• 중소기업연구
• /
• 제33권4호
• /
• pp.77-93
• /
• 2011

본 연구는 최근 사회경제적 이슈가 되고 있는 동반성장의 개념과 실천 방향에 대해 논의하고자 한다. 이를 위해 동반성장의 정책적 개념을 살펴보고 유사한 개념인 상생협력과 공생발전과도 비교 분석하고자 한다. 또한 동반성장을 통해 글로벌 경쟁력을 만들어 낸 선진국 사례들로부터 교훈을 찾아내고 우리의 사회 문화적 특성에 맞는 한국형 모델을 제안하고자 한다. 한국형 동반성장 모델은 미국의 시장중심형, 일본의 문화기반형, 유럽의 정책주도형 등의 장점을 융합할 필요가 있다. 이를 위해 한국형 모델은 공동체적 에너지를 창출해내는 한국인의 잠재력 활용, 통제와 자율의 융합형 제도 개선, 미래지향적 협력관계를 위한 기업들의 행동변화 등 세 가지 요인을 핵심으로 할 필요가 있다. 한국형 모델의 실현을 위해 필요한 정부의 역할과 과제, 그리고 동반성장위원회의 역할에 대해서도 논의하고자 한다.

• 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.

• 중소기업연구
• /
• 제32권2호
• /
• pp.209-223
• /
• 2010

본고에서는 일본 중견기업의 위상, 특징, 관련 정책을 검토함으로써 우리나라에서의 중견기업 정책의 방향을 모색하고자 한다. 일본의 경쟁우위업종인 기계, 전자부품업의 출하와 고용비중은 여타 업종보다 높아, 그 저변에 두터운 중견기업이 존재하고 있음을 알 수 있다. 일본의 중견기업 육성정책은 연구개발과 환경대책을 위한 기업간 제휴 유도라는 측면에서 간접적으로 지원하고 있다. 우리나라도 특정 정책사업에 있어서 기업간 협력 유도를 통하여 중견기업을 육성할 수 있을 것이다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.

• 한국산림과학회지
• /
• 제54권1호
• /
• pp.1-24
• /
• 1981

강원도(江原道)는 관광자원(觀光資源)이 풍부(豊富)하며 태백산맥(太白山脈)을 중심(中心)으로한 산악관광권(山岳觀光圈), 동해안(東海岸)의 해안관광권(海岸觀光圈), 내륙(內陸)의 호수관광권(湖水觀光圈)으로 구분(區分)하고 있다. 동해(東海)의 절경(絶景)을 배경(背景)으로 설악산(雪岳山)과 오태산(五台山)의 국립공원(國立公園)이 있다. 그리고 치악산(雉岳山)의 도립공원(道立公園)이 있다. 북한강상류수계(北漢江上流水系)에는 발전용(發電用)댐건설(建設)로 만수(滿水)된 인공호수(人工湖水)가 연좌(連坐)하고 있어 호수관광권(湖水觀光圈)으로 각광(脚光)을 받고 있다. 본(本) 논문(論文)에서도 강원도행정수도(江原道行政首都)이며 호반(湖畔)의 도시(都市)인 춘천(春川)을 중심(中心)으로 북한강상류수계(北漢江上流水系)에 연좌(連坐)하고 있는 호수단지주변(湖水團地周邊)의 관광자원(觀光資源)을 배경(背景)으로 하여 삼림(森林)의 풍경적시업방안(風景的施業方案)을 모색하고 있다. 본(本) 호수단지(湖水團地)는 하류(下流)로부터 상류(上流)로 향(向)하여 의암호(衣岩湖), 소양호(昭陽湖), 춘천호(春川湖), 파려호(破慮湖)가 자리잡고 있으며 이들 4개(個) 호수(湖水)의 면적(面積)은 $140.4km^2$ 총저수량(總貯水量)은 4,155백만(百萬)$m^3$이다. 그리고 발전량(發電量)은 41만(萬)KW의 시설(施設)을 갖추고 있다. 이들 호수(湖水)를 위적(囲績)하고 있는 삼림면적(森林面積)은 $1,208km^2$에 달(達)한다. 삼림(森林)은 행정적(行政的)으로 시업림(施業林)$745km^2$와 시업제한림(施業制限林) $463km^2$로 구분(區分)하고 있으며 시업제한림(施業制限林)은 개발제한구역(開發制限區域)과 자연환경보전지구내(自然環境保全地區內)에 있는 삼림(森林)과 보안림(保安林)으로 되어 있다. 개발제한구역내(開發制限區域內)에 있는 삼림(森林)은 춘천(春川)을 중심(中心)으로 반경(半徑) 10km이내(以內)에 있는 의암호주변삼림(衣岩湖周邊森林)이며 그 면적(面積)은 $177km^2$이다. 자연환경보전지구내(自然環境保全地區內)의 삼림(森林)은 소양호연안(昭陽湖沿岸)에서 2km의 가시권내(可視圈內)에 설정(設定)되어 있으며 그 면적(面積)은 $165km^2$이다. 보안림(保安林)은 각(各) 호수연안삼림(湖水沿岸森林)에 설정(設定)되어 있으며 입지적여건상(立地的與件上) 수원함양림(水源函養林)이 주종(主宗)이며 그 면적(面積)은 $121km^2$이다. 본(本) 호수단지권내(湖水團地圈內)에는 많은 각승지(各勝地)와 유원지(遊園地) 그리고 문화재(文化財)와 유적지(遺蹟地)가 있어 호수(湖水)와 삼림(森林)과 같이 귀중(貴重)한 관광자원(觀光資源)으로 부상(浮上)되고 있다. 본(本) 호수단지주변삼림(湖水團地周邊森林)은 I~II영급(令級)의 유령림(幼令林)이 전체삼림(全體森林)의 70%를 점(點)하고 있어 ha당(當)축적(蓄積)은 $15m^3$로 탐약(貪弱)하다. 침엽수림(針葉樹林), 활엽수림(濶葉樹林), 혼효림(混淆林)의 면적비율(面積比率)은 35:37:28로 활엽수림(濶葉樹林)의 면적(面積)이 약천(若千) 우위(優位)를 점(點)하고 있다. 소유형태(所有形態)는 국유림(國有林), 도유림(道有林), 군유림(郡有林), 사유림(私有林)으로 되어 있으며 그 비율(比率)은 36:14:5:45로 사유림(私有林)이 약절반(約切半)을 점(點)하고 다음이 국유림(國有林), 도유림(道有林), 군유림(郡有林)의 순(順)으로 되어 있다. 지질(地質)은 모암(母岩)이 화강암(花岡岩) 또는 편마암계(片麻岩系)로서 풍화성(風化性)이 강(强)하고 표토층(表土層)이 척박(瘠薄)함으로 임지비배문제(林地肥培問題)를 염두(念頭)에 두어야 한다. 이상(以上)의 여건(與件)을 토태(土台)로 삼림(森林)의 풍경적시업(風景的施業)의 기본방향(基本方向)을 제시(提示)하면 다음과 같다. 1) 현재(現在) 임분(林分)은 유령림(幼令林)이 대부분(大部分)이고 임지(林地)가 척박(瘠薄)함으로 임지비배(林地肥培)와 임목무육(林木撫育)에 주력(注力)하여 장령림(壯令林)의 경지(境地)로 유도(誘導)할 것. 2) 황폐성미립목지(荒廢性未立木地)와 임간라지(林間裸地)에는 속성수(速成樹)인 리기다소나무, 오리나무 등(等)은 식재(植栽)하여 조속(早速)히 피복녹화(被覆綠化) 시킬 것. 3)계곡부(溪谷部)로서 습윤(濕潤)하고 지미(地味)가 비교적(比較的) 양호(良好)한 라지(裸地)에는 잣나무, 낙엽송, 전나무 등(等)을 식재(植栽)하여 교림(喬林)으로 육성(育成)할 것. 4) 현재(現在) 사유림(私有林)의 침엽수림(針葉樹林)은 적송(赤松)이 주체(主體)가 되어 있다. 적송(赤松)은 양수(陽樹)로서 수원함양기능(水源函養機能)이 적은 위에 현재(現在) 솔잎혹파리의 피해(被害)를 입고 있어 수종갱신(樹種更新)이 불가피(不可避)하다. 그러므로 계곡부(溪谷部)부터 잣나무, 전나무, 가문비나무, 솔송나무 등(等)을 식재(植栽)하에 점차(漸次) 음성(陰性) 침엽수림(針葉樹林)으로 대체(代替)케 할 것. 5) 현재(現在) 활엽수림(濶葉樹林)은 재질면(材質面)에 있어서나 풍치면(風致面)에 있어서 가치성(價値性)이 저렬(低劣)한 잡목(雜木), 관목(灌木) 등(等)이 많으므로 점차(漸次) 이를 제거(除去)하고 참나무, 단풍나무, 물푸레나무, 자작나무, 가래나무등(等)으로 대체(代替)케 할 것. 6) 주변(周邊) 산록부(山麓部)에는 벚나무, 수양버들, 은사시나무, 후박나무, 은행나무, 향나무, 밤나무, 살구나무, 등(等)의 관상수(觀賞樹)를 조화(調和)있게 식재(殖財)할 것. 7) 활엽수림(濶葉樹林)의 갱신(更新)을 중림형(中林型)으로 유도(誘導)하여 상하이단(上下二段)의 임관형(林冠型)의 미(美)를 조성(造成)하는 구역(區域)과 왜림형(矮林型)을 조리(調利)있게 배열(配列)하는 방안(方案)을 모색할 것. 8) 침엽수림(針葉樹林)의 갱신(更新)은 택벌작업(擇伐作業) 또는 산벌작업(傘伐作業)에 의(依)해 풍치보전(風致保全)을 기(期)할 것. 9) 혼효림(混淆林)은 상목(上木)은 침엽수(針葉樹)를 하목(下木)은 활엽수(濶葉樹)로 하는 중림형(中林型)의 풍치(風致)를 보존(保存)토록 할 것. 요(要)컨대 호수(湖水)의 우아(優雅)한 여성미(女性美)와 삼림(森林)의 호장웅대(豪壯雄大)한 남성미(男性美)가 조화(調和)되어 자연(自然)의 심오(深奧)한 신비성(神秘性)을 간직하는데 역점(力點)을 두어 궁극적(窮極的)으로는 삼림(森林)을 배경(背景)으로한 호수관광권(湖水觀光圈)의 면모(面貌)를 갖추는데 초점(焦點)을 둘 것이다.