• 벤처창업연구
• /
• 제12권4호
• /
• pp.15-24
• /
• 2017

본 연구는 보편적 기업가치 평가법인 현금흐름할인법(DCF)의 주관적 추정에 따른 한계성을 보완하기 위해 최신 스타트업 가치평가에 적용되고 있는 정량적 할인지표를 결합하여 새로운 정량적 가치평가 모델을 제시함으로써 초기 창업팀과 투자자들이 가치평가를 준비하고 협상함에 있어 실효적 기여를 하는데 목표가 있다. 이에 대한 본 연구의 주요 연구내용은 다음과 같다. 첫째, 유의미한 수익창출 이전의 기업가치 평가방법에 대한 선행연구들로 가장 중요도가 높게 인식되는 버커스평가법과 스코어카드평가법 그리고 위험요소합산법 등을 분석 정리하여 정량적 할인지표에 대한 기저를 구축하였다. 둘째, 전통적인 평가방식인 현금흐름할인법을 초기기업에 적용할 경우 위험요인을 충분히 반영하여 적정한 할인율을 산출할 수 있도록 하는 DCF-프라임 방식의 선행연구를 분석, 정리하였다. 셋째 초기기업의 가치평가를 함에 있어 객관적 협상이 가능하도록 DCF-프라임 방식과는 다른 새로운 방식의 가치평가 방식인 DCF-플러스 모델을 제시하였는데, 전통적 평가방식인 현금흐름할인법에 정량적 할인지수 방식을 결합함으로써 평가자의 주관적 개입과 불확실성의 한계를 보완할 수 있음을 보여주었다. 본 연구는 초기기업의 기업가치평가 시 자기중심 예측에 의한 자의성 및 오차의 개입이 투자자와 창업자간 투자조건 협상을 하는데 걸림돌이 되고 있는 상황에서, 본 연구의 결과물인 정량적 할인지수 방식을 결합한 새로운 가치평가 방식이 투자자와 창업팀 모두 투자협상에 임하는데 있어 효과적인 가이드라인으로 제공됨은 물론 창업팀에게도 기업가치 증대를 위해 스스로 검증하는데 기여할 수 있다는 면에서도 의의가 있다.

• 한국정보통신학회논문지
• /
• 제4권1호
• /
• pp.77-88
• /
• 2000

본 논문에서는 INMARSAT-B형 송신기에 사용되는 L-BAND(1626.5-1646.5 MHz)용 3단 가변이득 전력증폭기를 연구 개발하였다. 3단 가변이득 전력증폭기는 구동증폭단과 전력증폭단에 의해 고출력 모드일 때 +42 dBm, 중간출력 모드일 때는 +38 dBm, 저출력 모드일 때는 +34 dBm의 전력으로 증폭되며, 각각에 대해 상한 +1 dBm과 하한 2 dBm의 오차를 허용한다. 제작의 간편성 때문에 전체 3단 가변이득 전력증폭기를 크게 구동증폭단과 전력증폭단 두 부분으로 나누어 구현하였으며, 전력증폭부를 구동하기 위한 구동단은 HP사의 MGA-64135와 Motorola사의 MRF-6401을 사용하였으며, 전력증폭단은 ERICSSON사의 PTE-10114와 PTF-10021을 사용하여 RP부, 온도보상회로, 출력 조절회로 및 출력 검출회로를 함께 집적화 하였다. 이득조절은 디지털 감쇠기를 사용하였으며, 출력신호의 세기를 검출하기 위하여 20 dB 방향성 결합기를 이용하였다. 제작된 3단 가변이득 전력증폭기는 20 MHz대역폭 내에서 소신호 이득이 41.6 dB, 37.6 dB, 33.2 dB 를 얻었으며, 입출력 정재파비는 1.3:1 이하, 12 dBm의 PldB, PldB 출력레벨에서 3 dB Back off 시켰을 때 36.5 dBc의 IM3를 얻었다. 1636.5 MHz 주파수에 대해 출력전력은 43 dBm으로서 설계시 목표로 했던 최대 출력전력 20 Watt를 얻었다.

• 한국토양비료학회지
• /
• 제41권2호
• /
• pp.126-136
• /
• 2008

사경재배에서 이식후 70일 동안 생육된 연초 식물체를 이용하여 지상원격측정 센서들의 유효 측정거리와 측정 효율성을 평가하였다. 센서의 측정거리와 목표물의 캐노피 형태는 연초 엽의 제거방법을 상위엽부터 하위엽으로 차례로 제거하는 top-down 방법과 하위엽부터 상위엽으로 차례로 제거하는 bottom-up 방법으로 구분하여 조절하였다. 시험에 적용된 센서들은 수동형센서로서 $Crop\;Circle^{TM}$과 Spectroradiometer 그리고 능동형 센서는 $Crop\;Circle^{TM}(ACS210)$ red와 amber 및 $GreenSeeker^{TM}$ red와 green 등 4개 종류를 비교하였다. 검토된 모든 센서들의 반사율지표는 수동형과 능동형 센서의 종류에 관계없이 연초식물의 하위엽보다 상위엽의 캐노피 형태에 따라 크게 영향을 받았다. 비교 검토된 측정거리보다 큰 213 cm의 유효거리를 갖 는 $Crop\;Circle^{TM}(ACS210)$에 의한 반사율지표들은 센서의 유효거리가 제한되지 않은 수동형 센서의 경우와 동일하게 측정거리에 따른 차이를 보이지 않았다. 그러나유효거리 80-120cm로 제시된 $GreenSeeker^{TM}$능동형 센서는 유효측정거리의 한계로 규정된 120 cm보다 멀어질 경우 반사율지표는 크게 감소되고 측정오차를 보여 센서별로 규정된 유효 측정거리는 반드시 지켜야 하는 것으로 확인되었다. 연초 엽의 top-down 제거방법에 따른 건물중과 반사율지표의 상대비율로 상호관계를 평가한 결과 건물중 변화를 검출하는 능력은 수동형 센서보다 능동형 센서가 양호한 경향이었으며 센서 종류별로는 $Crop\;Circle^{TM}(ACS210)$ red >$Crop\;Circle^{TM}(ACS210)$ amber = $GreenSeeker^{TM}$ red > $Crop\;Circle^{TM}$ passive > $GreenSeeker^{TM}$ green > spectroradiometer의 순으로 측정효율이 감소되었다.

• 전기전자학회논문지
• /
• 제27권1호
• /
• pp.116-121
• /
• 2023

본 논문에서는 딥러닝 예측 결과 정보를 적용하는 복합 미생물 배양기를 위한 딥러닝 구조를 개발한다. 제안하는 복합 미생물 배양기는 수집한 복합 미생물 데이터에 대해 복합 미생물 데이터 전처리, 복합 미생물 데이터 구조 변환, 딥러닝 네트워크 설계, 설계한 딥러닝 네트워크 학습, 시제품에 적용되는 GUI 개발 등으로 구성된다. 복합 미생물 데이터 전처리에서는 미생물 배양에 필요한 당밀, 영양제, 식물엑기스, 소금 등의 양에 대해 원-핫 인코딩을 실시하며, 배양된 결과로 측정된 pH 농도와 미생물의 셀 수에 대해 최대-최소 정규화 방법을 사용하여 데이터를 전처리한다. 복합 미생물 데이터 구조 변환에서는 전처리된 데이터를 물 온도와 미생물의 셀 수를 연결하여 그래프 구조로 변환 후, 인접 행렬과 속성 정보로 나타내어 딥러닝 네트워크의 입력 데이터로 사용한다. 딥러닝 네트워크 설계에서는 그래프 구조에 특화된 그래프 합성곱 네트워크를 설계하여 복합 미생물 데이터를 학습시킨다. 설계한 딥러닝 네트워크는 Cosine 손실함수를 사용하여 학습 시에 발생하는 오차를 최소화하는 방향으로 학습을 진행한다. 시제품에 적용되는 GUI 개발은 사용자가 선택하는 물 온도에 따라 목표하는 pH 농도(3.8 이하) 복합 미생물의 셀 수(10⁸ 이상)를 배양시키기 적합한 순으로 나타낸다. 제안된 미생물 배양기의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과는, pH 농도의 경우 평균 3.7로, 복합 미생물의 셀 수는 1.7 × 10⁸으로 측정되었다. 따라서, 본 논문에서 제안한 딥러닝 예측 결과 정보를 적용하는 복합 미생물 배양기를 위한 딥러닝 구조의 효용성이 입증되었다.

• 한국수자원학회논문집
• /
• 제56권12호
• /
• pp.981-992
• /
• 2023

최근 전세계적인 기후변화의 영향으로 강우가 집중되고 강우강도가 강해짐에 따라 홍수피해의 규모를 증가시키고 있다. 과거에 관측되지 않았던 규모의 비가 내리기도 하고, 기록되지 않았던 장기간의 장마가 발생하기도 한다. 이러한 피해들은 아세안 국가에도 집중되고 있으며, 태풍 및 집중호우로 인해 침수의 빈번한 발생과 함께 많은 사람들이 영향을 받고 있다. 특히, 인도네시아 찌따룸강 상류 유역에 위치한 반둥 지역은 분지 형태의 지형학적 특성을 가지고 있어서 홍수에 매우 취약한 실정이다. 이에 공적개발원조(ODA)를 통해 2017년에 찌따룸강 상류(Upper Citarum River) 유역에 대하여 홍수예경보시스템을 구축되었고, 현재 운영중에 있다. 그럼에도 불구하고, 찌따룸강 상류 (Upper Citarum River) 지역은 홍수발생시 인명 및 재산피해의 위험에 여전히 노출되어 있어 신속하고 정확한 홍수예경보의 실시를 통해 피해를 경감시키는 노력이 지속적으로 필요한 실정이다. 따라서 본 연구에서는 찌따룸강 상류의 Dayeuh Kolot 지점을 목표관측소로 하고, 강우관측소 4개소와 수위관측소 1개소의 10분 단위 수문자료를 수집하여 인공지능 기반의 하천홍수위예측모형을 개발하였다. 6개 관측소의 2017년 1월부터 2021년 1월까지의 10분 단위 수문관측자료를 활용하여 선행예보시간 0.5, 1, 2, 3, 4, 5, 6시간에 대해서 학습, 검증, 시험을 수행하였으며 인공지능알고리즘으로는 LSTM을 적용하였다. 연구결과 모든 선행예보시간에 대해 모형적합도 및 오차에서 좋은 결과를 나타냈으며, 학습자료 구축조건에 따른 예측정확도를 검토한 결과 참조관측소가 적은 경우에도 모든 관측소를 활용하는 경우와 유사하게 예측정확도를 확보하는 것으로 나타나 효율적인 인공지능 기반 모형 구축에 활용될 수 있을 것으로 기대된다.