Earticle

Technological breakthroughs in Artificial Intelligence (AI) have led to the growth of human-like computers that can work independently and replicate a cognitive activity. The progression and interest among managers, researchers, and the general public have aroused interest in many industries, and significant corporate sectors are spending massively to profit gain through technology with the development of business interaction models. As information technology (IT) platforms become more advanced, and business activities become more autonomous, there is an increasing demand for business managers to better impact company operations and how they correspond with organizational goals. Machine learning and fuzzy logic design have lately been highlighted as recent innovations. Machine learning is an artificial intelligence approach that may enable smarter and more intelligent decision-making outcomes. In comparison, Fuzzy Logic Design (FLD) is a procedure that provides inferences or solutions from an ambiguous situation. In this research article, a fuzzy-inspired intelligent interaction model for the business sector is proposed, which utilizes a fuzzy logic design approach while enabling users to understand functions from a business standpoint and organize them related to the business targets, identify key indicators and carry out the necessary intelligent analysis on them to recognize causal factors of unforeseen metric values and enhance efficiency to improve business leadership.

2006년부터 2009년까지 축산물품질평가원에서 등급 판정된 도체성적이 있는 개체와 한국종축개량협회에 등록이 확인된 231,382두의 자료를 이용하여 각 도체형질의 자료구조 분석 등을 살펴보고, 각 요인별로 도체형질에 어떠한 영향을 주는 지에 대한 환경효과 등을 분석하고, 변수선택법 등을 이용하여 향후 유전능력평가에서 사용 가능한 통계모형 찾아내고자 실시하였다. 한우 암, 수, 거세를 포함한 전체집단에서 출하체중, 도체율, 등지방두께, 근내지방도에서 정규분포를 보이고 있었고, 다른 형질은 정규분포에 근접함을 확인할 수 있었다. 각 요인에 대한 분산분석에서는 한우 도체형질에 대하여 성별, 출생년도－계절, 도축년도－계절, 출생지역, 도축일령의 모두 고도의 유의성(p<0.01)이 인정되었다. 변수선택법을 이용한 모형적합도 검정에서는 출하체중, 도체중, 도체율, 배최장근단면적은 다섯 가지 환경효과를 선택하는 것이 최적이었고, 등지방두께와 근내지방도는 네 가지 환경효과를 고려하는 것이 최적이었지만, 다형질 분석으로 한 번에 분석을 하기 위해서는 다섯 가지 환경효과를 함께 고려하는 것이 적합하다고 사료된다.

This study was conducted to study the environment effects on live weight, carcass weight, dressing percentage, eye muscle area, backfat thickness, and marbling score, which are the carcass traits of Hanwoo, based on the estimates and all the possible regression for the selection of variable and significance test for 231,382 heads that underwent the carcass measurements. The average and standard deviation for the live weight, carcass weight, dressing percentage, eye muscle area, backfat thickness, and marbling score were 654.79±91.61kg, 362.30±67.15kg, 59.52±0.03%, 81.79±12.21cm2, 11.39±5.40mm, 4.38±2.29, respectively. The live weight, carcass weight, dressing percentage, eye muscle area, backfat thickness, and marbling score for cow were 532.79±78.38kg, 313.40±44.90kg, 56.50±0.03%, 75.24±10.69cm2, 11.82±5.10mm, 4.30±2.06, respectively, while for bull were 619.74±93.27kg, 376.89±48.62kg, 58.61±0.02%, 85.61±10.46cm2, 5.64±2.71mm, 1.41±0.83, respectively, and for steer were 681.78±70.72kg, 415.23±49.43kg, 60.19±0.02%, 88.29±10.27cm2, 12.71±5.23mm, 5.42±1.99, respectively. In the environmental variables selection based on the variables selection method, the examination by carcass traits suggested that the most appropriate model could be determined when five variables were selected for the live weight, carcass weight, dressing percentage, eye muscle area, and four variables for backfat thickness, and marbling score. When they were considered at a time altogether based on multiple traits, it was deemed to be desirable to insert all five variables into the variables for analysis. In addition, high significance was found by carcass traits.

공정, 공평성을 평가하는 것은 합의(consensus)를 전제하지 않으면 안된다. 그런 의미에서 평가방법에 합의했다면 몇 가지 기술적인 서술을 할 수 있다. 공정성(Equity)은 측도이론(Measure Theory)으로 보고 주관적, 가치판단이 개재된다고 하자. 공평성(Impartiality)은 객관적, 몰가치론적이라고 본다. 공평성에 의해 역대 정권들을 평가하였고 기준과 방법에 차이가 있으며, 일률적으로 어느 정권의 요직인사가 공평성을 구현했다고 단정지을 수는 없다. 앞으로 조금 더 자료가 쌓이면 은닉변수모형(Hidden Markov Model)에 의해 평가, 예측을 하려한다.

In this study, the visual integrated model that is available to predict the future productivity of production well has been developed. This model which is based on conventional decline curve analysis method is for two phase decline curve analysis. This model is composed of three modules. First one is a decline type curve module that can analyze reservoir characteristics such as permeability, skin factor et al. using transient production data. The second is statistical-decline curve module which is able to predict productivity with high confidence level by using production data in depletion stage. The third one is the two phase (oil-water) decline curve module for the future performance of high WOR well. For the utilization of these modules, a user-friendly visual model of the integrated decline curve analysis was developed in this study. In order to validate the developed model, the decline curve analysis on the production data containing large amount of water in SES producing oil field, Indonesia, was carried out. As a results, in case of the well showing a conventional decline curve trend, more reliable prediction could be obtained through the statistical decline curve analysis module. In the analysis of the well producing large amount of water in waterflooded reservoir, the result of decline curve analysis based on two phase flow shows relatively excellent producing performances even though the enhanced production data is not included in the analysis. Also, the radius of investigation, permeability and skin factor at both transient and depletion stage were calculated from the model. It is found that the matching result between actual data and type curves is correct.

국내 목조건축문화재는 자연환경에 그대로 노출되어 있어 생물피해와 여러 환경요인에 의해 피해가 가속화되고 있다. 이에 본 연구에서는 보은 법주사와 순천 선암사에 기상인자 모니터링을 위한 자동기상측정장비를 설치하여 기상데 이터를 수집하였다. 이들 데이터에 통계 모형을 적용하여 기상인자를 예측하고 기상인자별 예측성능을 비교하였다. 그 결과, 법주사와 선암사 두 곳 모두에서 대기온도와 이슬점온도의 상관계수가 0.95 이상으로 가장 높게 나타났으며 상대습도의 상관계수는 0.65로 낮게 나타났다. 결과적으로 일반선형모형은 대기온도와 이슬점온도를 예측하기에 적합 하다는 것을 확인하였다. 기상인자들 사이의 상관성을 분석한 결과, 법주사와 선암사 모두 대기온도와 이슬점온도, 일사 량과 증발량 사이에 강한 양의 상관성을 보였으며, 법주사에서는 대기온도와 증발량이 약한 양의 상관성을 나타내었고 선암사에서는 풍속이 대기온도와 상대습도에 대하여 약한 음의 상관성을 나타내었다. 선암사의 풍속은 겨울에 높고 여름에 평균 이하로 낮아지는 패턴을 보이는데, 이것은 대기온도와 상대습도가 높은 여름철에 수분의 증발을 막고 정체시 키는 역할을 하는 것으로 판단되며, 결과적으로 이것이 선암사의 목조건축물 피해를 가속화시키는 것으로 판단된다.

Exposure to the natural environment can cause damage to domestic wooden cultural assets, such as temples. Deterioration is accelerated by biological damage and various environmental factors. In this study, meteorological factors were monitored by equipment installed at Beopjusa temple of Boeun province and Seonamsa temple of Suncheon province. A statistical model was applied to these data to predict the meteorological factors and to compare the predictive performance of each meteorological factor. The resulting correlation coefficient between air and dew point temperatures was highest, at 0.95, while the correlation coefficient for relative humidity had a moderate value(0.65) at both the Beopjusa and Seonamsa temples. Thus, a general linear model was found to be suitable for predicting air and dew point temperatures. An analysis of correlation between meteorological factors showed that there was strong positive correlation between air temperature and dew point temperature, and between solar radiation and evaporation at both sites. There was a weak positive correlation between air temperature and evaporation at Beopjusa temple. Wind speed was negatively correlated with both air temperature and relative humidity at Seonamsa temple. The wind speed at this location is higher than average in winter and lower than average in summer, and it was hypothesized that the low wind speed plays a role in reducing water evaporation in summer, when both air temperature and relative humidity are high. As a result, damage to the wooden buildings of Seonamsa temple is accelerated.

빈칸 채우기 문제는 학생들이 학습 내용을 제대로 이해했는지 확인하기 위해 널리 사용되어 왔다. 이런 유형의 문제를 컴퓨터 알고리즘에 의해 자동으로 생성하는 많은 방법들이 제안되어 왔지만, 대부분 어떤 부분을 빈칸으로 만들면 좋을지에 대해 집중했기 때문에 적절한 보기를 자동으로 생성하는 연구는 미흡했다. 본 논문에서는 빈칸이 주어졌다고 가정하고, 이에 어울리는 보기를 자동 생성하는 알고리즘을 제안한다. 본 알고리즘은 통계 언어 모델에 기반하여 보기를 생성하기 때문에, 사람이 생성하는 경우보다 출제자에 편향되지 않은 보기를 제공할 수 있다. 또, 확률값에 기반하여 난이도를 자동으로 조절하는 것이 가능하기 때문에, 직접 사람이 문제를 만드는 것에 비해 상당한 비용 절감 효과가 있다. TEPS 문법, 어휘 시험에 대해 적용하여 실험한 결과, 사람과 유사한 결과를 생성함을 확인하였다. 향후 스마트 교육 분야에서 높은 활용도를 보일 것으로 기대한다.

A fill-in-the-blank with choices are widely used in classrooms in order to check whether students’ understand what is being taught. Although there have been proposed many algorithms for generating this type of questions, most of them focus on preparing sentences with blanks rather than generating multiple choices. In this paper, we propose a novel algorithm for generating multiple choices, given a sentence with a blank. Because the algorithm is based on a statistical language model, we can generate relatively unbiased result and adjust the level of difficulty with ease. The experimental results show that our approach automatically produces similar multiple-choices to those of the exam writers.

본 고에서는 MAP(maximum a priori) 추정에 기반을 둔 한국어 언어모델 적응을 제안한다. 먼저 언어모델을 위 한 기본 단위로 통계적 특징을 이용하는 WPM(word-piece model)을 제안한다. 이를 이용한 언어모델 적응 방법 으로 MAP 적응 알고리즘을 제안하였고 언어모델을 적응하지 않을 경우 및 전통적인 동적 주변 적응 방식과 비교하 였다. 성능 실험을 위해서 먼저 9천만 문장을 사용하여 베이스라인 언어 모델을 구했고 동일한 도메인에서 1천만 문장으로 시험한 결과 복잡도가 393.6 ppl(perplexity)을 구할 수 있었다. 베이스라인 언어 모델을 사용하여 SMS 분야로 시험한 결과가 적응 전 673.1 ppl에서 동적 주변적응을 하였을 경우에는 338.2 ppl, MAP 적응 알 고리즘을 사용한 경우에는 282.8 ppl이 되었다. 또한 동영상 강의 문장을 사용할 경우에도 적응 전에는 1340 ppl 을 보였으나 MAP 알고리즘에 의한 언어 적응 후에는 219.7ppl로 나왔다. 결론적으로 한국어에서 WPM을 기본 단위로 사용하고 MAP 언어모델 적응을 한 경우에는 베이스라인 언어모델의 복잡도보다 SMS, 동영상 각각의 도메 인에서 28.2%, 44.2% 감소되었다.

In this paper, we propose a Korean language model adaptation based on maximum a priori (MAP) estimation. The word-piece model (WPM) based on the statistical characteristic is proposed to use as basic units for language model. And we have compared our proposed MAP adaption algorithm with dynamic marginal adaptation algorithm for our language model adaption as well as language model without adaptation. For this purpose, we have built a baseline language model using 90 million sentences, which yields the perplexity (ppl) of 393.6 when experimental 10 million sentences are used as test sentences in the same domain. In the domain of short message service (SMS), we get the ppl of 673.1 when the language adaptation is not applied. However we can get the ppl of 282.8 after MAP adaption algorithm, the ppl of 338.2 after dynamic marginal adaption algorithm, respectively. And in the domain of video lecture, we get the same trend of performance, in which the ppl of 1340 before language adaptation reduces to the ppl of 219.7 after MAP language adaptation. In conclusion, MAP language adaptation algorithm yields ppl reduction of 28.2 % in the domain of SMS, 44.2 % in the domain of video lecture, respectively.

소프트웨어의 디버깅에 오류 발생의 시간을 기반으로 하는 많은 소프트웨어 신뢰성 모델이 제안되어 왔다. 무한고 장 모형과 비동질적인 포아송 과정에 의존한 소프트웨어 신뢰성 모형을 이용하면 모수 추정이 가능하다. 소프트웨어를 시장에 인도하는 결정을 내리기 위해서는 조건부 고장률이 중요한 변수가 된다. 유한 고장 모형은 실제 상황에서 다양 한 분야에 사용된다. 특성화 문제, 특이점의 감지, 선형 추정, 시스템의 안정성 연구, 수명을 테스트, 생존 분석, 데이터 압축 및 기타 여러 분야에서의 사용이 점점 많아지고 있다. 통계적 공정 관리 (SPC)는 소프트웨어 고장의 예측을 모니 터링 함으로써 소프트웨어 신뢰성의 향상에 크게 기여 할 수 있다. 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 공정 관리에 사용되는 도구이다. 본 논문에서 NHPP에 근원을 둔 로그 포아송 실행시간 모형, 로그선형 모형 그리고 파 레토 모형의 평균값 함수를 이용한 통계적 공정관리 차트를 이용한 제어 메커니즘을 제안하였다.

There are many software reliability models that are based on the times of occurrences of errors in the debugging of software. It is shown that it is possible to do asymptotic likelihood inference for software reliability models based on infinite failure model and non-homogeneous Poisson Processes (NHPP). For someone making a decision about when to market software, the conditional failure rate is an important variables. The finite failure model are used in a wide variety of practical situations. Their use in characterization problems, detection of outliers, linear estimation, study of system reliability, life-testing, survival analysis, data compression and many other fields can be seen from the many study. Statistical Process Control (SPC) can monitor the forecasting of software failure and thereby contribute significantly to the improvement of software reliability. Control charts are widely used for software process control in the software industry. In this paper, we proposed a control mechanism based on NHPP using mean value function of log Poission, log-linear and Parto distribution.

소프트웨어의 디버깅 오류의 발생 시간에 의존하는 많은 소프트웨어 신뢰성 모델이 연구되었다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하 게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 본 연구에서는 학습효과 비동질적인 유한고장모형 분석을 위한 모수 추정은 우도함수를 이용하였다. 소프트웨어 시장 에 인도하기 위한 결정에 대하여 조건부 고장률은 중요한 변수가 되고 이러한 고장 모델은 실제 상황에서 많이 사용 되고 있다. 통계적 공정 관리 (SPC)는 소프트웨어 오류의 예측을 모니터링 함으로써 소프트웨어의 신뢰성 향상에 크 게 기여할 수 있다. 이러한 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 프로세스 제어를 위해 사용된다. 본 연구에서는 로그 위험 학습 효과 속성의 비동질적인 포아송 과정의 평균값 기능을 사용한 컨트롤 메커니즘을 제안 하였다.

There are many software reliability models that are based on the times of occurrences of errors in the debugging of software. Software error detection techniques known in advance, but influencing factors for considering the errors found automatically and learning factors, by prior experience, to find precisely the error factor setting up the testing manager are presented comparing the problem. It is shown that it is possible to do asymptotic likelihood inference for software reliability models based on infinite failure model and non-homogeneous Poisson Processes (NHPP). Statistical process control (SPC) can monitor the forecasting of software failure and thereby contribute significantly to the improvement of software reliability. Control charts are widely used for software process control in the software industry. In this paper, we proposed a control mechanism based on NHPP using mean value function of logarithmic hazard learning effects property.

분산서비스거부 공격을 탐지하기 위한 많은 개발과 연구가 진행되고 있다. 그 중에서 통계적 기법을 이용한 방법은 정상적인 패킷과 비정상적인 패킷을 판별해 내는데 효율적이다. 본 논문에서는 여러 가지의 통계적 기법을 혼합하여 다양한 공격을 탐지할 수 있는 방법을 제안한다. 효과를 검증하기 위하여 라우터에 DDoS 공격 패킷 필터링을 설정한 경우와 제안 기법을 적용한 리눅스 라우터를 구현하여 실험한 결과, 제안 기법이 다양한 공격을 탐지하는 것뿐만이 아니라 정상적인 서비스까지도 대부분 제공하는 것을 확인하였다.

Distributed denial of service attack detection for more development and research is underway. The method of using statistical techniques, the normal packets and abnormal packets to identify efficient. In this paper several statistical techniques, using a mix of various offers a way to detect the attack. To verify the effectiveness of the proposed technique, it set packet filtering on router and the proposed DDoS attacks detection method on a Linux router. In result, the proposed technique was detect various attacks and provide normal service mostly.

The leading source of occupational fatalities is a portable ladder in Korea because it is widely used in industry as work platform. In order to reduce victims, it is necessary to establish preventive measures for the accidents caused by portable ladder. Therefore, this study statistically analyzed injury death by portable ladder for recent 10 years to investigate the accident characteristics. Next, to monitor wearing of safety helmet in real-time while working on a portable ladder, this study developed an object detection model based on the You Only Look Once(YOLO) architecture, which can accurately detect objects within a reasonable time. The model was trained on 6,023 images with/without ladders and safety helmets. The performance of the proposed detection model was 0.795 for F1 score and 0.843 for mean average precision. In addition, the proposed model processed at least 25 frames per second which make the model suitable for real-time application.

이 연구는 급변하는 현대사회에 개인들의 끊임없는 진로선택과 결정에 있어 개별 맞춤형 방향성을 제시해주고, 대학 측면에서는 필요 인재 확보에 대한 가이드라인 제공과 대학 수요자들의 취업 및 진로 개발 지원에 정확한 진로방향 예측을 통해 질적 향상을 모색함으로써 대학의 미래 경쟁력 제고에 기여 하고자 하는 현실적인 필요성에서 출발하였다. 이를 위해 대졸자의 진로상태 분류 예측모델을 개발하 고, 주요 예측변인의 특징을 분석함으로써 청년의 진로상태에 가장 중요하게 작용하는 요인이 무엇인 지 알아보는 것으로 연구목적을 설정하였다. 연구목적에 따라 먼저 집단을 학력을 기준으로 구직 및 취업자, 대학원 진학자로 나누었다. 다음으 로 그들의 진로상태를 분류하는 예측모델 구현을 통해 어떠한 변인들이 대졸자의 진로상태 예측에 영 향을 미치는지 알아보기 위해 로지스틱 회귀분석과 판별분석을 활용하여 전통적 통계기법 예측모델을 구현하였다. 마찬가지로 머신러닝 예측모델을 구현하기 위해 의사결정나무, 서포트벡터머신, 랜덤포레 스트, XGboost 알고리즘을 활용하였다. 분석결과 구현된 모델 중에서 서포트벡터머신 예측모델이 82.12%의 예측률로 가장 뛰어난 것으로 나타나 서포트벡터머신 알고리즘으로 구현한 예측모델을 최종 예측모델로 결정하였다. 결정된 최종 모 델에서 대졸 후 진로상태를 예측하는 주요 요인은 개인 특성요인이었다. 더불어 개인 환경요인 중에서 도 사회적 자본에 해당하는 변인들이 모든 머신러닝 예측모델에서도 최상위 예측변인으로 도출되었던 만큼 대졸자의 진로에 있어 사회적 자본에 대한 중요성이 재차 검증될 필요가 있다. 해당 예측모델을 실무적인 측면에서 활용한다면 누가 대학 또는 대학원에 진학할 확률이 높은지 예 측할 수 있다. 따라서 이들을 대상으로 상위 교육기관 진학과 관련한 맞춤형 가이드라인을 설계하는 데 도움이 될 수 있다. 뿐만 아니라, 대학생 중에서 진로결정 상태가 아닌 학생들에게 해당 예측모형을 활 용한다면 이들의 진로상태를 예측할 수 있고, 이를 바탕으로 예상되는 졸업 후 진로에 대한 설명 및 조 언 등 맞춤형 진로 설계 가이드라인을 제시해줄 수 있을 것이다.

The study focused on developing a predictive model for classifying college graduates’ career status and finding out which factors affect most importantly the young adults’ career status by analyzing the characteristics of major predictive factors. Based on the purpose of the study, the group was divided into two groups(g1: job seekers or the employed, g2: graduate students) in accordance with the characteristics of the data. Next, to find out which variables affect the prediction of college graduates’ career status through creating a prediction model, not only were classic statistical models created using logistic regression and discriminant analysis, but machine learning models were also made using the Decision Tree, Support Vector Machine(SVM), Random forest, and XGboost algorithms. In a consequence of the analysis, the SVM prediction models turned out to be the best prediction rates(82.12%). Therefore, the final predictive model was decided to SVM model, and it was analyzed to the main predictive variables from the SVM model. Thus, the top predictive variable was the number of people who could call for the help belonging to personal environmental factors. It means personal feature factors were the key factors predicting college graduates’ career status. Therefore, it is necessary to examine how personal feature factors(intelligence, values, competencies) affect their careers. Furthermore, the importance of social relationships in college graduates’ careers needs to be reexamined as social relationships were the key factors in all the machine learning models.

The mental health of rural-to-urban migrants in China is a critical issue. The aim of this study was to test the migrants' mental health. The findings drawn from this qualitative study of 769 migrants in Wuhan in 2012 based on the Bayesian structural equation model. Overall, the survey found that leisure plays the greatest positive role in migrants' mental health, as well as work, interpersonal relationships, and health status have a negative role in migrants' mental health. Thus, the government must set relevant regulations to help migrants establish a better life and work values to work energetically.

Most analyses in pedagogy have been based on surveys, while in many other research areas like cognitive science and psychology, data-driven research has made significant progress based on large-scale data automatically generated and archived. Recently in pedagogy, learning achievement data has been archived, and EduData is one of such data sets provided by Korean ministry of education. Many data driven analysis algorithms can be applied to such data. As a first data-driven analysis to EduData, we applied the linear regression model to check which factors are effective to Korean student’s learning achievement. Finally, we proposed a model to predict degree of achievement. Experimental results show the performance of our models.