• 한국ITS학회 논문지
• /
• 제17권2호
• /
• pp.39-57
• /
• 2018

본 연구는 교통운영 개선에 필요한 빅데이터 및 인공지능 모델 개발의 일환으로서, 도시부의 링크통행시간 및 통과교통량 등 가용 데이터 등을 이용하여 교통변수로 활용도가 높은 차량대기길이와의 관계를 딥러닝(Deep Learning)을 통해 학습하고 추정하는 인공지능 모델을 구축하는 것을 목표로 하였다. 차량대기길이 추정모형은 데이터 분석결과를 토대로 하여 우선 차량대기길이의 링크 초과여부를 분류한 후 링크 초과 및 링크 미초과 상황에서의 차량대기길이 추정하는 3개의 모형으로 모델링하였다. 딥러닝 모형은 텐서플로우로 구현하였으며, 모든 모형은 DNN 구조로서 은닉층과 노드 개수를 다양화하여 학습 및 테스트 후 최소 오차를 나타내는 네트워크 구조를 선정하였다. 차량대기길이 링크 초과여부 분류 모형은 약 98%의 정확도를 나타냈으며, 미초과 모형은 15% 미만, 초과 모형은 5% 미만의 오차를 각각 나타내었다. 링크별 평균 오차는 12%로 도출되었다. 이를 기존 검지기 데이터 기반의 방식과 비교한 결과 오차가 약 39% 감소된 것으로 분석되었다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제62권3호
• /
• pp.401-416
• /
• 2023

본 연구는 기술수용모델을 기반으로 예비교사의 자기효능감과 AI 불안이 수학 수업에서 '똑똑! 수학 탐험대'를 사용하려는 의도에 미치는 영향을 구조적으로 살펴보았다. 이를 위해 254명의 예비교사들의 자기효능감, AI 불안, 인지된 사용 용이성, 인지된 유용성, 사용 의도를 변인으로 연구모형을 설정하고 구조방정식으로 변인 간의 구조적 관계와 직·간접효과를 분석하였다. 분석 결과, 자기효능감은 인지된 사용 용이성, 인지된 유용성, 사용 의도에 유의미한 영향을 미쳤으며, AI 불안은 인지된 사용 용이성과 인지된 유용성에 유의미한 영향을 미치지 않았다. 인지된 사용 용이성은 인지된 유용성과 사용 의도에 유의미한 영향을 미쳤으며, 인지된 유용성은 사용 의도에 유의미한 영향을 미쳤다. 이러한 결과를 통해 수학수업에서 예비교사가 '똑똑! 수학 탐험대' 사용을 촉진하기 위한 시사점과 방안을 제안하였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 컴퓨터교육학회논문지
• /
• 제10권6호
• /
• pp.79-89
• /
• 2007

지식정보 사회의 도래는 새로운 교육 패러다임에 적합한 교수-학습 과정을 지원하기 위해 다양한 형태의 e-러닝의 모형과 시스템을 요구하며, 이에 따라 인터넷과 지능형 교육 시스템(ITS; intelligent tutoring system)을 적용한 e-러닝 환경의 교수-학습 시스템에 대한 연구가 지속적으로 진행되어 왔다. 그러나 현재 운영되고 있는 교육 현장의 인프라와 u-러닝의 개념 사이에는 상당한 격차가 존재한다. 이에 따라 본 연구에서는 현재 구축된 교육 현장의 인프라에서 u-러닝의 개념을 적용할 수 있는 학습자의 인지구조에 기반한 ITS 교수-학습 모형과 시스템을 개발하고, 타당성을 검증하였다. 또한 본 연구에서 제안하는 지식표현기법을 통해 개별화 학습이 효과적으로 적용될 수 있도록 학습자 인지구조를 표현하였다.

• 지능정보연구
• /
• 제10권2호
• /
• pp.165-187
• /
• 2004

제약식 프로그램과 최적화는 상이한 배경에서 출발하였지만 현실의 동일한 의사결정 문제의 해법을 시도해 왔다는데서 공통점을 가진다. 이 논문은 이 두가지 학문영역의 성과들을 하나의 문제풀이 틀에 통합하는 시도로서 혼합형 문제해결기의 구조를 제시한다. 특히 워렌의 추상기계와 한정도메인 제약식 프로그램의 문제해결기의 구조를 이용하여 최적화 특히 선형계획법의 문제해결기을 결합시키는 한 해법을 통합 모형의 틀을 통해 구체적인 구현의 단계로 제시한다. 또한 그 구현시 해결해야 할 문제들을 제시하고 그 해법을 논의한다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 2부
• /
• pp.489-496
• /
• 2007

u-러닝(u-learning) 체제의 도입은, 다양한 형태의 원격교육을 지원하기 위한 교수-학습 시스템 및 모형을 요구하며, 이에 따라 유무선 인터넷을 이용한 u-러닝 시스템이 지속적으로 개발 적용되어 왔다. 하지만, 현재 운영되고 있는 대부분의 원격교육시스템은 교수자와 학습자간의 지속적인 쌍방향 상호작용 유지의 어려움, 시스템 구축을 위한 경제적 부담, 시스템 운영에 투입되는 교수자의 기술적 소양 부족 등의 문제점을 안고 있다. 이러한 문제점을 해결하기 위해서는 다음 항목에 대한 제고가 필요하다. 첫째, 효율적인 쌍방향 상호작용은 학습자 행동에 대한 지속적인 모니터링 및 피드백, 그리고 교수자의 상시 접속 상태 유지를 전제로 한다. 이는 사이버 교사(cyber tutor)를 이용하는 지능형 학습에 대한 논의로 이어진다. 둘째, 구현될 시스템은 경제성과 재사용성 측면이 고려되어야 하며, 이는 기존의 학교 현장의 인프라를 활용하는 u-러닝 개념의 학습 환경, 즉 이동성 네트워크 구조에 대한 설계가 요구된다. 셋째, 시스템의 직접적인 운영 주체인 일선 교사들의 기술적 소양을 고려할 때, 시스템 구축 및 사용상의 편리성, 학습 진행을 위한 보조적 지원 장치 등이 충분히 전제되어야 한다. 이에 본 연구에서는, 이동성과 내재성의 u-러닝 개념을 포함하고, 지능형 가상 교수자(cyber tutor)에 의한 블랜디드 학습(blended learning)을 도입하며, 사용자의 기술적, 경제적 부담의 제거가 가능한 지능형 u-러닝시스템을 개발하였다. 본 연구에 의해 개발된 시스템은 기존의 네트워크 인프라와 u-러닝의 개념을 통합하는 네트워크 구조, 원격학습을 지원하는 네트워크 화이트보드, 학습 과정의 저장과 해석을 지원하는 스크립트 인터프리터, 학습자 반응에 대한 피드백을 자동 제공할 수 있는 지능형 인터프리터로 구성되었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 추계정기학술대회
• /
• pp.379-384
• /
• 2002

개발적인 측면에서 온라인 게임 환경에서의 NPC(Non Playable Character)들은 환경인식능력, 이동능력, 특수 능력 및 아이템의 소유 배분 등을 원활히 하기 위한 능력들을 소유해야 하며, 게임 환경을 인식, 저장하기 위한 데이터구조와 자신만의 독특한 임무(mission)를 달성하기 위한 계획을 갖고 행위를 해야 한다. 이런 의미에서 NPC는 자신만의 고유한 규칙과 행동 패턴, 그리고 목표(Goal)와 이를 실행하기 위한 계획(plan)을 소유하는 에이전트로 인식되어야 할 것이다. 그러나, 기존 게임의 NPC 제어 구조나 구현 방법은 이러한 요구조건에 부합되지 못한 부분이 많았다. C/C++ 같은 컴퓨터 언어들을 이용한 구현은 NPC의 유연성이나, 행위에 많은 문제점이 있었다. 이들 언어의 switch 문법은 NPC의 몇몇 특정 상태를 묘사하고, 그에 대한 행위를 지정하는 방법으로 사용되었으나, 게임 환경이 복잡해지면서, 더욱더 방대한 코드를 만들어야 했고, 해석하는데 많은 어려움을 주었으며, 동일한 NPC에 다른 행동패턴을 적용시키기도 어려웠다. 또한, 대부분의 제어권을 게임 서버 폭에서 도맡아 함으로써, 서버측에 많은 과부하 요인이 되기도 하였다. 이러한 어려움을 제거하기 위해서 게임 스크립트를 사용하기도 하였지만, 그 또한 단순 반복적인 패턴에 사용되거나, 캐릭터의 속성적인 측면만을 기술 할 수 있을 뿐이었다 이러한 어려움을 해소하기 위해서는 NPC들의 작업에 필요한 지식의 계층적 분화를 해야 하고, 현재 상황과 목표 변화에 적합한 반응을 표현할 수 있는 스크립트의 개발이 필수 적이라 할 수 있다 또한 스크립트의 실행도 게임 서버 측이 아닌 클라이언트 측에서 수행됨으로써, 서버에 걸리는 많은 부하를 줄일 수 있어야 할 것이다. 본 논문에서는, 대표적인 반응형 에이전트 시스템인 UMPRS/JAM을 이용하여, 에이전트 기반의 게임 캐릭터 구현 방법론에 대해 알아본다.퓨터 부품조립을 사용해서 Template-based reasoning 예를 보인다 본 방법론은 검색노력을 줄이고, 검색에 있어 Feasibility와 Admissibility를 보장한다.매김할 수 있는 중요한 계기가 될 것이다.재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀 분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적중률을 나타내었다.ting LMS according to increasing the step-size parameter $\mu$ in the experimentally computed. learning curve. Also we find that convergence speed of proposed algorithm is increased by (B+1) time proportional to B which B is the number of recycled data buffer without complexity of computation. Adaptive transversal filter with proposed data recycling buffer algorithm could efficiently reject ISI of channel and increase speed of convergence in avoidance burden of computational complexity in reality when it was experimented having

• 한국컴퓨터정보학회논문지
• /
• 제25권6호
• /
• pp.25-33
• /
• 2020

본 연구는 정보 기술 수용 모델(UTAUT)을 사용하여 이 모형은 중국 내 적용성을 검증하였으며, 중국 시장의 실태에 따라 UTAUT에 새로운 변수 2개를 추가하여 연구 모델을 설립하였다. 이와 같이 본 연구의 목적은 성과기대, 노력기대, 사회영향력, 개인혁신성, 지각된 가치가 사용의도와 사용행동에 미치는 영향을 검증하고자 한다. 이러한 목적을 달성하기 위해 인터넷 조사 방식으로 중국에 있는 인공지능음악 제품을 사용 경험 있는 음악 창작자들을 대상으로 345부의 설문지가 수집되었다. 수집된 자료는 SPSS V. 22.0와 AMOS V 22.0을 통해 빈도분석, 요인분석, 신뢰도분석, 구조방정식모형분석을 실시하여 결과를 분석하였다. 연구모델에서 제시된 가설의 검증을 통해 중국 사용자들의 인공지능 음악 수용에 대한 사용에 결정적인 영향 요인을 확인하였다. 본 연구의 결과는 UTAUT모형이 중국 배경에서의 적용성을 검증하고, 중국 배경에서의 인공지능 음악 사용자 수용 모델을 구축하였으며, 3 가지 영향 요소가 사용자의 사용 의도에 영향을 미치며, 이러한 영향요소의 역할이 영향의 크기에 따라 정렬하는 것이 효과적이다. 본 연구는 인공지능 음악의 유용성을 높이고, 인공지능 음악의 유용성을 높이며, 개인 혁신적인 사용자를 활용해 경쟁력 있고 매력적인 가격 전략을 수립하고, 입소문 홍보에 주력할 것을 관리 조언하였다.

• 지능정보연구
• /
• 제22권2호
• /
• pp.127-142
• /
• 2016

딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.

• 한국콘텐츠학회논문지
• /
• 제14권9호
• /
• pp.450-462
• /
• 2014

이 연구는 축구선수들이 지각하는 변혁적 리더십과 정서지능, 선수만족의 인과적 관계를 규명하는데 그 목적이 있었다. 연구대상으로는 고등학교, 대학교, 실업 축구선수 495명이었고, 그들은 유층집락무선표본추출법에 추출되었으며, 직접배포와 수거법에 의해 3종류의 설문지(변혁적 리더십, 정서지능, 선수만족)에 응답하였다. 결과분석은 변인간의 인과적 관계를 규명하기 위하여 구조방정식모형이 적용되었다. 도출된 결과로는 변혁적 리더십은 정서지능에 직접적인 영향을 미치며, 변혁적 리더십은 선수만족에 직접적 영향을 미치는 것으로 나타났으며, 정서지능 또한 선수만족에 직접적인 영향을 미치는 것으로 나타났다. 더불어 정서 지능은 변혁적 리더십과 선수만족의 매개적 역할을 하는 것으로 밝혀졌다. 결론적으로 축구지도자들의 정서지능과 리더십 함양은 선수만족과 직결된다는 인식의 필요성을 강조하였으며, 정서지능과 변혁적 리더십 함양을 위한 교육프로그램 개발의 필요성을 제언하였다.