• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 1999.11a
• /
• pp.41-45
• /
• 1999

연소 중에 발생하는 주요 공해물질 중의 하나가 질소산화물(NOx)이며 석탄의 연소에서는 타 연료를 사용하는 연소와 비교하여 많은 양의 질소산화물이 생성된다. 이러한 현상은 석탄에 결합되어있는 연료 중 질소(fuel-N)의 산화에 기인한 것이다. 석탄 연소 시 fuel-N에 의하여 생성되는 질소산화물은 전체 질소산화물의 75%이상, 때에 따라서는 95%까지 점하는 결과를 보여 준다.(중략)

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.255-256
• /
• 2018

본 논문에서는 비디오 부호화 성능 향상을 위하여 QTBT (QuadTree Plus Binary Tree) 블록 구조에서 대각선 움직임 분할 (DMP: Diagonal Motion Partition) 방법을 제안한다. HEVC 이후의 비디오 압축 표준을 위한 탐색 과정에서 다양한 부호화 성능 향상 방법들이 제안되고 있으며, 그 중 제안하는 대각선 움직임 분할 방법은 하나의 정방형 혹은 직방형의 부호화 유닛 (CU: Coding Unit)을 두 개의 삼각형으로 분할하여 움직임 예측 및 보상을 수행하는 방법이다. 제안하는 방법에서는 두 가지 대각선 방향만을 사용하여 블록을 분할하지만, QTBT 블록 구조와 결합하여 다양한 임의의 블록 분할 형태를 표현하는 것이 가능하다. 본 논문에서는 제안하는 방법을 JEM-7.0에 구현하여 0.15%의 부호화 효율 향상 결과를 획득하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.678-680
• /
• 2023

본 연구는 2022년 유네스코 인류무형유산 대표목록에 등재된 탈춤 동작을 디지털화하여 후속 세대에게 정보를 제공하는 것을 목적으로 한다. 데이터 수집은 국가무형문화제로 지정된 탈춤 단체 13개, 시도무형문화재 단체 5개에 소속된 무형문화재, 전승자 39명이 관성식 모션 캡처 장비를 착용하고, 8대의 카메라를 이용하여 수집하였다. 데이터 가공은 바운딩박스를 수행하였고, 탈춤동작 추정은 YOLO v8을 사용하였고 탈춤 동작 분류는 YOLO v8에 CNN모델을 결합하여 130개의 탈춤을 분류하였다. 연구결과, mAP-50은 0.953, mAP50-95는 0.596, Accuracy 70%를 달성하였다. 향후 학습용 데이터셋 구축량이 늘어나고, 데이터 품질이 개선된다면 탈춤 분류 성능은 더욱 개선될 것이라 기대한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.199-201
• /
• 2024

최근 병원에서는 빅데이터, 지능형 사물인터넷(AIoT) 등 인공지능 기반 기술들을 활용하여 환자 진료 및 치료 영역은 물론 의료산업 및 의료 시설 등과 관련된 다양한 영역에서의 활용방안을 모색하고 있다. 지능형 사물인터넷(AIoT, Internet of Things)은 AI와 IoT의 기술적인 결합으로 산업의 혁신을 가져와 국가 전체의 생산성을 높일 수 있을 뿐만 아니라 삶의 질의 변화는 물론 병원의 의료 환경에 있어서도 많은 파급 효과를 가져다 줄 것으로 예상하고 있다. 본 논문에서는 병원의 효율적인 공간관리를 위한 AIoT 기반의 가변 스마트 진료실 예약 시스템에 대한 설계 및 구현을 통하여 병원의 주요 자산인 공간이라는 개념을 효율적으로 이용하고 병원 내 소통과 협업을 위한 유연한 진료 환경을 제공함으로서 병원의 규모와 진료 전문성에 맞추어진 가변적 공간 기능을 통해 병원의 경쟁력을 높이는 것을 그 목적으로 하고 있다.

• The Korean Journal of Financial Management
• /
• v.15 no.1
• /
• pp.1-30
• /
• 1998

본(本) 연구(硏究)는 한국증권시장에서 대표적 대용시장(代用市場)포트폴리오인 한국종합주가지수(韓國綜合株價指數)와 동일가중지수(同一加重指數)의 효율성에 대한 검증을 Hansen(1982)의 다변량의 GMM에 의하여 실시하고자 하였다. 이를 위하여 먼저, 주식수익률자료(株式收益率資料)에 근거한 산업별(産業別)포트폴리오수익률과 초과시장수익률모형(超過市場收益率模型)의 오차항(誤差項)이 정규분포(正規分布)를 벗어남을 증명함으로써 GMM검증방법(檢證方法)의 정당성을 찾고자 하였다. 정규분포에 대한 검증방법(檢證方法)으로서 왜도와 첨도의 검증과 이를 결합한 Jarque-Bera(1980)검증(檢證)을 실시하였다. 둘째로, Hansen(1982)의 GMM을 대용시장(代用市場)포트폴리오의 효율성(效率性) 검증(檢證)에 적용하는 방법에 대한 연구들인 Mackinlay-Richardson(1991), Harvey-Zhou(1993)와 Campbell-Lo-Mackilay(1997) 등을 기초로하여 이들의 방법론을 개선한 3가지의 효율성(效率性) 검증방법(檢證方法)을 제시하였다. 셋째로, 이상의 검증방법(檢證方法)들을 토대로 1980년 1월부터 1997년 6월까지 월별주식수익률(月別株式收益率)의 자료(資料)를 11업종으로 분류하여 산업별(産業別)포트폴리오수익률(收益率)과 초과시장수익률모형(超過市場收益率模型)에 의한 오차항(誤差項)이 정규분포(正規分布)를 따르는지와 아울러 대용시장(代用市場)포트폴리오의 효율성을 검증하였다. 검증결과(檢證結果), 산업별(産業別)포트폴리오수익률과 오차항(誤差項)은 대부분 정규성이 기각(棄却)되어 GMM검증방법(檢證方法)의 정당성이 입증되었다. 따라서 GMM에 의한 효율성(效率性)을 검증한 결과, 한국종합주가지수(韓國綜合株價指數)의 경우에는 평균-분산(平均-分散)프론티어(mean-variance frontier)상(上)에서의 대용시장(代用市場)포트폴리오의 효율성(效率性)은 기각(棄却) 할 수 없는 것으로 나타났으나 평균수익률(平均收益率)이 GMVP의 수익률보다 낮았기 때문에 효율적(效率的) 프론티어(efficient frontier)상(上)의 대용시장(代用市場)포트폴리오의 효율성(效率性)은 기각(棄却)되어 대용시장지수로서의 문제점이 있는 것으로 나타났다. 그러나 동일가중지수(同一加重指數)는 평균수익률이 GMVP의 수익률보다 높을 뿐만아니라 효율적(效率的) 프론티어상(上)의 대용시장(代用市場)포트폴리오의 효율성(效率性)도 채택되어 한국종합주가지수(韓國綜合株價指數)보다 우월한 지수(指數)인 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.360-360
• /
• 2020

조립식 빗물침투형 저류블록은 우수유출 저감시설로, 황토 및 친환경 무기질 결합재를 이용하여 제작한 고강도 투수성 블록의 적층 및 요철에 의한 끼움식 조립에 의해 형성된 공간에 빗물을 저류하고, 저장된 빗물은 시간이 지남에 따라 지반으로 침투시키는 우수유출 저감용 빗물관리시설로, 집중강우 시 유출수가 발생하는 해당지역에 분산식으로 설치하여 국지적 호우 발생에 대처할 수 있으며, 지속적인 침투를 통한 지하수위 확보 및 가뭄현상의 저감은 물론, 미기후 조성과 건전한 물순환 구조 형성에 이바지하는 빗물관리기술이다. 본 기술은 집중형 대규모 빗물저류조의 적용상의 문제점과 단순저류의 한계성을 극복하고, 기존 침투시설의 낮은 침투능을 증대시키고자 저류기능과 침투기능을 동시에 확보하여 집중호우시 빠른 침투저류능을 향상시킨 조립식 빗물침투형 저류시설이다. 보다 구체적으로는 집중강우에 대한 방재적 측면과 함께 가뭄으로 발생하는 지하수위 저하 등에 친환경적으로 대응하기 위한 복합적인 빗물관리 기술로서, 빗물 유출저감과 함께 물순환 회복 및 저영향개발을 위한 각 지자체의 지침과도 부합될 수 있다. 또한, 콘크리트 제품의 환경적 문제점과 플라스틱 제품의 낮은 물성을 극복하였고, 시공 시에는 보다 현장상황에 맞게 가변적 형태로 적용이 가능한 단순조립 적층공법으로 공기단축에 탁월한 장점이 있으며, 유지관리 시에는 별도의 동력이 요구되지 않는 형태로 개발하였다. 조립식 빗물침투저류블록의 구조체를 이루는 단위 블록유닛은 투수성 소재로 제작되며, 상하부가 개방되어 있고 사각형의 내부에 힘을 받는 격벽과 전후벽이 상호 대응되는 요철로 형성되어 있으며, 단위블록 유닛 다수개가 수직수평으로 연속적으로 조립되어 규모의 제한, 형태의 제한이 없는 구조물 형성이 가능하다. 본 구조체의 저류공극율은 80%이상 확보 가능하며, 또한 블록자체의 투수율이 0.83mm/sec로서 순모래나 순자갈의 포화투수계수보다 투수율이 높아 침투저류 효율성이 높으며 시공 후 상부 토지는 자유롭게 활용 가능하다. 본 조립식 빗물 침투형 저류블록을 이용하여 저영향개발 계획, 우수유출 저감대책 수립, 빗물관리시설 계획시 기존의 시설들에 비하여 경제적, 효율적인 설계가 가능하다.

• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.531-540
• /
• 2007

In this research, we proposed a two-phase hybrid stock price forecasting model with cointegration tests and artificial neural networks. Using not only the related stocks to the target stock but also the past information as input features in neural networks, the new model showed an improved performance in forecasting than that of the usual neural networks. Firstly in order to extract stocks which have long run relationships with the target stock, we made use of Johansen's cointegration test. In stock market, some stocks are apt to vary similarly and these phenomenon can be very informative to forecast the target stock. Johansen's cointegration test provides whether variables are related and whether the relationship is statistically significant. Secondly, we learned the model which includes lagged variables of the target and related stocks in addition to other characteristics of them. Although former research usually did not incorporate those variables, it is well known that most economic time series data are depend on its past value. Also, it is common in econometric literatures to consider lagged values as dependent variables. We implemented a price direction forecasting system for KOSPI index to examine the performance of the proposed model. As the result, our model had 11.29% higher forecasting accuracy on average than the model learned without cointegration test and also showed 10.59% higher on average than the model which randomly selected stocks to make the size of the feature set same as that of the proposed model.

• The Journal of Society for e-Business Studies
• /
• v.27 no.1
• /
• pp.63-79
• /
• 2022

Recently, various studies have been conducted on stock price prediction using machine learning and deep learning techniques. Among these studies, the latest studies have attempted to predict stock prices using limit order books, which contain buy and sell order information of stocks. However, most of the studies using limit order books consider only the trend of limit order books over the most recent period of a specified length, and few studies consider both the medium and short term trends of limit order books. Therefore, in this paper, we propose a deep learning-based prediction model that predicts stock price more accurately by considering both the medium and short term trends of limit order books. Moreover, the proposed model considers news headlines during the same period to reflect the qualitative status of the company in the stock price prediction. The proposed model extracts the features of changes in limit order books with CNNs and the features of news headlines using Word2vec, and combines these information to predict whether a particular company's stock will rise or fall the next day. We conducted experiments to predict the daily stock price fluctuations of five stocks (Amazon, Apple, Facebook, Google, Tesla) with the proposed model using the real NASDAQ limit order book data and news headline data, and the proposed model improved the accuracy by up to 17.66%p and the average by 14.47%p on average. In addition, we conducted a simulated investment with the proposed model and earned a minimum of $492.46 and a maximum of $2,840.93 depending on the stock for 21 business days.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.11
• /
• pp.147-155
• /
• 2022

In this study, we developed a system to dynamically balance a daily stock portfolio and performed trading simulations using gradient boosting and genetic algorithms. We collected various stock market data from stocks listed on the KOSPI and KOSDAQ markets, including investor-specific transaction data. Subsequently, we indexed the data as a preprocessing step, and used feature engineering to modify and generate variables for training. First, we experimentally compared the performance of three popular gradient boosting algorithms in terms of accuracy, precision, recall, and F1-score, including XGBoost, LightGBM, and CatBoost. Based on the results, in a second experiment, we used a LightGBM model trained on the collected data along with genetic algorithms to predict and select stocks with a high daily probability of profit. We also conducted simulations of trading during the period of the testing data to analyze the performance of the proposed approach compared with the KOSPI and KOSDAQ indices in terms of the CAGR (Compound Annual Growth Rate), MDD (Maximum Draw Down), Sharpe ratio, and volatility. The results showed that the proposed strategies outperformed those employed by the Korean stock market in terms of all performance metrics. Moreover, our proposed LightGBM model with a genetic algorithm exhibited competitive performance in predicting stock price movements.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.14 no.2
• /
• pp.899-904
• /
• 2013

This paper proposes an efficient portfolio selection methodology for the listed construction corporations in KOSPI and KOSDAQ. For the construction industrial sector classified by KRX(Korea Exchange), the proposed method carries out an efficiency analysis using DEA (Data envelopment analysis) approach and for the efficient corporations filtered by DEA, construct portfolio using Markowitz's Model. In order to show the effectiveness of the proposed method, we constructed annually portfolios for 5 years (2007-2011) out of 53 listed corporations in KOSPI and KOSDAQ, and proved that our portfolios are superior to benchmark portfolios in terms of rate of returns.