• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.337-339
• /
• 1999

최근 시계열 데이터에서 유사한 패턴을 탐색하는 기법이 다양한 응용분야에서 중요한 연구 주제로 자리잡고 있다. 본 논문에서는 시계열의 트랜드를 정의하고 유사한 트랜드를 가지 시계열을 찾음으로써 유사성의 개념을 좀 더 확장, 발전시켰다. 즉, 시계열에서의 트렌드를 두 개의 이동 평균 선의 관계를 통해 정의함으로써 두 시계열 간의 거리만으로 유사도를 측정했던 기존 연구와는 달리 좀 더 패턴을 가진 수열들을 찾고 이것을 기존의 DFT방법을 이용하여 대용량의 시계열 데이터베이스에서 사용자가 정의한 임계치 이하로 차이가 나는 시계열에 대해 유사 시계열로서 최종적으로 검색하게 된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.45-48
• /
• 2022

IoT 기술의 발전 및 확산으로 다양한 도메인에서 서로 다른 특성의 시계열 데이터가 수집되고 있다. 이에 따라 단일 목적으로 수집된 시계열 데이터만 아니라, 다른 목적으로 수집된 시계열 데이터들 또한 통합하여 분석활용하려는 수요 또한 높아지고 있다. 본 논문은 파편화된 시계열 데이터들을 선택하여 통합한 후 딥러닝 모델을 생성하고 활용할 수 있는 해시함수 기반 학습 모델 관리 플랫폼을 설계하고 구현하였다. 특정되지 않은 데이터들을 기반하여 모델을 학습하고 활용할 경우 생성 모델이 개별적으로 어떤 데이터로 어떻게 생성되었는지 기술되어야 향후 활용에 용이하다. 특히 시계열 데이터의 경우 학습 데이터의 시간 정보에 의존적일 수밖에 없으므로 해당 정보의 관리도 필요하다. 본 논문에서는 이러한 문제를 해결하기 위해 해시 함수를 이용해서 생성된 모델을 계층적으로 저장하여 원하는 모델을 쉽게 검색하고 활용할 수 있도록 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.110-112
• /
• 2000

최근 몇 년간 시계열 데이터의 저장 및 분석에 대한 연구가 활발히 진행되고 있으며, 시계열 데이터베이스에서 유사패턴(similarity pattern)을 탐색하는 기법이 광범위한 응용분야에서 중요한 연구주제로 자리잡고 있다. 본 논문에서는 회귀분석방법을 바탕으로 한 분해 시계열 방법을 이용함으로써 기존의 유사성의 개념을 확장시켰다. 즉, 시계열 데이터가 가지고 있는 패턴을 여러 성분으로 분해하여 각기 다른 저장 공간에 저장하고, 이를 이용하여 유사성을 탐색할 때에도 분리된 각 성분 중 특정 변동특성이 유사한 데이터를 추가적으로 요구되는 시간없이 검색할 수 있다. 이는 전체 시계열 데이터를 이해하는데 뿐만 아니라 데이터를 예측하는 방법에도 유용하게 사용될 수 있다.

• Annual Conference of KIPS
• /
• 2021.05a
• /
• pp.479-482
• /
• 2021

시계열 형태의 데이터는 다양한 분야에서 수집되고 응용되기 때문에 정확한 시계열 예측은 많은 분야에서 운영 효율성을 높일 수 있는 중요한 분석 방법으로 고려된다. 그중 다층 수평 예측은 사용자에게 전반적인 시계열 데이터 경향성을 제공할 수 있다. 하지만 다양한 정보를 포함하는 시계열 데이터는 데이터에 내재한 이질성(heterogeneity)까지 포괄적으로 고려한 방법을 통해서만 정확한 예측을 할 수 있다. 하지만 지금까지 많은 시계열 분석 모델들이 데이터의 이질성을 반영하지 못했다. 이러한 한계를 보완하고자 우리는 Temporal Fusion Transformer 모델을 사용하여 실생활과 밀접한 관련이 있는 데이터에 적용하여 이질성을 고려한 향상된 예측을 수행하였다. 실제, 주식 데이터와 미세 먼지 데이터와 같은 실생활 시계열 데이터에 적용하였고 실험 결과 기존 모델보다 Mean Squared Error(MSE)가 0.3487 낮은 것을 확인하였다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.539-540
• /
• 2022

본 논문에서는 정확한 장기 시계열 예측을 위해 시계열 데이터의 다양한 스케일 (시간 규모)에서 표현을 학습하는 트랜스포머 모델을 제안한다. 제안하는 모델은 시계열의 다중 스케일 특징을 추출하고, 이를 트랜스포머에 반영하여 예측 시계열을 생성하는 구조로 되어 있다. 스케일 정규화 과정을 통해 시계열의 전역적 및 지역적인 시간 정보를 효율적으로 융합하여 종속성을 학습한다. 3 가지의 다변량 시계열 데이터를 이용한 실험을 통해 제안하는 방법의 우수성을 보인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.689-690
• /
• 2021

본 논문에서는 다양한 환경에서 수집된 서로 다른 시계열 데이터를 통합하여 분석 활용하기 위해 추가로 생성해야 할 시계열 데이터의 메타 정보를 정의하고 이를 기반하여 새로운 통합 데이터를 생성하는 방법을 소개한다. 시계열 데이터는 표준화된 기술 방법이 없고 다양한 소스에서 생성되기 때문에 이를 통합하고 활용할 경우 그 기준이 없기 때문에 전문적 지식이 없다면 처리에 어려움을 겪는다. 그러므로 서로 다른 특성의 데이터를 새로운 기준에 의거하여 통합하는 것을 목적으로 필요한 메타 정보를 정의하고 이를 기준으로 데이터를 재가공할 수 있도록 하였다.

• Journal of Internet Computing and Services
• /
• v.25 no.2
• /
• pp.39-47
• /
• 2024

Time series analysis is widely employed by many organizations to solve business problems, as it extracts various information and insights from chronologically ordered data. Among its applications, measuring time series similarity is a step to identify time series with similar patterns, which is very important in time series analysis applications such as time series search and clustering. In this study, we propose an efficient method for measuring time series similarity that focuses on anomalies rather than the entire series. In this regard, we validate the proposed method by measuring and analyzing the rank correlation between the similarity measure for the set of subsets extracted by anomaly detection and the similarity measure for the whole time series. Experimental results, especially with stock time series data and an anomaly proportion of 10%, demonstrate a Spearman's rank correlation coefficient of up to 0.9. In conclusion, the proposed method can significantly reduce computation cost of measuring time series similarity, while providing reliable time series search and clustering results.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.3
• /
• pp.264-269
• /
• 2001

In this paper, we interpret a score as a time series and deal with the fuzzy logic-based modeling of it. The musical notes in a score represent a lot of information about the length of a sound and pitches, etc. In this paper, using melodies, tones and pitches in a score, we transform data on a score into a time series. Once more, we foml the new Lime series by sliding a window through the time series. For analyzing the time series data, we make use of the Box-Jenkins s time series analysis. On the basis of the identified characteristics of time series, we construct the fuzzy model.

• Annual Conference of KIPS
• /
• 2013.11a
• /
• pp.1199-1202
• /
• 2013

최근 증권, 센서, 기후, 의료 분야 등에서 수많은 시계열 데이터들이 쏟아져 나오고 있고, 이러한 시계열 빅 데이터를 통해 의미를 찾아내고자 하는 시계열 해석 및 분석, 예측 작업의 수요가 증가하고 있다. 시계열 해석 및 분석, 예측 작업을 하기 위해서 사용 될 수 있는 기초 작업은 유사한 시계열 시퀀스를 찾아내는 유사 시퀀스 매칭과 이러한 매칭을 통해 특정 시계열 데이터의 하나의 특징이 되는 빈발 시퀀스 추출 기술이 필요하다. 본 논문에서는 이러한 시계열 빅 데이터에서 유사 시퀀스 매칭을 이용한 빈발 시퀀스 추출 문제를 효율적으로 해결하는 빈발 시퀀스 추출기(Frequent Sequence Extractor)를 개발 및 구현하였다. 또한 분산처리 플랫폼인 하둡을 이용한 데이터 파싱을 사용하여, 각 분야별 시계열 데이터를 분석하는 전문가에게 효율적인 분산처리 효과를 제공한다.

• The Korean Journal of Financial Management
• /
• v.11 no.1
• /
• pp.1-29
• /
• 1994

재무관리의 모든 영역을 완벽하게 이해하기 위하여는 기업재무관리와 투자론을 비롯하여 금융산업 전체에 대한 연역적 방법에 의한 이론의 정립과 실증분석을 통한 이론의 정립이 관건이라 할 수 있다. 이 논문에서는 실증 분석을 수행함에 있어 우리나라에서 활발하게 논의가 진행되지 않는 시계열분석의 영역을 살펴보았다. 그것은 이와 같은 분야를 천착해 봄으로써 이 분야가 재무관리에 대한 통찰력과 현실 적합성의 판단력을 배양하는데 큰 공헌을 할 수 있으리라는 믿음 때문이다. 이 논의를 통하여 시계열 분석에 대한 활발한 연구가 진행되기를 기대하고 있다. 시계열 확률과정에 대한 재무관리이론을 연역적으로 도출하기는 용이하지 않다. 시계열 분석에서 제시되는 여러 방법론을 재무관리의 시계열에 적용하여 그 시계열의 성질과 특성을 파악하면 그것이 그대로 현실에 적용될 수 있을 것이다. 이러한 연구의 결과는 어떤 형태로든 연역적 방법에 의한 이론의 정립에 깊은 영향을 미칠 것이다. 뿐만 아니라 연속시간의 틀과 이시적(異時的) 양태하(樣態下)에서 많은 재무관리 모형들이 개발되고 있으며, 동태적 상황을 해명하는 의도에서 이 모형들이 연구되고 있는 만큼 시계열 분석은 이 분야에 직접적으로 이용될 수 있다. 시계열 분석에서 제시된 많은 모형들이 재무관리의 실증적 현상을 설명하는데 효과적으로 활용될 수 있다. 뿐만 아니라 현재 연역적으로 개발된 모형들이 설명할 수 없는 부분을 시계열 분석이 직접적으로 해명할 수 있는 능력을 확보하고 있음도 제시되었다. 증권의 현가모형(現價模型), 이자율의 기간구조, 효율적 시장가설도 주가의 변동성 등은 시계열 분석의 다양한 기법을 사용하여 검증되어야 하며, 이 경우 특히 분산의 추정방법을 여러 측면에서 개발해 야 할 것이다. 시계열 분석에서는 두개 또는 그 이상의 기법을 하나로 통합하는 방법이 있을 수 있다. ARIMA와 ARCH가 결합되는 것을 본 바 있다. 구조적(構造的) 변화(變化)(structural change)모형(模型)과 ARCH의 결합도 가능하다. 다른 분야로서는 변동성(變動性)에 관한 연구이다. 변동성(變動性)에 관한 연구는 variance bounds test에 한정된 감이 있으나 정보와 변동성의 관계가 중요시되고 있는 만큼 정보집합과 시계열 분석 기법의 결합은 변동성의 연구에 새로운 지평을 열어줄 것으로 보인다. 따라서 정보집합의 형성에 따라 새로운 추정방법이 개발될 여지가 풍부하다.