34편의 한국어 분석 — 최신순으로 정렬했어요
본 연구는 실험 핵자기공명(NMR) 분광학적 정보로부터 분자 결합을 정확하고 신속하게 재구성하는 그래프 기반 플랫폼인 Inverse-IMPRESSION을 소개합니다. 이 플랫폼은 역 그래프 트랜스포머 네트워크인 IMPRESSION-G2를 기반으로 합니다. 플랫폼은 세 가지 상호 연결된 단계로 구성됩니다. 첫째, NMR 매개변수를 입력받아 원자 간의 결합 연결성을 예측하는 원샷(one-shot) 모델이 있습니다. 둘째, 예측된 구조에서 불확실한 결합을 제거하고 반복적으로 재할당하여 구조를 수정하는 단계가 포함됩니다. 셋째, 노이즈 …
데이터 제약은 소프트웨어 시스템에서 허용되거나 요구되는 데이터 값을 명시하는 중요한 비즈니스 규칙이지만, 주로 자연어 텍스트 형태로 소프트웨어 아티팩트에 기술됩니다. 본 연구는 자연어 소프트웨어 문서에서 데이터 제약을 자동으로 식별하는 과제에 초점을 맞춥니다. 이를 위해 9개 소프트웨어 시스템의 자연어 아티팩트에 기술된 546개 데이터 제약을 분석하여, 이해관계자들이 자연어로 데이터 제약을 기술할 때 사용하는 9가지 언어적 담화 패턴을 발견하고 문서화했습니다. 이 패턴들을 활용하여 제약 식별 및 추출 문제를 텍스트 매칭 및 분류 …
중국 선전과 같은 고밀도 도시 지역은 불투수면이 넓어 강우 시 빠른 유출과 빈번한 침수 발생에 취약하다. 본 연구는 심각한 제로-인플레이션으로 인한 도시 침수 깊이 과소평가 문제를 해결하고자 2단계 캐스케이드 다중 스케일 CNN-ConvLSTM 네트워크(CMC-Net)를 제안한다. 제안된 CMC-Net은 먼저 Random Forest 분류기를 활용하여 0.15m 임계값을 기준으로 위험 침수 샘플을 식별한다. 이후 듀얼-브랜치 CNN-ConvLSTM이 정적 지리적 특징으로 표현되는 국지적 공간 맥락과 다중 스케일 누적 강우의 시공간…
양자 영감 기계 학습(QiML)은 고전적 컴퓨팅 환경에서 양자 역학 원리를 활용하는 잠재력으로 인해 전 세계 연구자들의 주목을 받는 신흥 분야입니다. 그러나 기존 문헌들은 QiML을 피상적으로 다루고 광범위한 양자 기계 학습(QML)에 초점을 맞추는 경향이 있습니다. 본 연구는 이러한 간극을 해소하고자 QiML에 대한 통합적이고 포괄적인 조사를 제공합니다. 본 조사는 텐서 네트워크 시뮬레이션, 비양자화 알고리즘 등 QiML의 다양한 연구 영역을 탐구하며, 최근 발전 사항과 실제 적용 사례를 제시합니다. 또한, QiML 용어에 대한…
다중 작업 학습(MTL)은 관련 작업 간의 공유 지식을 활용하여 상호 개선을 목표로 하는 통합 모델 학습 방식입니다. 추천 시스템 분야에서는 성능과 효율성을 동시에 고려한 다중 작업 예측의 필요성이 증대됨에 따라 MTL이 중요한 주제로 부상하고 있습니다. 그러나 추천 커뮤니티 내에서는 MTL에 대한 체계적인 종합 연구가 부족한 실정입니다. 이러한 간극을 메우기 위해 본 연구는 기존의 다중 작업 딥 추천 시스템(MTDRS)에 대한 포괄적인 조사를 제공합니다. 먼저 MTDRS의 문제 정의를 명확히 하고, 관련 분야들과의 차이점을 비교…
관측 시계열 데이터의 결측치는 다양한 분야에서 복잡계 시스템의 신뢰할 수 있는 데이터 기반 모델링을 방해하는 주요 요인입니다. 특히 대부분의 변수가 광범위한 시계열 내 결측치와 변수 간 결측치를 동시에 보이는 고차원 시스템에서는 결측치 복원이 필수적이지만 매우 어렵습니다. 본 연구에서는 동역학 정보를 활용한 결측치 보간 프레임워크인 FPRM(Full-Partial Reconstruction Mapping)을 제안합니다. FPRM은 시계열 상호 의존성을 직접 학습하는 기존 방식과 달리, 상태 공간 재구성을 통해 내재된 동역학적 사전…
지구 온난화와 급격한 도시화가 심화됨에 따라 도시 열 환경의 변화 양상과 그 원인을 이해하는 것은 지속가능한 도시 발전에 필수적입니다. 본 연구는 2000년부터 2020년까지 광둥-홍콩-마카오 대만구(GBA)의 지표면 온도(LST) 시공간적 변화를 다중 원격탐사, 토지이용, 경관 패턴, 사회경제 데이터를 활용하여 분석했습니다. 모델의 일반화 성능을 평가하기 위해 무작위, 공간, 시간 검증을 통합한 다중 검증 프레임워크를 개발했습니다. 또한, XGBoost와 SHAP를 결합한 설명 가능한 기계 학습 프레임워크를 적용하여 주요 동인과…
대부분의 분자 및 재료 기계 학습 모델은 원자 간 양자 상호작용보다는 분자나 결정 전체의 상관관계를 학습합니다. 그러나 결합, 전하 재분배, 궤도 혼성화 및 전자 결합은 모두 이러한 2체 상호작용에서 비롯됩니다. 본 연구는 2체 양자 시스템을 최소 단위의 원자 간 상호작용으로 취급하는 다중 모드 벤치마크인 QuantumCanvas를 소개합니다. QuantumCanvas는 2,850개의 원소-원소 쌍을 최적화된 단일 기하학적 구조로 다루며, 전자, 열역학, 쌍극자 및 전하 유도 특성을 포함한 17가지 벤치마크 목표량을 평가합니다. …
동백기름의 위변조는 근적외선 스펙트럼에서 전역적 프로파일, 국소적 변화 패턴, 그리고 원거리 스펙트럼 영역 간의 상호작용 등 다층적인 차이를 유발합니다. 기존의 1차원 모델링은 이러한 다층적 관계를 보존하고 통합적으로 학습하는 데 한계가 있었습니다. 본 연구는 동백기름 위변조의 정성적 탐지를 위해 파장 인지 대역 게이트 비전 트랜스포머(ViT-BandGate)를 제안합니다. 제안된 방법은 전처리된 스펙트럼과 그 1차 및 2차 미분값을 파장별 공동 위치를 보존하는 2차원 통합 표현으로 인코딩하여 전역 흡수 프로파일과 국소 기울기 및…
많은 실제 문제들은 노드와 엣지가 다양한 유형의 개체와 관계를 나타내는 이종 그래프로 자연스럽게 모델링됩니다. 기존 이종 그래프 표현 학습 모델들은 특정 사용자 정의 경로 계산에 의존하거나, 대규모의 확장성 없는 딥러닝 아키텍처를 사용하는 경향이 있었습니다. 본 연구는 node2vec 알고리즘을 확장한 Het-node2vec을 제안합니다. 이 방법은 2차 랜덤 워크 과정에 간단한 확률적 노드 유형 전환 전략을 도입하여, 그래프의 위상 및 구조적 특성과 노드 및 엣지 유형에 내재된 의미론적 정보를 동시에 포착함으로써 이종 그래프를 …
인공지능(AI) 개발은 복잡한 요리 레시피를 만드는 과정과 유사합니다. 과학자들은 수십억 개의 명령어를 조합하여 AI가 패턴을 인식하고, 문제를 해결하며, 인간처럼 추론할 수 있도록 만듭니다. 그러나 최적의 명령어 조합을 미리 알아내는 것은 거의 불가능합니다. 이러한 난제를 해결하기 위해 최적화 알고리즘이 핵심적인 역할을 합니다. 최적화 알고리즘은 AI의 성능을 평가하고, 문제점을 파악하며, 레시피를 개선하는 '유능한 셰프'와 같습니다. 이들은 AI가 더 스마트하고 강력해질 때까지 레시피의 더 나은 버전을 발견하도록 돕습니다. …
미생물 공생은 지구 생명체의 기능적·계통발생학적 다양성을 이끄나, 배양의 어려움으로 인해 충분히 탐구되지 못했습니다. 본 연구는 다양한 환경 메타게놈 샘플과 참조 유전체에서 얻은 십만 개 이상의 미생물 유전체에 기계 학습(ML)을 적용하여 공생 생활 방식을 예측했습니다. 이는 공생 미생물의 유전체 특징을 식별하기 위해 개발된 ML 프레임워크인 symclatron을 활용하여 수행되었습니다. 예측 결과는 Symbiont Genomes(SymGs)라는 공생체 유전체 목록으로 구축되었습니다. 분석 결과, 배양되지 않은 미생물의 15~23…
최근 딥러닝 모델은 다양한 분야에서 뛰어난 성능을 보이지만, 그 작동 원리가 불투명하여 해석 가능성이 부족하다는 비판을 받습니다. 사후 설명 기법들은 이러한 문제를 해결하려 하지만, 블랙박스 모델을 정확히 반영하지 못해 오해를 불러일으키거나 불완전한 설명을 제공하는 한계가 있습니다. 본 연구는 이러한 문제를 극복하기 위해 본질적으로 투명한 모델 아키텍처인 신경 확률 회로(Neural Probabilistic Circuits, NPC)를 제안합니다. NPC는 속성 인식 모델과 확률 회로 기반의 태스크 예측기로 구성됩니다. 속성 인식…
대화형 다기준 의사결정(iMCDM) 절차는 의사결정자(DM)가 선호도를 제공하여 대안 솔루션을 반복적으로 생성, 비교하고 최종적으로 가장 선호하는 파레토 최적(PO) 솔루션에 도달하게 합니다. 일부 iMCDM 절차는 DM이 현재 솔루션의 목표를 개선, 완화, 무관심 또는 만족을 위한 다양한 범주로 명확하게 분류하도록 요구하며, 다른 접근 방식은 DM이 경쟁하는 두 개 이상의 솔루션을 비교하고 가장 선호하는 것을 지시하도록 합니다. 사전 정의되거나 무작위 PO 솔루션으로 시작하여, iMCDM 절차는 인간 DM의 안내에 따라 적절한 …
급격한 도시화와 환경 스트레스는 도시의 지속가능성 평가를 필수적으로 만들며, 특히 토지 이용 변화가 생태계 악화에 기여하는 콜카타 대도시권(KMA)에서 더욱 중요합니다. 본 연구는 KMA의 생물친화적 잠재력과 서식지 구조적 조건을 평가하기 위한 방법으로 도시 에코스코어 지수(UESI)를 개발하고 평가했습니다. 이 지수는 생태적 무결성, 인위적 압력, 자연 특징과의 공간적 근접성 세 가지 차원에 걸쳐 여섯 가지 생태 지표를 통합합니다. 각 지표는 집계 전에 공통된 생태적 방향으로 정렬되었으며, 지표 가중치는 전문가 판단 대신 주성분…
지향성 에너지 증착(DED)은 고부가가치 부품 제작 및 수리에 활용되는 금속 적층 제조(MAM) 기술이지만, 복잡한 열 구배와 재료 거동, 공정 변수 등으로 인해 일관된 품질 확보가 어렵습니다. 최근 인공지능(AI), 특히 기계 학습(ML) 및 딥러닝(DL) 방법론이 DED 공정의 품질 관리 및 실시간 모니터링에서 큰 잠재력을 보이고 있습니다. 본 연구는 DED의 AI 기반 품질 관리 및 모니터링에 대한 체계적인 문헌 검토를 수행했습니다. PRISMA 방법론을 활용하여 2015년부터 2026년까지 발표된 145편의 동료 심사 논문…
레이저 적층 제조용 고성능 합금 설계에 있어 기계 학습은 유망하지만, 기존 방식은 대규모 고품질 데이터셋 의존으로 과적합 및 비합리적인 설계 결과를 초래하는 한계가 있었습니다. 본 연구는 이러한 한계를 극복하고자, 지식 기반 그래프 모델링과 데이터 불확실성 정량화를 통합하여 소규모 실험 데이터셋으로도 작동 가능한 범용 프레임워크를 제안합니다. 제안된 프레임워크는 물리 야금학적 지식과 생산된 재료의 실험적 결함 분포에서 발생하는 확률론적 특성을 합리적으로 균형 있게 고려합니다. 이를 통해 데이터셋의 크기나 품질에 대한 의존도를 낮추…
추천 시스템은 광범위한 응용 분야와 비즈니스 잠재력으로 인해 컴퓨터 과학 분야에서 핵심적인 연구 주제로 자리매김하고 있습니다. 최근 컴퓨터 비전 분야에서 확산 모델(Diffusion Models)이 뛰어난 생성 능력을 보여주면서, 많은 추천 시스템 연구들이 이를 도입하여 다양한 태스크에서 성능 향상을 이루고 있습니다. 이 분야의 연구가 빠르게 증가함에 따라 체계적인 연구 동향 분석의 필요성이 대두되었습니다. 본 연구는 확산 모델을 활용하는 추천 시스템을 분류하기 위해 세 가지 상호보완적인 축을 기반으로 새로운 분류 체계를 제안합니…
고온 Nb-Si 기반 합금은 가공성을 위한 상온 파괴 인성(>18 MPa·m1/2)과 고온 강도 확보라는 상충하는 특성 사이에서 균형을 맞추는 데 어려움을 겪습니다. 본 연구는 이러한 고유한 한계를 극복하기 위해 기계 학습 기반 합금 설계를 도입했습니다. 200개의 초기 특성 중 3단계 특성 선별 전략을 통해 6개의 핵심 설명 변수를 식별했습니다. SHAP 분석으로 용융 엔탈피와 원자 반경 불일치가 특성 결과에 미치는 영향을 규명했으며, 이를 바탕으로 NSGA-II 알고리즘을 활용한 다목적 최적화를 수행했습니다. 최적화된 Nb-12…
추천 시스템은 사용자-아이템 상호작용을 기반으로 선호도를 추론하여 개인화된 경험을 제공하는 데 핵심적인 역할을 합니다. 최근 다중 모드 정보의 확산에 따라, 다양한 양식의 데이터를 이해하고 해석할 수 있는 추천 시스템 개발의 중요성이 커지고 있습니다. 이러한 시스템은 단일 모드 또는 사용자-아이템 상호작용 데이터만 활용하는 기존 시스템이 간과할 수 있는 숨겨진 관계와 보완 정보를 포착합니다. 본 연구는 다중 모드 추천에 대한 최신 연구 동향을 종합적으로 검토합니다. 대부분의 추천 시스템이 채택하는 명확한 파이프라인을 제시하고, 각…
본 연구는 두 평행판 사이에 갇힌 폴리머 펜타 하이브리드 나노유체의 비정상 압착 유동 및 열전달 거동을 분석합니다. 비압축성, 층류 유동을 가정하고 점성 소산 및 나노입자 효과를 통합한 시간 의존적 수학적 모델을 개발했습니다. 이 모델은 연료전지, 레독스 흐름 전지, 전해조, 슈퍼커패시터와 같은 밀폐된 전기화학 에너지 시스템에 적용 가능합니다. 나노유체의 거동 예측을 위해 머신러닝 기반의 인공신경망(ANN) 모델을 통합했습니다. 은닉층에 시그모이드 활성화 함수, 출력층에 선형 뉴런을 사용하는 2계층 피드포워드 신경망을 Levenb…
항공우주 소재 분야에서 고온 작동 및 저밀도 특성을 갖춘 합금 개발은 항공기 엔진 효율 증대와 배출가스 저감에 필수적입니다. Nb-Si 합금은 기존 Ni 기반 초합금보다 고온에서 작동 가능하며 밀도가 낮아 유망한 대안으로 주목받고 있습니다. 본 연구에서는 Nb-Si 기반 초고온 합금 설계를 위해 기계 학습 기반 프레임워크를 개발했습니다. 3단계 특징 선별 전략을 통해 20 MPa·m1/2의 파괴인성 장벽을 극복하고자 했습니다. 개발된 모델은 파괴인성(KQ)을 7% 미만의 오차로 예측하며, SHAP 및 PDP 분석을 통해 모델을 해…
모든 접힌 단백질은 낮은 에너지의 고유 구조와 부분적 또는 전체적으로 펼쳐질 수 있는 높은 에너지 형태 사이에서 지속적으로 요동합니다. 이러한 희귀 상태는 단백질 기능, 상호작용, 응집 및 면역원성에 영향을 미치지만, 고유 상태에 비해 이해도가 낮습니다. 고유 단백질 구조는 높은 정확도로 예측 가능하지만, 형태 변화와 그 에너지는 여전히 파악하기 어렵고 예측 불가능하며, 대규모 측정을 방해하는 실험적 난제로 인해 기계 학습 및 물리 기반 모델링 개선에 한계가 있었습니다. 본 연구에서는 온전한 단백질 수소-중수소 교환 질량 분석법을…
기계 학습은 복잡한 패턴을 효과적으로 표현하며, 다중 소스 및 이종 정보 융합 시나리오에서 예측 추론에 큰 잠재력을 가집니다. K-겹 교차 검증(CV)은 기계 학습 결과가 우연에 의해 생성될 가능성을 평가하는 가장 일반적인 접근 방식이며, 종종 기존 가설 검정보다 우수한 성능을 보입니다. 이는 정확도와 같이 모수적 설명이 없는 기계 학습 분류에서 직접 얻은 측정치에서 비롯됩니다. 융합 지향 기계 학습 파이프라인 내에서 빈도주의적 분석에 접근하기 위해, 순열 검정 또는 데이터 분할(즉, 폴드)의 간단한 통계를 추가하여 신뢰 구간을 …
인공지능(AI) 연구 분야에서 과학 프로세스 자동화는 오랜 목표였습니다. 개별 구성 요소 자동화에는 상당한 진전이 있었으나, 아이디어 구상부터 출판에 이르는 전체 연구 생명주기를 자율적으로 수행하는 시스템은 아직 미개발 상태였습니다. 본 연구는 이러한 격차를 해소하고자 과학 연구의 전 과정을 자동화하는 파이프라인인 'The AI Scientist'를 제안합니다. The AI Scientist는 연구 아이디어 생성, 코드 작성, 실험 수행, 데이터 분석 및 시각화, 과학 논문 작성, 그리고 자체 동료 평가까지 수행합니다. 이 시스템…
연합 학습(FL)은 여러 장치나 기관이 로컬 데이터를 공유하지 않고도 기계 학습(ML) 모델을 공동으로 훈련할 수 있게 하는 접근 방식입니다. 이는 환자 건강 데이터를 활용한 의료 ML 모델 훈련의 윤리적 난제를 극복할 유망한 방법으로 주목받고 있습니다. 본 연구는 헬스케어 분야에서 FL의 잠재력을 윤리적 관점에서 탐구합니다. 의료 FL은 '연합 불투명성'이라는 새로운 형태의 불투명성을 야기한다고 주장합니다. 이는 이해관계자들이 모델 훈련에 사용된 데이터에 접근, 분석 또는 관리할 수 없게 만듭니다. 이러한 불투명성은 의료 ML의…
정확하고 효율적인 기계 학습 원자간 포텐셜은 광범위한 재료 모델링을 가속화하여 원자 수준 발견을 촉진하는 데 필수적입니다. 본 연구는 그래프 원자 클러스터 확장(GRACE) 프레임워크를 기반으로 하는 범용 포텐셜을 소개하며, 이는 현존하는 가장 큰 재료 데이터셋을 활용하여 훈련되었습니다. GRACE 모델은 포괄적인 벤치마크를 통해 기존의 파운데이션 원자간 포텐셜 중 정확도와 효율성 측면에서 새로운 파레토 프론트를 구축했음을 입증했습니다. 이는 기존 모델 대비 우수한 성능을 보여줍니다. 또한, 미세 조정 및 지식 증류를 통해 GR…
그래프 트랜스포머는 그래프 구조 데이터 처리를 위한 새로운 신경망 모델로, 트랜스포머와 그래프 학습의 시너지를 통해 다양한 그래프 관련 태스크에서 뛰어난 성능을 보인다. 본 조사는 그래프 트랜스포머 연구의 최근 발전과 당면 과제를 심층적으로 검토한다. 이 연구는 그래프 및 트랜스포머의 기본 개념부터 시작하여, 그래프 귀납 편향과 그래프 어텐션 메커니즘을 트랜스포머 아키텍처에 통합하는 설계 관점을 탐구한다. 또한, 깊이, 확장성, 사전 학습 전략을 기준으로 그래프 트랜스포머를 분류하는 분류 체계를 제안하고, 효과적인 모델 개발을 위…
고엔트로피 탄화물 세라믹(HECC)은 극한 고온 환경에서 유망한 특성을 보이지만, 신소재 발견 가속화를 위한 기계 학습 적용 시 데이터 불균형 문제가 예측 성능을 저해합니다. 본 연구는 이러한 문제를 해결하기 위해 Borderline-SMOTE 기법을 기계 학습 알고리즘과 통합했습니다. 문헌, 실험 합성 및 합성 과표집을 통해 251개 샘플을 포함하는 데이터셋을 구축했으며, 4단계 특징 선택 전략으로 상 형성에 영향을 미치는 핵심 특징을 선별했습니다. 이후 10가지 일반적인 기계 학습 모델을 훈련 및 최적화하여 HECC 상 형성 …
원자 단위 물질 시뮬레이션은 화학 및 재료 과학의 근간을 이루지만, 기존 기계 학습(ML) 기반 힘장(force field)은 특정 시스템에 대한 개발 및 검증에 많은 노력이 필요하고, 화학 시스템 간 전이성(transferability)이 부족하다는 한계가 있었습니다. 이는 시뮬레이션의 적용 범위와 효율성을 저해하는 주요 문제였습니다. 본 연구에서는 공개 데이터셋으로 학습된 범용 원자 ML 모델을 제안합니다. 이 모델은 다양한 분자와 재료에 대해 안정적인 분자 동역학 시뮬레이션을 수행할 수 있습니다. 특히, MACE-MP-0 모…
본 연구는 기계 학습 기반의 특성 중요도 분석을 활용하여 BCC 고엔트로피 합금(HEA)의 항복 강도를 결정하는 핵심 재료 매개변수와 원소 효과를 체계적으로 규명했습니다. 이를 통해 전단 탄성 계수 불일치와 몰리브데넘(Mo) 원소가 항복 강도에 가장 크게 기여함을 확인했습니다. 티타늄(Ti)과 몰리브데넘(Mo) 함량 비율을 조절하여, 주조 상태의 단일 상 BCC 난삭성 HEA를 성공적으로 개발했습니다. 이 합금은 1169.3 MPa의 항복 강도와 18.8%의 연신율을 나타냈습니다. 이러한 우수한 기계적 특성은 다중 슬립 시스템의…
최근 대규모 언어 모델(LLM)의 발전으로 지각, 추론, 행동을 결합한 에이전트 시스템이 기계 고장 진단을 포함한 예측 보전(PdM) 수명 주기 전반에 걸쳐 활용 가능해졌습니다. 그러나 PdM을 위한 LLM 기반 에이전트 연구는 파편화되어 있으며, Model Context Protocol과 같은 최신 프레임워크에 대한 통합된 관점이 부족합니다. 본 논문은 PdM을 위한 판별형, 생성형, LLM 기반 접근 방식을 검토하고, LLM 기반 AI 에이전트에 대한 파편화된 증거들을 통합합니다. 특히, PdM을 위한 에이전트 AI 개념을 소…
인공지능(AI)의 구조 생물학 적용은 단백질 설계를 개념적 난제에서 새로운 단백질을 생성하는 실용적 접근 방식으로 변화시켰습니다. 기계 학습을 활용하여 연구자들은 이제 맞춤형 구조와 결합 특이성을 가진 단백질을 전산으로 설계할 수 있게 되었습니다. 이러한 접근 방식은 기존 실험 방식과 비교하여 결합체 개발 시간과 자원 요구 사항을 획기적으로 줄이는 동시에 성공률과 설계 가능성을 향상시킵니다. 이를 통해 다양하고 이전에 다루기 어려웠던 표적에 대한 고친화성 결합체를 컴퓨터로 신속하게 생성할 수 있습니다. 최근 성공 사례로는 독소를 중…
본 연구는 사물 인터넷(IoT) 및 기계 학습(ML) 기반의 응급 대응 시스템(ERS)을 위한 포괄적인 프레임워크를 제시한다. 이 시스템은 실시간 데이터 분석과 예측 모델링을 활용하여 다양한 소스(예: IoT 센서)에서 유입되는 데이터를 처리하고 분석함으로써, 응급 상황에 대한 신속하고 정보에 입각한 대응을 가능하게 하며, 경찰, 소방대, 병원 등 응급 구조대원의 우선순위를 정한다. 응급 상황의 우선순위 지정을 위해 XGBoost 모델을 활용했으며, 의료, 차량, 가정 기기 분야에서 각각 96.1%의 정확도, 99.8%의 정밀도,…
