• The Journal of Engineering Geology
• /
• v.17 no.4
• /
• pp.555-566
• /
• 2007

In general, RMR classification system is used for the support design of a tunnel. Face mapping during excavation and RMR-based rock classifications are conducted in order to provide information for complementary changes to preliminary survey plans and for continuous geological estimations in direction of tunnel route. Although they are ever so important, there are not enough time for survey in general and sometimes even face mapping is not available. Linear regression analysis for the estimation of mediating RQD and condition of discontinuities, which require longer time and more detailed observation in RMR, was performed and optimum regression equations are suggest as the result. The geological data collected from tunnels were analyzed in accordance with three rock types as sedimentary rock, phyllite and granite to see geological effects, generally not been considered in previous researches. Parameters for the regression analysis were set another RMR factor.

• Journal of the Korean Data and Information Science Society
• /
• v.23 no.1
• /
• pp.71-77
• /
• 2012

This paper introduces the projection methods by nonlinear regression model. To predict the student numbers, a log model and an involution model as the kind of a trend-extrapolation method are used. Empirical evidence shows that a projection by log model is better than by involution model with the confidence interval estimations for the coefficients of determination.

• Journal of Convergence for Information Technology
• /
• v.9 no.6
• /
• pp.1-6
• /
• 2019

In this study, the development of a weight estimation model of electronic scale with nonlinear characteristics is presented using polynomial regression analysis. The output voltage of the load cell was measured directly using the reference mass. And a polynomial regression model was obtained using the matrix and curve fitting function of MS Office Excel. The weight was measured in 100g units using a load cell electronic scale measuring up to 5kg and the polynomial regression model was obtained. The error was calculated for simple($1^{st}$), $2^{nd}$ and $3^{rd}$ order polynomial regression. To analyze the suitability of the regression function for each model, the coefficient of determination was presented to indicate the correlation between the estimated mass and the measured data. Using the third order polynomial model proposed here, a very accurate model was obtained with a standard deviation of 10g and the determinant coefficient of 1.0. Based on the theory of multi regression model presented here, it can be used in various statistical researches such as weather forecast, new drug development and economic indicators analysis using logistic regression analysis, which has been widely used in artificial intelligence fields.

• Korean Journal of Clinical Pharmacy
• /
• v.19 no.1
• /
• pp.43-49
• /
• 2009

토브라마이신은 그람음성균 감염에 사용하는 아미노글리코사이드계 항생제로 이독성 및 신독성 등의 부작용과 큰 개인차로 혈중농도 모니터를 통한 투여계획이 필요한 약물이다. 본 연구에서는 16명의 위암환자에서 비선형 최소자승 회귀분석과 베이시안 분석에 의한 토브라마이신의 약물동태에 분석오차의 영향에 대하여 연구하였다. 약물투여는 토브라마이신 1-2 mg/kg을 30분에 걸쳐 8시간 간격으로 등속 주입하였으며, 혈액 채취는 정상상태에 도달되었다고 판단되는 첫 약물투여 72시간 후에, 약물 주입 5분전과 주입이 끝난 뒤 30분과 2시간에서 세차례 채취하였다. 혈청중 약물농도는 형광편광면역법으로 측정 하였다. 분석오차를 위해 0, 1, 2, 4, 8 및 12 ${\mu}g/mL$에 해당하는 토브라마이신 혈중농도(C)을 네차례 측정하여 각 혈중농도의 표준편차 (SD)을 구하였다. 토브라마이신 분석오차를 구하기 위한 다항식이 SD = 0.0224+0.0540C+0.00173C2, $R^2$ = 0.935이었다. 이 식에서 구한 SD 값으로 분석시 가중치를 주었을 때, 비선형 최소자승 회귀분석에 의한 토브라마이신의 약물동태학적 파라메타 ($V_d$, $K_{el}$, $K_{slpoe}$, $t_{1/2}$)에 유의성있는 영향을 주었으나, 베이시안 분석에 의한 토브라마이신의 약물동태학적 파라메타에는 영향이 없었다. 이 다항식으로 부터 구한 분석오차를 토브라마이신의 비선형 최소자승 회귀분석을 이용한 약물동태 연구 및 파라메타 분석에 적용하여 좀 더 정확한 투여용량을 결정할 수 있으며, 더 나아가 토브라마이신 약물동태 시뮬레이션 연구에 응용할 수 있다.

• Korean Journal of Clinical Pharmacy
• /
• v.18 no.1
• /
• pp.11-17
• /
• 2008

아미카신은 그람음성균 감염에 사용하는 아미노글리코사이드계 항생제로 이독성 및 신독성 등의 부작용과 큰 개인차로 혈중농도 모니터를 통한 투여계획이 필요한 약물이다. 본 연구에서는 16명의 위암환자에서 비선형최소자승 회귀분석과 베이시안 분석에 의한 아미카신의 약물동태에 분석오차의 영향을 연구하였다. 약물투여는 아미카신 7.5 mg/kg을 30분에 걸쳐 12시간 간격으로 등속 주입하였으며, 혈액 채취는 정상상태에 도달되었다고 판단되는 첫 약물투여 72시간 후에, 약물 주입 5분전과 주입이 끝난 뒤 30분과 2시간에서 세차례 채취하였다. 혈청중 약물농도는 형광편광면역법으로 측정하였다. 분석오차를 위해 0, 5, 15, 30, 60 및 $80\;{\mu}g/ml$에 해당하는 아미카신 혈중농도(C)을 네차례 측정하여 각 혈중농도의 표준편차 (SD)을 구하였다 아미카신 분석오차를 위한 다항식이 $SD=0.3017+(0.00538C)+(0.00112C^2)$, $R^2=0.974$이었다 이 식에서 구한 SD 값으로 분석시 가중치를 주었을 때, 비선형최소자승 회귀분석에 의한 아미카신의 약물동태학적 파라메타($V_d$, $K_{el}$, $K_{slpoe}$, $t_{1/2}$)에 유의성있는 영향을 주었으나, 베이시안 분석에 의한 아미카신의 약물동태학적 파라메타에는 영향이 없었다. 이 다항식에 의한 분석오차를 비선형최소자승 회귀분석에 의한 아미카신 약물동태학적 파라메타 분석시 적절히 사용하면 안전하고 효율적인 투여계획을 할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1516-1519
• /
• 2011

예측에 필요한 중요한 자료에는 비선형 자료와 시계열과 같은 선형 자료 등이 있다. 이들 자료는 그 함축적인 관계가 매우 복잡하여 전통적인 통계분석 도구로 식별하는데 어려움이 많다. 신경망 분석은 비모수적 문제나 비선형 곡선 적합능력의 우수성 때문에 현실세계에서의 고유한 복잡성을 다루는 많은 경제 응용 분야에서 널리 이용되고 있다. 신경망은 또한 경제 시계열자료의 예측분야에서도 여러 연구에서 훌륭한 도구로서 적용되고 있다. 전통적으로 우리나라에서 시계열자료의 예측은 선형 자료적 분석을 중심으로 하는 분석도구인 자기회귀누적이동평균(ARIMA)모형을 이용한 시계열분석이 일반적이다. 이 연구에서는 신경망과 ARIMA 모형을 이용하여 한국의 주가변동 자료 및 자동차등록 현황 자료등과 같은 시계열자료를 이용한 예측결과를 비교한다. 연구의 결과는 신경망을 이용한 예측 방법들이 ARIMA 예측 결과보다 통계적으로 작은 오차를 주는 보다 효율적인 방법임을 보여주고 있다.

• Journal of the Korean Geotechnical Society
• /
• v.19 no.6
• /
• pp.371-378
• /
• 2003

The compression index of clay distributed in the west and south coast of the Korean Peninsula had been studied. Compression index was obtained from the conventional consolidation test, and was conducted accordingly to obtain the field virgin compression curve by means of Schmertmann's graphical correction. To examine a correlation closely between physical properties of soils($e_o$, LL, w) and compression index(Cc), linen. and non-linear regression analysis were employed based on the data collected from tests. The conclusions are as follows. The compression index obtained by means of Schmereann's graphical correction is about 1.16 times for the value of original oedometer test curve for U/D samples. Non-liner regression curve was preferable to establish a correlation equation rather than linear regression curve. All derived equations so far achieved have been summarized and given. However, linear equation is better for practical use so that part by part simplified linear equations were also suggested alternatively together with their own non-linear regression curve.

• The Korean Journal of Financial Studies
• /
• v.13 no.1
• /
• pp.77-92
• /
• 2007

한국증권시장을 포함한 대부분의 지역증권시장이 미국 뉴욕증권시장의 움직임에 반응하거나 동조현상을 보인다는 사실은 이미 경험적으로 혹은 통계적으로 널리 수용되고 있다. 본 연구는 그러한 반응에 비선형성이 존재하는가를 일별 주가수익률을 데이터로 활용하여 우선적으로 검정한다. 그러한 검정결과에 입각하여 비선형성을 내재화시킨 계량분석모형이 주가수익률을 설명하고 예측하는데 도움을 줄 수 있는가를 확인한다. 본 연구에서는 이러한 비선형성에 관련된 정보를 유도하기 위하여 평활전이(자기)회귀분석모형(STR)을 이용한다. STR모형은 국면전환을 야기하는 전이변수를 명시적으로 확인할 수 있고 다양한 국면전환형태를 모형에 수용할 수 있는 장점을 가지고 있다. KOSPI수익률의 비선형성에 대한 검정결과는 귀무가설인 선형성이 기각되는 것으로 나타났으며, 그러한 비선형성의 형태는 미국증권시장이 하강기에 처한 경우에 상승기에 처한 상태보다 민감한 동조현상을 보이는 것으로 나타났다. 하지만 추정된 STR모형이 주가의 변동을 설명하거나 예측하는데 여타의 모형보다 나은 능력을 가지는가에 대해서는 긍정적인 결과를 얻지 못하였다.

• The Korean Journal of Financial Management
• /
• v.17 no.1
• /
• pp.161-180
• /
• 2000

본 연구는 주가를 예측하는데 있어서 선형 회귀모형을 이용하는 방법과 비선형 인공신경망 모형을 이용하는 방법을 비교 분석하여, 어떤 모형이 더 우수한 예측성과를 내는지를 검증한다. 자본시장에서 투자자들은 접근하는 정보가 다르고 각기 상이한 예측 변수들을 토대로 나름대로의 예측치를 만들어 낸다. 이렇게 볼 때 개별 투자자들이 이용하는 다양한 정보집합을 결합하여 단일의 뛰어난 정보집합을 만들어내는 것은 매우 어려운 과제이다. 따라서 본 연구에서는 이용 가능한 소수의 예측 변수들을 어떤 방식으로 결합하는 것이 예측오차의 분산을 최소화할 수 있는지에 대한 현실적인 접근방법을 모색하고자 한다. 거시경제변수나 시장자료를 입력변수로 사용한 기존 연구와는 달리 본 연구에서는 재무제표 정보를 입력변수로 사용하였다 즉, 대차대조표의 최종요약치인 주당 지분의 장부가치와 손익계산서의 최종요약치인 주당 순이익을 입력변수로 사용했으며 1991년부터 1995년까지의 추정(학습)결과를 토대로 모형을 선택하여 1996년의 제무제표 정보로 1997년의 주가를 예측하는 것이 본 연구의 과제이다. 연구결과, 대체로 선형회귀모형에 비해 비선형 신경망 모형이 예측오차의 분산을 감소시키는 것으로 나타났다.

• Journal of Digital Contents Society
• /
• v.19 no.7
• /
• pp.1357-1363
• /
• 2018

In addition to advances in information technology, machine learning approach is applied to a variety of applications, and is expanding to a variety of areas. In this paper, we propose a software analysis method that applies linear regression to analyse software similarity from the code distribution of the software. The characteristics of software can be expressed by instructions contained within the program, so the distribution information of instructions is used as learning data. In addition, a learning procedure with the learning data generates a linear regression model for software similarity analysis. The proposed method is evaluated with real world Java applications. The proposed method is expected to be used as a basic technique to determine similarity of software. It is also expected to be applied to various software analysis techniques through machine learning approaches.