• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 정보처리학회논문지C
• /
• 제12C권4호
• /
• pp.571-580
• /
• 2005

초고속-장거리 네트워크(fast long-distance network)에서 TCP의 혼잡 제어(congestion control) 알고리즘은 대역폭을 효과적 사용하지 못하는 문제점을 가지고 있다. 이 문제를 해결하기 위하여 TCP 혼잡 제어 알고리즘을 수정한 여러 윈도우 기반 혼잡 제어 프로토콜(window-based protocol)이 제안되었다 이러한 프로토콜들은 주로 확장성(scalability), TCP-친밀성(TCP-friendliness), 그리고 RTT-공평성(RTT-fairness) 등의 세 가지의 요구사항을 고려하고 있다. 하지만 기존에 제안된 프로토콜은 위 세 가지 특성의 균형관계(trade-off)로 인하여 이들 세 특성을 동시에 만족시키지 못한다. 본 논문에서는 EIMD (Exponential Increase/ Multiplicative Decrease)라고 하는 윈도우 기반 TCP 혼잡 제어 알고리즘을 제안한다. EIMD는 위의 세 가지 특성을 동시에 제공함은 물론이고, 초고속-장거리 네트워크에서 중요하게 고려해야 할 빠른 공정배분 수렴성(fair share convergence)도 제공한다. EM는 패킷 손실(packet loss)이 없는 한, 지수적으로 윈도우를 증가시켜 큰 대역폭을 효과적으로 사용하면서도, 혼잡제어 알고리즘의 반응 함수(response function)에 RTT를 반영하여 RTT-공평성와 TCP-친밀성을 제공한다. 또한 패킷 손실이 생기기 직전의 혼잡 윈도우 크기에 반비례하게 윈도우를 증가시킴으로써 공정배분(fair share) 값에 빠르게 수렴할 수 있다. 모의실험을 통해 제안된 프로토콜이 초고속-장거리 네트워크에서 위 4가지 특성들을 모두 만족하는지 검증하였다.

• 대한전자공학회논문지SD
• /
• 제38권10호
• /
• pp.712-720
• /
• 2001

인터넷의 확산, 이동 통신기기의 급속한 보급으로 말미암아 가전업계는 소형의 다기능의 시스템을 필요로 하고 있고, 이를 위하여 반도체 업계에 고기능, 다기능, 초소형의 시스템용의 칩을 요구하고 있다. 지수 함수적 증가하는 기능의 요구는 반도체 설계 능력을 넘어 선지 이미 오래 전이고 이를 극복하기 위하여서 반도체 업계는 여러 가지 방안을 제시하고 있다. 그러나, 이미 그 차이를 따라 잡기는 포기한 상태이고 이 갭을 줄이고자 하는 방안을 모색 중이다. 그 방안은 SoC(System On a Chip), 설계 재활용(Design Reuse)등의 개념을 활용하고 있다. 설계 재활용을 위하여서는, 반도체 지적 소유권(Intellectual Property)의 표준화와 더불어 레이아웃 자동이식에 관한 연구와 상품화가 필수적이다. 본 논문은 반도체 설계 형식 중에서 생산 공정과 밀접한 레이아웃 형식의 회로도면 처리를 자동화하여 설계와 생산 시간을 혁신적으로 단축하기 위한 연구이다. 레이아웃 형식은 특성상 도형(폴리곤)으로 구성되어 있으며, 레이아웃 형태에서 다양한 도형의 중첩이 반도체의 트랜지스터, 저항, 캐패시터를 표현함으로써, 반도체 지적소유권 의 하나의 형식으로 자주 활용되고 있다. 본 논문은 반도체 레이아웃 이식 소프트웨어 시스템의 내부 기능에 관한 설명과 처리 능력과 속도를 높이기 위한 알고리즘의 제안과 벤치마킹 결과를 보여 주고 있다. 비교 결과, 자원의 최적 활용(41%)으로 대용량의 처리 가능성을 보여 주고 있으며, 처리 속도는 평균 27배로써 이전의 벤치마킹 회로를 더욱 확장하여 그 결과를 보여 주고 있다. 이러한 비교 우위는 본 논문에 포함된 소자 처리 알고리즘과 그래프를 이용한 컴팩션 알고리즘에 기인한다.된 primer는 V. fluvialis에 종 특이성이 있으며 여러 Vibrio종으로부터 빠른 검출이 가능함을 확인하였다.로부터 빠른 검출이 가능함을 확인하였다.TEX>$^{-1}$에서는 16~20일, 30 $\mu\textrm{g}$ L$^{-1}$에서는 9~15일, 60~100 $\mu\textrm{g}$ L$^{-1}$에서는 5~9일에 걸쳐 나타났다 고농도인 60~100 $\mu\textrm{g}$ L$^{-1}$ 에서 처리 개체 중에 10% 미만이 살아있는 번데기 상태로 관찰되었다. 또한 10 $\mu\textrm{g}$ L$^{-1}$에서는 16~20 일로 비처리(l1~15일)에 비해 발생지연이 나타났다. 우화에 성공한 개체들의 암컷과 수컷의 비율에는 차이가 없었다. 번데기 상태로 치사된 시기는 비처리 시에는 13~16일 동안에 집중적으로 나타났으며 10 $\mu\textrm{g}$ L$^{-1}$에서는 6~23일로 넓은 분포를 보여 발생지연이 반영되었다. 30 $\mu\textrm{g}$ L$^{-1}$처리에서는 13~16일, 60~100 $\mu\textrm{g}$ L$^{-1}$처리에서는 6~16일 동안에 치사되는 것으로 나타났다.species and seed production for their use on smaller scale and more costly but more effective results. The use of

• 한국항만경제학회지
• /
• 제29권3호
• /
• pp.159-174
• /
• 2013

본 논문은 포항제철이 제품생산에 필요한 석탄 및 철광석 등 원료를 해외로부터 수입하기 위한 전용부두를 조성하여 사용하는 과정에서 발생되는 총물류비용, 즉 해상수송비용, 항만 선석 대기비용, 그리고 원료를 야드에 적재보관 하는 데 따른 재고비용 등의 발생이 서로 상충됨에 따라 각 비용발생 행태를 함수식으로 추정하여 그 비용의 합이 최소화 될 수 있는 적정 선형별 연간 배정 항차수 의사결정을 휴리스틱적 접근법으로 시도한 내용을 보여준다. 예를 들면, 해상 수송비용은 단위당 운송비를 낮추기 위해 선형을 대형화시키려는 유인이 있게 된다. 하지만 이러한 결정은 항만내 선석 제약으로 인해 대기비용이 지수적으로 급격히 증가하게 되어 이에 대한 절충점을 찾아야 만 총 물류비용을 최소화 시킬 수 있게 된다. 선형별 연간 배정 항차수를 독립변수로 하고 발생 비용들을 종속변수로 하여 휴리스틱적 회귀분석을 시도한 결과 15만톤급 선형, 10만톤급 선형, 5만톤급 선형의 연간 항차배정 비율이 $1.78(X_1)$ : $4.25(X_2)$ : $1(X_3)$ 로 될 때 총물류비용 최소화 목표를 달성할 수 있는 것으로 분석되었다. 이를 백분비로 보면, 대형선 비중을 약 25%, 중형선 비중을 약 61%, 그리고 소형선 비중을 약 14% 정도로 연간항차배정을 하는 것이 적정한 것으로 판단된다. 그밖에 만약 물동량의 증가로 항만확장이 불가피한 경우 추가항만 건설투자비와 그로 인한 해상수송비 절감 및 선석 대기비용 절감 등을 현재가치화 한 값과 비교하여 전자가 큰 경우는 투자안을 기각하고 후자가 큰 경우는 투자안을 수용하는 항만투자 의사결정이 필요함을 보여주었다.

• 디지털융복합연구
• /
• 제20권3호
• /
• pp.325-331
• /
• 2022

에지 네트워크 환경에서 IoT 장치가 다양하게 활용되면서 IoT 장치에서 수집되는 정보들을 여러 응용 분야에서 활용하는 연구들이 다양하게 진행되고 있다. 그러나, 네트워크 환경(간섭, 전파방해 등)에 따라 수집되는 IoT 데이터들이 누락 또는 오류가 발생하는 상황이 빈번해지면서 정확한 IoT 데이터들을 바로 적용하기가 쉽지 않은 상황이다. 본 논문에서는 에지 네트워크 환경에서 수집되는 IoT 데이터들의 오류를 줄이기 위해서 IoT 데이터의 서명 값을 랜덤하게 생성하여 비트 형태로 보안 정보(Security Information, SI) 값만을 IoT 데이터들에 각각 할당함으로써 IoT 데이터의 신뢰성을 보장하는 관리 기법을 제안한다. 제안 기법은 IoT 장치로부터 수집되는 데이터들을 비대칭적으로 서로 연계 처리하도록 다중 해쉬 체인을 적용하여 IoT 데이터를 블록체인으로 묶는다. 이때, 블록 체인화된 IoT 데이터들은 딥러닝 기반으로 상관관계 지수에 따라 가중치를 적용한 확률 함수를 사용한다. 또한, IoT 데이터의 무결성과 처리 비용을 낮추기 위해서 제안 기법은 그룹화된 IoT 데이터를 n-계층 구조로 확장 운영 가능하다.