• Proceeding of EDISON Challenge
• /
• 2015.03a
• /
• pp.124-131
• /
• 2015

단백질의 구조를 예측하기 위해서 구조가 알려져 있는 단백질 중 진화적으로 유사한 단백질의 구조 정보를 이용하는 Template Based Modeling (TBM) 방법이 현재까지 가장 효과적으로 많이 사용되고 있다. 단백질의 삼차 구조를 이루는 단위 중에서도 고리 부분은 효소 활성 부위 또는 리간드 결합 부위 등으로 작용하여 단백질의 생물학적 기능에 연관되어 있다. 하지만 진화적으로 가까운 단백질이어도 고리 부분은 서열이 잘 보존되지 않아 충분한 구조 정보를 주지 못하고 TBM 방법으로 고리 구조까지 정확히 예측을 할 수 없다. 따라서 TBM 방법으로 예측한 구조의 고리 부분을 주형 정보에 의존하지 않고 다시 예측하여 전체 구조를 정밀화하는 과정이 중요하다. 이번 연구에서는 이를 위해 자유 에너지를 고려한 고리 구조 예측 방법을 적용하여 그 효과를 검증해보았다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2000.04a
• /
• pp.661-663
• /
• 2000

본 논문은 수요 예측함에 있어서 여러 가지 수요 예측 방법을 통해 매 시기 마다 적절한 수요예측 기법을 사용하여 좀더 정확한 수요예측 결과를 추정하기 위한 방법을 연구하며 특히, 수요 예측하기 어려운 제품에 대해 여러 인자를 고려하여 좀더 나은 예측치를 구하기 위한 방법을 연구하고 있다. 마지막으로 각 ERP나 SCM, MRP application에 연계하여 필요한 자료를 되게 얻고 이를 다시 보내 줄 수 있는 일반적인 연계 방법을 연구하고 있다. 본 논문에서는 데이터 베이스 연계부분에서는 ODBC 를 사용하였으며, 예측 기법은 Moving Average 기법과 Exponential Smoothing 기법, 그리고 Neural Networks 중 BP 를 이용하여 구현하였다. 앞으로 좀 더 많은 예측 기법을 적용하여 향상된 수요 예측을 위한 모듈을 연구 및 구현하려 한다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.597-602
• /
• 2007

본 연구는 추천시스템에서 협업필터링 알고리즘을 이용하여 특정 상품에 대한 고객의 선호도를 예측함에 있어 고객이 상품에 대해 평가한 선호도 평가치를 고객별로 표준화시켜 예측하여 기존의 예측 정확도를 향상시키는 방법에 대하여 연구하였다. 일반적으로 상품에 대한 고객의 선호도를 평가하기 위하여 절대적 기준의 수치적 척도가 제공되지만 개인에 따라서는 상품에 대한 선호 정도가 절대적 척도에 다르게 반영되어 개인별 선호도에 차이가 발생할 수 있다. 이러한 개인적 특성이 동일한 척도의 평가치로 예측되면 예측 결과의 오차를 크게 할 가능성이 있다. 또한 개인이 평가한 선호도 평가치의 편차가 협업필터링 알고리즘을 통한 선호도 예측 정확도와 밀접한 관계를 가지고 있음을 알 수 있었으며 이러한 문제를 해결하기 위하여 개별 고객이 평가한 선호도 평가치를 표준화시켜 표준화된 선호도 평가치를 이용한 선호도 예측을 실시하였다. 분석결과 표준화된 선호도 평가치를 이용한 예측 결과가 비표준화 선호도 평가치를 이용한 예측 결과보다 예측력이 우수함을 알 수 있었으며 결과에 대한 통계적 분석을 통하여 표준화된 선호도 평가치를 이용한 선호도 예측 방법과 비 표준화 선호도 평가치를 이용한 선호도 예측 방법을 혼합할 경우 선호도 예측 정확도를 더 향상시킬 수 있음을 알 수 있었다.

• Journal of IKEEE
• /
• v.24 no.2
• /
• pp.661-664
• /
• 2020

In this paper, we propose a maritime region segmentation method and a segment-based destination prediction method for vessel path prediction. In order to perform maritime segmentation, clustering on destination candidates generated from the past paths is conducted. Then the segment-based destination prediction is followed. For destination prediction, different prediction methods are applied according to whether the current region is linear or not. In the linear domain, the vessel is regarded to move constantly, and linear prediction is applied. In the nonlinear domain with an uncertainty, we assume that the vessel moves similarly to the most similar past path. Experimental results show that applying the linear prediction and the prediction method using a similar path differently depending on the linearity and the uncertainty of the path is better than applying one of them alone.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1995.10a
• /
• pp.159-165
• /
• 1995

본 연구에서는 비선형 동적장치에 의해 발생하는 비안정 신호의 비선형 적응 예측을 위한 효과적 방법을 서술한다. 이 방법을 실제 원자력 발전소의 데이타를 이용하여 이상연상(hetero-association) 방식의 예측을 수행하였다. 다입력/다출력의 신경망은 이러한 비선형 예측에 이용할 수 있으나 학습되지 않은 상황에 대한 예측에는 어려움이 있었다. 본 연구에서 서술한 방법은 학습과 실행이 동시에 가능한 형태로 역전파 학습 (backpropagation learning) 알고리듬을 이용한 다층 인식자 (multilayer perceptron) 신경망과 비교하여 비성형 비안정 신호에 대한 우수한 예측 능력을 보여 주었다.

• The Magazine of the Society of Air-Conditioning and Refrigerating Engineers of Korea
• /
• v.30 no.4
• /
• pp.12-19
• /
• 2001

대공간의 건축물의 합리적인 설계를 위해서는 온도 및 기류분포의 정확한 예측이 필요하다. 예측 방법으로 정밀해석 모델(CFD)만을 최선의 방법으로 생각하는 경우가 대부분 이지만, 비용과 시간을 줄이기 위해서는 설계 단계별로 보다 적합한 예측 방법을 적용 할 필요가 있다. 이것은 다양한 예측 모델들의 장·단점 및 실용성에 대한 충분한 이해가 전제될 때 가능할 것이다. 본고에서는 열환경·설비 설계시, 설계 단계에 따른 적합한 예측 모델들을 소개한다. 더불어, 적절하고 타당한 예측 기술이 설계에 반영되어 대공간 건축물의 실내 열환경 개선 및 에너지 절약이 이루어지기를 기대한다.

• Korea Real Estate Review
• /
• v.27 no.3
• /
• pp.71-86
• /
• 2017

The purpose of this study was to apply the deep running method to real estate price index predicting and to compare it with the time series analysis method to test the possibility of its application to real estate market forecasting. Various real estate price indices were predicted using the DNN (deep neural networks) and LSTM (long short term memory networks) models, both of which draw on the deep learning method, and the ARIMA (autoregressive integrated moving average) model, which is based on the time seies analysis method. The results of the study showed the following. First, the predictive power of the deep learning method is superior to that of the time series analysis method. Second, among the deep learning models, the predictability of the DNN model is slightly superior to that of the LSTM model. Third, the deep learning method and the ARIMA model are the least reliable tools for predicting the housing sales prices index among the real estate price indices. Drawing on the deep learning method, it is hoped that this study will help enhance the accuracy in predicting the real estate market dynamics.

• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.149-152
• /
• 2008

본 연구는 협업 추천 시스템에 적용되는 상품에 대한 고객의 선호도 예측 알고리즘 중 메모리기반 협업필터링 알고리즘의 선호도 예측 특성에 대하여 연구하였다. 메모리기반의 협업필터링 알고리즘은 선호도 예측 대상 고객과 유사한 성향을 가질 것으로 예상되는 고객들의 선호도 평가를 기반으로 특정 상품에 대한 선호도 예측이 이루어진다. 일반적으로 시스템을 이용하는 고객들과 선호성향이 다른 고객들은 선호도 예측 성과가 낮은 것으로 알려져 있으며 이들이 추천시스템의 선호도 예측 정확도를 떨어뜨리는 원인으로 알려져 있다. 본 연구에서는 고객이 상품들에 평가한 선호도 평가의 패턴이 선호도 예측 정확도와 관련성이 높음을 보여 선호도 예측 알고리즘의 개선에 기초 자료를 제공하고자 한다. 고객의 선호도 평가 패턴은 과거 고객이 평가한 자료로부터 얻을 수 있는 사전정보로써 선호도 예측 알고리즘을 적용하기 이전에 이용할 수 있는 정보이다. 본 연구에서는 사전정보를 이용하여 고객의 선호도 예측 오차의 특성을 연구함으로써 이들의 선호도 예측 정확도를 개선시킬 수 있는 알고리즘의 보정방법에 대하여 연구한다. 알고리즘의 보정방법을 선호도 예측 이전에 고객의 선호도 평가 특성으로 판단하여 적용함으로써 사전정보를 이용한 선호도 예측 정확도를 향상시키기 위한 접근법은 기존의 이웃 구성의 접근법과 다른 방법을 취함으로써 알고리즘 개선의 새로운 방향을 제시할 것으로 기대된다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.349-352
• /
• 2001

일반적인 동영상 압축 부호화 방법에서 시간적 중복 정보를 줄이기 위해 움직임 예측과 움직임 보상 방법을 이용한다. 웨이블릿 변환을 이용한 동영상 압축 부호화 기법 중에는 기존의 공간 영역에서의 움직임을 예측하는 대신에 웨이블릿 변환 영역에서 움직임을 예측하기도 한다. 이러한 방법은 움직임 예측 시간을 줄이는 장점이 있지만, 웨이블릿 변환에서 추림(Desimation)하는 과정에서 천이-변동 문제 (Shift-Variant Problem)를 일으켜 좋지 않은 성능을 나타낸다. 본 논문에서는 웨이블릿 영역에서의 다중 해상도 움직임 예측에서 천이-변동 문제를 해결하기 위한 새로운 움직임 예측과 움직임 보상 방법을 제안한다. 제안된 방법은, 기존의 공간 영역에서의 블록 정합 방법과 비교하여, 더 높은 화질을 나타낼 뿐 아니라, 주관적 화질에도 개선된 결과를 보인다.