• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.257-264
• /
• 2003

일반적인 동적 매매 환경에서의 금융 예측 시스템은 주어진 목적을 최적으로 만족시키는 매매 형태를 찾고자 한다. 본 논문은 수익률을 극대화시키기 위하여 추출과 여과라는 두개의 단계로 구성된 새로운 형태의 주식 매매 시스템을 제안한다. 주식 추출 단계에서는 특정 시계열 패턴에 부합하는 주식을 추출하는데, 이러한 시계열 패턴은 기술 지표 값들의 조합으로 표현된다. 그리고 여과 단계에서는 추출된 주식 집합에 여과 규칙들을 적용하여 실제 매매 대상이 되는 주식들을 골라내는데, 여과 규칙은 과거 주가 데이터로부터 자동으로 유도되었다. 이를 위하여, 우리는 먼저 방대한 과거 일별 주가 데이터로부터 기술 지표 값들을 계산하였다. 계산된 기술 지표 값들은 시계열 패턴을 추출하는데 사용되고 이 값들의 이산화 구간들의 분포가 양성 및 음성 데이터들에 대하여 계산된다. 본 논문에서는 독특한 분포를 보이는 구간에 존재하는 기술 지표 값들이 주가의 향후 움직임을 예측하는 데 도움을 준다는 가정을 하였다. 그리고 여과 규칙은 바로 이런 독특한 분포를 보이는 구간 내의 데이터 값들로부터 자동으로 유도되었다. 우리는 시뮬레이션을 통해, 본 논문에서 제시한 트레이딩 시스템이 시장 평균 수익률을 상회한다는 사실을 확인함으로써 위의 가정에 대한 검증을 할 수 있었다.

• 한국항공우주학회지
• /
• 제44권9호
• /
• pp.796-805
• /
• 2016

본 연구는 헬리콥터 비행 시뮬레이터 개발의 첫 번째 단계의 일환으로 비행 운동 모델의 비행조종성을 해석적으로 평가한다. 비행 운동 모델은 시뮬레이터의 목표 항공기인 AS365 N2의 공개 정보를 사용하여 생성하였다. 해당 비행 시뮬레이터는 소방 임무에 대한 조종사 교육 및 연구 도구로 개발 중이다. 모델의 평가는 비행 시험 데이터를 통한 검증이 이루어지기 전에 모델의 비행 특성과 다음 개발 단계로의 적합성을 평가하기 위하여 수행된다. 평가는 항공기분류, 임무 및 환경을 고려하여 ADS-33E-PRF(Aeroautical Design Standard Performance Specification Handling Qualities Requirement)의 기준에 의거하여 수행한다. 항공기의 해석적 비행은 규정에 대한 적합성 평가를 위해 요구되는 혹은 권장되는 비행시험절차를 따른다. 평가 결과는 ADS-33E-PRF에 명시된 조종성 등급에 따라 평가되는데 RotorLibFDM을 기반으로 생성된 비행 운동 모델이 헬기 비행에 대한 기본 교육과 연구로 사용될 수 있는 일반적인 헬리콥터 시뮬레이터에 대한 만족스러운 플랫폼을 제공함이 확인되었다.

• 한국정보전자통신기술학회논문지
• /
• 제13권5호
• /
• pp.436-442
• /
• 2020

ESS(energy storage system)는 재생에너지 자원의 증가 등의 영향에 따라 최근 다양한 분야에서 중요한 전력원으로 자리 잡고 있다. ESS는 사용에 따라 가용 용량이 지속적으로 감소하므로 잔존수명을 관리하는 것이 중요하다. 잔존수명의 추정을 위하여 주기적으로 점검자가 확인하는 방식이 사용될 수도 있으나, 관리시스템을 통하여 자동으로 모니터링되고 관리되는 것이 일반적이다. ESS 사업자 관점에서 정확도 높은 상태추정은 경제적, 효율적 운용을 위하여 중요하다. 잔존수명추정 모델은 운영에 따른 사이클 노후화와 기간 경과에 따른 캘린더 노후화를 고려하여 구성되며 복잡한 수학적 연산을 필요로 한다. ESS에 탑재되는 저비용 저성능의 프로세서에 잔존수명 추정모델의 적용을 위해서는 모델의 적절한 경량화 방안이 요구된다. 본 논문에서는 낮은 수준의 프로세서에서 연산이 용이하도록 ESS 잔존수명예측 모델을 경량화하였다. 시뮬레이션 평가 결과 ESS 잔존수명 추정 기준모델과 제안하는 모델간 오차는 1% 이내로 나타났다. 또한, 제안된 모델의 성능개선 효과 검증을 위하여 ATmega328을 기반으로 비교 평가를 수행하였을 때, 76.8~78.3%의 컴퓨팅 시간 단축을 확인하였다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.527-533
• /
• 2018

최근 단말-대-단말(Device-to-device, D2D) 통신기술이 차세대 무선통신시스템의 핵심기술로 큰 관심을 받고 있다. 이러한 단말간 통신에서는 자신의 주변에 어떠한 단말이 있는지 파악하는 주변단말 탐색(Neighbor discovery)이 매우 중요하다. 본 논문에서는 최근 큰 관심을 받고 있는 딥러닝(Deep learning) 기술을 활용하여 단말간 통신에서 주변단말을 파악하는 방안에 대해서 제안한다. 제안 방안은 기존의 방안과 달리 무선채널의 공간적 연관성을 이용하여 단말간의 신호 전송 없이 단말이 기지국으로 전송하는 상향링크 파일럿 신호를 기반으로 주변 단말을 찾고 따라서 기존의 방식에 비해 신호전송 복잡도(signaling complexity)를 크게 줄일 수 있다. 또한 제안 방안에서는 떨어져 있는 거리에 따라서 주변 단말을 분류 가능하여 기존 방안에 비해서 좀 더 세밀한 단말 탐색이 가능하다. 마지막으로 본 논문에서는 tensorflow를 이용한 컴퓨터 시뮬레이션을 통해 제안 방안의 성능을 검증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권4호
• /
• pp.29-35
• /
• 2020

본 논문에서는 새로운 구조의 개체명 인식 DeNERT 모델을 제안한다. 최근 자연어처리 분야는 방대한 양의 말뭉치로 사전 학습된 언어 표현 모델을 활용하는 연구가 활발하다. 특히 자연어처리 분야 중 하나인 개체명인식은 대부분 지도학습 방식을 사용하는데, 충분히 많은 양의 학습 데이터 세트와 학습 연산량이 필요하다는 단점이 있다. 강화학습은 초기 데이터 없이 시행착오 경험을 통해 학습하는 방식으로 다른 기계학습 방법론보다 조금 더 사람이 학습하는 과정에 가까운 알고리즘으로 아직 자연어처리 분야에는 많이 적용되지 않은 분야이다. 아타리 게임이나 알파고 등 시뮬레이션 가능한 게임 환경에서 많이 사용된다. BERT는 대량의 말뭉치와 연산량으로 학습된 구글에서 개발한 범용 언어 모델이다. 최근 자연어 처리 연구 분야에서 높은 성능을 보이고 있는 언어 모델이며 많은 자연어처리 하위분야에서도 높은 정확도를 나타낸다. 본 논문에서는 이러한 DQN, BERT 두가지 딥러닝 모델을 이용한 새로운 구조의 개체명 인식 DeNERT 모델을 제안한다. 제안하는 모델은 범용 언어 모델의 장점인 언어 표현력을 기반으로 강화학습 모델의 학습 환경을 만드는 방법으로 학습된다. 이러한 방식으로 학습된 DeNERT 모델은 적은 양의 학습 데이터세트로 더욱 빠른 추론시간과 높은 성능을 갖는 모델이다. 마지막으로 제안하는 모델의 개체명 인식 성능평가를 위해 실험을 통해서 검증한다.

• 에너지공학
• /
• 제27권4호
• /
• pp.103-110
• /
• 2018

본 논문에서는 Mean Absolute Percentage Error (이하 MAPE)와 Symmetric Mean Absolute Percentage (이하 sMAPE)의 새로운 접근법을 이용한 시계열 예측 모델의 평가 방법을 소개한다. MAPE, sMAPE에는 다음과 같은 문제점이 있다. 데이터 집합에서 관측 값이 0일 경우 평가할 수 없고, 관측 값이 0에 매우 가깝다면 과도한 평가 값을 측정한다. 관측 값과 예측 값 간에 동일한 오차를 가지더라도 다른 값으로 평가하는 문제도 가지고 있다. 동일한 오류 값이 과대 예측되었는지 아니면 과소 예측되었는지에 따라 다른 평가 값을 측정하거나 관측 값의 부호와 예측 값의 부호가 서로 다르면 그 오차는 평가 값에 반영되지 않는다. 이러한 문제는 Maximum Mean Absolute Percentage Error (이하 mMAPE)에 의해 해결하였다. 우리는 MAPE 평가 방법의 분모에서 관측 값을 사용하는 대신 최대 절대 값을 사용했다. 최대 절대 값이 1보다 작으면 분모를 제거하여 0 값이 정의되지 않은 문제와 미세한 값일 경우 과대 측정되는 문제를 해결하였다. Beijing PM2.5의 온도 데이터와 시뮬레이션 데이터를 통해 mMAPE와 다른 평가 방법들의 결과 값을 비교하였으며, 위의 문제들을 해결할 수 있음을 검증하였다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.280-288
• /
• 2019

인지 무선 기술을 활용하는 모바일 애드 혹 네트워크에서는 인지 무선 기술의 특성 (주 사용자의 등장으로 인한 채널 변경) 및 단말의 이동성으로 인한 빈번한 경로 단절이 발생하며, 이에 따라 경로 유지/복구 오버헤드가 크게 증가하고 컨트롤 메시지 혼잡에 따른 서비스 품질저하가 초래될 수 있다. 본 논문에서는 인지 무선 기술의 특성을 고려하여, 네트워크 캐싱을 활용한 경로 유지/복구 방법을 제안한다. 제안하는 기법에서는 단말이 경로 단절을 인지하더라도, 즉시 경로 재설정을 위한 메시지들을 발생시키지 않고, 전달받은 패킷을 저장한 채, 1) 주사용자가 비활성화 되는 것을 기다리고 2) 다른 플로우의 메시지를 오버히어링하여 유효한 우회로를 파악함으로써, 불필요한 컨트롤 메시지 발생을 최소화한다. 이후에도 경로복구가 이루어지지 않을 경우, 지역적인 경로복구 및 지연 전달방법을 적용함으로써, 메시지 전달률을 확보하게 된다. OPNET 시뮬레이션을 통한 성능 검증에 따르면, 제안하는 방법은 혼잡한 네트워크에서 기존 연구 대비 네트워크에 경로 복구를 위해 발생하는 컨트롤 메시지를 13.8% 감소시키며, 이로 인해 실시간성 트래픽의 전달 지연시간을 45.4% 줄일 수 있음을 확인하였다. 그럼에도 비실시간성 트래픽의 전달률을 14.5% 증가시키는 것을 확인할 수 있었다.

• 해양환경안전학회지
• /
• 제27권1호
• /
• pp.13-21
• /
• 2021

본 연구의 목적은 Neural Network Regression 모델을 활용하여 선박의 가치평가 모델을 개발하는 것이다. 가치평가의 대상은 중고 VLCC선이며, 선행연구를 통해 선박의 가치 변화를 유발하는 주요 요인들을 선별하여 변수를 설정하고, 2000년 1월부터 2020년 8월까지의 해당 데이터를 확보하였다. 변수의 안정성을 판단하기 위해 다중 공선성 검사를 수행하여 최종적으로 6개의 독립변수와 1개의 종속변수를 선정하고 연구 구조를 설계하였다. 이를 바탕으로 Linear Regression, Neural Network Regression, Random Forest Algorithm을 활용하여 총 9개의 시뮬레이션 모델을 설계하였다. 또한 각 모델간의 비교검증을 통해 평가결과의 정확성을 제고시켰다. 평가 결과, VLCC실제값과의 비교를 통해 2층으로 구성된 Hidden Layer의 Neural Network Regression 모델이 가장 정확도가 높은 것으로 나타났다. 본 연구의 시사점은 첫째, 기존 정형화된 평가기법에서 벗어나 기계학습기반 모델을 선박가치평가에 적용하였다는 점이다. 둘째, 해운시장 변화요인을 동태적 관점에서 분석하고 예측함으로써 연구결과의 객관성을 제고시켰다고 할 수 있다.

• 한국항공우주학회지
• /
• 제50권6호
• /
• pp.385-391
• /
• 2022

본 논문에서는 경사 하강법 기반의 경로 생성(GBPP)과 입자 군집 최적화(PSO)를 결합하여 3차원 공간에서 금지구역, 지형정보, 고정익 특성 등을 고려한 경로 생성 알고리즘을 제안한다. 기존의 GBPP 방법의 경우 빠르게 경로 생성이 가능하지만 초기 경로에 따라 지역적 최적 값에 빠져 안전하지 않은 경로가 생성될 수 있다. 유전 알고리즘(GA)과 PSO 등 생물학에서 영감을 받은 군집 지능 알고리즘들의 경우 다양한 경로들을 샘플링하여 지역적 최적 값 문제를 해결할 수 있다. 다만 무인기와 경로점 개수가 증가하여 최적 변수가 증가할 경우 군집 개수를 늘려야 하고 계산 시간이 크게 증가한다. 두 알고리즘 단점을 보완하고자 본 연구에서는 GBPP 입력 값인 초기경로를 수평, 수직 방향에 대한 변위 두 가지 변수로 정의하고 이를 PSO 변수로 정의하여 계층적 경로 최적화 알고리즘 HPSO를 제안한다. 제안한 알고리즘은 통용되는 비행 제어 컴퓨터(FCC)의 software-in-the-loop simulation(SILS)을 사용하여 고정익 무인기에 대한 사용 가능성을 검증하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.991-1005
• /
• 2022

위성 영상은 핵 활동 탐지와 검증을 위한 효율적인 보조자료로 핵시설과 같이 접근이 어렵고 정보가 제한된 지역에 매우 유용하다. 특히 장비의 이동 또는 시설물의 변화와 같이 핵실험을 준비하는 과정은 시계열 분석을 통해 충분히 식별 가능하다. 본 연구에서는 핵 활동과 관련된 주요 객체의 변화를 탐지하기 위하여, 다시기 영상의 의미론적 분할 결과의 차이를 이용하였다. AIHub에서 제공하는 KOMPSAT 3/3A 영상으로 구성된 객체 판독 데이터셋에서 건물, 도로, 소형 객체의 정보를 추출하여 학습하였으며, U-Net, PSPNet, Attention U-Net에 대하여 주요 파라미터를 변경하며 대상 객체 추출에 적합한 의미론적 분할 모델을 분석하였다. 의미론적 분할 결과의 차영상으로 생성된 결과에 객체 정보를 포함하여 최종 변화 탐지를 수행하였으며, 제안 기법을 임의의 변화를 포함한 시뮬레이션 영상에 적용한 결과, 변화 객체를 효과적으로 추출할 수 있었다. 본 연구에서 제시된 변화 탐지 기법을 적용하기 위해서는, 의미론적 분할의 정확도가 우선적으로 확보되어야 하는 제약이 있으나, 추후 실험 대상 지역에 대한 학습데이터셋이 증가할 수록 적용 가능한 분석 범위가 증가할 것으로 기대된다.