• Journal of the Korean Home Economics Association
• /
• v.35 no.2
• /
• pp.273-282
• /
• 1997

본 연구는 Pelzman and Martic (1981)의 불균형 국내 산출 방정식(disequilibrium domestic output equation)을 이용하여 수입 섬유 및 의류 제품이 미국 내에서 생산되는 섬유 및 의류 제품의 생산량에 미치는 영향을 통계적으로 분석하였다. 불균형 국내 산출 방정식에서 Pelzman and Martin (1981)은 특정 기간 동안 미국 내의 생산량은 7가지의 변수 즉, (1) 생산 근로자의 평균시간 임금, (2)자본의 사용 가격, (3) 수입품의 비교 가격, (4) 실질 여유 소득, (5) 섬유 및 의류제품의 국내 가격, (6) 섬유 및 의류 제품의 재고량, (7)섬유 및 의류 제품의 수입량에 의해 영향을 받는다고 가정하였다. 그러나 불균형 국내 산출 방정식을 만족하는 정부 기관의 통계자료가 다 없기 때문에 수정된 국내 산출 방정식을 만들어서 분석하였다. 이 수정된 국내 산출 방정식을 이용하여 수입 섬유 및 의류 제품이 미국 내에서 생산되는 섬유 및 의류 제품의 생산량에 미치는 영향을 통계적으로 처리하여 그 결과를 분석하였다. 그 분석된 결과로는 국내 의류 및 섬유 생산 수준은 재고 변화보다는 가격 변화에 더 민감하게 반응한다. 그리고 국내 의류 및 섬유 생산 수준은 수입 의류 및 섬유의 수입량과는 역관계이다. 이것은 수입 의류 및 섬유의 증가는 국내 의류 및 섬유 생산의 감소를 야기시킨다. 이 불균형 국내 산출 방정식이 다른 나라의 분석에도 유용할 것이다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.05a
• /
• pp.1667-1676
• /
• 2006

다른 산업과 달리 병원/의료 산업에서는 건강 보험료 심사 평가라는 독특한 검증 과정이 필수적으로 있게 된다. 건강 보험료 심사 평가는 병원의 수익 문제 뿐 아니라 적정한 진료행위를 하는 병원이라는 이미지와도 맞물려 매우 중요한 분야이며, 특히 대형 종합병원일수록 이 부분에 많은 심사관련 인력들을 투입하여, 병원의 수익과 명예를 위해서 업무를 수행하고 있다. 본 논문은 이러한 건강보험료 청구 심사 과정에서, 사전에 수많은 진료 청구 건 중 심사 평가에서 삭감이 될 수 있는 진료 청구 건을 데이터 마이닝을 통해서 발견하여, 사전의 대비를 철저히 하고자 하는 한 국내의 대형 종합병원의 사례를 소개하고자 한다. 데이터 마이닝을 적용함에 있어, 주요한 문제점 중의 하나는 바로 지도학습 기법을 적용하기에 곤란한 데이터 불균형 문제가 발생하는 것이다. 이런 불균형 문제를 해소하고, 비교 조건 중에 가장 효율적인 삭감 예상 진료 건 탐지 모형을 만들어 내기 위하여 데이터 불균형 문제의 기본 해법인 과, Sampling 오분류 비용의 다양하고 혼합적인 적용을 통하여, 적합한 조건을 가지는 의사결정 나무 모형을 도출하였다.

• Proceedings of the KIEE Conference
• /
• 2006.07b
• /
• pp.1279-1280
• /
• 2006

병렬선재를 사용하여 권선을 제작할 경우 구성하는 초전도 선재의 임피던스의 차이에 의하여 통전전류 불균형이 발생하게 된다. 본 논문에서는 BSCCO 선재를 사용하여 제작된 병렬선재에서 전류불균형 분포에 따른 교류손실을 측정하였다. 4 가닥 병렬선재의 경우 전류 불균형이 발생한 선재에서의 교류손실이 전류 불균형이 일어나지 않을 때보다 2배 이상 증가함을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2006.07c
• /
• pp.1739-1740
• /
• 2006

병렬선재를 사용하여 권선을 제작할 경우 구성하는 초전도 선재의 임피던스의 차이에 의하여 통전전류 불균형이 발생하게 된다. 본 논문에서는 BSCCO 선재를 사용하여 제작된 병렬선재에서 전류불균형 분포에 따른 교류손실을 측정하였다. 4 가닥 병렬선재의 경우 전류 불균형이 발생한 선재에서의 교류손실이 전류 불균형이 일어나지 않을 때보다 2배 이상 증가함을 확인하였다.

• Proceedings of the KIPE Conference
• /
• 2015.11a
• /
• pp.81-82
• /
• 2015

본 논문은 3-level NPC 인버터의 중성점 전압의 불균형 시 나타나는 공간 벡터 왜곡 현상을 보상하는 기법에 대해 제안하였다. NPC 인버터의 중성점 전압은 부하에 인가되는 상전압에 영향을 미치며, 이러한 출력 상전압의 변화에 의해 NPC의 공간벡터는 중성점 전압에 영향을 받게 된다. 이러한 중성점 불균형에 따른 공간 벡터 전압 왜곡 현상을 보상하기 위해 캐리어 전압 크기 및 옵셋 전압 인가 기법을 제안한다. 본 논문에서는 시뮬레이션을 통해 NPC 인버터의 중성점 전압 불균형에 대한 영향 및 제안한 기법의 타당성을 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.591-594
• /
• 2020

불균형 데이터는 범주에 따른 데이터의 분포가 불균형한 데이터를 의미한다. 이런 데이터를 활용해 기존 분류 알고리즘으로 분류기를 학습하면 성능이 저하되는 문제가 발생한다. 오버 샘플링은 이를 해결하기 위한 기법 중 하나로 수가 적은 범주[이하 소수 범주]에 속한 데이터 수를 임의로 증가시킨다. 기존 연구들에서는 수가 많은 범주[이하 다수 범주]에 속한 데이터 수와 동일한 크기만큼 증가시키는 경우가 많다. 이는 증가시키는 샘플의 수를 결정할 때 범주 간 데이터 수 비율만 고려한 것이다. 그런데 데이터가 동일한 수준의 불균형 정도를 갖더라도 범주별 데이터 분포에 따라서 분류 복잡도가 다르며, 경우에 따라 데이터 분포에서 존재하는 불균형 정도를 완전히 해소하지 않아도 된다. 이에 본 논문은 분류 복잡도를 활용해 데이터 셋 별 적정 오버 샘플링 비율을 산출하는 알고리즘을 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.434-439
• /
• 2019

딥러닝 기반 분류 모델에 있어 데이터의 클래스 불균형 문제는 소수 클래스의 분류 성능을 크게 저하시킨다. 본 논문에서는 앞서 언급한 클래스 불균형 문제를 보완하기 위한 방안으로 적대적 학습 기법을 제안한다. 적대적 학습 기법의 성능 향상 여부를 확인하기 위해 총 4종의 딥러닝 기반 분류 모델을 정의하였으며, 해당 모델 간 분류 성능을 비교하였다. 실험 결과, 대화 데이터셋을 이용한 모델 학습 시 적대적 학습 기법을 적용할 경우 다수 클래스의 분류 성능은 유지하면서 동시에 소수 클래스의 분류 성능을 크게 향상시킬 수 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.350-352
• /
• 2022

발병률이 낮은 병은 데이터 불균형 문제가 발생하며, 이는 의료계에서 겪는 원초적인 문제이다. 이런 불균형 문제를 해결하고자 Pix2Pix 로 생성적 적대 신경망 기반 의료 이미지 증강 기법을 설계하여 데이터 불균형 문제 해결 및 성능을 향상시켰다. 합성 데이터의 추가 및 기하학적 데이터 증강의 유무에 대한 4 가지 시나리오로 성능을 비교하여 제안된 기법이 가장 효과적임을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.689-691
• /
• 2023

불균형 데이터의 분류의 성능을 향상시키기 위한 앙상블 구성 방법에 관하여 연구한다. 앙상블의 성능은 앙상블을 구성한 기계학습 모델 간의 상호 다양성에 큰 영향을 받는다. 기존 방법에서는 앙상블에 속할 모델 간의 상호 다양성을 높이기 위해 Feature Engineering 을 사용하여 다양한 모델을 만들어 사용하였다. 그럼에도 생성된 모델 가운데 유사한 모델들이 존재하며 이는 상호 다양성을 낮추고 앙상블 성능을 저하시키는 문제를 가지고 있다. 불균형 데이터의 경우에는 유사 모델 판별을 위한 기존 다양성 지표가 다수 클래스에 편향된 수치를 산출하기 때문에 적합하지 않다. 본 논문에서는 기존 다양성 지표를 개선하고 가지치기 방안을 결합하여 유사 모델을 판별하고 상호 다양성이 높은 후보 모델들을 앙상블에 포함시키는 방법을 제안한다. 실험 결과로써 제안한 방법으로 구성된 앙상블이 불균형이 심한 데이터의 분류 성능을 향상시킴을 확인하였다.

• 주택과사람들
• /
• s.205
• /
• pp.98-99
• /
• 2007

서울과 수도권 지역에서는 집을 사려는 사람보다 팔겠다는 사람이 주를 이룬다. 살 사람은 적은데 팔 사람이 많다 보니 수급 불균형에 따른 가격 하락이 이어지는 실정이다. 하지만 집값을 자극할 만한 변수가 생기거나 아파트 공급이 차질을 빚는다면 언제든지 수급불균형에 따른 집값이 들썩일지 모른다.