$\require{mediawiki-texvc}$

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] 인공지능 학습데이터 라벨링 정확도에 따른 인공지능 성능
AI Performance Based On Learning-Data Labeling Accuracy

산업융합연구 = Journal of industrial convergence, v.22 no.1, 2024년, pp.177 - 183  

이지훈 (건양대학교 의과대학 정보의학교실) ,  신지은 (건양대학교 의과대학 정보의학교실, 건양대학교 병원 헬스케어데이터 검증센터)

초록
AI-Helper 아이콘AI-Helper

본 연구는 데이터의 품질이 인공지능(AI) 성능에 미치는 영향을 검토한다. 이를 위해, 데이터 특성변수(Feature)의 유사도와 클래스(Class) 구성의 불균형을 고려한 모의실험(Simulation)을 통해 라벨링 오류 수준이 인공지능의 성능에 미치는 영향을 비교 분석하였다. 그 결과, 특성변수 간 유사성이 높은 데이터에서는 특성 변수 간 유사성이 낮은 데이터에 비해 라벨링 정확도에 더 민감하게 반응하였으며, 클래스 불균형이 증가함에 따라 인공지능 정확도가 급격히 감소되는 경향을 관찰하였다. 이는 인공지능 학습데이터의 품질평가 기준 및 관련 연구를 위한 기초자료가 될 것이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The study investigates the impact of data quality on the performance of artificial intelligence (AI). To this end, the impact of labeling error levels on the performance of artificial intelligence was compared and analyzed through simulation, taking into account the similarity of data features and t...

주제어

#인공지능   #학습데이터   #데이터 품질   #라벨링 정확도   #데이터  

참고문헌 (16)

  1. Dong-ah Park (2017). A Study on？Conversational Public Administration Service of？the Chatbot Based on Artificial Intelligence.？Journal of Korea Multimedia Society, 20(8),？1347-1356.？DOI : 10.9717/kmms.2017.20.8.1347 

    원문보기 상세보기 crossref

  2. Choi S.S. & Hong A.R (2021). Identifying Issue？Changes of AI Chatbot 'Iruda' Case and Its？Implications. Electronics and Telecommunications Trends, 36(2), 93-101.？DOI : 10.22648/ETRI.2021.J.360210 

    원문보기 상세보기 crossref

  3. Yun Sangoh. (2018). Issues of Public Service？Using Artificial Intelligence -Focused on ChatBot？Service-. Korean Public Management Review,？32(2), 83-104. DOI : 10.24210/kapm.2018.32.2.004 

    상세보기 crossref

  4. Jung Won-Sup. (2020). Discrimination and Bias？of Artificial Intelligence. HUMAN BEINGS,？ENVIRONMENT AND THEIR FUTURE, (25), 55-73. DOI: 10.34162/hefins.2020..25.003 

    crossref

  5. Jang Jun Hee & Seok-Joo Koh. (2020,？November). A Study on the Policy Direction for？Building AI Learning Data, Proceedings of？Symposium of the Korean Institute of？communications and Information Sciences. (pp.？305-306). Online : KICS 

  6. Berrar, D. (2019). Cross-Validation. Encyclopedia？of Bioinformatics and Computational Biology,？1, 542-545.？DOI : 10.1016/B978-0-12-809633-8.20349-X 

    crossref

  7. Jongwook Yoon (2019). A Pilot Study on the？Standardization of Machine Learning Dataset？Construction Process. The Journal of Internet？Electronic Commerce Resarch, 19(5), 199-217.？DOI : 10.37272/JIECR.2019.10.19.5.199 

    상세보기 crossref

  8. Kim, S. H. & Ryu, D. (2023, June). Method for？improving video/image data quality for AI？learning of unstructured data. Jouranl of？Information and Security, 23(2), 55-66.？DOI : 10.33778/kcsa.2023.23.2.055 

    원문보기 상세보기 crossref

  9. Soon-Jae Kim, Woo-Hyeok Son, Ji-Hye Lee,？Hoa-Hung Nguyen & Han-You Jeong. (2023).？Sampling-based Analysis of Labeling Errors in？AI-Hub Traffic-Light Datasets. Journal of the？Institute of Electronics and Information Engineers,？60(3), 109-112.？DOI : 10.5573/ieie.2023.60.3.109 

    상세보기 crossref

  10. Northcutt, C. G., Athalye, A., & Mueller, J.？(2021, December). Pervasive label errors in test？sets destabilize machine learning benchmarks.？Conference on Neural Information Processing？Systems. Online : NeurIPS 

  11. Oh Yoehan & Hong Sungook. (2018). Does？Artificial Intelligence Algorithm Discriminate？Certain Groups of Humans?. Journal of Science？& Technology Studies, 18(3), 153-215.？DOI : 10.22989/jsts.2018.18.3.004 

    crossref

  12. L'Ecuyer, P. (1994). Uniform random number？generation. Annals of Operations Research, 53,？77-120. DOI : 10.1007/BF02136827 

    상세보기 crossref

  13. Van der Maaten, L., & Hinton, G. (2008).？Visualizing data using t-SNE. Journal of？machine learning research, 9(11). 

  14. Joong-jo Park, Tae-Woong Kim & Kyoung-min？Kim. (2010). Handwritten Numeral Recognition？using Composite Features and SVM classifier.？Journal of the Korea Institute of Information？and Communication Engineering, 14(12), 2761-2768. DOI : 10.6109/jkiice.2010.14.12.2761 

    원문보기 상세보기 crossref

  15. NIA. (2023). Guidelines for Data Quality？Management for Artifical Intelligence Learning？v3.0. Daegu : NIA. 

  16. Kyunam Lee, Jongtae Lim, Kyoungsoo Bok, &？Jaesoo Yoo (2019). Handling Method of？Imbalance Data for Machine Learning : Focused？on Sampling. JOURNAL OF THE KOREA？CONTENTS ASSOCIATION, 19(11), 567-577.？DOI : 10.5392/JKCA.2019.19.11.567？ 

    원문보기 상세보기 crossref

관련 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