http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
오늘 본 자료
-
자가-적응 소프트웨어에서 사전 문제인지를 위한 ARIMA와 ANN이 결합된 하이브리드 모델 기반 적응 시점 판단 기법
-
조기 후두암의 Docetaxel-Cisplatin 유도 화학요법에 대한 임상연구
-
農業機械化 硏究現況과 展望
-
ACTIVE LEARNING AND OPTIMAL CLIMATE POLICY
-
Potential epigenetic therapeutics for atherosclerosis treatment
-
Laboratory blood test results beyond normal ranges could not be attributed to healthy aging
- 검색키워드
- 저자 : 공지환 (검색결과 2 건)
-
Multi-head attention을 이용한 비지도 시계열 데이터 변수 선택 방법
In the data generated during the manufacturing process, the number of features increases with complexity of the process, while labeled data remains scarce. Consequently, issues such as the curse of dimensionality and the problem of having large predictors and a small number of data points (large p small n) arise. To address these challenges, various dimensionality reduction methods are employed. Within a manufacturing environment, unsupervised dimensionality reduction methods are widely utilized due to the limited availability of labeled data. However, applying structured data methods such as principal component analysis (PCA), independent component analysis (ICA), and variance threshold (VT) to manufacturing sites that generate time series data is challenging. Although autoencoder (AE) can be used to time series data, it fails to provide insight into which input features are important based on the extracted features. This paper proposes a novel unsupervised feature selection method that utilizes multi-head attention (MHA) to address the limitations of existing unsupervised dimensionality reduction techniques. The proposed model is an unsupervised method based on bidirectional long short term memory (BiLSTM) so that it can effectively learn from multivariate time series data even in the absence of labels. By extracting feature importance using MHA, the model demonstrates exceptional explanatory power for features, making it highly applicable in manufacturing environments. Experimental results using commercial modular aero-propulsion system simulation (C-MAPSS) data validate the efficacy of the proposed model in selecting important features from time series data. Moreover, the selected features were shown to significantly improve the performance of remaining useful life (RUL) prediction. 제조 공정에서 발생하는 데이터는 공정 복잡도가 높아짐에 따라 변수의 개수가 증가하며 labeled 데이터가 소량이기 때문에 curse of dimensionality, large predictors and a small number of data points (large p small n)와 같은 문제가 발생한다. 이를 해결하기 위해 다양한 dimensionality reduction 방법이 활용된다. 제조 환경에서는 labeled 데이터의 수가 적어 unsupervised dimensionality reduction 방법이 많이 활용되지만 principal component analysis (PCA), independent component analysis (ICA), variance threshold (VT)와 같은 방법은 정형 데이터를 위한 방법이기 때문에 시계열 데이터를 발생시키는 제조 현장에 적용하기 어려우며 autoencoder (AE)는 시계열 데이터에 적용 가능하나 추출된 변수를 통해 어떠한 입력 변수가 중요한지 설명하지 못한다는 단점이 있다. 본 논문에서는 기존 unsupervised dimensionality reduction 방법의 한계를 극복하기 위해 multi-head attention (MHA)을 이용한 unsupervised feature selection 방법을 제안한다. 제안된 모델은 bidirectional long short term memory (BiLSTM) 기반의 unsupervised 방법이기 때문에 label 없이 다변량 시계열 데이터를 학습할 수 있으며 MHA를 사용하여 변수 중요도를 추출하므로 변수에 대한 설명력이 뛰어나 제조 환경에서 활용성이 매우 높다. Commercial modular aero-propulsion system simulation (C-MAPSS) 데이터를 통해 실험한 결과, 제안 모델은 시계열 데이터의 중요 변수를 효과적으로 선별하였으며, 제안 모델을 통해 선별된 변수는 remaining useful life (RUL) 예측 성능 향상에 효과가 있는 것을 확인하였다.
-
앉은 자세에서의 복싱 프로그램이 뇌졸중 환자의 상지기능, 균형능력, 보행능력, 삶의 질에 미치는 영향
공지환 삼육대학교 일반대학원 2014 국내석사
본 연구는 서울시에 소재한 E 재활요양병원에 입원하고 있는 뇌졸중 환자 30명을 대상으로 앉은 자세에서의 복싱 프로그램이 뇌졸중 환자의 상지기능, 균형능력, 보행능력, 삶의 질에 미치는 영향을 알아보고자 시행하였다. 연구 대상자는 30명을 모집하여 사전 선별검사를 거쳐 최종 26명이 연구대상자로 선정 되었다. 대상자는 무작위로 두 그룹으로 나누어 복싱 운동 프로그램을 적용한 복싱 운동군 13명, 일반 물리치료를 적용한 일반 물리치료군 13명이 참여하였다. 복싱 운동군은 복싱 운동 프로그램과 일반적 물리치료를 각각 30분씩 주 3회 6주간 훈련을 실시하였고, 일반 물리치료군은 일반적 물리치료만 30분씩 주 3회 6주간 실시하였다. 그 결과 복싱 운동군과 일반 물리치료군 모두 상지기능 검사와 손 악력에서 유의하게 향상을 나타내었고(p<.05), 동적균형에서는 유의한 향상이 있었으나(p<.05), 정적균형에서는 복싱 운동군에서만 유의한 향상을 보였다(p<.05). 보행능력에서도 복싱 운동군에서만 유의한 향상이 있었고(p<.05), 삶의 질에서는 복싱 운동군과 일반 물리치료군 모두 유의한 향상이 있었다(p<.05). 복싱 운동군이 일반 물리치료군보다 상지기능의 환측·건측, 손 악력의 건측, 동적균형, 보행능력, 삶의 질의 변화량이 실험 후에 유의한 효과가 있음을 확인하였다(p<.05). 본 연구의 결과를 통하여 앉은 자세에서의 복싱 프로그램이 뇌졸중 환자에게 상지기능, 균형능력, 보행능력, 삶의 질의 향상을 나타내어 기능적 활동을 증진시키는데 효과적인 방법으로 임상에서 일반적인 운동과 함께 적극적으로 활용될 수 있을 것으로 사료된다. 추후 연구에서는 환자에게 더욱 흥미와 동기유발을 이끌어 낼 수 있는 안전한 형태의 복싱 프로그램 적용과 다양한 대상자를 바탕으로 재활의 목적과 부합하고 기능적 회복을 도모할 수 있는 프로그램이 개발되어야 할 것이다. This study was to investigate Upper-Limb Function, Balance, Gait and Quality of Life before and after the Sitting Boxing program and to compare the effect of Conventional physical therapy. Twenty six participants were randomly allocated to Sitting Boxing program group(n=13) and Conventional physical therapy group(n=13) after measuring their Upper-Limb Function, Balance, Gait and Quality of Life. Both groups were trained a conventional physical therapy(3 times/wk) for 6 weeks and Sitting Boxing program group was trained (3 times/wk) for 6 weeks. As a result, there were statistically significant increase of MFT, non-affected Hand Grip, BBS, eye open VM of Good Balance System, 10MWT, SS-QOL increased after six weeks of sitting boxing program compare with before the program(p<0.05). MFT, Hand Grip, eye open mediolateral velocity, BBS, SS-QOL were significantly improved in the control group(p<0.05). MFT, less affected Hand Grip, BBS, eye open velocity moment, 10MWT, SS-QOL were significantly improved in the Sitting Boxing Group than the control group (p<.05). In conclusion, sitting boxing program group had positive effects on upper-extremity function, balance, gait and quality of life in stroke patients. Therefore, Sitting Boxing Program group should be included in the treatment for stroke patients later on.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
