• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support fer multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To date, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques' results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 한국해안해양공학회지
• /
• 제12권3호
• /
• pp.139-148
• /
• 2000

본 연구에서는 유체가 채워진 착저식 유연막 구조물과 파와의 상호작용 문제를 유탄성 이론을 사용하여 살펴보았다. 먼저 동역학적 문제를 풀기에 앞서 유체로 채워진 유연막 내부에 일정한 압력이 작용하였을 때, 유연막의 형상과 막에 작용하는 초기장력을 정역학문제를 풀어 구한다. 동역학적 문제를 풀기 위하여 유체영역을 내부영역과 외부영역으로 나누어, 내부영역을 유연막을 경계로 영역 1과 영역 2로 다시 나눈다. 내부영역에서는 경계요소법을 사용하여 파동장을 풀고, 외부영역에서는 고유함수전개법을 사용하여 해를 구한다. 두 영역이 만나는 정합면에서 이미 구한 해를 정합시켜 완전한 해를 구한다. 유연막의 거동은 원주 좌표계를 사용하여 유도된 선형화된 막방정식을 사용하여 이때 외력은 영역 1과 영역 2의 압력차로 주어지므로 영역 1과 영역 2의 해는 막방정식을 통하여 연성된다. 유체가 채워진 착저식 유연막 방파제의 성능에 미치는 중요한 변수로는 유연막의 형상(폭, 높이)과 유연막 내부압력, 유체의 밀도이다. 설계변수들을 바꿔가면서 유연막에 의한 파랑제어 효과를 투과율을 통하여 살펴보았다. 또한 파의 입사각도에 따른 파랑제어 효과를 함께 고찰하였다. 수치계산결과는 Ohyama의 실험결과와 비교하였고 두 결과는 정량적인 값 차이가 나지만 정성적으로 일치하고 있음을 확인하였다. 적절히 설계된 유연막은 소형어항 보호용이나 레저용 방파제로 활용할 수 있는 가능성을 발견하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권11호
• /
• pp.936-946
• /
• 2009

그래프 컷(graph cuts) 방법은 주어진 사전정보와 각 픽셀간의 유사도를 나타내는 데이터 항(data term)과 이웃하는 픽셀간의 유사도를 나타내는 스무드 항(smoothness term)으로 구성된 에너지 함수를 전역적으로 최소화하는 방법으로, 최근 영상 분할에 많이 이용되고 있다. 기존 그래프 컷 기반의 영상 분할 방법에서 데이터 항을 설정하기 위해 GMM(Gaussian mixture model)을 주로 이용하였으며, 평균과 공분산을 각 클래스를 위한 사전정보로 이용하였다. 이 때문에 클래스의 모양이 초구(hyper-sphere) 또는 초타원(hyper-ellipsoid)일 때만 좋은 성능을 보이는 단점이 있다. 다양한 클래스의 모양에서 좋은 성능을 보이기 위해, 본 논문에서는 mean shift 분석 방법을 이용한 그래프 컷 기반의 자동 영상분할 방법을 제안한다. 데이터 항을 설정하기 위해 $L^*u^*{\upsilon}^*$ 색상공간에서 임의로 선택된 초기 mean으로부터 밀도가 높은 지역인 모드(mode)로 이동하는 mean의 집합들을 사전정보로 이용한다. Mean shift 분석 방법은 군집화에서 좋은 성능을 보이지만, 오랜 수행시간이 소요되는 단점이 있다. 이를 해결하기 위해 특징공간을 3차원 격자로 변형하였으며, mean의 이동은 격자에서 모든 픽셀이 아닌 3차원 윈도우내의 1차원 모멘트(moment)를 이용한다. 실험에서 GMM을 이용한 그래프 컷 기반의 영상분할 방법과 최근 많이 이용되고 있는 mean shift와 normalized cut기반의 영상분할 방법을 제안된 방법과 비교하였으며, Berkeley dataset을 기반으로 앞의 세 가지 방법보다 좋은 성능을 보였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support for multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To data, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 자원ㆍ환경경제연구
• /
• 제13권2호
• /
• pp.219-243
• /
• 2004

전력산업은 필수재적인 성격과 막대한 초기시설투자의 필요 등으로 독점적 시장구조를 갖고 있는 것이 일반적이었다. 그러나 기술의 진보로 인해 전력산업과 같은 네트워크 산업에서의 규모의 경제로 인한 효과가 감소되면서 자연독점적 산업에서의 경쟁도입이 점차 확산되고 있는 것이 세계적인 추세이다. 우리나라에서도 현재 전력산업 구조개편이 추진되고 있지만 아직 소매시장에서의 경쟁도입은 이루어지지 않은 상황이다. 소매경쟁은 구조개편의 성과를 확인할 수 있는 완성단계로서 소매시장에서의 경쟁이 효율적으로 일어나는 가의 문제는 구조개편을 추진하는 정책결정자의 입장에서 중요한 문제이나 이에 대한 정량적인 연구는 거의 없는 현실이다. 본 논문은 전력소매시장에서 경쟁의 유효성을 전환비용을 통해 정량적으로 분석하였다. 전환비용이 크면 시장에 경쟁이 도입되더라도 실질적으로 소비자가 기존 사업자에게 고착될 가능성이 높으므로 전환비용의 크기를 정량적으로 측정하는 것은 향후 전력소매시장에 도입된 경쟁이 유의하게 작용할 것인가에 대해 정보를 제공할 수 있다. 이를 위해 본 논문에서는 컨조인트 분석을 통해 얻어진 가상적인 상황에서의 소비자의 전력상품에 대한 진술선호 자료를 바탕으로 전력소매시장에서의 전환비용을 정량적으로 추정하였다. 실증분석 결과, 전력상품의 특성상 절차상의 전환비용은 크지 않았으나 기존 공급업자에 대한 상대적인 브랜드 로열티가 크게 나타났으며, 전력상품의 선택시 소비자는 가격을 가장 중요한 요인으로 고려하고 있는 것으로 나타났다 이 결과는 영국 등의 해외 소매경쟁 자료와 유사한 것이며, 이를 통해 신규 진입기업의 경영효율성에 따른 가격경쟁력과 소비자의 전환가능성의 관계 파악이 가능하므로 개별기업이나 정책결정자에게 소매경쟁 진출 및 도입의 판단근거를 제시할 수 있을 것이다.

• 해양환경안전학회지
• /
• 제25권6호
• /
• pp.765-771
• /
• 2019

선박 및 수중구조물의 고속, 대형화 및 요구조건 강화의 추세에 따라 유동소음 예측기술의 중요성이 강조되고 있다. 항공, 철도 등의 공력소음 분야에서는 음향상사법을 이용하여 순음 및 광대역 유동소음에 대해 활발히 연구되고 있는 반면 조선해양분야에서는 수중추진기의 날개주파수소음에 대해서만 일부 고려되고 있다. 본 논문에서는 날개면 형상의 주요 유동소음발생 메커니즘 뒷날소음을 고려 가능한 FW-H Formulation 1B를 이용하여 수중추진기 및 선저부가물의 기초요소인 수중익에 대해 광대역소음 예측기법을 연구하였다. 기존의 FW-H Formulation 1B는 공기 중의 압력상관관계 모델에 기반하여 구성되어 있어 매질에 대한 일반성 및 정확도의 한계를 가지므로 수중환경에 대해 일반성을 가지는 벽면변동압력 모델로 확장하는 방법론을 제시하였다. 공기 중 날개면의 소음계측결과와 비교해 벽면변동압력 모델을 이용할 경우 기존모델의 해석결과 대비 5 dB 이내의 오차로 정확도 관점에서의 유용성을 확인할 수 있었으며 전산유체역학과 벽면변동압력을 이용한 수중환경의 광대역소음해석 절차를 확립하고 수중익의 광대역소음 예측을 수행하였다.

• 한국환경보건학회지
• /
• 제43권3호
• /
• pp.223-232
• /
• 2017

Objectives: In response to increased interest in the safety of children's products, a risk management system is being prepared through exposure assessment of hazardous chemicals. To estimate exposure levels, risk assessors are using deterministic and probabilistic approaches to statistical methodology and a commercialized Monte Carlo simulation based on tools (MCTool) to efficiently support calculation of the probability density functions. This study was conducted to analyze and discuss the usage patterns and problems associated with the results of these two approaches and MCTools used in the case of probabilistic approaches by reviewing research reports related to exposure assessment for children's products. Methods: We collected six research reports on exposure and risk assessment of children's products and summarized the deterministic results and corresponding underlying distributions for exposure dose and concentration results estimated through deterministic and probabilistic approaches. We focused on mechanisms and differences in the MCTools used for decision making with probabilistic distributions to validate the simulation adequacy in detail. Results: The estimation results of exposure dose and concentration from the deterministic approaches were 0.19-3.98 times higher than the results from the probabilistic approach. For the probabilistic approach, the use of lognormal, Student's T, and Weibull distributions had the highest frequency as underlying distributions of the input parameters. However, we could not examine the reasons for the selection of each distribution because of the absence of test-statistics. In addition, there were some cases estimating the discrete probability distribution model as the underlying distribution for continuous variables, such as weight. To find the cause of abnormal simulations, we applied two MCTools used for all reports and described the improper usage routes of MCTools. Conclusions: For transparent and realistic exposure assessment, it is necessary to 1) establish standardized guidelines for the proper use of the two statistical approaches, including notes by MCTool and 2) consider the development of a new software tool with proper configurations and features specialized for risk assessment. Such guidelines and software will make exposure assessment more user-friendly, consistent, and rapid in the future.

• 한국통신학회논문지
• /
• 제11권3호
• /
• pp.179-196
• /
• 1986

본 논문에서는 통계적 패킷 음성/데이터 다중화기의 성능을 연구하였다. 성능해석은 음성과 데이터가 서로 분리된 한정된 queue를 사용하고, 전송에 있어서 음성이 데이터보다 우선권을 갖는 것을 가정하고, 다중화기의 출력 link를 시간 slot단위로 나누고 음성은 (M+1)-state의 Markov Process로, 데이터는 Poisson process로 modeling 하여 수행하였다. 전송시 음성신호가 데이터 신호보다 우선권을 가지므로 음성의 queueing behavior는 data에 거의 영향을 받지 않는다. 다라서 본 연구에서는 음성의 queueing behavior를 먼저 해석한 다음 data의 queueing behavior를 해석하였다. 패킷 음성 다중화기의 성능 해석은 입력상태와 buffer의 점유를 2차원의 Markov chain을 가지고 formulation하였고, 집적된 음성/data의 다중화기는 data를 추가한 3차원 Markov chain으로 하였다. 이러한 model을 사용하여 Gauss-Seidel방법으로 결과를 얻고 simulation으로 입증하였다. 이들 결과로 부터 음성 가입자의 수, 출력 link용량, 음성의 queue크기, 음성의 overflow확률에서는 서로 trade-off가 있고 data에서도 비슷한 tradeoff가 있음을 알았다. 또한 입력 traffic량과 link의 용량에 따라서 음성과 데이타간의 성능에서 서로 tradeoff가 있고, TASI의 이득이 2이상이고 음성가입자의 수가 적을 경우 데이타의 평균 지연시간은 buffer의 최대길이 보다 길음을 알아내었다.

• 지구물리
• /
• 제3권3호
• /
• pp.161-174
• /
• 2000

베이지안 역산(Bayesian inversion)은 불충분한 자료를 가지고 지하구조를 추정해야 하는 지구물리자료의 해석에 있어서 안정적이고 신뢰를 줄 수 있는 방법 중의 하나이다. 관측 자료가 측정 과정부터 불확실성을 함유하고 있으며, 역산에 이용되는 이론 자료 또한 모델의 매개변수화에 따른 각종 불확실성을 포함하고 있다. 따라서 지구물리 자료의 역산은 확률적으로 접근하는 것이 가장 바람직하며 베이지안 역산은 이에 대한 처리뿐만 아니라, 추정에 대한 신뢰도와 불확실성에 대한 이론적 근거를 제공한다. 그러나 대부분의 베이지안 역산이 고차원의 적분을 필요로 하므로 몬테 카를로 방법과 같은 대규모의 계산이 요구되는 방법에 의해 사후 확률분포가 구해지는 경우가 많다. 이는 특히 지구물리 자료와 같이 고도의 비선형 자료에 대하여 매우 적합한 접근 방법이기는 하지만, 점차 현장화, 고속화되어가는 자료의 해석 경향에 맞추어 간략하게 사후 확률분포를 근사한 수 있는 기법의 연구 또한 필요하다. 따라서 이 연구에서는 관측자료와 사전 확률분포가 정규분포에 의해 근사 될 수 있는 지구물리자료에 대한 베이지안 역산에 대해 논의 하고자 한다. 사전 확률분포의 작성을 위해 지구통계학적 기법이 이용되었으며, 관측자료의 통계적 불화실성을 추정하기 위해 교차 검사(cross-validation) 방법을 이용하여 공분산(covariance)을 유도하고 그것에 의한 우도 함수(likelihood function)를 작성하였다. 베이지안 해석을 위해 두 확률분포를 곱하여 근사적인 사후 확률분포를 얻을 수 있었으며, 이에 대해 최적화(optimization) 기법을 이용하여 최대 사후 확률(Maximum a Posterior)을 따르는 지하 구조를 얻을 수 있었다. 또한 사후 확률 분포의 공분산 항을 이용하여 지하 비저항 구조를 시뮬레이션 하여 불확실성분석을 수행하였다.

• 대한전자공학회논문지TE
• /
• 제42권1호
• /
• pp.13-20
• /
• 2005

본 논문에서는 M. Bilginer 등이 제안한 CVEM(common vector extraction method)을 이용하여 한국어 화자독립 고립단어 인식실험을 수행하였다. CVEM은 학습용 음성신호들로부터 공통된 특징의 추출이 비교적 간단하고, 많은 계산 량을 필요로 하지 않을 뿐만 아니라 높은 인식 결과를 보여주는 알고리즘이다. 그러나 학습 음성의 개수를 일정 한도 이상으로 늘릴 수 없고, 추출된 공통벡터들 간의 구별정보(discriminant information)를 가지고 있지 않다는 문제점을 가지고 있다. 임의의 음성군으로부터 최적의 공통벡터를 추출하기 위해서는 다양한 음성들을 학습에 사용해야만 하는데 CVEM은 학습용 음성 개수에 제한이 있으므로 지속적인 인식률 향상을 기대하기 어렵다. 또한 공통벡터들 간의 구별정보 부재는 단어 결정에 있어서 치명적인 오류의 원인이 될 수 있다. 본 논문에서는 CVEM이 가지고 있는 이러한 문제점들을 보완하면서 인식률을 향상시킬 수 있는 새로운 방법인 KSCM(k-clustering subspace method)과 DCVEM(discriminant common vector extraction method)을 제안하였고 이 방법을 사용하여 고립단어를 인식하였다. 그리고 제안한 방법들의 우수성을 입증하기 위해 ETRI에서 제작한 음성 데이터베이스를 사용, 다양한 방법으로 실험을 수행하였다. 실험 결과 기존 방법의 문제점들을 모두 극복할 수 있었을 뿐 아니라 기존에 비해 계산량의 큰 증가 없이 향상된 결과를 얻을 수 있었다.