• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11a
• /
• pp.988-990
• /
• 2005

본 논문에서는 그리드 컴퓨팅 환경에서 사용자와 자원 제공자간의 자원거래 시 사용자의 자원 요구량을 예측하고, 합리적인 가격 결정 알고리즘을 이용하여 기존의 자원 거래 모델에 비해 빠른 응답 속도를 갖는 모델을 제안한다. 본 논문에서 제안하는 모델은 사용자의 자원 요구량를 예측을 위해 통계학의 예측 모델을 적용하였고, 그리드 자원의 거래 가격 결정을 위한 경제학의 이론을 도입하였다. 우리는 실험을 통해 기존의 모델들과 비교하여 그리드 자원 거래를 위한 응답시간을 비교 하였다. 우리는 실험을 통해 기존의 모델들과 비교하여 응답시간이 최소 $72.39\%$ 향상된 결과를 얻었고 우리가 제안한 모델이 기존 모델에 비해 우수하다는 것을 입증하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.13 no.3
• /
• pp.579-586
• /
• 2018

With the beginning of the new era of bigdata, information extraction or prediction are an important research area. Here, we present the acquisition of semi-automatically curated large-scale biological database and the prediction of enzyme reaction annotation for analyzing the pharmacological activities of drugs. Because the xenobiotic metabolism of pharmaceutical drugs by cellular enzymes is an important aspect of pharmacology and medicine. In this study, we apply and analyze similarity models to predict bimolecular reactions between human enzymes and their corresponding substrates. Thirteen models select to reflect the characteristics of each cluster in the similarity model. These models compare based on sensitivity and AUC. Among the evaluation models, the Simpson coefficient model showed the best performance in predicting the reactivity between the enzymes. The whole similarity model implement as a web service. The proposed model can respond dynamically to the addition of reaction information, which will contribute to the shortening of new drug development time and cost reduction.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.8
• /
• pp.301-310
• /
• 2021

The TATI model is a Traffic Accident Text to RGB Image model, which is a methodology proposed in this paper for predicting the severity of traffic accidents. Traffic fatalities are decreasing every year, but they are among the low in the OECD members. Many studies have been conducted to reduce the death rate of traffic accidents, and among them, studies have been steadily conducted to reduce the incidence and mortality rate by predicting the severity of traffic accidents. In this regard, research has recently been active to predict the severity of traffic accidents by utilizing statistical models and deep learning models. In this paper, traffic accident dataset is converted to color images to predict the severity of traffic accidents, and this is done via CNN models. For performance comparison, we experiment that train the same data and compare the prediction results with the proposed model and other models. Through 10 experiments, we compare the accuracy and error range of four deep learning models. Experimental results show that the accuracy of the proposed model was the highest at 0.85, and the second lowest error range at 0.03 was shown to confirm the superiority of the performance.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_3
• /
• pp.1031-1042
• /
• 2023

In this study, a deep learning model was developed to predict the yield of cabbage and radish, one of the five major supply and demand management vegetables, using satellite images of Landsat 8. To predict the yield of cabbage and radish in Gangwon-do from 2015 to 2020, satellite images from June to September, the growing period of cabbage and radish, were used. Normalized difference vegetation index, enhanced vegetation index, lead area index, and land surface temperature were employed in this study as input data for the yield model. Crop yields can be effectively predicted using satellite images because satellites collect continuous spatiotemporal data on the global environment. Based on the model developed previous study, a model designed for input data was proposed in this study. Using time series satellite images, convolutional neural network, a deep learning model, was used to predict crop yield. Landsat 8 provides images every 16 days, but it is difficult to acquire images especially in summer due to the influence of weather such as clouds. As a result, yield prediction was conducted by splitting June to July into one part and August to September into two. Yield prediction was performed using a machine learning approach and reference models , and modeling performance was compared. The model's performance and early predictability were assessed using year-by-year cross-validation and early prediction. The findings of this study could be applied as basic studies to predict the yield of field crops in Korea.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.4
• /
• pp.416-422
• /
• 2006

Most of the existing statistical models of software manpower profile are based on the assumptions of the usage and development process. Therefore, there is no universally applicable estimation and prediction model. To develop a prediction model, this paper suggests the predictive filter as a prediction model for software manpower profile. Firs of all, we investigate the software manpower profile and we suggest the input-output of predictive filter and method for parameter determination. Then, its usefulness is empirically verified by analyzing the actual data obtained from the software projects. Based on the average relative prediction error and Pred(0.25), the suggested predictive filter is compared with other well-known statistical estimation models. As a result, the predictive filter generally has a simple structure and on the other hand, it adapts the software manpower profile very well.

• 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.

• The KIPS Transactions:PartB
• /
• v.12B no.2 s.98
• /
• pp.209-214
• /
• 2005

The use of protein interaction data is highly reliable for predicting functions to proteins without function in proteomics study. The computational studies on protein function prediction are mostly based on the concept of guilt-by-association and utilize large-scale interaction map from revealed protein-protein interaction data. This study compares graph-based approaches such as neighbor-counting and $\chi^2-statistics$ methods using protein-protein interaction data and proposes an approach that is effective in analyzing large-scale protein interaction data. The proposed approach is also based protein interaction map but sequence similarity and heuristic knowledge to make prediction results more reliable. The test result of the proposed approach is given for KDD Cup 2001 competition data along with those of neighbor-counting and $\chi^2-statistics$ methods.

• Annual Conference of KIPS
• /
• 2019.05a
• /
• pp.443-446
• /
• 2019

빅데이터 분석을 위해 많이 사용하고 있는 기계학습 알고리즘들 중 딥러닝 알고리즘이 많이 활용되고 있으며 분류와 예측에 높은 정확도를 나타내고 있다. 딥러닝 알고리즘의 적용에 따른 많은 장단점들이 있지만, 단점은 분석에 사용되는 특징들이 너무 많다는 것과 분석 모델을 만드는데 사용되는 알고리즘도 여러 가지를 적용하다 보니 분석 시간이 오래 걸린다는 것이다. 이런 단점들은 업무를 파악하면 특징을 최소화할 수 있고 필요로 하는 정보만 선별해서 대표적인 딥러닝 알고리즘 하나에 분석을 하게 되면 분석 시간을 단축시킬 수 있다. 이 실험은 [1], [2]에서 연구한 영화 관객수 예측 모델을 4개의 특징으로 최소화하고 선별된 데이터를 인공신경망 알고리즘 하나로 예측 모델을 생성하였을 때 유의미한 정보를 도출해 낼 수 있는지를 알아보기 위한 것이다. 실험결과는 최종 관객수를 1명 단위까지 정확하게 예측하지는 못했지만 비슷한 수준의 관객수 정보를 예측하였다. 학문적인 접근으로 보았을 때 예측 정확도가 높지 않으면 사용이 불가능한 모델이라고 판단할 수 있지만, 기업 입장으로 접근해 보았을 때 예측 정보가 [1]. [2] 연구 결과에 비해 부족한 수준은 아니다. 총 소요된 시간은 기획 3일, 데이터 수집 및 모델 개발 5일, 분석 시간 10분으로 개발 시간 단축, 업무 효율성 향상, 비용 절감을 기대할 수 있다.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.33 no.6
• /
• pp.238-245
• /
• 2021

In this study, we carried out case study to predict dissolved oxygen (DO) concentration of Nakdong river estuary with LSTM model. we aimed to figure out a optimal model condition and appropriate predictor for prediction in dissolved oxygen concentration with model parameter and predictor as cases. Model parameter case study results showed that Epoch = 300 and Sequence length = 1 showed higher accuracy than other conditions. In predictor case study, it was highest accuracy where DO and Temperature were used as a predictor, it was caused by high correlation between DO concentration and Temperature. From above results, we figured out an appropriate model condition and predictor for prediction in DO concentration of Nakdong river estuary.

• Annual Conference of KIPS
• /
• 2011.11a
• /
• pp.1243-1247
• /
• 2011

센서 네트워크는 많은 수의 센서들로 구성되며 물질세계와 상호작용하여 실시간 감시를 할 수 있는 큰 규모의 네트워크이다. 현실 세계의 물리적 변화를 지속적으로 감시하기 위하여 센서 네트워크에 속해 있는 각 센서들은 주기적으로 측정값을 읽어서 기지국(base station)에 전달하는 기능을 수행한다. 이러한 경우, 각 센서들의 지속적인 통신에 따른 에너지 낭비가 발생하여 센서 네트워크 전체의 수명을 단축시키게 된다. 따라서 데이터 모니터링에 있어서 예측을 통한 근사 데이터 수집을 통해 센서 네트워크의 수명을 연장하고자 하는 연구들이 진행되고 있다. 그러나 현재의 예측을 통한 근사 데이터 수집은 측정값의 변화가 클수록 예측 모델의 갱신이 잦다. 따라서 본 논문에서는 지연 갱신을 이용한 효율적인 예측 모델 갱신 기법을 제안한다. 제안된 기법에서는 예측이 실패하였을 경우 즉시 예측 모델을 갱신하는 대신 문제가 되는 구간의 측정값들을 지연, 근사화하여 전송함으로써 예측 모델의 잦은 갱신을 방지할 수 있다.