• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.1-8
• /
• 2019

본 논문은 지구온난화로 인하여 수온이 상승되며 증가한 해파리의 피해를 감소하고자 연구를 진행하였다. 해수욕장에서 해파리의 등장은 해파리의 쏘임 사고로 인한 인명피해와 폐장으로 인한 경제적 손실이 발생할 수 있다. 본 논문은 선행 연구들로부터 해파리의 출현 패턴을 머신러닝을 통하여 예측 가능함 확인하였다. SVM을 이용한 해파리 출현 예측 모델 연구를 확대하여 진행하였다. 심층신경망을 이용하여 해파리 출현 유무 예측인 이진 분류에서 지수화 된 방법인 다중 분류로 확장하고자 하였다. 수집된 데이터의 크기가 작다는 한계점으로 인하여 84.57%라는 예측 정확도의 한계를 부트스트래핑을 이용하여 데이터 확장을 통해 해결하고자 하였다. 확장된 데이터는 원본 데이터보다 약 7% 이상의 높은 성능을 보여주었으며, Transfer learning과 비교하여 약 6% 이상의 좋은 성능을 보여주었다. 최종적으로 테스트 데이터를 통하여 해파리 출현 예측 성능을 확인한 결과, 해파리의 출현 유무를 예측할 시 높은 정확도로 예측이 가능함을 확인하였으나, 지수화를 통한 예측에서는 의미 있는 결과를 얻지 못하였다.

• 벤처창업연구
• /
• 제9권1호
• /
• pp.119-132
• /
• 2014

본 연구는 코스닥 기업의 횡령 배임 및 최대주주변경을 고려한 부실기업 예측 모형을 연구하였다. 모형개발을 위해 2009년부터 2012년까지 코스닥시장에서 상장폐지된 제조기업 83개사를 부실기업표본으로 선정하였고. 정상기업 표본은 같은 기간 코스닥시장에 상장되어 정상적인 영업활동을 하고 있으며 부실기업과 동일아이템 혹은 동종업종에 속한 83개사를 선정하여 총 166개사를 쌍대표본 추출법으로 구성하였다. 본 연구는 상기 표본기업의 상장폐지 직전 5년간 재무비율 80개를 선정하여 T-test를 실시하여 유의미한 변수 중에서 5년 연속 출현한 19개를 도출하였고 전진선택법을 이용하여 로지스틱 회귀분석 모형식을 추정하였다. 기존 연구에서는 상장폐지 직전 3년간 자료만을 분석하였으나 본 연구는 직전 5년간 자료를 분석하여 기업이 부실화되는 초기과정부터 어떤 유의미한 재무적 특성이 시차를 두고 부실화에 영향을 미치는 지를 연구했다는 점과 선행 연구에서 시도되지 않은 횡령 배임과 최대 주주변경이라는 비재무적인 특성을 더미변수로써 고려된 부실기업예측모형을 구축하여 그 정보의 유용함을 실증적으로 분석한 점이 기존 선행연구들과 차별화 된다. 연구결과, 더미변수를 추가한 모형의 판별력은 T-1년에 95.2%, T-2년에 88.0%, T-3년에 81.3%, T-4년에 79.5%, T-5년에 74.7%로 나타났으며, 상장폐지 년도에 가까워지면서 판별력도 점차 올라갔으며 기존 선행연구의 결과보다도 대체로 높은 판별력을 보였다. 본 연구가 사전에 부실화될 가능성이 높은 기업을 찾아냄으로써 해당기업은 물론 투자자, 금융기관 및 기타 이해관계자들의 피해를 조금이나마 줄여 줄 수 있을 것이라고 기대된다.