• Journal of the Korean Data and Information Science Society
• /
• v.20 no.2
• /
• pp.273-281
• /
• 2009

The gap(P-E)-model is based on the disconfirmation paradigm that tries to under stand the effect of the gap between before purchase expectations and after purchase perceptions of the product performance on dependent variables such as customer satis-faction. But Bhote proposed multiply($I{\times}P$)-model instead of gap(P-E)-model in 1998. This paper is focused on Bhote's multiply($I{\times}P$)-model in food service industry. The purpose of this research is to test whether DINESERV's 5-dimensions by multiply($I{\times}P$) model fits in explaining satisfaction, revisit intention and customer loyalty. The F-value of regression model was used to test the fitness of regression model of the multiply($I{\times}P$)-model. Through analysis, it was found that the multiply($I{\times}P$)-model fits.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.246-246
• /
• 2021

본 연구는 강우 발생시 유량을 추정하는 것에 목적이 있다. 이를 위해 본 연구는 선행연구의 모형 개발방법론에서 벗어나 딥러닝 알고리즘 중 하나인 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 유량을 추정하였다. 합성곱 신경망은 일반적으로 분류 문제 (classification)을 해결하기 위한 목적으로 개발되었기 때문에 불특정 연속변수인 유량을 모의하기에는 적합하지 않다. 이를 위해 본 연구에서는 합성곱 신경망의 완전 연결층 (Fully connected layer)를 개선하여 연속변수를 모의할 수 있도록 개선하였다. 대부분 합성곱 신경망은 RGB (red, green, blue) 사진 (photograph)을 이용하여 해당 사진이 나타내는 것을 예측하는 목적으로 사용하지만, 본 연구의 경우 일반 RGB 사진을 이용하여 유출량을 예측하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이를 위해 본 연구에서는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는 수문학적 이미지는 입력자료로 활용했다. 합성곱 신경망의 구조는 Convolution Layer와 Pulling Layer가 5회 반복하는 구조로 설정하고, 이후 Flatten Layer, 2개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 다시 1개의 Dense Layer가 이어지는 구조로 설계하였다. 마지막 Dense Layer의 활성화 함수는 분류모형에 이용되는 softmax 또는 sigmoid 함수를 대신하여 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 이와 함께 각 층의 활성화 함수는 정규화 선형함수 (ReLu)를 이용하였으며, 모형의 학습 평가 및 검정을 판단하기 위해 MSE 및 MAE를 사용했다. 또한, 모형평가는 NSE와 RMSE를 이용하였다. 그 결과, 모형의 학습 평가에 대한 MSE는 11.629.8 m3/s에서 118.6 m3/s로, MAE는 25.4 m3/s에서 4.7 m3/s로 감소하였으며, 모형의 검정에 대한 MSE는 1,997.9 m3/s에서 527.9 m3/s로, MAE는 21.5 m3/s에서 9.4 m3/s로 감소한 것으로 나타났다. 또한, 모형평가를 위한 NSE는 0.7, RMSE는 27.0 m3/s로 나타나, 본 연구의 모형은 양호(moderate)한 것으로 판단하였다. 이에, 본 연구를 통해 제시된 방법론에 기반을 두어 CNN 모형 구조의 확장과 수문학적 이미지의 개선 또는 새로운 이미지 개발 등을 추진할 경우 모형의 예측 성능이 향상될 수 있는 여지가 있으며, 원격탐사 분야나, 위성 영상을 이용한 전 지구적 또는 광역 단위의 실시간 유량 모의 분야 등으로의 응용이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.444-444
• /
• 2021

하천의 오염부하량 관리 계획은 지속적인 모니터링을 통한 자료 구축과 모형을 이용한 예측결과를 기반으로 수립된다. 하천의 모니터링과 예측 분석은 많은 예산과 인력 등이 필요하나, 정부의 담당 공무원 수는 극히 부족한 상황이 일반적이다. 이에 정부는 전문가에게 관련 용역을 의뢰하지만, 한국과 같이 지형이 복잡한 지역에서의 오염부하량 배출 특성은 각각 다르게 나타나기 때문에 많은 예산 소모가 발생 된다. 이를 개선하고자, 본 연구는 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 BOD 및 총인의 부하량 예측 모형을 개발하였다. 합성곱 신경망의 입력자료는 일반적으로 RGB (red, green, bule) 사진을 이용하는데, 이를 그래도 오염부하량 예측에 활용하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이에, 본 연구에서는 오염부하량이 수문학적 조건과 토지이용 등의 변수에 의해 결정된다는 인과관계를 만족시키고자 수문학적 속성이 내재된 수문학적 이미지를 합성곱 신경망의 훈련자료로 사용하였다. 수문학적 이미지는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는데, 여기서 각 grid의 수문학적 속성은 SCS 토양보존국(soil conservation service, SCS)에서 발표한 수문학적 토양피복형수 (curve number, CN)를 이용하여 산출한다. 합성곱 신경망의 구조는 2개의 Convolution Layer와 1개의 Pulling Layer가 5회 반복하는 구조로 설정하고, 1개의 Flatten Layer, 3개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 마지막으로 1개의 Dense Layer가 연결되는 구조로 설계하였다. 이와 함께, 각 층의 활성화 함수는 정규화 선형함수 (ReLu)로, 마지막 Dense Layer의 활성화 함수는 연속변수가 도출될 수 있도록 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 연구의 대상지역은 경기도 가평군 조종천 유역으로 선정하였고, 연구기간은 2010년 1월 1일부터 2019년 12월 31일까지로, 2010년부터 2016년까지의 자료는 모형의 학습에, 2017년부터 2019년까지의 자료는 모형의 성능평가에 활용하였다. 모형의 예측 성능은 모형효율계수 (NSE), 평균제곱근오차(RMSE) 및 평균절대백분율오차(MAPE)를 이용하여 평가하였다. 그 결과, BOD 부하량에 대한 NSE는 0.9, RMSE는 1031.1 kg/day, MAPE는 11.5%로 나타났으며, 총인 부하량에 대한 NSE는 0.9, RMSE는 53.6 kg/day, MAPE는 17.9%로 나타나 본 연구의 모형은 우수(good)한 것으로 판단하였다. 이에, 본 연구의 모형은 일반 ANN 모형을 이용한 선행연구와는 달리 2차원 공간정보를 반영하여 오염부하량 모의가 가능했으며, 제한적인 입력자료를 이용하여 간편한 모델링이 가능하다는 장점을 나타냈다. 이를 통해 정부의 물관리 정책을 위한 의사결정 및 부족한 물관리 분야의 행정력에 도움이 될 것으로 생각된다.

• Journal of the Korean Data and Information Science Society
• /
• v.25 no.1
• /
• pp.19-26
• /
• 2014

In this paper, we propose a polychotomous regression model when independent variables include both categorical and numerical variables. For categorical independent variables, we use direct sums, and tensor product splines are used for continuous independent variables. We use BIC for varible selections criterior. We implemented the algorithm and apply the algorithm to real data. The use of direct sums and tensor products outperformed the usual multinomial logistic regression model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.200-200
• /
• 2021

하천은 용수공급, 관개, 친수활동, 산업활동 등 인간의 활동에 중요한 역할을 한다. 이에 따라 수질관리는 필수적이며 유기물, 중금속, 화학물질 등의 용존물질들은 수질문제에 직접적으로 영향을 미친다. 따라서 하천에서의 용존물질의 혼합 거동을 파악하기 위한 연구가 지난 수십년간 이루어지고 있다. 하천 흐름에 따른 오염물질의 이동 및 확산 거동을 예측하기 위하여 1차원 추적모형이 활용되는데, 그 중 하천저장대 모형(Transient Storage Model, TSM)은 자연하천의 복잡하고 불규칙한 수리·지형적인 특성을 단순하게 반영할 수 있다는 장점때문에 가장 많이 사용된다. 하지만 TSM은 매개변수에 대한 의존성과 불확도가 크며, TSM의 저장대에서의 농도분포에 대한 지수함수형태의 모델링이 하상간극수역(Hyporheic zone)에서의 저장대 특성을 반영하기에 구조적으로 부정확하다는 단점이 제기되고 있다. 최근 이러한 TSM의 단점을 보완하고 하천에서의 저장대 메커니즘을 보다 정확하게 구현하고자 체류시간분포(residence time distribution)를 이용한 확률론적 저장대 모델링 프레임워크가 등장하고 있다. 본 연구에서는 본류대와 저장대에서의 오염물질의 체류시간분포를 분리하여 해석하고 이를 전달함수(transfer function)를 이용한 합성곱으로 결합한 형태의 프레임워크를 적용하여 모델링하였다. 상기의 모형을 검증하기 위하여 2019년 감천의 4.85km 구간에서 추적자 실험을 실시하였다. 실험 당시 유량은 12.9 m³/s로 풍수기에 해당되며 평균 유속은 약 0.6 m/s로 측정되었다. 모형의 매개변수는 추적자 실험으로부터 최적화 기법을 통해 역모델링기법으로 결정하였다. 제안된 모형에 의한 모의 결과를 추적자 실험에서의 농도측정자료와 비교한 결과, 평균 0.988의 결정계수를 보여 매우 높은 정확도를 보이고 있음을 알 수 있었다. 저장대특성을 나타내는 농도곡선의 꼬리부에 대하여 같은 조건에서 1차원 이송-분산(ADE) 모형, TSM의 모의결과와도 비교한 결과 본 모형은 추적자 실험 농도측정 결과와 평균 0.195의 오차율을 보이며, 이는 ADE 모형과 TSM의 오차율인 14.03과 1.866에 비해 매우 정확한 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.120-120
• /
• 2023

본 연구에서는 CCTV 영상 내 빗줄기의 특성을 바탕으로 강우강도를 산정하기 위한 합성곱 신경망(CNNs, Convolutional Neural Networks) 기반 강우강도 산정 모형을 제안하였다. 중앙대학교 및 한국건설생활환경시험연구원 내 대형기후환경시험실에서 얻은 CCTV 영상들을 대상으로 연구를 수행하고, 우적계 등과 같은 지상 관측자료와 강우강도 산정 결과를 비교·검증하였다. 먼저, CCTV 영상 내 빗줄기의 미세한 변동 특성을 반영하기 위해 데이터 전처리 작업을 진행하였다. 이는 원본 영상으로부터 빗줄기 층을 분리해내는 과정, 빗줄기 층에서 빗물 입자를 분리해내는 과정, 그리고 빗물 입자를 인식하는 과정 등 총 세 단계로 구분된다. 합성곱 신경망 기반 강우강도 산정 모형 구축을 위해 영상 전처리가 완료된 데이터들을 입력값으로 설정하고, 촬영 시점에 대응되는 지상관측 자료를 출력값으로 고려하여 강우강도 산정모형을 훈련시켰다. CCTV 원자료 내 특정 영역에 편향되어 강우강도를 산정하는 과적합 현상의 발생을 방지하기 위해 원자료 내 5개의 관심 영역(ROI, Region of Interest)을 설정하였다. 추가로, CCTV의 해상도를 총 4개(2560×1440, 1920×1080, 1280×720, 720×480)로 구분함으로써 해상도 변화에 따른 학습 결과의 차이를 분석·평가하였다. 이는 기존 사례들과 비교했을 때, CCTV 영상을 기반으로 빗줄기의 거동 특성과 같은 물리적인 현상을 직간접적으로 고려하여 강우강도를 산정했다는 점과 더불어 머신러닝을 적용하여 강우 이미지가 갖는 본질적인 특징들을 파악했다는 측면에서, 추후 본 연구에서 제안한 모형의 활용 가치가 극대화될 수 있을 것으로 판단된다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.21 no.3
• /
• pp.148-153
• /
• 2020

In order to obtain high accuracy with an convolutional neural network(CNN), it is necessary to set the optimal hyperparameters. However, the exact value of the hyperparameter that can make high performance is not known, and the optimal hyperparameter value is different based on the type of the dataset, therefore, it is necessary to find it through various experiments. In addition, since the range of hyperparameter values is wide and the number of combinations is large, it is necessary to find the optimal values of the hyperparameters after the experimental design in order to save time and computational costs. In this paper, we suggest an algorithm that use the design of experiments and grid search algorithm to determine the optimal hyperparameters for a classification problem. This algorithm determines the optima values of the hyperparameters that yields high performance using the factorial design of experiments. It is shown that the amount of computational time can be efficiently reduced and the accuracy can be improved by performing a grid search after reducing the search range of each hyperparameter through the experimental design. Moreover, Based on the experimental results, it was shown that the learning rate is the only hyperparameter that has the greatest effect on the performance of the model.

• The Journal of the Korea Contents Association
• /
• v.19 no.1
• /
• pp.1-15
• /
• 2019

One of the biggest difficulties in the vocational training field is the dropout problem. A large number of students drop out during the training process, which hampers the waste of the state budget and the improvement of the youth employment rate. Previous studies have mainly analyzed the cause of dropouts. The purpose of this study is to propose a machine learning based model that predicts dropout in advance by using various information of learners. In particular, this study aimed to improve the accuracy of the prediction model by taking into consideration not only structured data but also unstructured data. Analysis of unstructured data was performed using Word2vec and Convolutional Neural Network(CNN), which are the most popular text analysis technologies. We could find that application of the proposed model to the actual data of a domestic vocational training institute improved the prediction accuracy by up to 20%. In addition, the support vector machine-based prediction model using both structured and unstructured data showed high prediction accuracy of the latter half of 90%.

• Journal of Korea Water Resources Association
• /
• v.30 no.4
• /
• pp.327-334
• /
• 1997

The purpose of this study is to calibrate the parameters of tank model for the derivation of a design flood hydrograph at a certain river basin outlet. The selected stations are Gongju and Naju station which are located in the Keum and the Youngsan river basin, respectively. The results of parameters calibration for tank model are represented a little different values comparing with the proposed values at Gongju station through the verification of flood hydrograph in modeling procedure but the values of tank parameters at Naju station are fitted well for the derivation of flood hydrograph using the proposed design parameters of tank model.

• Journal of Digital Convergence
• /
• v.10 no.7
• /
• pp.11-22
• /
• 2012

Intangible assets are the important tool which decides upon economic wealth and development of knowledge-information economy. We have to make effective use of intangible assets in order to assure surplus earnings, competitive superiority. The importance of intangible assets, especially patent right, may be properly understood only when their values are assessed adequately. It is very significant to appraise rationally patent right value from finance support, technology transaction, investment decision, M&A, legal proceedings, strategy and etc. Thus the purpose of this study is to evaluate the economic value of a patent right using DCF(Discounted-Cash Flow Method). This paper presents the basic model, related principles and standards of valuation, and then, case analysis of patent right valuation using DCF.