• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권2호
• /
• pp.855-870
• /
• 2020

Windows are key components of building facades. Detecting windows, crucial to 3D semantic reconstruction and scene parsing, is a challenging task in computer vision. Early methods try to solve window detection by using hand-crafted features and traditional classifiers. However, these methods are unable to handle the diversity of window instances in real scenes and suffer from heavy computational costs. Recently, convolutional neural networks based object detection algorithms attract much attention due to their good performances. Unfortunately, directly training them for challenging window detection cannot achieve satisfying results. In this paper, we propose an approach for window detection. It involves an improved Faster R-CNN architecture for window detection, featuring in a window region proposal network, an RoI feature fusion and a context enhancement module. Besides, a post optimization process is designed by the regular distribution of windows to refine detection results obtained by the improved deep architecture. Furthermore, we present a newly collected dataset which is the largest one for window detection in real street scenes to date. Experimental results on both existing datasets and the new dataset show that the proposed method has outstanding performance.

• 지식경영연구
• /
• 제16권1호
• /
• pp.243-254
• /
• 2015

To increase their market shares and grow continuously, it is very important for small and medium-sized enterprises (SMEs) to expand their markets. Although various factors may influence an SME's effort to cultivate a new market, this research focused on activities related to the search and utilization of external knowledge. After conducting Tobit analysis based on the dataset of 959 Korean SMEs included in the 2010 Korean Innovation Survey, we found that external knowledge search and utilization activities positively affect the market expansion of SMEs. This result has two implications: (1) SMEs should actively search for appropriate external knowledge sources with which they can expand their markets and reduce their dependence on internal R&D activities; and (2) they should implement an efficient corporate system to effectively absorb and utilize external knowledge inside the firms. Despite these contributions, this research has its shortcoming in that it utilized a cross-sectional dataset, which can be further analyzed by incorporating the dataset from previous and future periods.

• 지구물리와물리탐사
• /
• 제10권3호
• /
• pp.191-202
• /
• 2007

한반도 남부지역의 세부적인 지진파 감쇠특성 규명을 위해, 기존에는 적용이 불가능하였던 Q 토모그래피 역산을 위한 사전 수치검증 연구를 수행하였다. 특히 강지진동모사를 위해 일반적으로 사용되고 있는 추계학적 점지진원 지진동 모델(stochastic point-source ground-motion model; Boore, 2003)에서 사용되는 Q 값에 대한 2차원(2D; 2 Dimensional) 토모그래피 역산을 시도함으로써 역산 결과가 강지진동모사에 직접 활용될 수 있도록 하였다. 수치검증 방법으로는 Q 토모그래피 checkerboard 시험방법이 사용되었는데, 이를 위해 광역 단일 Q 모델의 추계학적 지진동모델 파라미터 역산결과의 지진원과 부지효과 모델 파라미터 값을 이용해서 관측자료와 지진규모-거리-주파수-오차 분포가 동일한 스펙트럼 합성자료를 생성하였다. 수치검증을 위한 Q 블록 격자의 총 개수는 75개(내륙지역=69개(약 $35{\times}44km^2$의 격자크기); 해양지역=6개)로 설정하였으며, $Q_0f^{\eta}$ 함수형태의 Q 블록 값은 $Q_0$=100, 500, ${\eta}=0.0{\sim}1.0$의 분포를 갖도록 하고, 파선의 깊이는 별도로 고려하지 않았다. 스펙트럼 합성자료 생성에 이용된 모델파라미터의 정해와 모델파라미터의 역산결과를 비교하기 위한 checkerboard 수치검증은 3단계에 걸쳐 수행되었는데, 1단계는 블록별 Q의 초기값 추정 단계이며, 2단계는 관측소별 부지증폭함수를 추정하는 단계, 마지막 3단계에서는 최종적인 Q를 도출하는 단계이다. 관측소별 부지증폭함수의 초기 추정값으로는 기 분류된 관측소 등급에 대한 평균 부지증폭함수(연관희, 서정희, 2007)가 사용되었으며, 3단계의 checkerboard 수치검증 결과 최종적으로 추정된 부지효과 모델에는 오차가 발생하였으나 블록별 Q의 정해는 만족할 정도로 추정할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.605-607
• /
• 2023

Recent research has highlighted the effectiveness of Deep Learning (DL) techniques in automating the detection of lung sound anomalies. However, the available lung sound datasets often suffer from limitations in both size and balance, prompting DL methods to employ data preprocessing such as augmentation and transfer learning techniques. These strategies, while valuable, contribute to the increased complexity of DL models and necessitate substantial training memory. In this study, we proposed a streamlined and lightweight DL method but effectively detects lung sound anomalies from small and imbalanced dataset. The utilization of 1D dilated convolutional neural networks enhances sensitivity to lung sound anomalies by efficiently capturing deep temporal features and small variations. We conducted a comprehensive evaluation of the ICBHI dataset and achieved a notable improvement over state-of-the-art results, increasing the average score of sensitivity and specificity metrics by 2.7%.

• 정보처리학회논문지D
• /
• 제16D권3호
• /
• pp.327-338
• /
• 2009

마이크로어레이 데이터는 유전자의 집합이 어떠한 조건 혹은 샘플의 집합 하에서 얼마나 발현되는지를 수치화한 2차원 행렬 데이터이다. 바이클러스터는 마이크로어레이의 샘플의 부분 집합과 이 샘플 부분 집합 하에서 일정한 증감 패턴을 보이는 유전자의 부분 집합을 말한다. 이렇게 같은 패턴을 보이는 유전자의 부분 집합은 일정한 정도의 유의 수준으로 비슷한 기능을 한다고 말할 수 있다. 따라서 바이클러스터링 알고리즘은 같은 기능에 연관된 유전자의 집합과, 이 기능이 발현되고 있는 조건의 집합을 밝혀내는데 있어서 매우 유용하다. 본 논문에서는 다항식 시간 복잡도를 유지하면서, 높은 기능적 상관관계를 가지는 바이클러스터를 밝혀 낼 수 있는 알고리즘을 제안한다. 이 알고리즘은 1) 마이크로어레이 데이터에 심한 노이즈가 있을 경우 패턴으로 인식하지 못하는 기존 알고리즘과 달리, 노이즈 레벨이 심하더라도 거시적으로 비슷한 모양을 보이는 패턴을 찾아내는 방식을 이용하여 숨어있는 패턴들을 찾아낼 수 있고, 2) 바이클러스터 상호간에 오버랩을 허용하며, 또한 다양성이 보장되는 복수의 바이클러스터를 찾아내며, 3) 찾아진 유전자 부분 집합의 기능적 상관관계가 매우 높은 특성을 지니고, 4) 유전자 및 샘플의 순서와 상관없이 결정적인(deterministic) 결과를 도출한다. 또한 본 논문에서는 알고리즘이 찾아낸 바이클러스터의 기능적 상관관계의 정도와, 비교 알고리즘이 찾아낸 바이클러스터의 기능적 상관관계의 정도를 유전자 온톨로지(Gene Ontology)를 통해서 측정함으로써 비교하고 있다.

• 한국전산유체공학회:학술대회논문집
• /
• 한국전산유체공학회 2008년도 학술대회
• /
• pp.42-49
• /
• 2008

A wavelet method is presented in order to improve the computational efficiency of two dimensional unsteady flow problems while maintaining the order of accuracy of conventional CFD schemes. First, by using the interpolating wavelet transformation including decomposition and thresholding, an adaptive dataset to a solution is constructed. Then, inviscid and viscous fluxes are calculated only at the points within an adaptive dataset, which enhances the computational efficiency. Second, thresholding step is modified to maintain the spatial and temporal accuracy of conventional CFD schemes automatically by selecting the threshold value between user-defined value and the magnitude of spatial or temporal truncation error. The wavelet method suggested in this study is successfully applied to various unsteady flow problems and it is shown that the computational efficiency is enhanced with maintaining the computational accuracy of CFD schemes.

• 한국전산유체공학회:학술대회논문집
• /
• 한국전산유체공학회 2008년 추계학술대회논문집
• /
• pp.42-49
• /
• 2008

A wavelet method is presented in order to improve the computational efficiency of two dimensional unsteady flow problems while maintaining the order of accuracy of conventional CFD schemes. First, by using the interpolating wavelet transformation including decomposition and thresholding, an adaptive dataset to a solution is constructed. Then, inviscid and viscous fluxes are calculated only at the points within an adaptive dataset, which enhances the computational efficiency. Second, thresholding step is modified to maintain the spatial and temporal accuracy of conventional CFD schemes automatically by selecting the threshold value between user-defined value and the magnitude of spatial or temporal truncation error. The wavelet method suggested in this study is successfully applied to various unsteady flow problems and it is shown that the computational efficiency is enhanced with maintaining the computational accuracy of CFD schemes.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1161-1162
• /
• 2023

모바일 로봇의 자율주행을 위하여 인터넷이 제약된 환경에서도 가능한 Edge computing 에서의 Object Detection 이 필수적이다. 본 논문에서는 이를 위해 Orin 보드에서 YOLOv7 과 Complex_YOLOv4 를 구현하였다. 직접 취득한 데이터를 통해 YOLOv7 을 구현한 결과 0.56 의 mAP 로 프레임당 133ms 가 소요되었다. Kitti Dataset 을 통해 Complex_YOLOv4 를 구현한 결과 0.88 의 mAP 로 프레임당 236ms 가 소요되었다. Comple_YOLOv4 가 YOLOv7 보다 더 많은 데이터를 예측하기에 시간은 더 소요되지만 높은 정확성을 가지는 것을 확인할 수 있었다.

• 대한치과기공학회지
• /
• 제41권4호
• /
• pp.287-293
• /
• 2019

Purpose: To evaluate the accuracy of the 3D printed die models and to investigate its clinical applicability. Methods: Stone die models were fabricated from conventional impressions(stone die model; SDM, n=7). 3D virtual models obtained from the digital impressions were manufactured as a 3D printed die models using a 3D printer(3D printed die models;3DM, n=7). Reference model, stone die models and 3D printed die models were scanned with a reference scanner. All dies model dataset were superimposed with the reference model file by the "Best fit alignment" method using 3D analysis software. Statistical analysis was performed using the independent t-test and 2-way ANOVA (α=.05). Results: The RMS value of the 3D printed die model was significantly larger than the RMS value of the stone die model (P<.001). As a result of 2-way ANOVA, significant differences were found between the model group (P<.001) and the part (P<.001), and their interaction effects (P<.001). Conclusion: The 3D printed die model showed lower accuracy than the stone die model. Therefore, it is necessary to further improve the performance of 3D printer in order to apply the 3D printed model in prosthodontics.