박재화 연구실
중앙대학교 소프트웨어학부
박재화 교수
Machine Learning
Pattern Recognition
Time-series Representation
박재화 교수 연구실
홈
박재화 연구실
중앙대학교 소프트웨어학부 박재화 교수
박재화 연구실은 개체별 생체 시계열인 젖산 곡선의 패턴을 데이터 중심 방식으로 분석합니다. LC를 K-medoids 기반 군집화로 전형·비전형 패턴을 구분하고, piecewise linear regression을 이용해 곡선을 분절 구조를 갖는 벡터 표현으로 변환하여 기계학습 입력으로 활용 가능한 기술자를 구성합니다. 또한 모빌리티 환경의 emergency-call 서비스를 대상으로 소형 언어모델(sLLM) 기반 처리 흐름을 개발하여 위성 기반 제약 조건에서의 서비스 지원을 목표로 합니다.
Machine LearningPattern RecognitionTime-series RepresentationLactation Curve AnalysisK-medoids Clustering
대표 연구 분야
연구 영역 전체보기
젖산 곡선 시계열의 데이터 중심 벡터 표현 및 기계학습 적용 연구
Data-centric Vector Representation of Lactation Curves for Machine Learning
연구 분야 상세보기
젖산 곡선 시계열의 데이터 중심 벡터 표현 및 기계학습 적용 연구
Data-centric Vector Representation of Lactation Curves for Machine Learning
연구 분야 상세보기
K-medoids 군집화로 젖산 곡선 전형·비전형 패턴을 특성화하는 연구
Characterization of Typical and Atypical Lactation Curve Patterns Using K-Medoids Clustering
연구 분야 상세보기
모빌리티 emergency-call을 위한 소형 언어모델(sLLM) 솔루션 연구
Small Language Model (sLLM) Solution for Mobility Emergency-Call Services
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
5개년 연도별 논문 게재 수
1총합
5개년 연도별 피인용 수
29총합
주요 논문
2
논문 전체보기
1
article
|
인용수 1
·
2022A Vector Representation of Lactation Curves for Dairy Cows
Seong‐Hun Lee, Jaehwa Park
IF 3.6 (2022)
Agriculture
머신러닝 기법은 수학적 유도 없이도 효율적인 데이터 분석 도구를 제공한다. 데이터 중심적 LC 표현은 LC 관련 연구에 이러한 도구들을 활용하기 위해 높은 수요를 받고 있다. 본 연구에서는 조각별 선형 회귀(piecewise linear regression, PWLR)를 사용하는 새로운 데이터 지향적 LC 표현 모델을 제시한다. 이 표현은 개별 단위(base)에서 다른 관련 데이터와 함께, 머신러닝을 위한 데이터로서 직접 사용되도록 의도되었다. LC는 연결된 선분들의 연속으로서 벡터 형태로 표현되며, 선분의 위치와 개수는 최대 잔차에 의해 결정된다. 중요한 지점은 LC의 급격한 통과(rapid transit) 지점에서 결정된다. 과적합 문제를 피하기 위해 선분의 적절한 개수를 선택하는 데 베이지안 정보 기준(Bayesian information criterion, BIC)을 사용하였다. PWLR 모델을 LC 디스크립터로서의 타당성을 입증하기 위해, 근사 정확도와 표현의 일반성(representation generality)을 실험적으로 검증하였다. 그 결과, PWLR 모델은 개별 또는 대규모 무리의 LC를 표현하는 데 유리하며, 데이터 기반 접근법에 직접 적용 가능함이 밝혀졌다.
https://doi.org/10.3390/agriculture12030395
Representation (politics)
Overfitting
Residual
Line (geometry)
Piecewise
Artificial intelligence
Computer science
Support vector machine
External Data Representation
Mathematics
2
article
|
인용수 28
·
2020Clustering and Characterization of the Lactation Curves of Dairy Cows Using K-Medoids Clustering Algorithm
Mingyung Lee, Seong‐Hun Lee, Jaehwa Park, Seongwon Seo
IF 2.752 (2020)
Animals
클러스터들 사이에서 < 0.01)의 값이 관찰되었다. 데이터의 82%를 포함하는 4개 클러스터는 전형적인 LC 패턴을 보인다. 나머지 2개 클러스터는 비전형적인 패턴을 나타낸다. 이전 모델인 Wood, Wilmink 및 Dijsktra로부터 생성된 LC와 비교했을 때, 두 클러스터의 비전형적 패턴에서의 예측 오차는 전형적 패턴을 보인 다른 4개 사례의 오차보다 훨씬 큰 것으로 관찰된다. 제시된 모델은 비전형적 패턴을 예외 사례로 제외함으로써 전형적 LC 패턴에 대한 특성 규명을 정교화하는 도구로 사용할 수 있다.
https://doi.org/10.3390/ani10081348
Milking
Cluster analysis
Lactation
Parity (physics)
Mathematics
Cluster (spacecraft)
Statistics
Biology
Animal science
Computer science
최신 정부 과제
15
과제 전체보기
1
2025년 4월-2025년 12월
|60,000,000원위성기반 차량용 emergency-call 서비스를 위한 sLLM 솔루션
국내기술로 개발된 위성기반 Mobility emergency-call 특화 sLLM 솔루션을 기반으로 신규 일자리 창출과 국내 기술의 수출 활로 개척 및 글로벌 기술 시장 선도○ 1단계(개념 검증): 사업화 아이템 및 기술 컨셉의 실현 가능성을 확인하고, 시장성과 선행기술을 조사하여 기술·사업적 타당성을 확보○ 2단계(본격 기술 개발): 1단계 결과를 바탕...
소형언어모델
이머전시콜
모빌리티
자율주행
2
주관|
2019년 2월-2020년 2월
|63,000,000원BEMS용 통합 데이터 수집 플랫폼 개발
기존 BEMS용 계측기는 특정 BEMS에 종속적이며, 타사 제품을 사용하여 시스템을 변경 또는 확장하려는 경우 규격을 통일하는 등의 추가적인 노력이 필요하게 된다. 본 연구에서 개발하고자 하는 것은 BEMS 간의 종속성을 해소하는 컨트롤러/중계기/변환기 등 다기능을 가진 장치로서, BEMS 계측 구성요소의 변경 또는 확장을 용이하게 하는 BEMS 통합형 데이터 수집 플랫폼이다. 이러한 플랫폼은 계측기의 컨트롤러로써 뿐만 아니라 인터넷과 연결되지 않는 계측기와 연계하여 BEMS 계측기로 동작할 수 있으며, 경우에 따라 계측 인터페이스와 직접 연결되어 그 자체로 계측기로서 동작할 수도 있다. 또한 이 플랫폼에서 수집되는 모든 데이터는 통일된 통합 데이터 형식으로 서버 시스템으로 전송된다.
다양한 계측기를 시스템에서 수용하기 위해 계측기와 BEMS 사이에 위치하는 통합 데이터 수집 인터페이스를 개발한다. 통합 데이터 수집 인터페이스는 플랫폼의 구성 요소로, 계측 시스템의 통신 규격이나 데이터 형태를 BEMS 규격에 맞게 변환시켜주는 장치이다. 구체적으로는 USB나 Modbus(RS-485), CAN 통신 등을 사용하는 계측기를 표준 인터넷 유무선 통신이 가능하도록 변환한다.
여러 종류의 계측기로부터 얻어지는 데이터를 수용하기 위해 통합 데이터 형식을 정의한다. 이러한 데이터 규격에는 데이터의 종류, 계측기의 종류, 계측기 식별자(태그), 위치정보 등이 포함되어 있으며 추가적으로 BEMS KS 표준 등에서 필요로 하는 데이터 정보를 포함할 수 있도록 설계한다. 이러한 통합 데이터 형식의 사용은 결과적으로 앞으로 제정될 KS 표준 규격을 수용할 수 있고 BEMS와 계측 기간의 종속성을 낮춘다.
빌딩 에너지 관리 시스템
데이터 수집 플랫폼
다기능 인터페이스
3
협동|
2018년 4월-2021년 12월
|50,000,000원머신러닝 기법을 활용한 지능형 원유생산예측 모델 개발
○ 데이터 기반 지능형 원유 생산 예측 모델 개발
· ICT 데이터 기반 개체별 생육 특성, 원유 생산량 예측 알고리즘 개발
· 개체별 생육, 생산, 환경 데이터를 활용하는 데이터 기반 융복합 생산 예측 모델 개발
· 통계적 정보를 바탕으로 개체 단위 생육, 원유 생산 모델 연구 및 개발
낙농
데이터 수집
생산예측모델
지능형
빅데이터
최신 특허
특허 전체보기
전체 특허
긴급구조 시스템 및 위치 검출 방법
상태
소멸출원연도
2010출원번호
1020100009925긴급구조 시스템의 비콘 위치 검출 방법
상태
소멸출원연도
2008출원번호
1020080071327긴급 구조시스템 및 방법
상태
소멸출원연도
2007출원번호
1020070086764