• 한국빅데이터학회지
• /
• 제7권2호
• /
• pp.217-224
• /
• 2022

온라인 쇼핑의 대중화로 인해 많은 의류 상품이 온라인 쇼핑을 통해 소비된다. 의류 상품은 다른 상품과 달리 판매량이 일정하지 않고 날씨의 변화에 따라 판매량이 변화하는 특징이 있다. 따라서 의류 상품의 머신 러닝을 적용한 효율적인 재고 관리 시스템에 대한 연구는 매우 중요하다. 본 논문에서는 의류 업체 'A'로부터 실제 의류 상품 판매량 데이터를 수집하고 판매량 데이터와 같은 시계열 데이터의 예측에 많이 활용되는 LSTM(Long Short-Term Memory)과 Bidirectional-LSTM(Bi-LSTM)의 학습에 사용하여 LSTM과 Bi-LSTM의 판매량 예측 효율을 비교 분석하였다. 시뮬레이션 결과를 통해 LSTM 기술 대비 Bi-LSTM은 시뮬레이션 시간은 더 많이 소요되지만 의류 상품 판매량 데이터와 같은 비주기성 시계열 데이터의 예측 정확도가 동일하다는 것을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제16권6호
• /
• pp.1-7
• /
• 2016

새로운 정보통신 기술의 발전과 더불어 보안 위협도 나날이 지능화 고도화되고 있다. 본 논문은 네트워크 장치나 사물인터넷 경량 장치에서 일련의 주기를 통해 연속적으로 입력되는 시계열 데이터를 통계적 기법을 활용하여 분석하고, 분석 정보를 기반으로 장치의 이상 유무나 비정상 징후를 탐지할 수 있는 시스템을 제안한다. 제안 시스템은 과거에 입력된 데이터를 기반으로 1차 비정상 탐지를 수행하고, 시간 속성이나 그룹의 속성을 기반으로 저장되어있는 시계열 데이터를 기반으로 신뢰구간을 설정하여 2차 비정상 탐지를 수행한다. 다단계 분석은 판정 데이터의 다양성을 통해 신뢰성을 향상시키고 오탐율을 줄일 수 있다.

• 대한교통학회지
• /
• 제16권4호
• /
• pp.153-166
• /
• 1998

본 연구에서는 도시 가로망에서의 구간 통행시간을 예측하기 위하여 time-frequency 분석의 일종인 웨이브렛변환과 RBF신경망 모형을 이용한 예측모형을 개발하였다. 웨이브렛 변환을 이용한 시계열 자료 분석을 통해서 통행시간에 내재되어 있는 다양한 패턴의 특징을 추출함으로써 오전/오후의 첨두현상, 신호교차로의 현시주기 등 주기적으로 발생되는 요인들에 의해서 통행시간 시계열 자료의 패턴에 나타나는 규칙성을 분석해 내었다. 분석된 패턴정보에 대한 규명은 카오스 이론을 근간으로한 시간지연좌표를 이용하여 시계열 자료의 규칙성을 시각적으로 판별하여 예측모형 구축에 활용하도록 하였다. 또, RBF신경망을 이용하여 예측범위의 공간적/시간적 확대에 따른 모형 구축에 소요되는 시간을 최소화하도록 하였으며, 시내버스 노선의 정류장간 운행시간 예측을 통해서 기존 연구에서 제기되었던 현실세계의 단순화, 다단계 예측시 정확성 등의 문제를 해결하였다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입하여 링크 통행시간의 패턴정보 예측에 활용할 경우, 기존의 예측모형에 비해서 훨씬 정확한 예측이 가능한 것으로 나타났으며, RBF 신경망은 짧은 학습시간에도 불구하고 역전파 신경망보다 우수한 예측력을 갖고 있는 것으로 밝혀졌다.

• 응용통계연구
• /
• 제26권3호
• /
• pp.389-399
• /
• 2013

본 연구에서는 가우시안 과정회귀방법을 소개하고 시계열 마이크로어레이 유전자 발현데이터에 대해 가우시안 과정회귀를 적용한 사례를 보이고자한다. 가우시안 과정회귀를 적합하여 로그 주변우도함수 비를 이용한 유전자를 선별방법에 대한 모의실험을 통해 민감도, 특이도, 위발견율 등을 계산하여 선별방법으로의 활용성을 보였다. 실제 효모세포주기 데이터에 대해 제곱지수공분산함수를 고려한 가우시안 과정회귀를 적합하여 로그 주변우도함수 비를 이용하여 차변화된 유전자를 선별한 후, 선별된 유전자들에 대해 가우시안 모형기반 군집화를 하고 실루엣 값으로 군집유효성을 보였다.

• 한국시뮬레이션학회논문지
• /
• 제19권2호
• /
• pp.127-135
• /
• 2010

시뮬레이션에서 모델의 검증 문제는 그 모델의 신뢰성을 의미하며, 그에 따라 모형의 정당성을 입증하는 가장 중요한 열쇠 중 하나이다. 하지만 지금까지 연구된 다양한 방법들 중 시계열형태의 자료를 이용한 검증 방법론은 개념적인 측면에서는 정립되었으나 구체적인 기법에 대한 연구는 부족한 상태이다. 그리하여 본 연구에서는 Wavelet 변환과 Power Spectrum을 이용한 시계열 데이터의 시뮬레이션 검증 방법을 제시하고자 한다. 이를 위해 첫 번째로 비주기적인 신호분리가 가능한 Wavelet 변환을 이용하여 스펙트럼을 추출하고, 두 번째로 스펙트럼 분석을 이용하여 실제 시스템에서 출력 데이터의 패턴이 시뮬레이션을 통해 나온 패턴과 일치하는지의 여부를 Coherence를 이용해 검정하였다. 실제 사례를 통하여 다른 검증방법들과 비교한 결과, 시뮬레이션 모델링의 완성도에 따른 모델의 일치도 여부를 보다 명확하게 검증하였다. 본 연구에서 제시한 방법을 통해, 하나의 통계량을 통한 검증이 아닌 한 구간별 검증을 통해 지금까지의 획일적인 타당성 검증 방법에서는 할 수 없었던 다양한 상황에서의 시뮬레이션 모형의 타당성 검증이 가능하게 하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권5호
• /
• pp.1001-1019
• /
• 2017

신호 처리는 전자 공학의 한 분야로서 시계열 분석과 매우 깊은 연관성을 갖고 있다. 신호 처리를 위해 현재는 상용 프로그램이 널리 사용되고 있는데 적지 않은 비용을 지불해야 한다. 반면 통계 분석을 위해서는 R이라는 무상 프로그램이 널리 사용되고 있다. 본 연구에서는 신호 처리를 위한 R-프로그램 활용서를 만들어 보았다. 본 연구의 구성은 신호 처리에 대한 이론을 간단히 정리하고 적당한 예제들을 택하여 R을 활용하여 구현하는 방식으로 되어있다. 각 단원에 서술 된 이론을 읽고 해당하는 그림과 R 코드를 제 8장에서 찾아서 구현해보는 방법으로 본 활용서를 사용할 수 있겠다. 연구의 순서는 (1). 푸리에 변환과 역변환 (2). 스펙트럼분석 (3). 비모수적 주기도와 모수적 주기도 (4). 필터의 구성과 소음처리 순서로 되어있다. 본 활용서는 신호 처리를 완벽하게 이해하기에는 분명 부족하지만 처음 시작하는 단계로서 도움이 됐으면 한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.489-490
• /
• 2008

본 고에서는 체내 심실신호를 농하여 신경학적 분석 및 다형성의 측면에서 심실세동이 일어나는 것을 예측하는 분석 알고리즘을 설계하였다. 신경학적 측면에서는 시계열 신호의 Peak to Peak Interval을 예측법과 0.15Hz를 기준으로 HRV 신호의 AR Burg 모델링을 통하여 고주파성과 저주파성을 나누어 교감신경과 부교감신경의 활동성 통한 신경학적 예측법을 제시하였으며 또한 체내 심실신호의 비선형적 특성을 고려한 Fractal Dimension을 생성시킴으로서 주기성의 특성과 다형성 통한 예측법을 제시하였다. 체내 심전도를 기반으로 Simulation 하였으며 각 분석별 조합을 통하여 최적의 예측 구조를 찾고자 하였다. 의학적 의미가 있는 민감도와 특이도를 판별하였으며 예측을 위한 수행시간을 실험하였다. 이를 통하여 자율신경 활성도와 다형성 판별을 조합한 방법이 심실세동 예측을 위한 민감도의 측면에서 가장 우수함을 나타내었고 시뮬레이션을 위만 시뮬레이터(Simulator) UI(User Interface)를 제시하였다.

• 정보보호학회논문지
• /
• 제27권4호
• /
• pp.763-773
• /
• 2017

최근 몇 년 동안 지속적으로 개인정보유출, 기술유출 사고가 빈번하게 발생하고 있다. 조사에 따르면 이러한 유출 사고의 주체로 가장 많은 부분을 차지하고 있는 것이 조직 내부에 있는 '내부자'로, 내부자에 의한 기술유출은 조직에 막대한 피해를 주기 때문에 점점 더 중요한 문제로 여겨지고 있다. 본 논문에서는 내부자위협을 방지하기 위해 기계학습을 이용하여 직원들의 일반적인 정상행위를 학습하고, 이에 벗어나는 비정상 행위를 탐지하기 방법에 대한 연구를 하고자 한다. Neural Network 모델 중 시계열 데이터의 학습에 적합한 Recurrent Neural Network로 구성한 Autoencoder를 구현하여 비정상 행위를 탐지하는 방법에 대한 실험을 진행하였고, 이 방법에 대한 유효성을 검증하였다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1541-1551
• /
• 2023

해색위성 원격탐사에서 광학센서에서 측정된 전자기 시그날을 태양광 복사휘도로 산출하는 것은 해양 환경 모니터링의 시작이 되는 중요 단계이다. 일반적으로 광학센서가 임무 기간 수많은 촬영을 하면서 감쇄가 일반적이며 이로 인해 발생하는 복사 보정의 불확도는 해수원격반사도, 엽록소-a 농도, 유색용존유기물 등 최종 산출물에 영향을 미치기 때문에, 국제적으로 해색위성의 임무기간 중 자료 연속성을 위한 복사보정의 중요성을 강조해 왔다. 본 연구는 Geostationary Ocean Color Imager-II (GOCI-II) 위성의 지속적인 품질과 정확성을 확보하기 위해 GOCI-II의 복사 보정 알고리즘을 개선 방법을 제시한다. GOCI-II는 궤도상 복사 보정 장치인 태양광 확산기(Solar Diffuser, SD)를 사용하여 gain을 지속적으로 측정하였다. 시계열 분석 결과 gain이 방위각에 따라 계절적 변동을 보임과 동시에 센서의 노후화 가능성을 고려해야 함을 확인하였다. 본 연구에서는 방위각 보정 모델을 도입하여 계절 주기성을 제거하였고, 센서 감쇄 보정 모델을 통해 복사 이득의 비선형적 추세를 산출하였다. 본 연구에서 개선된 복사 보정 알고리즘을 적용하여 대기 최상층(Top of Atmosphere, TOA) 복사휘도의 스펙트럼에 미치는 영향을 확인하였고, 이는 GOCI-II 데이터의 장기적인 안정성 확보를 통해 신뢰성 있는 위성 산출물을 제공함으로써 장기간 트렌드 분석 및 해양 환경 모니터링에 기여할 것으로 기대된다.