728x90 반응형 SMALL 분류 전체보기1627 [PySide] 레이아웃 (Layouts) (1) 레이아웃 (Layouts) 창에 둘 이상의 위젯을 추가하고 위젯이 끝나는 위치를 제어하기를 원한다. Qt에서 이것을 하기 위해 우리는 레이아웃 을 사용한다. Qt에는 4가지 기본 레이아웃이 있으며 다음 표에 나열되어 있다. Qt에는 세 가지 위치 레이아웃이 있다. (VBoxLayout, QHBoxLayout 및 QGridLayout). 또한, QStackedLayout는 한 번에 하나의 레이아웃만 표시하면서 동일한 공간 내에서 위젯을 다른 위젯 위에 배치할 수 있는 기능도 있다. 시작하기 전에 간단한 애플리케이션 개요가 필요하다. 다음 코드를 파일에 저장한다. import sys from PySide6.QtWidgets import QApplication, QMainWindow, QWidget from .. 2022. 6. 23. 중추성 수면 무호흡증 이벤트의 기계 학습 기반 자동 감지 중추성 수면 무호흡증 이벤트의 기계 학습 기반 자동 감지 수면다원검사는 수면무호흡증을 진단하기 위한 표준 검사이다. 그러나 이 접근법은 명백하고 시간이 오래 걸리며 수면 무호흡 진단을 필요로 하는 환자에게는 접근이 제한된다. 최근 몇 년 동안 PSG의 한계를 피하는 대체 장치나 접근 방식을 찾는 시도가 많이 있어 왔으며, 압력 감지 매트 (PSM)는 중추 수면 무호흡증 (CSA)을 감지할 수 있고 PSG의 잠재적 대안이 될 수 있는 것으로 입증되었다. 현재 연구에서는 고급 기계 학습 접근 방식을 실용적인 비간섭 홈 모니터링 장치 (PSM)와 결합하여 야간 및 무인 상태로 수집된 데이터에서 CSA 이벤트를 감지한다. CSA 이벤트의 자동 탐지를 위해 시간 컨볼루션 네트워크 (TCN)와 양방향 장기 단기 메.. 2022. 6. 23. [AVR] 스위치 (Switch) 스위치 (Switch) 전기 회로를 끊거나 잇는 기구를 말한다. Tactile 스위치 리셋, 인터럽트 등 Slide 스위치 전원 on/off, 모드 선택 등 Dip 스위치 다수의 모드 선택, 초기값 제공 등 Rocker 스위치 전원 on/off 등 JKIT-128-1에서 스위치 연결 • 스위치는 공간의 제약으로 최소한의 개수인 2개만 배정하고동일한 입출력 포트에 할당 • 스위치는 인터럽트 시험용으로도 사용 가능하여야 하므로 ATmega128의 외부인터럽트 (External Interrupt)를 사용할 수 있는 입출력 포트 PE (PE4, PE5)에 할당 • 스위치는 tactile 스위치를 사용하고, 크기가 작고 가격이 저렴한 것으로 하며, 스위치가 눌려지지 않았을 때는 ‘1’, 눌려졌을 때는 ‘0’이 되.. 2022. 6. 23. [Deep Learning] RobustSleepNet RobustSleepNet 수면 장애 진단은 수면다원검사 (PSG) 기록의 분석에 의존한다. 이 검사의 예비 단계로 수면 단계가 체계적으로 결정된다. 실제로, 수면 단계 분류는 수면다원조영술 신호의 30초 epoch의 육안 검사에 의존한다. 이 지루하고 값비싼 작업을 대체하기 위해 수많은 자동 접근 방식이 개발되었다. 이러한 방법이 특정 데이터 세트에서 인간 수면 전문가보다 더 나은 성능을 보여주긴 했지만, 수면 클리닉에서는 거의 사용되지 않았다. 주된 이유는 각 수면 클리닉이 대부분의 자동 접근 방식이 즉시 처리할 수 없는 특정 PSG 몽타주를 사용하기 때문이다. 더욱이 PSG 몽타주가 호환되는 경우에도 자동 접근 방식은 인구 통계가 다른 보이지 않는 데이터에 대해 제대로 수행되지 않는다. 이러한 문제.. 2022. 6. 22. 꿈 회상 꿈 회상 인간은 태초부터 자신의 꿈에 흥미를 느껴 왔다. 그러나 여전히 꿈을 꾸는 정확한 이유나 꿈에 의미가 있는지 알지 못한다. 많은 질문 중 하나는 왜 어떤 사람들은 꿈을 기억하고 다른 사람들은 기억하지 못하는가 하는 것이다. 개인 일상의 변화 또는 개인 간의 특성 차이? 일부 사람들은 왜 꿈을 더 많이 기억할까? 사실 여기에는 두 개의 질문이 있다. 첫 번째는, 왜 특정 아침에는 꿈을 기억하지만 다른 아침에는 기억하지 못하는가? 이것은 개인의 일상적인 변화라고 부를 것이다. 다시 말해, 화요일 아침에 꿈을 꾸었지만 수요일 아침에는 아무 생각이 없었던 이유는 무엇일까? 두 번째 질문은 사람 간의 차이점에 관한 것이다. 왜 꿈을 전혀 기억하지 못하는 반면, 지인은 항상 꿈을 기억할까? 이것은 사람 사이.. 2022. 6. 22. 수면다원검사 : 딥러닝을 사용한 불안 및 우울증 식별 수면다원검사 : 딥러닝을 사용한 불안 및 우울증 식별 불안과 우울증은 심각한 이환율 및 의료 비용과 관련된 일반적인 정신 질환이다. 수면은 진화적으로 보존된 건강 상태이다. 불안과 우울증은 수면과 양방향 관계가 있다. 이 연구는 불안과 우울의 존재를 감지하기 위해 딥러닝 방법을 사용하는 수면다원 데이터 분석의 사용에 대해 보고한다. 수면다원검사분석을 위해 2016년 1월 1일부터 2018년 12월 31일까지 3년 동안 학업 수면 센터에서 수행한 940명의 환자에 대한 데이터를 식별했다. 데이터는 불안/우울증이 있는 환자 205명, 불안/우울증이 없는 환자 349명, 불안/우울 가능성이 있는 환자 386명의 3개 하위 그룹으로 나누었다. 처음 두 개의 하위 그룹은 딥러닝 알고리즘의 훈련 및 테스트에 사용되.. 2022. 6. 21. 자동 수면 채점 : 다중 모드 시계열 딥러닝 아키텍처 자동 수면 채점 : 다중 모드 시계열 딥러닝 아키텍처 수면 채점은 필수적이지만 시간이 많이 소요되는 프로세스이므로 자동 수면 채점은 수면 연구에 대한 충족되지 않은 증가하는 요구 사항을 해결하는 데 중요하고 시급하다. 이 문서는 원시 수면다원검사를 사용하여 수면 점수를 자동화하는 다목적 딥러닝 아키텍처를 개발하는 것을 목표로 한다. 방법은 선형 함수를 채택하여 다양한 입력 수를 처리함으로써 모델 적용을 확장한다. 2차원 컨볼루션 신경망은 채널별 기능을 재보정하기 위한 "squeeze and excitation" 블록인 다중 모드 수면다원검사 신호로부터 기능을 학습하는 데 사용되며, 장거리 컨텍스트 관계를 활용하기 위한 장기 기억 모듈과 함께 사용된다. 학습된 기능은 최종적으로 결정 계층에 제공되어 수면 .. 2022. 6. 21. [Deep Learning] 전이 학습 (Transfer Learning) (4) 심층 전이 학습의 유형 도메인 적응 (Domain Adaptation) 도메인 적응은 소스 도메인과 대상 도메인이 서로 다른 기능 공간과 분포를 갖는 전이 학습 시나리오이다. 도메인 적응은 목표 학습자의 성능을 향상시키기 위해 정보를 전달하기 위해 하나 이상의 소스 도메인을 조정하는 프로세스이다. 이 프로세스는 소스의 배포를 대상의 배포에 더 가깝게 만들기 위해 소스 도메인을 변경하려고 시도한다. 도메인 혼란 (Domain Confusion) 신경망에서 서로 다른 계층은 기능의 서로 다른 복잡성을 식별한다. 완벽한 시나리오에서 우리는 이 기능 도메인을 불변으로 만들고 도메인 간 전송성을 향상시키는 알고리즘을 개발할 것이다. 소스 도메인과 대상 도메인 간의 기능 표현은 이러한 컨텍스트에서 가능한 한 유사해.. 2022. 6. 21. [Deep Learning] 전이 학습 (Transfer Learning) (3) 미리 훈련된 기성 모델 미세 조정 이것은 사전 훈련된 모델에서 추출한 특징에 직접적으로 의존하고 최종 레이어를 교체할 뿐만 아니라 이전 레이어 중 일부를 선택적으로 다시 훈련하는 보다 매력적인 기술이다. 심층 신경망은 계층 구조이며 조정 가능한 하이퍼파라미터가 많다. 초기 레이어의 역할은 일반적인 기능을 캡처하는 반면, 나중 레이어는 당면한 명시적 작업에 더 중점을 둔다. 기본 모델에서 고차 기능 표현을 미세 조정하여 특정 작업과 더 관련성 있게 만드는 것이 좋다. 훈련에서 일부를 고정시키면서 모델의 일부 레이어를 다시 훈련할 수 있다. 다음 그림은 객체 감지 작업에 대한 예를 보여준다. 여기서 네트워크의 초기 하위 계층은 매우 일반적인 기능을 학습하고 상위 계층은 작업별 기능을 학습한다. 동결 vs 미.. 2022. 6. 21. [Deep Learning] 전이 학습 (Transfer Learning) (2) 전이 학습 일반적인 접근 방식 도메인의 유사성을 기반으로 그리고 훈련을 위해 존재하는 데이터 샘플의 유형과 무관하게 전이 학습 전략을 분류하는 또 다른 방법이 있다. 동종 전이 학습 (Homogeneous Transfer Learning) 도메인이 동일한 기능 공간에 있는 상황을 처리하기 위해 동종 전이 학습 접근 방식이 개발 및 제안된다. Homogeneous Transfer learning에서 도메인은 주변 분포에서 약간의 차이만 있다. 이러한 접근 방식은 표본 선택 편향 또는 공변량 이동을 수정하여 영역을 조정한다. 인스턴스 이전 (Instance transfer) 소스 도메인에는 많은 양의 레이블이 지정된 데이터가 있고 대상 도메인에는 제한된 수가 있는 간단한 시나리오를 다룬다. 도메인과 기능 공.. 2022. 6. 21. 이전 1 ··· 89 90 91 92 93 94 95 ··· 163 다음 728x90 반응형 LIST
