• 감성과학
• /
• 제16권1호
• /
• pp.53-64
• /
• 2013

폭소노미는 폭소노미에 사용되는 태그에 대하여 유사어, 태깅 레벨, 신조어등의 문제점들이 있다. 본 연구자들은 이러한 문제점들을 해결하기 위해 음악의 분위기 강도(Arousal과 Valence의 강도)를 음악의 내부 태그로 활용하는 방법을 사용하고자 한다. 즉, A(Arousal)값과 V(Valence)값을 이용하여 음악의 분위기를 수치적으로 표현하고, 분위기 태그도 AV값으로 대응시켜 검색하게 되면 태그가 일치하지 않더라도 유사한 AV 값을 갖는 음악이 검색되어 결과적으로 분위기가 유사한 음악들을 검색할 수 있게 된다. 본 논문에서는 이의 선행연구로 AV값과 폭소노미 태그와의 관계를 정의하는 매핑테이블을 제안하고, 태그와 AV값의 연관 관계를 분석하기 위해 유명한 음악 검색 사이트인 last.fm에서 수집한 테스트 데이터에 대해 ANOVA 검증을 하였다. 검증결과, A값과 V값에 모두에 대하여 제 1종 오류확률 P가 0.0으로 귀무가설을 기각하고 대립가설을 채택할 수 있었다. 결론적으로 폭소노미 태그에 따라 AV 값 분포가 다르다는 것을 검증 할 수 있었다.

• 자원ㆍ환경경제연구
• /
• 제23권2호
• /
• pp.187-224
• /
• 2014

본 연구에서는 담합의 경제분석에서 고려해야 할 쟁점들을 논의한 후, 이러한 쟁점들을 반영한 방법론을 특정 수송용 연료시장의 분석에 적용하였다. 가상 경쟁가격과 과잉징수를 산정하는 5가지 방법 중 표준시장비교방법에 기반한 회귀분석방법이 최선이다. 수송용 연료시장에서와 같이 국제가격과 환율이 국내가격에 영향을 미치는 제품의 실거래가격을 분석하는 경우 논리에 부합하면서 유연한 함수형태는 로그-로그 함수형태이다. 경제분석의 대상이 되는 자료가 시계열자료인 경우에 ARDL 모형을 시장별 회귀분석모형의 근간으로 채택하는 것이 필요하며, 표준시장비교방법에 기반한 회귀분석방법에서는 구성 회귀식 간에 모수제약이 포함된 ARDL 회귀식 체계를 구축하고 system FGLS로 추정하여야 한다. Friedman 동질성 검정을 통하여 표준시장 여부를 판별할 수 있다. 통계적 유의성은 불확실성 하에서 입증하고자 하는 명제를 확립하는데 요구되는 최소의 요건이다. 담합관련 소송의 경제분석에서는 민감도 분석은 그다지 유용성이 없으며, 최적모형 선별과정이 더 중요한 절차이다. 위 방법론을 특정 수송용 연료시장의 분석에 적용한 결과, 해당 시장에서는 담합에 기인하는 손해액이 없다는 귀무가설을 기각할 수 없었다.

• 한국항만경제학회지
• /
• 제26권4호
• /
• pp.63-87
• /
• 2010

본 논문에서는, 국내와 외국에서 선행된 항만분야의 SFA분석과 관련된 선행연구들을 간략하게 검토하였으며, 또한 국내 컨테이너터미널 8곳의 3년간(2002년, 2003년, 2004년)자료를 이용하고, 4개의 투입물[종업원수(명), 부두길이(m), 부지면적(평방m), 갠트리크레인 대수(대)])과 1개의 산출물[년간 컨테이너 처리실적(TEU)]을 이용하여 SFA 및 DEA측정방법으로 실증분석하는 방법을 보여주었으며, 양자의 효율성 순위를 스피어만의 상관분석을 통해 검증하여 보았다. 주요한 실증분석 결과는 다음과 같다. 첫째, 반정규분포를 갖는 기술적 비효율성효과가 존재하지 않는다는 귀무가설을 기각하고 반정규분포를 갖는 기술적 비효율성효과가 존재한다는 대립가설을 채택함으로써 전통적인 평균반응함수(average response function)가 자료를 적절히 표현하지 못한다는 것을 검증하였다. 트랜스로그모형에서는 검정통계량이 19.12로 이 값은 유의수준 0.5%에서 자유도 6을 가진 혼합카이자승분포의 임계치 16.074보다 크므로 유의미하다. 둘째, 시계열자료를 이용한 분석에서는 콥더글러스모형과 트랜스로그모형에서 모두 유의미한 결과를 보였다. 셋째, 우리나라의 컨테이너터미널의 기술적 효율성을 살펴보면 콥더글러스모형에서는 평균 73.49%, 트랜스로그모형에서 평균은 79.04%를 나타냈다. 따라서 국내 컨테이너터미널의 기술적 효율성은 약간 높은 수준임을 알 수 있다. 즉, 한국컨테이너터미널들은 생산요소를 생산변경(production frontier)에 어느정도 근접한 생산량을 산출하도록 약간 높은 효율적으로 투입함으로써 컨테이너터미널을 관리운영하는 과정에서 비효율적인 요소가 어느 정도 존재하지만, 규모에 대한 수익체증(increasing returns to scale)을 나타내고 있다는 것을 시사하고 있다. 넷째, 국내 컨테이너터미널들이 기술적인 효율성을 높이기 위해서는 컨테이너 화물처리량을 높혀야만 되는 것으로 나타났다. 다섯째, DEA효율성수치에 의한 순위와 SFA효율성 수치에 의한 순위상관분석에서는 높은(84.45%) 순위상관이 있는 것으로 나타났다. 본 연구의 정책적인 함의는 항만운영에 관여하는 정책입안가들은 본 연구에서 사용한 SFA모형을 항만의 기술적인 효율성 측정에 도입하는 한편, 기술적인 효율성을 높이기 위해서 컨테이너화물의 처리량(TEU)을 높이는 방법을 도입해야만 한다.

• 대한핵의학회지
• /
• 제32권3호
• /
• pp.238-249
• /
• 1998

목적: PET을 이용하여 특정한 자극에 대한 국소 뇌혈류 변화를 영상화함으로써 비침습적으로 뇌의기능적 구조를 밝혀 낼 수 있다. 이 연구에서는 대조과제와 언어성 및 시각적 작업기억중추에 대한 활성화과제를 수행하면서 뇌혈류 PET을 시행하고 그 차이를 분석하여 작업기억에 관한 뇌기능지도를 구성하였다. 대상 및 방법: 정상인 6명에 대해서 각각 대조과제, 단어기억 언어성 작업기억 활성화과제, 그림기억 언어성 작업기억 활성화과제, 시각적 작업기억 활성화과제를 수행시키면서 뇌혈류 PET을 촬영하였다. 언어성 작업기억과제로서 단어 기억과제에서는 4개의 단어를 순차적으로 보여주고 1초 후 1개의 단어를 보여주어 동일한 단어가 4개의 단어 중에 있었으면 버튼을 누르게 하며 $H_2^{15}O$ PET을 촬영하였다. 두 번 째 언어성 작업기억과제인 그림 기억과제에서는 단어 대신에 특정 단어가 연상되는 사물의 그림을 보여 주었다. 시각적 작업기억과제로는 사람의 얼굴 사진을 보여 주고 같은 실험을 하였다. 의미 없는 기호를 보여 주면서 특정한 기호가 나오면 버튼을 누르게 함으로써 시각적 자극과 손가락운동으로 인한 뇌혈류 분포를 포함하게 하여 대조과제로 삼았다. SPM96소프트웨어를 이용하여 각 영상을 표준 지도 위에 공간적으로 정규화하고 활성화상태에서 뇌혈류가 의미 있게 증가된 영역을 찾아내기 위하여 각 화소의 방사능 계수에 대한 공분산분석을 하여 전체 계수 차이를 제거한 후 국소 계수 차이에 대한 귀무가설을 검증하여 각 화소의 Z 값에 대한 통계적 파라메터 영상(statistical parametric image)으로 뇌기능지도를 작성하였다. 결과: 단어를 이용한 언어성 작업기억에 대한 뇌기능지도에서는 왼쪽 브로카 영역와 전-운동영역, 왼쪽 소뇌, 오른쪽 대상회에서 뇌혈류가 증가하였다. 그림 기억과제 때에는 단어 기억과제에서 활성화된 각 부위에 더하여 왼쪽 위쪽 측두엽, 왼쪽 기저핵과 시상, 왼쪽 전-전두엽 등에서 뇌혈류가 증가하였다. 얼굴기억과제는 오른쪽 아래쪽 전두엽, 브로카 영역, 대상회, 위쪽 두정엽 등 주로 오른쪽 대뇌반구의 뇌혈류가 증가하였다. 세 가지 실험에 공통적으로 활성화된 영역을 찾기 위한 결합분석에는 왼쪽 전-운동영역, 소뇌와 기저핵, 오른쪽 대상회, 브로카 영역, 기저핵에서 뇌혈류가 증가하였다. 결론: 이상의 결과는 언어성 작업기억은 주로 왼쪽 대뇌반구의, 시각적 작업기억은 주로 오른쪽 대뇌반구의 활동에 의해서 주도되며 작업기억에 공통적인 활성화지역이 있다는 가설을 지지하였다. 전두엽이 작업기억에 중요한 역할을 한다고 생각한다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1996년도 춘계학술대회
• /
• pp.1-3
• /
• 1996

시뮬레이션 기법을 이용한 시스템의 분석에 있어서 실험의 자동화는 현재 많은 연구와 개발이 진행 중인 분야이다. 컴퓨터와 정보통신 시스템에 대한 시뮬레이션의 예를 들어 보면, 수많은 모델을 대한 시뮬레이션을 수행할 경우 자동화된 실험의 제어가 요구되고 있다. 시뮬레이션 수행회수, 수행길이, 데이터 수집방법 등과 관련하여 시뮬레이션 실험방법이 자동화가 되지 않으면, 시뮬레이션 실험에 필요한 시간과 인적 자원이 상당히 커지게 되며 출력데이터에 대한 분석에 있어서도 어려움이 따르게 된다. 시뮬레이션 실험방법을 자동화하면서 효율적인 시뮬레이션 출력분석을 위해서는 시뮬레이션을 수행하는 경우에 항상 발생하는 초기편의 (initial bias)를 제거하는 문제가 선결되어야 한다. 시뮬레이션 출력분석에 사용되는 데이터들이 초기편의를 반영하지 않는 안정상태에서 수집된 것이어야만 실제 시스템에 대한 올바른 해석이 가능하다. 실제로 시뮬레이션 출력분석과 관련하여 가장 중요하면서도 어려운 문제는 시뮬레이션의 출력데이터가 이루는 추계적 과정 (stochastic process)의 안정상태 평균과 이 평균에 대한 신뢰구간(confidence interval: c. i.)을 구하는 것이다. 한 신뢰구간에 포함되어 있는 정보는 의사결정자에게 얼마나 정확하게 평균을 추정할 구 있는지 알려 준다. 그러나, 신뢰구간을 구성하는 일은 하나의 시뮬레이션으로부터 얻어진 출력데이터가 일반적으로 비정체상태(nonstationary)이고 자동상관(autocorrelated)되어 있기 때문에, 전통적인 통계적인 기법을 직접적으로 이용할 수 없다. 이러한 문제를 해결하기 위해 시뮬레이션 출력데이터 분석기법이 사용된다.본 논문에서는 초기편의를 제거하기 위해서 필요한 출력데이터의 제거시점을 찾는 새로운 기법으로, 유클리드 거리(Euclidean distance: ED)를 이용한 방법과 현재 패턴 분류(pattern classification) 문제에 널리 사용 중인 역전파 신경망(backpropagation neural networks: BNN) 알고리듬을 이용하는 방법을 제시한다. 이 기법들은 대다수의 기존의 기법과는 달리 시험수행(pilot run)이 필요 없으며, 시뮬레이션의 단일수행(single run) 중에 제거시점을 결정할 수 있다. 제거시점과 관련된 기존 연구는 다음과 같다. 콘웨이방법은 현재의 데이터가 이후 데이터의 최대값이나 최소값이 아니면 이 데이터를 제거시점으로 결정하는데, 알고기듬 구조상 온라인으로 제거시점 결정이 불가능하다. 콘웨이방법이 알고리듬의 성격상 온라인이 불가능한 반면, 수정콘웨이방법 (Modified Conway Rule: MCR)은 현재의 데이터가 이전 데이터와 비교했을 때 최대값이나 최소값이 아닌 경우 현재의 데이터를 제거시점으로 결정하기 때문에 온라인이 가능하다. 평균교차방법(Crossings-of-the-Mean Rule: CMR)은 누적평균을 이용하면서 이 평균을 중심으로 관측치가 위에서 아래로, 또는 아래서 위로 교차하는 회수로 결정한다. 이 기법을 사용하려면 교차회수를 결정해야 하는데, 일반적으로 결정된 교차회수가 시스템에 상관없이 일반적으로 적용가능하지 않다는 문제점이 있다. 누적평균방법(Cumulative-Mean Rule: CMR2)은 여러 번의 시험수행을 통해서 얻어진 출력데이터에 대한 총누적평균(grand cumulative mean)을 그래프로 그린 다음, 안정상태인 점을 육안으로 결정한다. 이 방법은 여러 번의 시뮬레이션을 수행에서 얻어진 데이터들의 평균들에 대한 누적평균을 사용하기 매문에 온라인 제거시점 결정이 불가능하며, 작업자가 그래프를 보고 임의로 결정해야 하는 단점이 있다. Welch방법(Welch's Method: WM)은 브라운 브리지(Brownian bridge) 통계량()을 사용하는데, n이 무한에 가까워질 때, 이 브라운 브리지 분포(Brownian bridge distribution)에 수렴하는 성질을 이용한다. 시뮬레이션 출력데이터를 가지고 배치를 구성한 후 하나의 배치를 표본으로 사용한다. 이 기법은 알고리듬이 복잡하고, 값을 추정해야 하는 단점이 있다. Law-Kelton방법(Law-Kelton's Method: LKM)은 회귀 (regression)이론에 기초하는데, 시뮬레이션이 종료된 후 누적평균데이터에 대해서 회귀직선을 적합(fitting)시킨다. 회귀직선의 기울기가 0이라는 귀무가설이 채택되면 그 시점을 제거시점으로 결정한다. 일단 시뮬레이션이 종료된 다음, 데이터가 모아진 순서의 반대 순서로 데이터를 이용하기 때문에 온라인이 불가능하다. Welch절차(Welch's Procedure: WP)는 5회이상의 시뮬레이션수행을 통해 수집한 데이터의 이동평균을 이용해서 시각적으로 제거시점을 결정해야 하며, 반복제거방법을 사용해야 하기 때문에 온라인 제거시점의 결정이 불가능하다. 또한, 한번에 이동할 데이터의 크기(window size)를 결정해야 한다. 지금까지 알아 본 것처럼, 기존의 방법들은 시뮬레이션의 단일 수행 중의 온라인 제거시점 결정의 관점에서는 미약한 면이 있다. 또한, 현재의 시뮬레이션 상용소프트웨어는 작업자로 하여금 제거시점을 임의로 결정하도록 하기 때문에, 실험중인 시스템에 대해서 정확하고도 정량적으로 제거시점을 결정할 수 없게 되어 있다. 사용자가 임의로 제거시점을 결정하게 되면, 초기편의 문제를 효과적으로 해결하기 어려울 뿐만 아니라, 필요 이상으로 너무 많은 양을 제거하거나 초기편의를 해결하지 못할 만큼 너무 적은 양을 제거할 가능성이 커지게 된다. 또한, 기존의 방법들의 대부분은 제거시점을 찾기 위해서 시험수행이 필요하다. 즉, 안정상태 시점만을 찾기 위한 시뮬레이션 수행이 필요하며, 이렇게 사용된 시뮬레이션은 출력분석에 사용되지 않기 때문에 시간적인 손실이 크게 된다.