• 정보관리연구
• /
• 제42권1호
• /
• pp.85-111
• /
• 2011

본 연구의 목적은 빅딜 계약이 큰 비중을 차지하면서 전자저널 컨소시엄 유지를 위한 예산 확보가 학술도서관의 최대 이슈로 자리 잡은 상황에서 빅딜 계약의 대안을 탐색하는 것이다. 이를 위해 빅딜 계약의 현황, 장단점, 문제점에 대한 대응을 토대로 빅딜 계약을 대체하는 다양한 모델을 조사하였다. 문헌연구를 통해 빅딜 계약의 대안을 OA 기반, 이용량 기반, 컨소시엄 개선 기반, 출판사 주도, 기타 등으로 살펴본 후 KESLI를 위해 단기적으로 Cost division 형식이지만 중장기적으로 보다 강화된 컨소시엄을 기반으로 Single(bloc) payment 형식이나 National licene 형식을 지향하는 '컨소시엄 비용 재배분 모델'을 대안으로 제시하였다. '컨소시엄 비용 재배분 모델'은 최근 1년분의 각종 데이터를 기초로 PDF와 HTML 다운은 3배의 가중치를 부여하되 나머지 14개 요소는 각 요소별 0.5점부터 5점까지로 총 100점 만점으로 합산해 자관 총점의 순위에 따라 국가 단위로 협상된 KESLI 총액을 10, 20, 30 등급으로 확정해 최종 협상된 금액에 맞게 다시 배분하여 구독액을 결정하는 방식이다.

• 한국ITS학회 논문지
• /
• 제19권1호
• /
• pp.1-16
• /
• 2020

4차 산업혁명 시대가 도래함에 따라 빅데이터를 활용하는 딥러닝에 대한 관심이 높아졌으며 다양한 분야에서 딥러닝을 이용한 연구가 활발하게 진행되고 있다. 교통 분야에서도 교통빅데이터를 많이 활용하는 만큼 딥러닝을 연구에 이용한다면 많은 이점이 있을 것이다. 본 연구에서는 통행속도를 예측하기 위하여 딥러닝 기법인 LSTM을 이용한 단기 통행속도 예측 모형을 구축하였다. 예측에 활용한 데이터인 통행속도 데이터가 시계열 데이터인 것을 고려하여 시계열 예측에 적합한 LSTM 모델을 선택하였다. 통행속도를 보다 정확하게 예측하기 위하여 시간적, 공간적 영향을 모두 반영하는 모형을 구축하였으며, 모형은 1시간 이후를 예측하는 단기 예측모형이다. 분석데이터는 서울시 교통정보센터에서 수집한 5분 단위 통행속도를 활용하였고 분석구간은 교통이 혼잡한 강남대로 일부구간으로 선정하여 연구를 수행하였다.

• 산업융합연구
• /
• 제20권4호
• /
• pp.31-37
• /
• 2022

영화 시장에서 흥행을 기록하는데 어떤 요인들이 영향을 미치는지에 대한 연구는 관련 산업의 리스크를 줄이고 영화 산업을 발전시키는데 매우 중요하다. 본 연구에서는 영화흥행에 영향이 있는 독립변수들의 상관의 정도를 찾아내기 위해서 먼저 AHP 기법을 이용한 영화전문가들에 대한 설문조사를 실시하여 측정요인별 중요도를 평가하였다. 또한, 스마트폰 보급과 사용의 증가로 검색 포털 및 SNS 관련 빅데이터에서 도출된 요인이 영화흥행에 영향을 미칠 것이라는 가설을 설정하였다. 그리고 앞에서 언급한 전문가 서베이 정보와 빅데이터를 모두 반영한 예측모형을 제안하였다. 제안한 모형의 예측의 정확도를 알아보기 위해 실 데이터를 가지고 검증한 결과 기존모형보다 향상됨(10.5%)을 확인하였다. 따라서 제안한 모형은 영화제작사 및 배급사들의 의사 결정에 도움이 될 것이라 판단된다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.103-114
• /
• 2023

본 연구에서는 도시부 도로의 다양한 자료를 수집하여 통행속도 변화에 대한 영향을 분석하였고, 이와 같은 빅데이터를 활용하여 GRU 기반의 단기 통행속도 예측 모형을 개발하였다. 그리고 Baseline 모형과 이중지수평활 모형을 비교 모형으로 선정하여 RMSE 지표로 예측 오차를 평가하였다. 모형 평가 결과, Baseline 모형과 이중지수평활 모형의 RMSE는 평균 7.46, 5.94값으로 각각 산출되었다. 그리고 GRU 모형으로 예측한 평균 RMSE는 5.08 값이 산출되었다. 15개 링크별로 편차가 있지만, 대부분의 경우 GRU 모형의 오차가 최소의 값을 나타내었고, 추가적인 산점도 분석 결과도 동일한 결과를 제시하였다. 이러한 결과로부터 도시부 도로의 통행속도 정보 생성 과정에서 GRU 기반의 예측 모형 적용 시 예측 오차를 감소시키고 모형 적용 속도의 개선을 기대할 수 있을 것으로 판단된다.

• Communications for Statistical Applications and Methods
• /
• 제30권5호
• /
• pp.485-499
• /
• 2023

This study aimed to predict the number of meals served in a group cafeteria using machine learning methodology. Features of the menu were created through the Word2Vec methodology and clustering, and a stacking ensemble model was constructed using Random Forest, Gradient Boosting, and CatBoost as sub-models. Results showed that CatBoost had the best performance with the ensemble model showing an 8% improvement in performance. The study also found that the date variable had the greatest influence on the number of diners in a cafeteria, followed by menu characteristics and other variables. The implications of the study include the potential for machine learning methodology to improve predictive performance and reduce food waste, as well as the removal of subjective elements in menu classification. Limitations of the research include limited data cases and a weak model structure when new menus or foreign words are not included in the learning data. Future studies should aim to address these limitations.

• 한국태양에너지학회 논문집
• /
• 제37권1호
• /
• pp.81-90
• /
• 2017

We have analyzed the performance of 58 kWp photovoltaic (PV) power systems installed in Jeddah, Saudi Arabia. Performance ratio (PR) of 3 PV systems with 3 desert-type PV modules using monitoring data for 1 year showed 85.5% on average. Annual degradation rate of 5 individual modules achieved 0.26%, the regression model using monitoring data for the specified interval of one year showed 0.22%. Root mean square error (RMSE) of 6 big data analysis models for power output prediction in May 2016 was analyzed 2.94% using a support vector regression model.

• Journal of Information Processing Systems
• /
• 제19권5호
• /
• pp.688-701
• /
• 2023

The conventional methods of network intrusion detection system (NIDS) cannot measure the trend of intrusiondetection targets effectively, which lead to low detection accuracy. In this study, a NIDS method which based on a deep neural network in a big-data environment is proposed. Firstly, the entire framework of the NIDS model is constructed in two stages. Feature reduction and anomaly probability output are used at the core of the two stages. Subsequently, a convolutional neural network, which encompasses a down sampling layer and a characteristic extractor consist of a convolution layer, the correlation of inputs is realized by introducing bidirectional long short-term memory. Finally, after the convolution layer, a pooling layer is added to sample the required features according to different sampling rules, which promotes the overall performance of the NIDS model. The proposed NIDS method and three other methods are compared, and it is broken down under the conditions of the two databases through simulation experiments. The results demonstrate that the proposed model is superior to the other three methods of NIDS in two databases, in terms of precision, accuracy, F1- score, and recall, which are 91.64%, 93.35%, 92.25%, and 91.87%, respectively. The proposed algorithm is significant for improving the accuracy of NIDS.

• 천문학회지
• /
• 제29권spc1호
• /
• pp.1-5
• /
• 1996

Recent discussions of observational constraints on the standard hot big bang model are reviewed and it is argued that now there is room for considering alternative cosmologies. The quasi-steady state cosmology is briefly described. This model seems to explain most of the observed features of the universe, including the m-z relation, radio source count, the light nuclear abundances and the microwave background.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.253-253
• /
• 2015

This research evaluated the effect of two main sources on the results of the ocean regional circulation model (ORCMs) during downscaling and nesting the results from the coarse data. The two sources should be the domain size, and temporal and spatial resolution different between driving and driven data. The Big-Brother Experiment is applied to examine the impact of them on the results of the ORCMs separately. Within resolution of 3km grid point ORCMs applying in the Big-Brother Experiment framework, it showed that the simulation results of the ORCMs depend on the domain size and specially the spatial and temporal resolution of lateral boundary conditions (LBCs). The domain size can be selected at 9.5 times larger than the interest area, and the spatial resolution between driving data and driven model can be up to 3 of ratio resolution and updating frequency of the LBCs can be up to every 6 hours per day.

• International journal of advanced smart convergence
• /
• 제5권2호
• /
• pp.59-65
• /
• 2016

With the recent growth in cloud computing, big data processing and collaboration between businesses are emerging as new paradigms in the IT industry. In an environment where a large amount of data is generated in real time, such as SNS, big data processing techniques are useful in extracting the valid data. MapReduce is a good example of such a programming model used in big data extraction. With the growing collaboration between companies, problems of duplication and heterogeneity among data due to the integration of old and new information storage systems have arisen. These problems arise because of the differences in existing databases across the various companies. However, these problems can be negated by implementing the MapReduce technique. This paper proposes a collaboration system based on Database as a Service, or DBaaS, to solve problems in data integration for collaboration between companies. The proposed system can reduce the overhead in data integration, while being applied to structured and unstructured data.