• Transactions of the Korean Society of Mechanical Engineers
• /
• v.10 no.4
• /
• pp.541-557
• /
• 1986

본 연구에서는 캐패시턴스 성분을 고려한 브리지(bridge) 모델을 적용하여 지 금까지 설명할 수 없었던 문제를 설명함으로서 이 모델의 정당성을 확인하고자 하며, 더욱 나아가 다른 여러가지 변수에 대한 응답특성의 예측을 가능하게 하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.323-326
• /
• 2020

태양광 발전은 이산화탄소 배출로 인한 기후 변화에 대응하는 주요 수단으로 인식되어 수요와 필요성이 급격하게 증가하고 있다. 최적의 태양광 발전 시스템의 운영을 위해서는 정교한 전력수요 및 태양광 발전량 예측 모델이 요구되며, 온도 및 일사량은 태양광 발전량 예측 모델의 필수적인 입력 변수이다. 하지만, 한국 기상청의 동네예보는 일사량에 관한 예측값을 제공하지 않아 정교한 태양광 발전량 예측 모델을 구축하는 것은 어렵다. 이를 위해 일사량 예측 기법에 관한 많은 연구사례가 보고되고 있지만, 다수의 연구들은 충분한 데이터 셋을 이용하여 일사량 예측 모델을 개발하였다. 초기 태양광 발전 시스템 운영을 위해서는 불충분한 데이터 셋을 이용한 예측 모델 개발이 필요하나 이에 대한 사례는 불충분하다. 본 논문은 실제 태양광 발전 시스템에서 수집된 불충분한 데이터 셋을 이용한 단기 일사량 예측 기법을 제안한다. 먼저, 기상청 동네예보의 다양한 기상 요인들을 이용하여 일사량 예측 모델을 위한 입력 변수를 구성한다. 다음으로, 조건부 랜덤 포레스트를 이용하여 일사량 예측 모델을 구성하며, 설명 가능한 일사량 예측뿐만 아니라 더욱더 많은 데이터 셋을 학습하기 위해 시계열 교차검증을 수행한다. 실험 결과, 제안한 기법은 다른 예측 기법들보다 높은 예측 정확도를 보일 뿐만 아니라 설명 가능한 예측 결과를 제시할 수 있음을 보여준다.

• The Bulletin of The Korean Astronomical Society
• /
• v.45 no.1
• /
• pp.53.3-54
• /
• 2020

본 연구는 명말(明末)에 역법(歷法)의 개정을 주장한 서광계(徐光啓, 1562~1633)의 기획과 총괄에 의해 편찬되었고, 이탈리아 선교사 로(Giacomo Rho, 羅雅谷, 1593~1638)가 주 저자로 보는 《숭정역서》에서 태양의 이론편인 <일전역지(日躔歷指)>와 계산 절차 및 계산수치표가 종합된 <일전표(日躔表)>의 내용을 정리, 분석하였다. <일전역지>와 <일전표>에 들어있는 몇 개의 내용과 표들은 대부분 16세기 후반부터 17세기 전반에 걸쳐 서유렵의 티코 브라헤(Tycho Brahe, 1546~1601), 마기니(Giovanni Antonio Magini, 1555~1617), 메티우스(Adriaan Metius, 1571~1635) 등의 책에서 동일한 내용이 발견되었다. 판나이 휘집본(潘鼐彙集本; 프랑스 국립도서관본; 《숭정역서》 초기본), 규장각본(《숭정역서》의 후기본), 그리고 사고전서본(《신법산서》)의 내용을 빠짐없이 검토하고, 최근 발간된 《숭정역서합교》의 연구도 반영되었다. <일전역지>에 태양의 운동을 기술하기 위해 Eccentic 모델을 사용하여 양심차(兩心差), 원지점의 방향, 가감차(加減差), 지구-태양간의 거리 변화 등을 설명하고 있다. 그러나 <일전표>에 나타난 가감차표와 지구-태양간의 거리표는 Equant 모델을 사용하였다. 비교를 위하여 70여년 뒤에 편찬된 《역상고성》 상편 제 4권 <일전역리>에서는 코페르니쿠스 모델인 본륜-균륜 모델이 사용되고 있었다. 본 연구에서는 위에 언급된 3 가지 모델의 차이를 설명하고, 가감차와 지구-태양간의 거리표를 이 모델을 이용하여 계산한 다음, <일전표>에 있는 가감차표와 지구-태양간의 거리표와 비교할 것이다. 《신법산서》에는 Equant 모델을 설명하고 있는데 어디서 오류가 발생하였는지도 규명한다. 그리고 3 가지 모델의 animation을 통해 가감차와 거리차를 쉽게 설명하고자 한다.

• The Journal of Society for e-Business Studies
• /
• v.26 no.3
• /
• pp.97-117
• /
• 2021

Predicting term deposit subscriptions is one of representative financial marketing in banks, and banks can build a prediction model using various customer information. In order to improve the classification accuracy for term deposit subscriptions, many studies have been conducted based on machine learning techniques. However, even if these models can achieve satisfactory performance, utilizing them is not an easy task in the industry when their decision-making process is not adequately explained. To address this issue, this paper proposes an explainable scheme for term deposit subscription forecasting. For this, we first construct several classification models using decision tree-based ensemble learning methods, which yield excellent performance in tabular data, such as random forest, gradient boosting machine (GBM), extreme gradient boosting (XGB), and light gradient boosting machine (LightGBM). We then analyze their classification performance in depth through 10-fold cross-validation. After that, we provide the rationale for interpreting the influence of customer information and the decision-making process by applying Shapley additive explanation (SHAP), an explainable artificial intelligence technique, to the best classification model. To verify the practicality and validity of our scheme, experiments were conducted with the bank marketing dataset provided by Kaggle; we applied the SHAP to the GBM and LightGBM models, respectively, according to different dataset configurations and then performed their analysis and visualization for explainable term deposit subscriptions.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.8
• /
• pp.339-346
• /
• 2022

Recently, the resource depletion and climate change problem caused by the massive usage of fossil fuels for electric power generation has become a critical issue worldwide. According to this issue, interest in renewable energy resources that can replace fossil fuels is increasing. Especially, photovoltaic power has gaining much attention because there is no risk of resource exhaustion compared to other energy resources and there are low restrictions on installation of photovoltaic system. In order to use the power generated by the photovoltaic system efficiently, a more accurate photovoltaic power forecasting model is required. So far, even though many machine learning and deep learning-based photovoltaic power forecasting models have been proposed, they showed limited success in terms of interpretability. Deep learning-based forecasting models have the disadvantage of being difficult to explain how the forecasting results are derived. To solve this problem, many studies are being conducted on explainable artificial intelligence technique. The reliability of the model can be secured if it is possible to interpret how the model derives the results. Also, the model can be improved to increase the forecasting accuracy based on the analysis results. Therefore, in this paper, we propose an explainable photovoltaic power forecasting scheme based on BiLSTM (Bidirectional Long Short-Term Memory) and SHAP (SHapley Additive exPlanations).

• Journal of Digital Convergence
• /
• v.10 no.9
• /
• pp.111-122
• /
• 2012

In this study, we consider the integration of cognitive components and emotion to account for communication behaviors and activism on a consumer advocacy website. The challenge of integrating situational theory and anger activism model was empirically explored utilizing an online survey with the members of the virtual community, which was designed to raise issues and to protest against the product defects of a product. Our findings indicated that along with the cognitive perception in the situational theory, anger as a negative emotion was the most significant predictor strongly associated with communication behaviors and activism on the organization. More interestingly, the model that integrates anger with cognitive components significantly improves its explanatory power compared with one including only cognitive components as explanatory variables.

• Annual Conference on Human and Language Technology
• /
• 2013.10a
• /
• pp.64-69
• /
• 2013

스마트폰의 대중화로 인하여 앱 마켓 시장이 급속도로 성장하였다. 이로 인하여 하루에도 수십개의 새로운 앱들이 출시되고 있다. 이러한 앱 마켓 시장의 급격한 성장으로 인해 사용자들은 자신이 흥미를 가질만한 앱들을 선택하는데 큰 어려움을 겪고 있어 앱 추천 방법에 대한 연구에 많은 관심이 집중되고 있다. 기존 연구에서 협력 필터링 기반의 추천 방법들을 제안하였으나 이는 콜드 스타트 문제를 지니고 있다. 이와는 달리 컨텐츠 기반 필터링 방식은 콜드 스타트 문제를 효율적으로 해소할 수 있는 방법이지만 앱설명에는 광고, 공지사항등 실질적으로 앱의 특징과는 무관한 노이즈들이 다수 존재하고 이들은 앱 사이의 유사관계를 파악하는데 방해가 된다. 본 논문에서는 이런 문제를 해결하기 위하여 앱 설명에서 노이즈에 해당하는 설명들을 자동으로 제거할 수 있는 모델을 제안한다. 제안하는 모델은 모바일 앱 설명을 구성하고 있는 각 문단을 LDA로 학습된 토픽들의 비율로 나타내고 이들을 분류문제에서 우수한 성능을 보이는 SVM을 이용하여 분류한다. 실험 결과에 따르면 본 논문에서 제안한 방법은 기존에 문서 분류에 많이 사용되는 Bag-of-Word 표현법에 기반한 문서 표현 방식보다 더 나은 분류 성능을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.667-670
• /
• 2020

최근에는 증강현실, 로봇공학 등의 분야에서 객체의 위치 검출 이외에도, 객체의 자세에 대한 추정이 요구되고 있다. 객체의 자세 정보가 포함된 데이터셋은 위치 정보만 포함된 데이터셋에 비하여 상대적으로 매우 적기 때문에 인공 신경망 구조를 활용하기 어려운 측면이 있으나, 최근에 들어서는 기계학습 기반의 자세 추정 알고리즘들이 여럿 등장하고 있다. 본 논문에서는 이 가운데 Dense 6d Pose Object detector (DPOD) [11]의 구조를 기반으로 하여 가구의 조립 설명서에 그려진 가구 부품들의 자세를 추정하고자 한다. DPOD [11]는 입력으로 RGB 영상을 받으며, 해당 영상에서 자세를 추정하고자 하는 객체의 영역에 해당하는 픽셀들을 추정하고, 객체의 영역에 해당되는 각 픽셀에서 해당 객체의 3D 모델의 UV map 값을 추정한다. 이렇게 픽셀 개수만큼의 2D - 3D 대응이 생성된 이후에는, RANSAC과 PnP 알고리즘을 통해 RGB 영상에서의 객체와 객체의 3D 모델 간의 변환 관계 행렬이 구해지게 된다. 본 논문에서는 사전에 정해진 24개의 자세 후보들을 기반으로 가구 부품의 3D 모델을 2D에 투영한 RGB 영상들로 인공 신경망을 학습하였으며, 평가 시에는 실제 조립 설명서에서의 가구 부품의 자세를 추정하였다. 실험 결과 IKEA의 Stefan 의자 조립 설명서에 대하여 100%의 ADD score를 얻었으며, 추정 자세가 자세 후보군 중 정답 자세에 가장 근접한 경우를 정답으로 평가했을 때 100%의 정답률을 얻었다. 제안하는 신경망을 사용하였을 때, 가구 조립 설명서에서 가구 부품의 위치를 찾는 객체 검출기(object detection network)와, 각 개체의 종류를 구분하는 객체 리트리벌 네트워크(retrieval network)를 함께 사용하여 최종적으로 가구 부품의 자세를 추정할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.670-673
• /
• 2022

설명가능한 인공지능은 딥러닝과 같은 복잡한 모델에서 어떠한 원리로 해당 결과를 도출해냈는지에 대한 설명을 함으로써 구축된 모델을 이해할 수 있도록 설명하는 기술이다. 최근 여러 분야에서 그래프 형태의 데이터들이 생성되고 있으며, 이들에 대한 분류를 위해 다양한 그래프 신경망들이 사용되고 있다. 본 논문에서는 대표적인 그래프 신경망인 그래프 합성곱 신경망(graph convolutional network, GCN)에 대한 설명 기법을 제안한다. 제안 기법은 주어진 그래프의 각 노드를 GCN을 사용하여 분류했을 때, 각 노드의 어떤 특징들이 분류에 가장 큰 영향을 미쳤는지를 수치로 알려준다. 제안 기법은 최종 분류 결과에 영향을 미친 요소들을 gradient를 통해 단계적으로 추적함으로써 각 노드의 어떤 특징들이 분류에 중요한 역할을 했는지 파악한다. 가상 데이터를 통한 실험을 통해 제안 방법은 분류에 가장 큰 영향을 주는 노드들의 특징들을 실제로 정확히 찾아냄을 확인하였다.

• Journal of the Korean Chemical Society
• /
• v.68 no.2
• /
• pp.107-116
• /
• 2024

The purpose of this study is to analyze changes in pre-service chemistry teachers' cognition of the nature of model in the evaluation and modification process of model using technology. Changes in cognition of the nature of model were analyzed focusing on the 'Abstraction' and 'Simplification' of the 'Representational aspect', 'Interpretation', 'Reasoning', 'Explanation' and 'Quantification' of the 'Explanatory aspect' that were deemed insufficient for pre-chemistry teachers in previous study. For this purpose, 19 third-year pre-service chemistry teachers at a teacher's college in Chungcheongbuk-do were asked to evaluate the model related to Boyle's law developed using technology, revise the model based on the evaluation results, and make a final evaluation. As a result of the study, it was confirmed that pre-service chemistry teachers' cognition of 'Simplification' of the 'Representational aspect' and 'Interpretation', 'Explanation', and 'Quantification' of the 'Explanatory aspect' changed positively through the evaluation and modification process of the model. Therefore, it was found that the evaluation and modification process of the model plays a key role in changing the cognition of the nature of model. However, there was little change in cognition of 'Abstraction' of the 'Representational aspect' and 'Reasoning' of the 'Explanatory aspect'. The cognition of these factors can be seen as more difficult to change than the cognition of other factors. To solve this problem, more sophisticated educational design for pre-service chemistry teachers is needed.