• 한국콘텐츠학회논문지
• /
• 제11권5호
• /
• pp.291-301
• /
• 2011

본 연구는 비교구매의 효과성 측정을 위한 모형을 제시하고 이를 통해 비교구매의 역할과 그 효과성을 설명한다. 또한 판매자 주도형 비교도전이 보다 효율적인 비교구매 정보의 제공 방법임을 증명한다. 구매자의 구매만족도(S)는 판매자의 제품경쟁력 벡터(P)와 구매자의 제품정보 인지수준 벡터(B)간의 상호작용으로 정의할 수 있으며, 구매자의 제품정보 인지수준은 제품 정보 분석을 통한 제품 간의 비교행렬(C)에 의해 변화된다. 비교구매 효과성은 비교 전과 후의 구매만족도의 변화량으로 측정되며, 비교구매의 역할은 비교행렬을 제공해 구매자의 제품정보 인지수준을 변화시키는 것이다. 보다 효율적인 방법은 판매자가 비교행렬의 구성요소 중에서 비교 효과성이 큰 경쟁 제품들에 능동적으로 비교하도록 하는 비교도전방법이다. 예제실험을 통해 일반적인 비교구매와 비교도전 전략이 모두 효과성 향상을 보였으며, 상대적으로 비교도전을 사용하는 비교구매 활용전략이 더 큰 효과성 향상을 보임을 확인하였다.

• 응용통계연구
• /
• 제13권2호
• /
• pp.371-381
• /
• 2000

비모수 회귀모형에 있어서 평활스플라인에 대하여 언급하고, 그 간단한 성질을 다룬다. 선형회귀나 다항식회귀에서는 적합하기 나쁜 데이터가 많이 존재한다. 설명변수가 여러 개인 경우에 준모수 회귀모형은 하나 혹은 그 이상의 변수에 대해서는 비모수 함수를 다른 변수에 대하서는 선형함수를 적합시켜 그들의 가법성을 가정한 것이다. 준모수 회귀모형에 있어서 선형부분의 회귀계수의 추정량에 편의가 발생하고, 여기서는 그 편의에 대한 점근 정규성을 다룬다

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1998년도 Proceedings 제34회 추계 학술발표회
• /
• pp.226-235
• /
• 1998

본 논문에서는 추종 모형을 이용한 미시 교통류 시뮬레이션 모형을 개발하고, 이 모형을 통한 시뮬레이션을 통하여 단속류에서 검지기의 설치 위치에 따른 검지 특성을 알아보고, 교통정보 수집용의 검지기의최적 위치에 대해 평가하였다. 검지기로부터 발생하는 교통량, 점유율, 속도 자료중 링크의 통행시간을 가장 잘 반영하는 것은 점유율에 의한 검지기의최적위치는 정지선으로부터 150∼250m이다. 점유율 다음으로 통행시간을 잘 반영하는 자료는 지점속도로서 점유율보다는 상관관계가 낮지만, 양호한 설명력을 가지는 것으로 보인다. 교통량 자료는 상관관계가 낮으며, 교통량에 의한 위치 선정은 각 모의 실험 결과에서 일관적이지 않아 적절한 설명변수가 아니라고 판단하였다. 모든 경우에서, 정지선이나 링크 최상류에 위치한 검지기로부터의 자료는 통행시간과 독립적이므로 이러한 검지기는 교통정보 수집용을 사용할 수 없으며, 일반적인 검지기의최적 위치는 정상상태의 교통류 뿐만 아니라 대기행렬내에 존재하여 매우 혼잡한 상태를 경험할 수 있는 위치라고 할수 있다.

• 응용통계연구
• /
• 제1권1호
• /
• pp.39-44
• /
• 1987

다변량 정규모집단에서 공분산행렬의 m.l.e.를 유도하기 위하여 m.l.e.의 불변성에 기초를 둔 Anderson의 방법은 그 절차의 단순성이라는 측면에서 일반적으로 선호되고 있다. 본고는 공통요인분석모형이나 Simplex 구조모형과 같은 다변량구조모형에서 이 접근방법을 적용하여 요구되는 m.l.e.를 구하는 과정을 보이고 있다.

• 한국ITS학회 논문지
• /
• 제10권2호
• /
• pp.22-34
• /
• 2011

본 논문은 고속도로 톨게이트에서 통행 요금징수로 인해 교통지체가 발생할 때 이를 최소화하기 위해 자동요금징수시스템을 설치하는 경우 차량들의 통과시간이 어떻게 변화하는지 분석한 연구결과를 제시하고 있다. 본 연구에서는 이 설치효과를 톨게이트를 빠져나가는 차량들의 통과시간 감소 편익이라고 생각했으며, 차량의 통과시간을 분석하기 위해 다중서비스 대기행렬 이론을 적용해서 분석하였다. 본 연구에서 분석한 결과, 톨게이트로 진입하는 차량들의 입차 간격이 Poisson 분포를 따르고, 자동요금징수시스템의 서비스 시간이 지수 분포를 따를 때 다중서비스 대기행렬이론을 적용하여 차량들의 통과시간을 분석하는 것이 바람직하다는 것과, 자동요금징수시스템을 설치하더라도 통행 요금을 징수하는데 걸리는 시간이 다르기 때문에 톨게이트 출구 쪽이 입구 쪽보다 통과시간 감소효과가 더 크게 나타난다는 것, 그리고 자동요금징수시스템을 설치한다고 해서 항상 톨게이트를 통과하는 시간이 감소하는 것은 아니며, 자동요금징수시스템 차로에 너무 많은 차량들이 몰리는 경우 오히려 톨게이트 전체로 볼 때는 차량당 통과시간이 증가한다는 것을 밝혔다. 끝으로 본 연구에서는 다중서비스 대기행렬이론의 정확성을 판단하기 위해 실제로 톨게이트 현장조사에서 통과 차량들의 평균 통과시간을 조사해서 모형 값과 비교했는데, 그 결과 모형 값과 실측 값은 약 1~3초 정도의 미소한 차이만을 보여서 다중서비스 대기행렬이론을 실무에 적용해도 좋다는 결론을 얻었다.

• 한국수자원학회논문집
• /
• 제32권6호
• /
• pp.657-664
• /
• 1999

본 논문은 이상호와 이길성(1995)에 의해서 제안된 LRCS(Linear Reservoir and Channel System) 강우-유출 모형의 기본 이론을 소개하였고, 모형의 민감도 분석 및 보정과정에서 나타나는 목적함수에 따른 모형 출력의 변화를 파악하고자 하였다. 보정시 매개변수 영향성 분석을 위한 "hat" 행렬과 영향성 척도의 사용을 제안하였고, 매개변수 추정시 오차 전파에 따른 모형 출력의 변화 정도 및 모형 예측치 분산과 매개변수 변화에 따른 모형 출력의 민감도와의 관련성을 조사하였다. 민감도계수와 hi의 대각 요소와 Di 값의 분석으로 매개변수 추정치의 정확성을 알 수 있었다.을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.170-170
• /
• 2021

본 연구에서는 토지이용변화 예측 모형으로 산출된 토지이용도를 사용하여 용담댐 소유역의 지표유출량을 비교 및 분석하였다. 토지이용예측모형은 DynaCLUE 모형을 사용하였으며, 토지이용 면적 시나리오는 2000년, 2007년 및 2013년 실제 중분류 토지이용도를 기반으로 회귀식을 산정하였다. 모의된 토지이용도는 실제 토지이용도와 공간적인 분포 및 면적 비교를 통해 변환 탄성계수와 변환 행렬을 수정하여 검·보정하였다. DynaCLUE 모형으로 모의된 토지이용도는 공간적인 분포에서 초지가 실제 토지이용도와 차이가 발생하였으나, 각 토지이용별 면적을 비교한 경우 모의 토지이용도와 실제 토지이용도가 매우 유사하게 나타났다. CLUE 모형으로 모의된 토지이용도에서 발생하는 공간적인 불확실성은 복잡한 용담댐 소유역의 토지이용을 반영할 Driving factor가 부족하여 발생하는 것으로 판단된다. 산출된 모의 토지이용도를 SWAT 모형의 입력 자료로 사용하여 2013년 용담댐의 소유역 지표유출량을 모의하였다. SWAT으로 산정된 유출량의 보정은 SWAT-CUP의 SUFI-2 알고리즘을 이용했으며, 보정된 모의 지표유출량과 실제 유량 측정값을 비교한 결과 유의미한 비교 결과가 나타났다. 향후 토지이용예측모형을 이용하여 토지이용 변화를 수문 분석에 반영하는 추가 연구가 필요할 것으로 판단된다.

• 응용통계연구
• /
• 제36권6호
• /
• pp.529-545
• /
• 2023

본 논문에서는 장기 기억성을 가지는 고차원 시계열 데이터 분석에 유용한, 밴드 구조의 계수행렬들을 가지는 밴드구조 VHAR (Banded-VHAR) 모형을 제안한다. 밴드구조 VHAR 모형은 인접한 차원의 시계열에서만 상관구조를 가지는 성근 고차원 시계열 모형으로 밴드구조에 영향을 주는 요인으로는 대표적으로 지리적 특성이 있다. 밴드구조 VHAR 모형의 빠른 추정을 위해 본 논문은 행별추정방법을 사용하고 또 밴드의 크기를 추정하기 위해 BIC와 잔차제곱합의 비율을 이용한 추정 방법을 소개하였다. 더불어 모의 실험을 통해서 제안한 추정 방법의 점근적 일치성을 확인하였다. 실증자료 분석으로 지역별 초미세먼지 및 아파트 거래량 자료를 활용하여 모형을 적용한 결과 밴드구조 VHAR 모형이 표본외예측 능력의 우수하고, 지리적정보에 기반하여 모형의 해석이 용이하다는 큰 장점이 있음을 살펴보았다.

• 한국산림과학회지
• /
• 제104권1호
• /
• pp.111-116
• /
• 2015

본 연구의 목적은 임의효과(random effect)를 포함하는 혼합모형(mixed model)을 이용하여 흉고직경과 수고의 변화량을 평가하는데 있다. 강원도 굴참나무 임분을 대상으로 흉고직경과 수고를 조사하고 3년 후 동일 임분을 재조사하였다. 혼합모형에서 굴참나무의 흉고직경-수고 관계는 고정효과(fixed effect)이고 초기측정과 반복측정의 흉고직경과 수고 차이를 임의효과로 설정하였다. 임의효과에 따른 모형의 적합도를 검정하기 위하여 아카이케의 정보기준(akaike information criterion, AIC)을 참고하고 반복 측정에 따른 분산-공분산 행렬과 오차항을 산정하였다. 추정된 공분산은 -0.0291이고 오차항은 0.1007을 나타내었다. 분산-공분산 행렬을 이용한 임의효과가 포함된 모형의 AIC(=-215.5)는 고정효과를 고려한 모형의 AIC(=-154.4)에 비해 낮은 수치를 나타내었다. 이러한 결과는 범주형 자료의 임의효과가 모형 개발에 반영되는 결과인 것으로 조사되었다. 그러므로, 본 연구에서 적용된 혼합모형은 반복 측정 자료를 이용한 모형 개발에 활용이 가능한 것으로 판단된다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.