• Journal of Intelligence and Information Systems
• /
• v.3 no.1
• /
• pp.1-12
• /
• 1997

파생금융상품이란 주식이나 채권과 같은 기준자산에 대해서 발행되는 2차 금융상품으로써 기존의 재무이론에서는 수리적 모형에 기반을 둔 가격결정모형을 이용하여 가치를 평가하였다. 그러나 이러한 전통적인 가격결정모형은 복잡한 현실세계를 단순화시키기 위한 제반 가정을 요구하기 때문에 이러한 가정이 현실에 부적합한 경우에는 모형가격이 실제가격으로부터 커다란 괴리를 갖게 된다. 본 연구에서는 전통적인 가격결정방법의 단점을 극복할 수 있는 자료 의존적인 인공신경망기법을 제시하고 대표적인 파생금융상품인 국내 전환사채의 가격결정에 적용해 봄으로써 그 가능성을 제시하였다. 인공신경망기법을 전환사채의 가격결정에 적용한 결과 전통적 가격결정방법에 비해 평균절대오차를 70%정도 줄일 수 있다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2001.06a
• /
• pp.359-368
• /
• 2001

본 연구에서는 부도예측용 인공신경망의 입력노드 선정을 위한 휴리스틱으로 연결강도분석 접근법을 제안한다. 연결강도분석은 학습이 끝난 인공신경망에서 입력노드와 은닉노드와 연결된 가중치의 절대값 즉, 연결강도를 분석하여 입력변수를 선정하는 접근법으로, 본 연구에서는 약체연결뉴론제거법, 강체연결뉴론선택법 그리고 이 두 기법을 통합한 통합 연결강도 모형을 제안하여 각각 의사결정 트리 및 다변량판별분석에 의해 선정된 입력변수를 이용한 인공신경망 모형과 예측율을 비교한다. 실험 결과 본 연구에서 제안하고 있는 방법론이 의사결정트리나 다다변량판별분석 기법 보다 높은 예측율을 보여 주었다. 특히 두 기법의 통합연결강도 모형의 경우에는 다른 단일 기법보다 높은 예측율을 보이고 있다.

• Review of KIISC
• /
• v.33 no.2
• /
• pp.57-67
• /
• 2023

최근 양자 역학의 원리를 기반으로 하는 양자 컴퓨팅 기술이 발달하면서 양자 컴퓨터가 고전컴퓨터에 비해 이점을 가질수 있는 작업 중 하나인 양자 인공지능에 대한 연구들이 관심을 받고 있다. 최근에는 실제로 작은 규모의 문제에서는 양자 인공지능이 기존 인공지능 기술에 비해 이점을 얻을 수 있음이 여러 연구 사례들을 통해 확인되었다. 하지만 현재의 양자 컴퓨터는 많은 자원을 사용할 수 없는 오류가 있는 중간 규모의 양자 컴퓨터 (Noisy Intermediate-Scale Quantum, NISQ)이므로 아직까지는 고전 인공지능을 능가한다고 정의하기는 어렵다. 따라서 현재의 양자 인공지능 기술은 고전 컴퓨팅과 양자 컴퓨팅을 결합한 하이브리드 방식이 보다 활발히 사용되고 있는 상황이며, 제약적인 환경에서 동작하는 신경망 구조와 학습 기술들이 주가 되고 있다. 본 고에서는 NISQ 상에서의 양자 인공지능 기술들에 대해 자세히 알아본다.

• Review of KIISC
• /
• v.30 no.6
• /
• pp.107-115
• /
• 2020

다양한 응용분야에서 심층신경망 기반의 학습 모델이 앞 다투어 이용됨에 따라 인공지능의 설명 가능한 동작 원리 해석과, 추론이 갖는 불확실성에 관한 분석 또한 심도 있게 연구되고 있다. 이에 심층신경망 기반 기계학습 모델의 취약성이 수면 위로 드러났으며, 이러한 취약성을 이용하여 악의적으로 모델을 공격함으로써 오동작을 유도하고자 하는 시도가 다방면으로 이루어짐에 의해 학습 모델의 강건함 보장은 보안 분야에서의 쟁점으로 부각되고 있다. 모델 추론의 입력으로 이용되는 이미지에 교란값을 추가함으로써 심층신경망의 오분류를 발생시키는 임의의 변형된 이미지를 적대적 사례라 정의하며, 본 논문에서는 최근 인공지능 및 컴퓨터비전 분야에서 이루어지고 있는 이미지 기반 적대적 사례의 생성 기법에 대하여 논한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.156-156
• /
• 2021

본 연구는 지역빈도해석을 기반으로한 인공신경망 모델과 기존에 널리 사용되는 방법인 홍수지수법의 성능을 몬테카를로 시뮬레이션을 이용하여 평가하였다. 컴퓨터 기술이 발달함에 따라 인공지능에 대한 접근성이 좋아지며 수문학을 포함한 다양한 분야에 적용되고 있다. 인공지능을 이용하여 강수량 및 유량 등 다양한 수문자료에 대한 예측이 이루어지고 있으나 빈도해석에 관한 연구는 비교적 적다. 본 연구에서 사용된 인공 지능 모델은 대상 지점의 지형학적 자료와 수문학적 자료를 이용하여 인공신경망을 통해 지점의 확률강우량(QRT-ANN) 및 확률분포형의 매개변수 (PRT-ANN)를 추정한다. 지형학적 자료로는 위도, 경도 그리고 고도가 사용되었으며 수문학적 자료로는 대상 지점의 최근 30년 일일연최대강우량을 사용하였다. 지역빈도해석의 정확도는 지역 내 통계적 특성이 비슷한 지점들이 포함되면 될수록 높아진다. 통계적 특성으로는 불일치 척도, 이질성 척도, 적합성 척도가 있으며 다양한 조건의 통계적 특성에 따른 세 개의 지역빈도해석 방법의 성능을 평가하고자 하였다. 대상 지역 내 n개의 지점이 있다고 가정하였을 때, 홍수지수법의 경우 n-1개의 지점으로 추정한 지역 성장곡선을 이용하여 나머지 1개 지점의 확률강우량을 산정할 수 있으며 인공신경망 모델들 또한 n-1개 지점들의 자료를 이용하여 모델을 구축한 뒤 나머지 지점의 확률강우량 및 확률분포형의 매개변수를 예측할 수 있다. PRT-ANN의 경우 예측된 매개변수를 이용하여 확률강우량을 산정하며 시뮬레이션 시행마다 발생시킨 자료의 지점빈도해석 결과에 대한 나머지 세 방법의 평균 제곱근 상대오차 (Relative root mean square error, RRMSE)를 계산하였다. 몬테카를로 시뮬레이션을 이용한 성능 분석을 통하여 관측값의 다양한 통계적 특성에 맞는 지역빈도해석 방법을 제시할 수 있을 것으로 판단된다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2022.10a
• /
• pp.357-358
• /
• 2022

지진, 호우, 태풍, 화재 등 긴급한 재난 알림 전달이 필요한 상황에서 청각장애인은 소리를 통한 알림을 인지할 수 없으며 문자를 통한 알림의 인지율도 비장애인에 비하여 상대적으로 낮은 편으로서 일반적인 수단의 재난알림을 신속하게 인지하기 어려운 경우가 많다. 이와 같은 청각장애인의 재난안전 긴급알림 인지의 취약성 문제를 해결하고자 픽토그램을 통한 재난안전 긴급 알림 시스템이 개발되었다. 본 연구에서는 재난문자 통보문의 문구를 기반으로 인공지능을 통하여 청각장애인이 인지하기 보다 용이한 일련의 픽토그램으로 자동으로 변환하는 기술을 개발하고자 하였다. 이를 위해 재난안전 관련 긴급 통보문과 관련되는 픽토그램 기반의 콘텐츠를 수집하고 문자 기반의 그림 출력에 적합한 인공신경망 구조와 훈련방법을 구성하여 인공신경망 기반으로 재난문자에 대응되는 픽토그램 기반의 청각장애인 재난안전 긴급알림이 생성될 수 있도록 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.345-348
• /
• 2022

본 논문에서는 유체 시뮬레이션(Fluid simulation)중 화염에서 표현되는 불똥 입자(Fire-flake particle)의 생성, 움직임과 삭제를 효율적으로 학습하고 표현할 수 있는 인공지능 기법에 대해 소개한다. 유체 시뮬레이션을 계산하기 위해서는 일반적으로 수치해석학과 같은 학문의 이해가 필요하며 불똥이나 거품과 같은 유체의 2차 효과(Secondary effect)는 기반유체(Underlying fluids)를 통해 추출되기 때문에 복잡하고 계산양이 많아진다. 이러한 문제를 완화하고자 본 논문에서는 인공신경망을 이용한 분류 모델 학습을 통해 격자 내에서 표현되어야 하는 불똥 입자의 생성을 학습하고, 다항 회귀 모델 학습을 통해 불똥 입자의 움직임을 예측한다. 또한, 불똥 입자가 삭제되어야하는 상태를 네트워크 학습을 통해 얻어내며, 수명(Lifespan) 임계값 조절하여 다양한 장면에서 불똥을 제어할 수 있다. 결과적으로 화염의 움직임을 기반으로 불똥의 움직임을 복잡한 수학식이나 디자이너에게 의존하지 않고 인공지능 학습을 통해 쉽게 제어하고 예측하는 결과를 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.435-438
• /
• 2005

현재 인공지능 기법은 우리 주위의 여러 분야에서 사용되고 있으며, 그 중요도가 점점 높아지고 있다. 이러한 분야 중에 하나가 바로 컴퓨터 게임 분야로 전통적인 인공지능 기법부터 근래에 게임과의 결합이 시도되고 있는 비전통적 기법에 이르기까지 다양한 종류의 방법이 시도되었고, 시도될 예정이다. 본 논문에서는 게임내에서 그 비중이 커져가고 있는 인공지능을 통한 캐릭터의 지능화 방안으로 신경망 기반의 지능 캐릭터를 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.469-472
• /
• 2005

이 논문은 게임물리엔진에서 게임세계의 물리적인 요소를 통하여 게임에 존재하는 캐릭터들에게 인공지능을 부여하기 위한 연구에 관해서 다룬다. 게임속에서의 물리적인 상황을 자동인식하기 위해서 신경망을 이용하였다. 게임속에서의 인공지능의 적용은 게임의 속도저하를 가져오게 되는데 이 논문에서는 그러한 단점을 보완하기 위하여 물리엔진에서 캐릭터의 움직임을 계산하는 수치적분 메서드들에 대한 각 물리상황에 따른 최적의 성능을 분석하여 각각의 물리 상황마다 다른 수치 적분 메서드를 적용하는 내부 구조를 취하였다. 수치적분 메서드에 대한 각각의 성능 분석은 세가지의 물리적 상황을 구분하여 그에 기반하여 실험되었다. 인공지능 캐릭터에 대한 실험은 신경망의 토폴로지에 대한 변화와 학습 횟수에 대한 변화 및 은닉층에 대한 변화로 신경망에서의 최적의 성능에 대한 평가를 실시하였다.

• Journal of the Korean Institute of Electrical and Electronic Material Engineers
• /
• v.35 no.2
• /
• pp.134-142
• /
• 2022

As industry and technology go through advancement, it is hard to search new materials which satisfy various standards through conventional trial-and-error based research methods. Crystal Graph Convolutional Neural Network(CGCNN) is a neural network which uses material's features as train data, and predicts the material properties(formation energy, bandgap, etc.) much faster than first-principles calculation. This report introduces how to train the CGCNN model which predicts the formation energy using open database. It is anticipated that with a simple programming skill, readers could construct a model using their data and purpose. Developing machine learning model for materials science is going to help researchers who should explore large chemical and structural space to discover materials efficiently.