• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.1-12
• /
• 2005

영상정합은 동일한 장면에 대해서 서로 다른 시간 혹은 서로 다른 특성의 센서로부터 서로 다른 위치에서 얻은 영상들의 위치적 대응관계를 찾는 기법이다. 이 논문에서는 특성이 다른 적외선 센서와 광학 센서로부터 얻은 영상의 정합을 위한 새로운 알고리즘을 제안한다. 지금까지 제안된 서로 다른 특성의 영상을 위한 정합기법은 크게 특징점 기반 영상정합기법과 밝기값 기반 영상정합기법으로 구분될 수 있다. 특징점 기반의 영상정합기법은 정확하게 대응하는 특징점을 선택하는 것이 성능에 결정적인 영향을 준다 그러나 적외선 영상과 가시광선 영상에서는 특징점이 서로 같지 않은 경우가 많기 때문에 강인하지 못하다 그리고 밝기 값 기반의 정합기법에서는 정규상호정보를 유사성 척도로 사용한 영상정합기법이 가장 좋은 성능을 제공하는 것으로 알려져 있다. 그러나 정규상호정보 기반의 영상정합기법은 두 영상의 통계적 상관성이 전역적이어야 한다는 가정을 전제하는데, 적외선 영상과 가시광선 영상에서는 이를 보장하지 못하는 경우가 많아 정규상호정보를 유사성 척도로 사용하는 영상정합기법에서도 좋은 성능을 기대하기 힐들다. 따라서 이 논문에서는 적외선 영상과 가시광선 영상의 통계적 상관성의 해석에 기반한 두 단계 영상정합기법을 제안한다. 정확하고 강인한 정합을 위해서 첫 단계에서는 두 영상에서 통계적 상관성이 높은 부분을 추출하는 ESCR기법과 두 영상을 통계적 상관성이 높도록 필터링하는 ESCF기법을 수행한다. 그리고 두 번째 단계에서는 첫 단계에서의 결과 영상에 대해서 정규상호정보를 유사성 척도로 한 영상정합을 수행한다. 다양한 적외선 영상과 가시광선 영상을 이용한 실험으로부터 제안하는 두 단계 영상정합기법이 기존의 정규상호정보 기반의 영상정합기법에 비해 정확도와 강인함, 그리고 실행 속도의 측면에서 더욱 향상된 성능을 제공함을 확인하였다.

• 한국작물학회지
• /
• 제3권
• /
• pp.41-48
• /
• 1965

수도출수기의 년차간변이정도를 알고 아울러 출수기의 조기예측방법을 연구검토코자 1959년부터 1964년까지 6개년간에 걸쳐 관산외 5개품종을 공시하여 작물시험장 답작과(수원)에서 실시한 조기ㆍ보통기 및 만기 재배시험성적과 1953년부터 1964년까지 12갠년간에 걸쳐 각도에서 실시한 수도풍흉고조시험성적으로부터 품종별로 매년의 출수기를 조사정리하고, 아울러 당해연도 해지방의 기상통계를 조사정리하여 출수기의 변이와 기상요인과의 관계를 연구검토하여 출수기의 조기예측방법을 모색코자 시도한 것으로서 그 결과는 다음과 같다. 1. 수도출수기의 년차간변이 : 이것은 조기재배에 있어서는 14∼21일로서 대단히 크며, 보통기재배에서는 7∼14일 정도이고, 만기재배에 있어서는 1∼7일 정도로서 어느 재배시기보다 적으며, 그정도는 품종ㆍ재배시기 및 지역 등에 따라 차이기 있다. 2. 수도출수기의 조기예측 : 조기재배에 있어서는 공시전품종 파종후 31일부터 40일간의 적산온도와 출수일수간에 가장 높은 부의 상관을 가지고 있으며, 따라서 이 기간의 적산온도 및 회귀 직선식(Y=a+bX)의 산출에 의하여 실용적출수기를 조기에 예측할 수 있다고 생각된다. 그러나 만생종에 대하여 앞으로 더욱 검토하여야 할 것이다. 보통기재배에 있어서는 수원에서의 6개년간 성적에 의하면 적산온도와 출수일수간에 유의적상관을 인정할 수 없었고, 각도에서의 12개년간의 결과에 의하면 파종후 70일간의 적산온도와 출수일수간에 품종에 따라서는 유의적인 상관이 있는 것과 없는 것이 있으며, 지역저긴 차이는 인정할 수 없었다. 등은 조파의 경우에 높은 수량을 보이는 품종들이었다. 4. 품종별 수량이 파종기에 따라서 변동하는 경향을 보면 Table 4와 같이 대체로 조생종에 있어서는 파종기 연장에 따라 수량 감소의 정도가 낮고 도리어 조파보다 만파의 경우에 좋은 성적을 나타 내었으나 중생종, 만생종일수록 파종기 연장에 의한 수량 감소의 정도가 높았다. 옥면과 같은 극만생종 품종은 조반의 경우라도 상해 등으로 본실험지의 기후조건 하에서는 경제적 재배가 곤란하다고 믿는다. 따라서 조생종에 있어서는 5월 이후의 만파의 경우에, 중, 만생종에 있어서는 4월보다 도리어 5월 파종의 경우에 좋은 성적을 나타내는 경향이 있으나 품종별 파종 최적기 등의 결정문제는 앞으로 해결되어야 할 한 과제가 될 수 있을 것이라 하겠다.의 일수가 길면 신고비가 높았다. 있다. 인텔리전스(intelligence)에 따라 분류했을 경우, 모던, 엘레강스, 클래식, 소피스티케이트 등은 엘리트적 성향으로 캐주얼, 내추럴은 대중적 성향으로 분류된다. cluster에서 구현하였다. 그 결과 특정 노드의 성능이 다른 것에 비해 현저하게 떨어질 때 전체적인 알고리즘의 수렴 속도가 떨어지는 것을 상당히 완화할 수 있음이 밝혀졌다., 2001).의 특징이라 할 수 있겠다. 대한 자부심과 국제 사회에서 차별화 할 수 있는 한국 복식 디자인에 독창성과 창조성을 표현하는 중요한 영역임을 인식할 수 있었다.와 보호인자를 재확인할 필요가 있다고 보며 본 연구의 결과는 지역민의 대장직장암 예방을 위한 영양교육 자료로서 활용될 수 있다고 본다. 관여도에 영향을

• 한국해안·해양공학회논문집
• /
• 제35권6호
• /
• pp.109-120
• /
• 2023

광해역의 표층 해수유동을 준 실시간으로 측정하는 장비인 해양 고주파 레이다(High Frequency Radar, HFR)는 특정 전파대역(HF)의 주파수를 해수면으로 발사하고 후방으로 산란된 전파를 분석하여 표층 유속 벡터를 측정한다(Crombie, 1955; Barrick, 1972). 본 연구에서 사용되는 Codar사의 Seasonde HF radar의 경우, 무지향성 안테나에서 송·수신한 전파의 브래그 피크(Bragg peak)의 강도와 다중신호분류(Mutiple Signal Classification, MUSIC) 알고리즘을 통하여 방사형 해류(Radial Vector)의 속도와 위치를 결정하게 된다. 이때 생산된 해류는 관측 전파 수신 환경의 특성이 고려되지 않은 이상적인 전파환경(Ideal Pattern)이 적용된 자료로써 이를 보정하기 위하여 안테나 패턴 측정(Antenna Pattern Measurement, APM)을 시행하여 보정된 방사해류장(Measured Radial Vector)을 계산하게 된다. APM의 관측원리는 안테나로부터 수신되는 각 위치별 신호 강도값을 측정하여 해류의 위치 및 위상 정보를 수정하는 것으로 일반적으로 선박에 안테나를 설치하여 실험을 진행한다. 하지만 선박을 활용할 시, 기상조건과 해양 상황 등 다양한 환경에 의해 최적의 APM 결과를 산출하기까지 많은 제약이 따른다. 따라서 APM 실험에 대하여 해상 상황에 대한 의존도를 낮추고 경제적인 효율성을 높이기 위하여 무인항공기인 드론을 이용한 APM 활용 가능성을 검토하였다. 본 연구에서는 전남 완도군 당사리 당사도등대에 설치된 고주파레이다를 활용하여 선박을 활용한 APM 실험과 드론을 활용한 APM 실험을 진행하였으며 선박과 드론으로 관측된 결과가 적용된 방사형 해류와 계류된 고정부이를 활용하여 그 결과를 비교 분석하였다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.39-53
• /
• 2013

인터넷의 발달과 SNS의 등장으로 정보흐름의 방식이 크게 바뀌었다. 이러한 변화에 따라 소셜 미디어가 급부상하고 있으며 소셜 미디어와 비디오 콘텐츠가 융합된 소셜 TV, 소셜 뉴스의 중요성이 강조되고 있다. 이러한 환경 속에서 사용자들은 단순히 콘텐츠를 탐색만 하는 것이 아니라 같은 콘텐츠를 이용하고 있는 친구들이나 지인들과 콘텐츠에 대한 정보나 경험들을 공유하고 더 나아가 새로운 콘텐츠를 만들어내기도 한다. 하지만 기존의 소셜 뉴스에서는 이러한 사용자들의 특성을 반영해 주지 못하고 있다. 특히 이용자들의 참여성만을 고려하고 있어서 서비스간의 차별화가 어렵고 뉴스 콘텐츠에 대한 정보나 경험 공유 시 컨텍스트 공유가 어렵다는 문제가 있다. 이를 해결하기 위해 본 논문에서는 뉴스를 내용별로 분할하고 분할된 뉴스에서 추출된 시간 종속적인 메타데이터를 제공하는 프레임워크를 제안한다. 제안하는 프레임워크에서는 스토리 분할 방법을 이용하여 뉴스 대본을 내용별로 분할한다. 또한 뉴스 전체내용을 대표하는 태그, 분할된 뉴스를 나타내는 서브 태그, 분할된 뉴스가 비디오에서 시작하는 위치 즉, 시간 종속적인 메타데이터를 제공한다. 소셜 뉴스 이용자들에게 시간 종속적인 메타데이터를 제공한다면 이용자들은 전체의 뉴스 내용 중에 자신이 원하는 부분만을 탐색 할 수 있으며 이 부분에 대한 견해를 남길 수 있다. 그리고 뉴스의 전달이나 의견 공유 시 메타데이터를 함께 전달함으로써 전달하고자 하는 내용에 바로 접근이 가능하며 프레임워크의 성능은 추출된 서브 태그가 뉴스의 실제 내용을 얼마나 잘 나타내 주느냐에 따라 결정된다. 그리고 서브 태그는 스토리 분할의 정확성과 서브 태그를 추출하는 방법에 따라 다르게 추출된다. 이 점을 고려하여 의미적 유사도 기반의 스토리 분할 방법을 프레임워크에 적용하였고 벤치마크 알고리즘과 성능 비교 실험을 수행하였으며 분할된 뉴스에서 추출된 서브 태그들과 실제 뉴스의 내용을 비교하여 서브 태그들의 정확도를 분석하였다. 결과적으로 의미적 유사도를 고려한 스토리 분할 방법이 더 우수한 성능을 보였으며 추출된 서브 태그들도 컨텍스트와 관련된 단어들이 추출 되었다.