선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 위해 대표 증상을 선택하도록 한다. 또한 본 논문에서는 대표 증상과 관련이 없는 증상은 완전히 배제한다는 단점을 보완하기 위해서 사용자가 원하면 2차 대표 증상을 선정할 수 있도록 하였다. 대표 증상 항목에서 대표 증상을 선택하면 관련 질병의 증상들에 대한 질의만을 나타내었다.
- 본 논문에서는 애견의 질병에 대한 지식이 없거나 바쁜 일상으로 인해, 조기에 치료하면 쉽게 치료 할 수 있는 질병을 그 시기를 놓쳐 애견의 건강을 해치고, 심각하면 애견이 죽을 수도 있는 것을 막기 위해 가정에서 손쉽게 사용하여 애견의 상태를 쉽게 파악할 수 있는 애견 진단 시스템을 제안하였다.
제안 방법
- 너!], 다리, 엉덩이, 눈, 코, 잎, 귀, 털, 피부, 성격, 배설의 13가지 부위로 구분하였다.
- 대표 증상을 사용하여 많은 양의 증상 중에 애견이 보이고 있는 증상을 쉽게 입력할 수 있게 하였고 대표 증상을 잘못 선택하여 현재 애견의 주 질병을 놓치고 다른 질병을 진단하게 되는 것을 방지하기 위하여 2차 대표 증상도 선택 할 수 있게 하였다. 그리고 선택되어진 증상들을 ART2의 입력으로 제시하여 학습되어 있는 질병들과 유클리디안 거리 값을 비교하여 최종적으로 입력한 증상과 가장 가까운 질병 3가지를 도출하였다. 또한 시간이 흐름에 따라 변화하는 질병 바이러스 정보를 스스로 학습하고 수정하여 효과적으로 변화하는 질병에 대응하게 하였다.
- 필요하다. 따라서 새롭게 나타나는 질병이나 증상을 직접 추가, 수정 하여 실시간으로 데이터베이스에 갱신하여 학습 할 수 있고, 사용자가 지속적으로 입력한 데이터를 기반으로 기존 질병의 증상 정보를 스스로 학습하여 갱신 할 수 있는 ART2 알고리즘을 이용한 애견 진단 시스템을 제안한다.
- 그리고 선택되어진 증상들을 ART2의 입력으로 제시하여 학습되어 있는 질병들과 유클리디안 거리 값을 비교하여 최종적으로 입력한 증상과 가장 가까운 질병 3가지를 도출하였다. 또한 시간이 흐름에 따라 변화하는 질병 바이러스 정보를 스스로 학습하고 수정하여 효과적으로 변화하는 질병에 대응하게 하였다.
- 본 논문에서는 전체 질의가 너무 많아서 사용자가 잘못된 증상을 입력하거나 나타난 증상을 놓칠 가능성을 방지하기 위하여 먼저 대표 증상을 선택하게 한다. 대표 증상이 선택되면 대표증상을 포함하고 있는 질병들만의 증상들이 제시되므로 사용자의 올바른 증상 선택을 유도하여진 단의 정확성을 높인다.
- 사용자가 증상을 제시하면 미리 학습된 질병정보에 대입하여 가장 근접한 질병 3가지를 선택한다. 새로운 질병이나 증상을 직접 추가하거나 수정하면 실시간으로 학습하여 반영하게 되고 또, 사용자의 입력 증상과 도출된 질병의 정보를 이용하여 스스로 학습하고 질병의 증상 정보를 수정한다.
- 오랜 시간이 지나면 질병 바이러스도 변화하여 질병의 보이는 증상이 달라질 수도 있는데 사용자가 직접 데이터베이스에 질병 정보를 수정하여 다시 학습 할 수도 있지만, 본 논문에서는 ART2 자율 학습 알고리즘을 이용하여 진단 할 때마다 유사도 검증이 되면 스스로 질병 정보의 증상별 연결 강도를 조정하여 변화되는 질병의 증상을 학습하도록 하였다.
- 연결강도 중 하나 이상의 값이。이 아닌 뉴런을 활성화 뉴런으로 정의하여 활성화 뉴런만을 대상으로 거리 값을 구하고 평균값을 취하여 출력값을 계산한 후에 유사도 검증에 적용한다. 이 방법을 적용하면 질병이 가지고 있지 않는 증상을 입력했을 경우에는 잡음으로 처리하므로 보다 정확하게 유사도 검증을 할 수 있어 정확한 진단을 할 수 있다.
- 입력받은 증상과 데이터베이스에 미리 학습된 정보를 토대로 유사도가 높은 순으로 상위 3가지의 질병을 결과로 도출한다.
- 제안된 애견 진단 시스템은 ART2 알고리즘을 이용하여 사용자가 선택한 증상들과 질병 증상정보의 유사도를 측정하여 최종 질병을 도출하였다. 대표 증상을 사용하여 많은 양의 증상 중에 애견이 보이고 있는 증상을 쉽게 입력할 수 있게 하였고 대표 증상을 잘못 선택하여 현재 애견의 주 질병을 놓치고 다른 질병을 진단하게 되는 것을 방지하기 위하여 2차 대표 증상도 선택 할 수 있게 하였다.
- 제안된 애견 진단 시스템은 ART2 자율 학습신경망 알고리즘을 이용하여 질병 정보를 학습하고 사용자의 입력 증상을 토대로 애견의 질병을 도출한다. ART2 신경회로망 모델은 경쟁 학습의 약점인 안정성을 보강하여 제안된 모델로서 다음과 같은 특징을 갖는다[3].
- 제안된 애견 진단 시스템은 ART2 자율 학습알고리즘을 이용하여 질병을 학습하고, 사용자가 입력한 증상으로 진단의 결과를 도출한다.
- 제안된 애견 진단 시스템은 애견 질병 정보 서적 '(愛犬)질병의 지식과 길들이는 법 - 유원출판사', '애완견의 질병과 치료 - 하서출판사잘 병에서 애견 잘병 중 105가지 질병들을 선정하여, 선정된 질병들에 나타나는 증상들을 전체적 상태, 머리, 배, 다리, 엉덩이, 눈, 코, 잎, 귀, 털, 피부, 성격, 배설의 13가지 부위로 구분하여 총 180개의 증상을 선정하였다[L2].
- 증상이 선택되면 그 결과를 ART2의 입력으로 제시하여 학습되어 있는 君병들과 유클리디안 거리값을 비교하여 최종적으로 애견의 증상과 가장 가까운 질병 3가지를 도출한다. 최종 결과 도출 화면은 그림 9와 같다.
대상 데이터
- 본 논문에서 구축한 데이터베이스와 연동하여 L 2차 대표 증상과 관련된 세부 증상을 질의로 제시하여 사용자의 증상을 입력받는다. 입력받은 증상과 데이터베이스에 미리 학습된 정보를 토대로 유사도가 높은 순으로 상위 3가지의 질병을 결과로 도출한다.
성능/효과
- 나타났다. 1차 대표 증상을 제대로 선택하게 되면 문제가 없지만, 1차로 선택한 대표 증상이 현재 애견이 보이고 있는 주된 질병의 증상이 아니고 다른 증상이었을 경우에는 질병을 진단하는 방향이 완전히 잘못되는 오류를 2차 대표 증상을 통해 보완할 수 있음을 확언하였다.
- 3. 저속 맟 고속 학습이 가능한 장점을 가지고 있고, 지역 최소화 문제가 발생하지 않는다.
- 4. 이진 입력 패턴과 아날로그 입력 패턴에대해서도 학습이 가능하다.
- 5. ART2의 연결 가중치 변화는 모든 입력 패턴의 평균값을 취함으로써 클러스터 생성에 고르게 반응하게 된다.
- 그림 10과 같이 백내장, 각막염, 유루증 순으로 도출되었고 2차 대표 증상을 선택하기 전 50%로 유사도가 가장 높았던 유루증이 23%로 나타났고 백내장이 72%로 가장 높게 나타났다. 1차 대표 증상을 제대로 선택하게 되면 문제가 없지만, 1차로 선택한 대표 증상이 현재 애견이 보이고 있는 주된 질병의 증상이 아니고 다른 증상이었을 경우에는 질병을 진단하는 방향이 완전히 잘못되는 오류를 2차 대표 증상을 통해 보완할 수 있음을 확언하였다.
- 대표 증상을 사용하여 많은 양의 증상 중에 애견이 보이고 있는 증상을 쉽게 입력할 수 있게 하였고 대표 증상을 잘못 선택하여 현재 애견의 주 질병을 놓치고 다른 질병을 진단하게 되는 것을 방지하기 위하여 2차 대표 증상도 선택 할 수 있게 하였다. 그리고 선택되어진 증상들을 ART2의 입력으로 제시하여 학습되어 있는 질병들과 유클리디안 거리 값을 비교하여 최종적으로 입력한 증상과 가장 가까운 질병 3가지를 도출하였다.
- 그렇지만 현재 애견이 앓고 있는 주요 질병의 증상이 아닌 증상을 대표증상으로 선택했을 경우, 나타나는 증상 질의들이 전혀 다른 질병의 증상이기 때문에 오진할 가능성이 높다. 따라서 본 논문에서는 대표 증상을 입력한 후, 나타난 증상 질의에 현재 애견이 보이고 있는 증상이 없는 경우에는 추가로 2차 대표 증상을 선택할 수 있게 하여 1, 2차 대표 증상에서 생성되는 질의를 모두 나타냄으로써 잘못된 대표 증상 선택으로 인해 오진할 가능성을 줄인다.
- 선택 되었다. 선택된 3가지 질병을 내림차순으로 정렬하여 유루증이 50%로 유사도가 가장 높게 나타났다. 그렇지만 애견이 보이고 있는 다른 증상이 더 있지만, '눈물 때문에 눈시울이 더러워지고, 코 주위의 털이 더러워진다'를 대표증상으로 선택했을 경우에는 나타나지 않았다.
후속연구
- 그러나 본 논문에서는 애견 질병의 특성상 모든 증상을 파악할 수 없었고 서로 다른 질병에서 유사한 증상을 보이고 있는 경우에는 정확히 구분하여 진단할 수 없는 문제점이 있었다. 그리고 질병의 초기, 후기의 증상이 약간씩 차이가 있어서 초기의 증상을 입력하면 학습되어 있는 질병의 증상들을 다 만족시키지 못하기 때문에 유사도가 현저히 낮아지는 문제점도 발생하였다.
- 따라서 향후 연구과제는 애견의 잘병에 서 보이고 있는 증상을 더욱 분석하여 단지 증상의 유무가 아닌, 증상의 심각도를 구분하여 같은 증상을 가진 질병이라도 그 증상의 심각도에 따라 정확하게 구분할 수 있는 퍼지기법을 연구할 것이다 .
※ AI-Helper는 부적절한 답변을 할 수 있습니다.