• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.07a
• /
• pp.45-48
• /
• 2016

오늘날의 고객은 다양한 정보를 통해 넓은 선택의 기회를 가진다. 이러한 상황에서 기업들은 고객과의 지속적인 관계를 유지하기 어려워짐에 따라 고객 유지와 신규 고객 유치를 위한 마케팅 비용을 천문학적으로 지출하고 있다. 기업들이 이탈하는 고객의 속성을 분석하고 이탈 시점을 예측할 수 있다면 마케팅에 사용되는 비용과 노력을 최소화할 수 있을 것으로 예측된다. 이를 위해 본 논문에서는 효과적인 고객 이탈 예측을 위한 딥러닝 기반의 이탈 예측 모델을 제안한다. 이 모델은 모바일 RPG 게임 고객의 시계열적인 행동 패턴을 이용하여 이탈을 예측하는 모델로, 예측을 위한 학습을 할 때 모델링된 고객 데이터를 분석하여 이탈 고객의 특성을 파악할 수 있게 한다. 실험을 통해 이탈 고객과 미 이탈 고객의 모델링된 값이 각각 특정 속성에 치중되어 있는 것을 확인하였고, 제안 모델이 합리적으로 고객의 이탈을 예측하는 것을 보였다.

• Journal of the Korea Institute of Building Construction
• /
• v.11 no.5
• /
• pp.459-467
• /
• 2011

The work of constructing apartment housing involves various fields of industry that are linked to each other, and is based on a design document prepared by multiple technicians and architects. Consequently, design errors, material flaws or faulty construction works can cause defects, which sometimes overlap with each other. Construction companies should repair any defects found in a completed building within a specified period of time, and to do this, should establish a business plan by efficiently predicting the cost of defect repair. As it is very difficult for companies to accurately predict the occurrence of defects, historical performance data is used as a base. For domestic apartment housing units, data on the cost of defect repair is insufficient, so there are hardly any methods that can be used to make precise predictions. Therefore, the intent of this study is to develop a model that can predict the cost of defect repair by supply type and area, based on historical performance data with ten years worth of post-completion.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.155-159
• /
• 2007

S/W 개발 프로젝트의 품질, 비용, 개발 기간을 잘 관리하여 프로젝트를 성공시키기 위해 PM 은 프로젝트의 종료시점과 예산의 초과를 예측할 수 있어야 한다. PMBOK 의 비용관리의 Earned Value Method 는 프로젝트의 진행에 따른 생산성의 변화와 그에 따른 비용과 일정의 증가 추정에 대한 규칙을 제시한다. 그러나 EVM 은 제조공정에서는 그 효과를 증명하였지만, S/W 프로젝트에서는 적용이 힘들어 잘 활용되고 있지 않다. 이는 사람이 주요 자원인 S/W 프로젝트에서는 Actual Cost 의 측정이 쉽지 않기 때문이다. 따라서 본 논문에서는 S/W 프로젝트 관리에서 Earned Value 의 측정이 쉽지 않아 추정되기 힘든 지연된 종료 시점에 대한 예측을 PMBOK 과 CMMI 에서 제시하는 관리 영역과의 연관성을 활용하고, EVM 을 보완하여 지연에 대한 예측모델을 만들어보고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11c
• /
• pp.1371-1374
• /
• 2003

관계형 DBMS 질의 최적화기는 기본적으로 통계정보(statistics), 선택도(selectivity), 카디널리티(cardinality), 비용(cost) 순으로 특정 실행 계획(Execution Plan)의 수행비용을 예측한다. 질의 최적화기가 최적의 실행 계획을 선택하는데 있어서 정확한 통계정보 유지와 올바른 선택도 그리고 카디널리티 예측이 무엇 보다 중요하다. 이 논문에서는 관계형 DBMS의 질의 최적화기가 비용을 계산하는 과정에서 발생할 수 있는 오류의 종류와 원인을 밝히고 각각의 오류에 대한 해결 방안을 진단 도구를 통하여 제시하도록 하겠다. 질의 최적화기의 오류로 인해 발생하는 잘못된 선택도와 카디널리티 예측을 인지하고 사용자에게 적절한 해결책을 제시한 후 실행 계획이 어떻게 바뀌었는지, 성능이 얼마나 향상되었는지를 확인하기 위해 진단 도구를 개발하고 그 결과를 분석하였다. 실험을 통해 본 논문에서 제시하는 질의 최적화기의 오류로 인한 문제를 가시적으로 확인할 수 있었으며, 부정확한 통계정보 유지와 잘못된 선택도 예측으로 인해 발생하는 문제가 어느 정도 해결된 것을 확인할 수 있었다.

• 전기의세계
• /
• v.40 no.5
• /
• pp.18-26
• /
• 1991

전력수요예측의 기본목적은 미래에 예상되는 전력수요를 정확히 예측함으로써 이를 충족시킬 수 있는 전원 및 계통설비의 적기 확보와 아울러, 보다 저렴한 비용으로 전력을 공급할 수 있게 하는데 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.785-788
• /
• 2019

최근 계산과학 분야에서 시뮬레이션을 활발하게 이용하고 있다. 그리고 IT 기술의 발전에 힘입어 이제는 시뮬레이션을 별도의 복잡한 절차 없이 온라인으로 할 수 있게 되었다. LCAODFTLab은 EDISON 플랫폼에서 제공하는 나노물리 분야의 시뮬레이션 프로그램이다. LCAODFTLab은 온라인 환경에서 사용자에 의해 주어진 원자구조에 대한 전자구조 시뮬레이션을 제공한다. 이처럼 실제로 실행하기 어려운 실험을 간단히 행하는 시뮬레이션은 얼마나 정밀하고 복잡한가에 따라 비용이 발생한다. 이러한 비용은 대체로 사용자에게 부담이 되고, 따라서 시뮬레이션의 수행비용을 줄이는 것은 아주 중요한 요소이다. 따라서 본 논문에서는 EDISON 플랫폼 사용자의 데이터와 머신러닝을 활용하여 시뮬레이션 비용을 줄이는 방법을 소개한다. 이를 통해 사용자는 큰 비용을 지불하지 않고 결과를 예측할 수 있고, 대략적인 수행시간을 알 수 있다.

• The Journal of Bigdata
• /
• v.6 no.2
• /
• pp.161-168
• /
• 2021

In this study, we propose a cardiovascular disease prediction model using machine learning. First, a multidimensional analysis of various differences between the two groups is performed and the results are visualized. In particular, we propose a predictive model using cost-sensitive learning that can improve the sensitivity for cases where there is a high class imbalance between the normal and patient groups, such as diseases. In this study, a predictive model is developed using CART and XGBoost, which are representative machine learning technologies, and prediction and performance are compared for cardiovascular disease patient data. According to the study results, CART showed higher accuracy and specificity than XGBoost, and the accuracy was about 70% to 74%.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.20 no.1
• /
• pp.33-40
• /
• 2016

In this study, using the Cost Prediction Model and Performance Prediction Model have developed a way to estimate future management costs and performance for bridge and tunnel by Network Level. Studies to date have primarily focused on the single facility, it is difficult to apply to the analysis of the Network Level. This study, items used as an index of 'Special Act for the Safety Control of Public Structures' was added to Usability and Functionality to Status. Action period and annual budget for each facility can be estimated through the Basic and Advanced analysis. In addition, we verified the technical feasibility through case analysis.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.95-98
• /
• 2016

민주주의의 꽃, 제 20 대 국회의원 선거가 막을 내렸다. 지난 선거에서는 방송사뿐만 아니라 정당들도 엄청난 비용 지출과 노력이 소요되었다. 한 예로, 지난 4. 13 총선거 (제 20 대 국회의원)에서 방송 3 사 출구조사 비용으로 약 66 억원 이상이 지출됐다. 그리고 정당에서는 여론조사 비용으로 약 70 억원 이상을 지출했다. 이러한 큰 비용 지출과, 담당자들의 노력을 줄이기 위해 본 논문에서는 텍스트 마이닝과 감정분석을 적용한 후보 당선자 예측 어플리케이션을 제안한다. 첫째, 소셜 그래프 모델을 소개하여 지역 구조를 발견한다. 둘째, 텍스트 마이닝 기법을 이용하여, 후보자 관련 데이터를 가공한다. 셋째, 텍스트 감정 분석을 통해 후보자의 정보를 수치화 한다. 본 논문의 성능과 효율성을 평가하기 위해, 제 20 대 국회의원 선거에 사례연구를 진행하였다. 제안한 방법이 정확도와 수학적 통계 검증을 통해 가치 있는 효율성을 보였다. 선거방송을 위한 후보자 예측 도구의 도입으로 향후 선거(방송)에서의 큰 비용과 노력을 줄이는데 도움을 줄 것이라 기대한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.574-577
• /
• 2011

H.264/AVC는 휘도 신호 $4{\times}4$ 블록을 위하여 9개의 화면 내 예측모드를 사용한다. 예측 모드는 8개의 방향성을 가진 모드와 하나의 비방향성 DC 모드가 있다. 휘도 신호 $16{\times}16$ 블록에서는 4가지의 예측 모드가 있으며 색차 신호 $8{\times}8$ 에서도 4개의 예측모드를 사용한다. 이러한 예측 모드들 중 최적의 예측 모드를 선택하기 위하여, 부호화기는 선택 가능한 모든 예측 모드의 율-왜곡 비용을 계산한 후, 최적의 율-왜곡 비용을 가진 예측 모드를 사용하여 부호화를 수행한다. 따라서 H.264/AVC의 화면 내 예측 과정은 많은 계산 복잡도를 가진다. 특히 하이 프로파일에서는 휘도 신호 $8{\times}8$ 블록이 화면 내 예측을 위해서 고려되므로 더욱 많은 계산 복잡도를 요구한다. 이에 본 논문은 H.264/AVC 하이 프로파일의 화면 내 예측의 부호화 계산 복잡도를 줄이는 방법을 제안한다. 현재 매크로 블록의 분산을 계산한 후, 이를 이용하여 율-왜곡 최적화에 후보로 사용되어지는 블록 모드를 결정하고, 각 블록 모드에서 제공하는 예측 모드들을 효율적으로 선택하는 방법을 연구 개발하였다. 제안된 방법은 기존 H.264/AVC 참조 소프트웨어인 JM13.1 부호화 시간 대비 약 83%의 연산시간이 감소하는 결과를 보였다.