$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] SHAP 분석 기반의 넙치 질병 분류 입력 파라미터 최적화
Optimizing Input Parameters of Paralichthys olivaceus Disease Classification based on SHAP Analysis 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.18 no.6, 2023년, pp.1331 - 1336  

조경원 (호남대학교) ,  백란 (호남대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

머신러닝을 이용한 텍스트 기반 어류 질병 분류에서 머신러닝 모델의 입력 파라미터가 너무 많은 문제가 존재하지만, 성능의 문제로 임의로 입력 파라미터를 줄일 수 없다. 본 논문에서는 이 문제를 해결하고자 SHAP 분석 기법을 활용해 넙치 질병 분류에 특화된 입력 파라미터 최적화 방안을 제시한다. 제안한 방법은 SHAP 분석 기법을 적용하여 넙치 질병 문진표에서 추출한 질병 정보의 데이터 전처리와 AutoML을 활용한 머신러닝 모델 평가 과정을 포함한다. 이를 통해 AutoML의 입력 파라미터의 성능을 평가하고, 최적의 입력 파라미터 조합을 도출한다. 본 연구에서 제안 방법은 필요한 입력 파라미터 수를 감소시키면서도 기존의 성능을 유지할 수 있을 것으로 기대되며, 이는 텍스트 기반 넙치 질병 분류의 효율성 및 실용성을 높이는 데 기여할 것이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In text-based fish disease classification using machine learning, there is a problem that the input parameters of the machine learning model are too many, but due to performance problems, the input parameters cannot be arbitrarily reduced. This paper proposes a method of optimizing input parameters ...

Keyword

#넙치 질병   #텍스트기반 분류   #SHAP 분석   #기계학습  

표/그림 (6)

참고문헌 (15)

  1. FAO, "2018 The STATE OF WORLD FISHERIES？AND AQUACULTURE," pp. 85, 2018. 

  2. Statistics Korea, "2020 Fish Farming Trend？Survey Results",？https://eiec.kdi.re.kr/policy/materialView.do?num211933&topicO&pp20 

  3. Fisheries Newspaper, "Increase in Infectious？Diseases in Domestic and Imported Seafood？in Korea",？https://www.isusanin.com/news/articleView.html?idxno30689 

  4. National Institute of Fisheries Science, "Fish？disease incidence statistics",？https://www.nifs.go.kr/fishguard/disease03 

  5. H. S. Son, H. S Choi, "Image Augmentation？of Paralichthys Olivaceus Disease Using？SinGAN Deep Learning Model," The J. of？the Korea Contents Association, vol. 21, no. 12,？2021, pp. 322-330. 

  6. J. Y. Kang, H. S. Son, H. S Choi, "A？Comparison of Pre-Processing Techniques for？Enhanced Identification of Paralichthys olivaceus？Disease based on Deep Learning," The J. of the？Korea Contents Association, vol. 22, no. 3, 2022,？pp. 71-80. 

  7. H. S. Son, H. K. Lim, H. S. Choi, "A Study on？Disease Prediction of Paralichthys Olivaceus？using Deep Learning Technique," Smart Media J.,？vol. 11, no. 4, 2022, pp. 62-68. 

  8. S. M. Lundberg, S. I. Lee. "A unified？approach to interpreting model predictions,"？In Proc. Advances in neural information？processing systems 30, 2017. 

  9. S. K. Karmaker, M. M. Hassan, M. J. Smith, L.？Xu, C. Zhai, K. Veeramachaneni, "Automl to？date and beyond: Challenges and？opportunities," ACM Computing Surveys, vol.？54, no. 8, 2021, pp. 1-36. 

  10. P. Geurts, D. Ernst, L. Wehenkel, "Extremely？randomized trees," Machine learning, vol. 63,？2006, pp. 3-42. 

    상세보기

  11. L. Breiman, "Random forests," Machine？learning, vol. 45, 2001, pp. 5-32. 

  12. T. Chen, C. Guestrin, "Xgboost: A scalable？tree boosting system," In Proc. the 22nd acm？sigkdd int. conf. on knowledge discovery and data？mining, August 2016, pp. 785-794. 

  13. G. Ke, Q. Meng, T. Finley, T. Wang, W.？Chen, W. Ma, Q. Ye, T. Y. Liu, "Lightgbm: A？highly efficient gradient boosting decision？tree," In Proc. Advances in neural information？processing systems 30, 2017. 

  14. L. Breiman, "Bagging predictors," Machine？learning, vol. 24, 1996, pp. 123-140. 

  15. C. Cortes, V. Vapnik, "Support-vector networks,"？Machine learning, vol. 20, 1995, pp. 273-297. 

    상세보기

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로