병원일수록 이 부분에 많은 심사관련 인력들을 투입하여, 병원의 수익과 명예를 위해서 업무를 수행하고 있다. 본 논문은 이러한 건강보험료 청구 심사 과정에서, 사전에 수많은 진료 청구 건 중 심사 평가에서 삭감이 될 수 있는 진료 청구 건을 데이터 마이닝을 통해서 발견하여, 사전의 대비를 철저히 하고자 하는 한 국내 대형 종합병원의 사례를 소개하고자 한다. 데이터 마이닝을 적용함에 있어, 주요한 문제점 중 하나는 바로 지도학습 기법을 적용하기에 곤란한 데이터 불균형 문제가 발생하는 것이다. 이런 불균형 문제를 해소하고, 비교 조건 중에 가장 효율적인 삭감 예상 진료 건 탐지 모델을 만들어 내기 위하여, 데이터 불균형 문제의 기본 해법인 Sampling과 오분류 비용의 다양한 혼합적인 적용을 통하여, 적합한 조건을 가지는 의사결정 나무 모델을 도출하였다.

In medical industry, health insurance bill audit is unique and essential process in general hospitals. The health insurance bill audit process is very important because not only for hospital's profit but also hospital's reputation. Particularly, at the large general hospitals many related workers including analysts, nurses, and etc. have engaged in the health insurance bill audit process. This paper introduces a case of health insurance bill audit for finding reducible health insurance bill cases using decision tree induction techniques at a large general hospital in Korea. When supervised learning methods had been tried to be applied, one of major problems was data imbalance problem in the health insurance bill audit data. In other words, there were many normal(passing) cases and relatively small number of reduction cases in a bill audit dataset. To resolve the problem, in this study, well-known methods for imbalanced data sets including over sampling of rare cases, under sampling of major cases, and adjusting the misclassification cost are combined in several ways to find appropriate decision trees that satisfy required conditions in health insurance bill audit situation.

본 연구는 P2P 대부 플랫폼에서 우수 대출자를 예측시 유용한 합성 소수집단 오버샘플링 기법을 제안하고 그 성과를 실증적으로 검증하고자 한다. P2P 대부 관련 우수 대출자를 추정할 때 일어나는 문제점중의 하나는 클래스 간 불균형이 심하여 이를 해결하지 않고서는 우수 대출자 예측이 쉽지 않다는 점이다. 이러한 문제를 해결하기 위하여 본 연구에서는 SMOTE, 즉 합성 소수집단 오버샘플링 기법을 제안하고 LendingClub 데이터셋에 적용하여 성과를 검증하였다. 검증결과 SMOTE 방법은 서포트 벡터머신, k-최근접이웃, 로지스틱 회귀, 랜덤 포레스트, 그리고 딥 뉴럴 네트워크 분류기와 비교하여 통계적으로 우수한 성과를 보였다.

This study aims to identify good borrowers within the context of P2P lending. P2P lending is a growing platform that allows individuals to lend and borrow money from each other. Inherent in any loans is credit risk of borrowers and needs to be considered before any lending. Specifically in the context of P2P lending, traditional models fall short and thus this study aimed to rectify this as well as explore the problem of class imbalances seen within credit risk data sets. This study implemented an over-sampling technique known as Synthetic Minority Over-sampling Technique (SMOTE). To test our approach, we implemented five benchmarking classifiers such as support vector machines, logistic regression, k-nearest neighbor, random forest, and deep neural network. The data sample used was retrieved from the publicly available LendingClub dataset. The proposed SMOTE revealed significantly improved results in comparison with the benchmarking classifiers. These results should help actors engaged within P2P lending to make better informed decisions when selecting potential borrowers eliminating the higher risks present in P2P lending.

공공 기술 사업화는 한 국가의 과학기술 정책 효율성을 평가하는 중요한 척도 가운데 하나이다. 따라서 기계학 습을 이용하여 공공 기술에 대한 사업화 여부를 사전에 예측하거나, 개발된 공공 기술을 도입할 가능성이 높은 수요 기업을 발굴하고자 하는 시도가 지속적으로 증가하고 있다. 하지만 공공 기술 사업화 데이터는 성공 사례가 드물게 발생하는 전형적인 불균형 데이터 특성을 가진 명목형 데이터의 특성을 보유하고 있어 데이터 증강 방법을 적용하기 어렵다. 명목형 변수는 SMOTE와 같은 오버 샘플링 방법으로는 비즈니스 규칙에 맞지 않는 훈련 데이터를 생성하거 나, 정확도 개선 효과가 떨어지는 이유 때문이다. 이 논문에서는 기계학습의 모델 구축 과정에서 최적 Hyper Parameter를 선정하기 위해 사용되는 Grid Search 방법을 훈련 데이터를 생성하는데 활용하는 방법을 제안한다. 제 안된 훈련 데이터 구축 방법의 효과를 검증하기 위해 과거 사업화 실증 이력 데이터를 활용하여 사업화 성공 여부를 예측하고, 기존의 처리 방법과 제안 방법을 상호 비교하였다. 실험 결과, 제안 방법이 기존 데이터 증강 방법과 비슷 하거나 더 높은 분류 예측 성능을 보이면서도, 업무 규칙에 맞는 데이터를 생성한다는 장점을 확인하였다.

Public technology commercialization is one of the important measures for evaluating the efficiency of a country's science and technology policy. Therefore, attempts to predict whether public technology will be commercialized in advance using machine learning or to discover companies with high potential to adopt developed public technologies are continuously increasing. However, public technology commercialization data has the characteristics of nominal data with typical imbalanced data characteristics with rare success cases, making it difficult to apply data augmentation methods. This is because nominal variables generate training data that does not conform to business rules or have low accuracy improvement effects when using oversampling methods such as SMOTE. In this paper, we propose a method to utilize the Grid Search method, which is used to select optimal Hyper Parameters in the model building process of machine learning, to generate training data. In order to verify the effectiveness of the proposed training data construction method, past commercialization empirical history data was used to predict whether commercialization was successful, and the existing processing method and the proposed method were compared with each other. The experimental results confirmed that the proposed method has a classification prediction performance similar to or higher than the existing data augmentation method, while generating data that conforms to business rules.

Coordination of multiple UAVs is an essential technology for various applications in robotics, automation, and artificial intelligence. In general, it includes 1) waypoints assignment and 2) trajectory generation. In this paper, we propose a new method for this problem. First, we modify the concept of the standard visibility graph to greatly improve the optimality of the generated trajectories and reduce the computational complexity. Second, we propose an efficient stochastic approach using simulated annealing that assigns waypoints to each UAV from the constructed visibility graph. Third, we describe a method to detect collision between two UAVs. FinallY, we suggest an efficient method of controlling the velocity of UAVs using A* algorithm in order to avoid inter-UAV collision. We present simulation results from various environments that verify the effectiveness of our approach.

This work focuses on the analysis of bioaerosols in the atmosphere at higher altitudes over Noto Peninsula, Japan. We carried out direct sampling via aircraft, separated cultures, and identified present isolates. Atmospheric bioaerosols at higher altitudes were collected using a Cessna 404 aircraft for an hour at an altitude of 3,500 m over the Noto Peninsula. The aircraft-based direct sampling system was devised to improve upon the system of balloon-based sampling. In order to examine pre-existing microorganism contamination on the surface of the aircraft body, bioaerosol sampling was carried out just before takeoff using the same method as atmospheric sampling. Identification was carried out by a homology search for 16S or 18S rDNA isolate sequences in DNA databases (GenBank). Isolate sampling just before takeoff revealed Stretpomyces sp., Micrococcus sp., and Cladosporium sp. One additional strain, Bacillus sp., was isolated from the sample after bioaerosol collection at high altitude. As the microorganism contamination on the aircraft body before takeoff differed from that while in the air, the presence of additional, higher atmosphere-based microorganisms was confirmed. It was found that Bacillus sp. was floating at an altitude of 3,500 m over Noto Peninsula.

MLFMM 알고리듬을 큰 산란체 문제에 적용하는 경우, transfer 함수의 계산이 최종 결과의 정확도에 큰 영향을 준다. 수치 과정 중 단위원 위에서 계산되는 적분의 정확도는 샘플링 수에 영향을 크게 받는다. 샘플링 수를 늘리면, 메모리와 계산시간도 같이 늘어나, 정확도가 유지되는 최소의 샘플링 수가 중요하다. 이는 산란체의 크기와 관련이 있어, 수치적으로 최적의 샘플링 수에 관한 오버샘플링 비율을 구하고, 대규모 산란체에서 검증한다.

When applying the MLFMM algorithm to a large scattering problem, the accuracy of the calculation of the transfer function has a crucial effect on the final simulation results. The numerical accuracy for the double integral on the unit sphere is strongly dependent on the sampling number. With an increasing the sampling points, the overall required memory and running time of the MLFMM simulation also increases. Hence, an optimal over-sampling rate for the number of the sampling points is numerically obtained, which is verified for a real large scattering problem.

최근 불균형 데이터의 분류 및 예측 문제가 증가함에 따라 다양한 분야에서 이를 해결하고자 연구가 이어지고 있다. 본 연구에서는 불균형 데이터의 분류 문제 해결을 위해 사용되는 재표집 방법들을 비교하였다. 로지스틱 회귀모형을 비롯한 네 가지 분류기를 사용하였으며, 평가지표로는 AUC와 F1score를 활용하였다. 실험 결과에서 분류기와 평가지표에 따라 어떤 한 가지 방법이 우수한 결과를 도출하지 못하였다. 또한, 분류기와 평가지표가 동일한 경우에도 표본크기와 소수클래스 비율에 따라 일관되지 않은 결과가 도출되었다. 따라서 어느 한 가지 데이터 처리 기법이나 분류기만으로 의사결정을 하는 것보다 종합적인 민감도분석을 통해 의사 결정하는 것이 필요하다.

Recently, as the problem of classifying and predicting imbalanced data has increased, research in various fields has intensified to solve it. This study compares re-sampling methods to address the classification problem of imbalanced data. Four classifiers, including the logistic regression model, were utilized, with AUC and F1-score serving as performance metrics in this study. The experiment yielded varied results based on the classifier or performance metrics used, and even when the classifier and performance metrics were identical, outcomes differed depending on the sample size or the imbalance rate. Therefore, this indicates the importance of making decisions based on comprehensive sensitivity analysis rather than relying solely on one data processing technique or classifier.

분류 문제에서 특정 범주의 빈도가 다른 범주에 비해 과도하게 높은 경우, 왜곡된 기계 학습을 유발할 수 있는 데이터 불균형(imbalanced data) 문제가 발생한다. 기업부도 예측 문제도 그 중 하나인데, 일반적으로 금융기관과 거래하는 기업들의 부도율은 대단히 낮아서, 부도 사례보다 정상 사례의 빈도가 월등히 높은 데이터 불균형 문제가 발생하고 있다. 이러한 데이터 불균형 문제를 해결하기 위해서는 적절한 표본추출 기법이 적용될 필요가 있으며, 지금껏 소수 범주 데이터를 복원 추출함으로써 다수 범주 데이터와 비율을 맞추어 데이터 불균형을 해결하는 오버 샘플링(oversampling) 기법이 주로 활용되어 왔다. 그러나 전통적인 오버 샘플링은 과적합화(overfitting)가 발생할 위험이 높아질 수 있는 단점이 있다. 이러한 배경에서 본 연구는 효과적인 기업부도 예측 모형 학습을 위한 표본추출 기법으로 2014년에 Menardi와 Torelli가 제안한 ROSE(random over sampling examples) 기법을 제안한다. ROSE 기법은 학습에 사용될 사례를 반복적으로 새롭게 합성하여 생성(synthetic generation)하는 기법으로, 과적합화 문제를 회피하면서도 분류 예측 정확도 개선에 도움을 줄 수 있다. 이에 본 연구에서는 ROSE 기법을 가장 성능이 우수한 이분류기로 알려진 SVM(support vector machine)과 결합하여 국내 한 대형 은행의 기업부도 예측에 적용해 보고, 다른 표본추출 기법들과의 비교연구를 수행하였다. 실험 결과, ROSE 기법이 다른 기법에 비해 통계적으로 유의한 수준으로 SVM의 예측정확도 개선에 기여할 수 있음을 확인하였다. 이러한 본 연구의 결과는 부도예측 외에 다른 사회과학 분야 예측문제의 데이터 불균형 문제 해결에도 ROSE가 우수한 대안이 될 수 있다는 사실을 시사한다.

If the frequency of a particular class is excessively higher than the frequency of other classes in the classification problem, data imbalance problems occur, which make machine learning distorted. Corporate bankruptcy prediction often suffers from data imbalance problems since the ratio of insolvent companies is generally very low, whereas the ratio of solvent companies is very high. To mitigate these problems, it is required to apply a proper sampling technique. Until now, oversampling techniques which adjust the class distribution of a data set by sampling minor class with replacement have popularly been used. However, they are a risk of overfitting. Under this background, this study proposes ROSE(Random Over Sampling Examples) technique which is proposed by Menardi and Torelli in 2014 for the effective corporate bankruptcy prediction. The ROSE technique creates new learning samples by synthesizing the samples for learning, so it leads to better prediction accuracy of the classifiers while avoiding the risk of overfitting. Specifically, our study proposes to combine the ROSE method with SVM(support vector machine), which is known as the best binary classifier. We applied the proposed method to a real-world bankruptcy prediction case of a Korean major bank, and compared its performance with other sampling techniques. Experimental results showed that ROSE contributed to the improvement of the prediction accuracy of SVM in bankruptcy prediction compared to other techniques, with statistical significance. These results shed a light on the fact that ROSE can be a good alternative for resolving data imbalance problems of the prediction problems in social science area other than bankruptcy prediction.

분류 문제는 주어진 입력 데이터에 대해 해당 데이터의 클래스를 예측하는 문제로, 자주 쓰이는 방법 중의 하나는 주어진 데이터셋을 사용하여 기계학습 알고리즘을 학습시키는 것이다. 이런 경우 분류하고자 하는 클래스에 따른 데이터의 분포가 균일한 데이터셋이 이상적이지만, 불균형한 분포를 가지고 경우 제대로 분류하지 못하는 문제가 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 Conditional Generative Adversarial Networks(CGAN)을 활용하여 데이터 수의 균형을 맞추는 오버샘플링 기법을 제안한다. CGAN은 Generative Adversarial Networks(GAN)에서 파생된 생성 모델로, 데이터의 특징을 학습하여 실제 데이터와 유사한 데이터를 생성할 수 있다. 따라서 CGAN이 데이터 수가 적은 클래스의 데이터를 학습하고 생성함으로써 불균형한 클래스 비율을 맞추어 줄 수 있으며, 그에 따라 분류 성능을 높일 수 있다. 실제 수집된 데이터를 이용한 실험을 통해 CGAN을 활용한 오버샘플링 기법이 효과가 있음을 보이고 기존 오버샘플링 기법들과 비교하여 기존 기법들보다 우수함을 입증하였다.

Classification problem is to predict the class to which an input data belongs. One of the most popular methods to do this is training a machine learning algorithm using the given dataset. In this case, the dataset should have a well-balanced class distribution for the best performance. However, when the dataset has an imbalanced class distribution, its classification performance could be very poor. To overcome this problem, we propose an over-sampling scheme that balances the number of data by using Conditional Generative Adversarial Networks (CGAN). CGAN is a generative model developed from Generative Adversarial Networks (GAN), which can learn data characteristics and generate data that is similar to real data. Therefore, CGAN can generate data of a class which has a small number of data so that the problem induced by imbalanced class distribution can be mitigated, and classification performance can be improved. Experiments using actual collected data show that the over-sampling technique using CGAN is effective and that it is superior to existing over-sampling techniques.

부정맥이란 심장이 불규칙한 리듬이나 비정상적인 심박동수를 갖는 것을 말하며, 뇌졸중, 심정지 등을 유발하거나 사망에도 이를 수 있는 만큼, 조기 진단과 관리가 무엇보다 중요하다. 본 연구에서는 심전도 신호의 QRS 특징 추출에 적합한 CNN과 기존 LSTM의 직전 패턴의 수렴 한계를 해결할 수 있는 BLSTM을 연결한 CNN-BLSTM 결합 모델을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 전처리 과정을 통해 잡음을 제거한 심전도 신호에서 QRS 특징점을 검출하고 단일 비트 세그먼트를 추출하였다. 이때 데이터의 불균형 문제를 해결하기 위해 GAN 오버샘플링 기법을 적용하였다. 이 후 합성곱 계층을 통해 부정맥 신호의 패턴을 정밀하게 추출하도록 구성하고 이를 BLSTM의 입력으로 사용한 후 매개변수를 학습시키고 검증 데이터로 학습 모델을 평가한 후 부정맥 분류의 정확도를 확인하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 이용하여 분류의 정확도, 정밀도, 재현율, F1-score를 비교하였다. 성능평가 결과 각각 99.30%, 98.70%, 97.50%, 98.06%로 우수한 분류율을 나타내는 것을 확인할 수 있었다.

Arrhythmia is a condition in which the heart has an irregular rhythm or abnormal heart rate, early diagnosis and management is very important because it can cause stroke, cardiac arrest, or even death. In this paper, we propose arrhythmia classification using hybrid combination model of CNN-BLSTM. For this purpose, the QRS features are detected from noise removed signal through pre-processing and a single bit segment was extracted. In this case, the GAN oversampling technique is applied to solve the data imbalance problem. It consisted of CNN layers to extract the patterns of the arrhythmia precisely, used them as the input of the BLSTM. The weights were learned through deep learning and the learning model was evaluated by the validation data. To evaluate the performance of the proposed method, classification accuracy, precision, recall, and F1-score were compared by using the MIT-BIH arrhythmia database. The achieved scores indicate 99.30%, 98.70%, 97.50%, 98.06% in terms of the accuracy, precision, recall, F1 score, respectively.

This paper outlines results of the surveys on the changes in the Tsuruoka dialect in the post-war years. The National Institute forJapanese Language and Linguistics and The Institute of Statistical Mathematics conducted four surveys on linguistic changes inTsuruoka in 1950, 1971, 1991 and 2011. This paper makes the following points. (1) The fourth survey, conducted in 2011 after a 20-year interval, made it possible to investigate linguistic changes over a period of sixty years. (2) Standardization of segmental phonemes and word accents is progressing rapidly in Tsuruoka city.

기상 자료의 경우 한 지역의 기후가 인접지역의 기후와 비슷한 양상을 띄고 각 지역의 확률 밀도 함수 (probability density function)가 잘 알려진 확률 모형을 따르지 않는다는 것이 알려져 있다. 본 논문에서는 이러한 특성을 고려하여 이상 기후 현상이 뚜렷히 나타나는 여름철 평균 극한 기온(extreme temperature)의 확률 밀도 함수를 추정하고자 한다. 이를 위하여 공간적 상관관계 (spatial correlation)를 고려하는 비모수 베이지안 (nonparametric Bayesian) 모형인 조건부 자기회귀 종추출 혼합모형 (mixtures of conditional autoregression species sampling model)을 이용하였다. 자료는 이스트앵글리아 대학교 (University of East Anglia)에서 제공하는 전 지구의 최대 기온과 최소 기온자료 중 우리나라에 해당하는 지역의 자료를 사용하였다.

This paper considers a probability density estimation problem of climate values. In particular, we focus on estimating probability densities of summer extreme temperature over South Korea. It is known that the probability density of climate values at one location is similar to those at near by locations and one doesn't follow well known parametric distributions. To accommodate these properties, we use a mixture of conditional autoregressive species sampling model, which is a nonparametric Bayesian model with a spatial dependency. We apply the model to a dataset consisting of summer maximum temperature and minimum temperature over South Korea. The dataset is obtained from University of East Anglia.