연구보고서
보고서명Machine Learning-Based Techniques of Anomaly Detection - As Applied to Health and Welfare Data
보고서명(영문)Machine Learning-Based Techniques of Anomaly Detection - As Applied to Health and Welfare Data
원문다운로드 자료활용안내
국가정책연구포털(NKIS)이용에 항상 감사드립니다.
이용하시는 자료는 연구기관의 소중한 연구성과물로 저작권 및 이용조건 등을 준수하여 활용해 주시기 바랍니다.
자료 다운로드를 위해 하단의 자료이용 동의서 및 사용목적 등에 응답 부탁드립니다.
답변하신 내용은 NKIS 정보 활용 현황 및 서비스 분석을 위한 기초자료로 활용됩니다.
감사합니다.
자료 이용 시, 국가정책연구포털(NKIS)에서 제공하는 저작물을 이용하였음을 명시할 것을 동의합니다.
무단으로 연구성과물을 사용하였거나 NKIS에서 제시한 이용조건을 이행하지 않았을 경우,
저작권법에 따라 관련기관에 처벌을 받을 수 있으며, 즉시 저작물의 이용허락을 중지할 수 있습니다.
국문초록
- Machine learning is a subfield of the growing research on artificial intelligence (AI). Specifically, it focuses on the development of algorithms and technology that enable computers to learn independently using data. Machine learning, widely regarded as instrumental in advancements in image processing, video and voice recognition, and Internet searches, has proven to be quite effective as a tool for anomaly prediction and detection.
Anomaly detection refers to the process by which one finds instances or data, out of a given pool, that diverge from expected patterns.
In this study, we define the concept of anomaly detection, after which we apply the anomaly detection methodology to the given sets of health and welfare policy data to perform an exploratory analysis. We discuss the issues involved in the application of anomaly detection and summarize the policy implications. The data subjected to our analysis include the fludeoxyglucose positron emission tomography (FDG-PET) data from the Alzheimer’s Disease Neuroimaging Initiative (ADNI), regarding health, and the results of the Elderly Survey 2017.
<이하 원문 확인>