• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2006.06a
• /
• pp.176-182
• /
• 2006

본 연구에서는 기존 Bagging Predictors에 수정을 가한 Modified Bagging Predictors를 이용하여 SOHO 에 대한 부도예측 모델을 제시한다. 대기업 및 중소기업에 대한 기압부도예측 모델에 대한 많은 선행 연구가 있어왔지만 SOHO 만의 기업부도예측 모델에 관한 연구는 미비한 상태이다. 금융기관들의 대출심사시 대기업 및 중소기업과는 달리 SOHO에 대한 대출심사는 이직은 체계화되지 못한 채 신용정보점수 등의 단편적인 요소를 사용하고 있는 것에 현실이고 이에 따라 잘못된 대출로 안한 금융기관의 부실화를 초래할 위험성이 크다. 본 연구에서는 실제 국내은행의 SOHO 데이터 집합이 사용되었다. 먼저 기업부도 예측 모델에서 우수하다고 연구되어진 인공신경망과 의사결정나무 추론 기법을 적용하여 보았지만 만족할 만한 성과를 이쓸어내지 못하여, 기존 기업부도예측 모델연구에서 적용이 미비하였던 Bagging Predictors와 이를 개선한 Modified Bagging Predictors를 제시하고 이를 적용하여 보았다. 연구결과,; SOHO 부도예측에 있어서 본 연구에서 제시한 Modified Bagging Predictors 가 인공신경망과 Bagging Predictors등의 기존 기법에 비해서 성과가 향상됨을 알 수 있었다. 제시된 Modified Bagging Predictors의 유용성을 확인하기 위해서 추가적으로 대수의 공개 데이터 집합을 활용하여 성능을 비교한 결과 Modified Bagging Predictors 가 기존의 Bagging Predictors 에 비해 일관적으로 성과가 향상됨을 알 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.483-486
• /
• 2023

최근 금융 분야는 예측 모델의 복잡성으로 인한 블랙박스 문제와 금융 규제에 대한 관심이 높아지고 있다. 이에 따라 금융 업계는 신뢰성과 투명성을 강조하며, 특히 신용평가 분야에서 설명 가능한 모델 연구가 활발히 진행되고 있다. 또한, 해당 분야에서 소수 클래스에 대해 충분히 학습하지 못하고 다수 클래스에 과적합 될 수 있는 데이터 불균형 문제 역시 강조되고 있다. 이는 제 2종 오류(Type 2 Error)를 최소화해야 하는 상황에서 더욱 부각되며, 대출 상환 능력이 낮은 고객을 최대한 식별해야 하는 개인 신용평가 문제에서 매우 중요한 화두로 떠오르고 있다. 본 논문에서는 어텐션 메커니즘을 활용하여 모델의 설명 가능성을 개선하고, 분석 결과를 해석하는 데 도움이 되고자 한다. 더 나아가, SMOTE, GAN, ADASYN 등 총 다섯 가지 데이터 증강 기법을 실험하여, 이를 앙상블 하였을 때 소수 클래스 레이블에 대한 분류 정확도를 크게 개선할 수 있음을 확인하였다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.18 no.3
• /
• pp.35-46
• /
• 2013

In order to develop an accurate analytical model for domestic electricity demand forecasting, we propose a prediction method of the electric power demand pattern by combining SMO classification techniques and a dimension reduction conceptualized subspace clustering techniques suitable for high-dimensional data cluster analysis. In terms of electricity demand pattern prediction, hourly electricity load patterns and the demographic and geographic characteristics can be analyzed by integrating the wireless load monitoring data as well as sub-regional unit of census information. There are composed of a total of 18 characteristics clusters in the prediction result for the sub-regional demand pattern by using census information and power load of Seoul metropolitan area. The power demand pattern prediction accuracy was approximately 85%.

• Proceedings of the Korean Statistical Society Conference
• /
• 2000.11a
• /
• pp.231-234
• /
• 2000

본 연구는 오랜 시간에 거쳐 축적된 고객 데이터베이스를 활용하여 스코어링 방법을 적용할 수 있는 모델링의 개발에 목적이 있다. 기존의 전통적인 스코어링 방법은 인구 통계학적인 변수나 거래 관련 횡단면적인 자료를 이용하여 우량고객과 불량고객을 구분하는 판별분석의 형태가 대부분이다. 하지만 과거 고객에 대한 실적 자료가 시계열 형태를 이루며 존재하기 때문에 이에 대한 적절한 동태적 모형을 적용은 자연스러운 확장이라고 볼 수 있다. 본 연구에서 제안하는 모형은 고객들의 실적관련 시계열 자료를 GARCH 모형에 적합하여 미래의 실적 예측과 이에 대한 표준편차를 예측하여 하위 $10\%$에 해당하는 실적 예측치를 스코어링으로 하는 새로운 방법을 소개하고자 한다. 이 경우 스코어 값이 부호를 가지게 되므로 우량고객을 구분함과 동시에 큰 음수 값을 조사하여 위험 평점도 함께 측정할 수 있어서 실무 측면에서 유용하리라고 본다.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.4
• /
• pp.38-44
• /
• 1999

본 논문에서는 웨이브릿 변환과 선택적 예측 벡터양자화를 이용한 인공위성 화상데이타 부호화 방법을 제안하였다. 이 방법에서는 대역내 중복성을 제거하기 위하여 각각의 대역을 웨이브릿 변환하고, 대역간 중복성을 제거하기 위해 에측하는 대역으로부터 생성된 임계치 지도를 이용하여 선택적 예측 벡터양자화를 행한다. 따라서 이 방법은 대역내 및 대역간 중복성을 효과적으로 제거하기 때문에 부호화 효율을 향상시킨다. 이 방법을 실제 Landsat TM 인공위성 화상데이타에 실험한 결과 기존의 방법에 비하여 부호화 효율이 향상됨을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.459-462
• /
• 2021

본 연구는 반도체 제조 공정중 발생하는 센서 데이터를 활용하여 딥러닝기반으로 불량을 예측하는 모델을 제안한다. 반도체 공장에서는 FDC((Fault Detection and Classification)라는 불량을 예측하는 시스템이 있지만, 공정의 복잡도가 높고 센서의 종류가 많아 공정 관리자가 모든 센서의 기준을 설정 및 관리하는데 한계가 있다. 이를 해결하기 위해 공정 설비의 센서 데이터를 딥러닝을 활용하여 학습시켜 센서 기준정보로 임계치를 제공하고, 가공중 발생하는 센서 데이터가 입력되면 정상 여부를 판정하는 모델을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.56-59
• /
• 2020

최근 초저지연, 초고속, 초연결 네트워크를 요구하는 기술들이 급속하게 발전하고 있다. 기존 4G 네트워크는 위 요구사항을 만족할 수 없었기 때문에 5G 네트워크가 등장했다. 5G 네트워크는 네트워크 가상화 기반 네트워크 슬라이싱을 통해 각각의 서비스 마다 독립적인 네트워크 환경을 제공한다. 그러나 네트워크에 참여하는 서비스가 다양해질수록 트래픽 부하가 폭발적으로 증가할 것으로 예상되며 트래픽 부하에 따른 병목현상이 발생할 가능성이 여전히 존재한다. 본 논문에서는 인공 신경망 알고리즘 RNN을 활용하여 트래픽을 예측하고 예측 결과를 기반으로 네트워크 슬라이스의 자원을 선제적으로 조절하는 기계학습 기반 네트워크 슬라이싱 자원 예약 기법을 제안한다.

• Journal of Digital Convergence
• /
• v.15 no.2
• /
• pp.121-133
• /
• 2017

The propose of study is to examine the characteristics of companies with high possibility to form an internal control weakness using forecasting model. This study use the actual listed/unlisted companies' data from K_financial institution. The first conclusion is that discriminant model is more valid than logit model to predict internal control weak companies. A discriminant model for predicting the vulnerability of internal control has high classification accuracy and has low the Type II error that is incorrectly classifying vulnerable companies to normal companies. The second conclusion is that the characteristic of weak internal control companies have a low credit rating, low asset soundness assessment, high delinquency rates, lower operating cash flow, high debt ratios, and minus operating profit to the net sales ratio. As not only a case of listed companies but unlisted companies which did not occur in previous studies are extended in this study, research results including the forecasting model can be used as a predictive tool of financial institutions predicting companies with high potential internal control weakness to prevent asset losses.

• The Korean Journal of Financial Management
• /
• v.16 no.2
• /
• pp.243-261
• /
• 1999

본 논문은 순이익의 시계열 속성을 조사하고, 순이익의 시계열이 랜덤워크 모형과 일치하는지를 단위근 검증방식을 사용하여 조사하며, 시계열 속성에 근거하여 도출된 예측모형과 흔히 사용되어 온 랜덤워크 모형의 예측능력을 비교하여 선행연구에서 사용되고 있는 랜덤워크 모형에 실증적 타당성을 제시하는 것을 주목적으로 하고 있다. 본 연구는 한국신용평가주식회사의 데이터 베이스에 1980년부터 1996년까지 17년간 자료가 연속적으로 포함되어 있는 금융기업을 제외한 모든 기업(272개)을 표본으로 사용하고 있다. 표본기업의 순이익 시계열에 가장 적합한 과정은 랜덤워크나 AR(1) 또는 AR(2) 모형이다. 또한 본 논문은 대부분의 기업에 때해 순이익이 랜덤워크 과정을 따른다는 가설을 기각할 수 없음을 보였다. 이들 상이한 모형의 표본외 예측력(out-of-sample predictive ability)을 비교한 결과 상수항을 포함한 랜덤워크 모형이 가장 작은 평균 절대 예측오차(mean absolute forecast error)를 갖는 것으로 나타나고 있다. 본 연구는 기존의 연구가 순이익 시계열의 불안정성(nonstationarity) 문제를 무시하거나 명시적으로 다루고 있지 않은 것과는 달리 단위근 검증(unit root test)을 통해 연간 순이익이 대체로 불안정하다는 것을 보였으며, 또한 상이한 모형의 표본외 예측능력을 비교한 결과 선행연구에서 사용하여 온 랜덤워크 모형의 우월성에 대한 실증적 증거를 제공하였다는 데 의의가 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.597-597
• /
• 2015

기후변화에 따른 홍수 위험도 증가와 태풍 및 집중호우의 증가는 도시지역의 홍수로 인한 피해가 커지고 있다. 실제로 최근 10년간 홍수로 인한 재산피해 및 인명피해는 해마다 늘고 있다. 이러한 홍수피해를 최소화 할 수 있는 도시지역 초단기 강우 예보 시스템 개발은 필수적이다. 그동안 기상레이더를 이용한 강우예측 모형은 국내외적으로 많이 개발이 되어 있지만, 위성을 이용한 단기간 강우예보모형은 많이 부족한 실정이다. 최근 국내 최초 기상위성의 발사로 위성을 이용한 강수관측 및 초단기 예보가 가능하게 되었다. 이러한 초단기 강우 예보 시스템의 기본예측모형인 구름이동벡터를 개발하기 위해서 본 연구에서 COMS 위성자료를 이용하였다. COMS 위성은 2011년 4월에 발사되어 현재 운영 중에 있다. COMS 위성 자료는 현재 일본 정지궤도 위성 MTSAT 위성자료와 달리 한반도 영역을 대상으로 적외채널 자료들을 8-15분 간격으로 수집 가능하여 집중호우 예보에 매우 유리하다. COMS 위성의 연속되는 위성 구름의 교차상관을 통해서 이동벡터를 산출하여 예측 모형을 산출하였다. 교차상관 기법은 연속되는 구름 자료에 대해서 두 윈도우 사의 상관계수의 최대치를 찾아냄으로써 구름의 이동방향과 이동속도를 산출하는 방법이다. 기 개발된 예측모형을 이용하여 한반도 지역의 이동벡터를 산출하였으며, 본 연구에서 산출된 구름이동벡터는 도시지역의 갑자기 발생하는 집중호우나 태풍의 초단기 예측의 기본 모형으로 탑재될 것이다.