• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.613-614
• /
• 2009

최근 네트워크의 가용성을 침해하는 DDoS공격으로 국내외 주요 사이트가 마비되는 사건이 있었다. 본 논문에서는 TCP와 UDP의 자기유사성을 이용하여 유효 대역폭을 측정하고 네트워크의 가용성을 보장하기 위한 한계 대응 시점을 예측하였다. 그리고 실험을 통해 한계 대응 시점의 예측이 정확함을 확인 할 수 있었다.

• KDI Journal of Economic Policy
• /
• v.19 no.3
• /
• pp.139-194
• /
• 1997

80년 이후 최근까지의 우리나라 통화정책과 관련하여 세 가지 질문을 던지고 그에 대한 답을 찾고자 하는 것이 본 논문의 목적이다. 첫 번째 질문은, '중간표적으로 이용되어온 M2의 물가와 산출량에 대한 예측력은 어떻게 변하여왔는가' 하는 것이다. 본 논문에서는 Granger인과성 검정과 VAR을 이용한 예측오차분산분해를 통하여 시간의 흐름과 함께 M2의 예측력이 약화되어왔음을 보일 것이다. 두 번째 질문은, '그렇다면 그 원인은 무엇인가' 하는 것이다. 본 논문에서는 통화수요함수의 장기적 안정성에 대한 공적분 검정을 통하여 90년까지의 표본에서 발견되던 안정성에 대한 증거가 96년까지의 표본에서의 사라짐을 보이고, 이같은 통화수요함수의 안정성 상실을 M2의 예측력 약화의 원인인 것으로 해석할 것이다. 본 논문의 마지막 질문은, 'M2타깃팅의 실제 운영이 인플레이션 및 성장률 안정과 일관되게 추진되어 왔는가' 하는 것이다. 본 논문에서는 통화정책의 반응함수 추정을 통하여 80년 이후 우리나라의 통화정책이 기간에 따라 정책목표가 변화되어 왔음을 보일 것이다. 85년 이전에는 인플레이션의 안정이 추구되었으나 86년에서 92년까지의 기간에는 경기부양이 중점적으로 추구되었던 것으로 보이고, 최근에 이르러서는 인플레이션 안정과 성장률 안정이 비교적 균형되게 추구되고 있는 것으로 평가된다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.588-594
• /
• 2005

사례기반추론(Case-Based Reasoning)은 다양한 예측 문제에 있어서 성공적으로 활용되고 있는 데이터마이닝 기법 중 하나이다. 사례기반추론 시스템의 예측 성능은 예측에 사용되는 최근접이웃(Nearest Neighbor)을 어떻게 설정하느냐에 따라 영향을 받게 된다. 따라서 최근접 이웃을 결정짓는 k 값의 설정은 성공적인 사례기반추론 시스템을 구축하기 위한 중요 요인 중 하나가 된다. 최근접 이웃의 설정에 있어서 대부분의 선행 연구들은 고정된 k 값을 사용하는 사례기반추론 시스템은 k 값을 크게 설정할 경우 최근접 이웃 안에 주어진 오류를 일으킬 수 있으며, k 값이 작게 설정된 경우에는 유사 사례 중 일부만을 예측에 사용하기 때문에 예측 결과의 왜곡을 초래할 수 있다. 본 이웃을 결정함에 있어서 Similarity Threshold를 이용하는 s-NN 방법을 제안하였다. 본 연구의 실험을 위해 UCI(University of california, Irvine) Machine Learning Repository에서 제공하는 두 개의 신용 데이터 셋을 사용하였으며, 실험 결과 s-NN 적용한 CBR 모델이 고정된 k 값을 적용한 전통적인 CBR 모델보다 더 우수한 성능을 보여주었다.

• The tire
• /
• s.89
• /
• pp.7-10
• /
• 1980

미국 Tire Review 사의 년차보고서에 의하면 80년도 미국 타이어 상인들의 판매전망은 금리가 인상됨에 따라 신용거래(월부 거래)기간의 연장으로 재고는 감소되나, 서비스업(Brakes, Alignment, Shocks, Tune up등)을 겸한 판매방법의 개선 등으로 낙관된다고 하였다. 그리고 타이어 상인의 대부분은 80년도의 매출액 및 이익은 전년도에 비해 다같이 증가될 것이라고 예측하였다.

• Proceedings of the Korea Institute of Fire Science and Engineering Conference
• /
• 2003.10a
• /
• pp.83-88
• /
• 2003

• Magazine of the Korean Society of Agricultural Engineers
• /
• v.59 no.1
• /
• pp.53-59
• /
• 2017

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.6
• /
• pp.1417-1426
• /
• 2015

We develop the high risk group predictive model for loan default by utilizing the direct loan data from 2012 to 2014 of the Korea Student Aid Foundation. We perform the decision tree analysis using the data mining methodology and use SAS Enterprise Miner 13.2. As a result of this model, subject types were classified into 25 types. This study shows that the major influencing factors for the loan default are household income, national grant, age, overdue record, level of schooling, field of study, monthly repayment. The high risk group predictive model in this study will be the basis for segmented management service for preventing loan default.

• Journal of Intelligence and Information Systems
• /
• v.17 no.3
• /
• pp.25-41
• /
• 2011

Recently, support vector machines (SVMs) are being recognized as competitive tools as compared with other data mining techniques for solving pattern recognition or classification decision problems. Furthermore, many researches, in particular, have proved them more powerful than traditional artificial neural networks (ANNs) (Amendolia et al., 2003; Huang et al., 2004, Huang et al., 2005; Tay and Cao, 2001; Min and Lee, 2005; Shin et al., 2005; Kim, 2003).The classification decision, such as a binary or multi-class decision problem, used by any classifier, i.e. data mining techniques is so cost-sensitive particularly in financial classification problems such as the credit ratings that if the credit ratings are misclassified, a terrible economic loss for investors or financial decision makers may happen. Therefore, it is necessary to convert the outputs of the classifier into wellcalibrated posterior probabilities-based multiclass credit ratings according to the bankruptcy probabilities. However, SVMs basically do not provide such probabilities. So it required to use any method to create the probabilities (Platt, 1999; Drish, 2001). This paper applied AdaBoost algorithm-based support vector machines (SVMs) into a bankruptcy prediction as a binary classification problem for the IT companies in Korea and then performed the multi-class credit ratings of the companies by making a normal distribution shape of posterior bankruptcy probabilities from the loss functions extracted from the SVMs. Our proposed approach also showed that their methods can minimize the misclassification problems by adjusting the credit grade interval ranges on condition that each credit grade for credit loan borrowers has its own credit risk, i.e. bankruptcy probability.

• Journal of Internet Computing and Services
• /
• v.11 no.3
• /
• pp.25-32
• /
• 2010

It takes quite amount of time to study a game because there are many game characters and different stages are exist for games. This paper used reinforcement learning algorithm for characters to learn, and so they can move intelligently. On learning early, the learning speed becomes slow. Improved sequential prediction method was used to improve the speed of learning. To compare a normal learning to an improved one, a game was created. As a result, improved character‘s ability was improved 30% on learning speed.

• Journal of Digital Convergence
• /
• v.13 no.2
• /
• pp.105-113
• /
• 2015

If the watchdog role of good corporate governance, corporate executives and reduce agency costs and information asymmetries. Corporate governance score higher because enterprise internal control systems and financial reporting system is well equipped with the company management is enabled and corporate performance is higher because the high financial credit rating. Under these assumptions and hypotheses set up this study corporate governance (CGI) has been studied demonstrated how the financial impact on the credit rating (CFR). Findings,

relevant corporate governance (CGI) and financial credit rating was found to significantly affect the positive (+), Regression coefficient code is expected code of positive (+), the value

indicated by the value of all positive. The results of corporate governance (CGI) has showed excellent results, such as the more predictable will increase the credit score financial rating. The results of this study will have more CGI-credit financial rating the greater good. This study might be expected to provide a useful guide that corporate social responsibility, the company with a good governance and oversight systems enable to to get a higher credit rating in practice and research.