• 한국식품저장유통학회지
• /
• 제12권6호
• /
• pp.608-612
• /
• 2005

친환경적이면서 신속한 비파괴 분석방법인 FT-NIR를 이용하여 백미의 총식이섬유(TDF)함량 예측모델을 개발하였다. 백미는 국내산으로 전남지방에서 재배된 47개 품종과, 시중 유통 중인 13개 브랜드 미에 대해서 AOAC 방법에 준한 효소법에 의해 TDF 함량을 분석하였다. 습식 분석된 TDF함량의 범위는 $1.17-1.92\%$ 이었다. FT-NIR로 측정된 스펙트럼의 검량식은 빛의 산란 효과를 최소화하기 위해 수학적 처리를 하였고, 몇 개의 특정 파장이 아닌 전 파장 영역(1,000-2,500 nm)에 대해서 PLS법으로 작성하였다. 얻어진 검량식의 정확도는 상관계수(r), SEE 및 SEP로 확인하였다. 백미 중 총 식이섬유 함량에 대한 회귀분석을 행한 결과, 검량식의 r은 0.9705, SEE는 0.0464, 검증식의 bias는 -0.0006, SEP가0.0604로 측정 정확도가 우수하여 실제 적용이 가능함을 보여주었다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권4호
• /
• pp.217-225
• /
• 2017

최근 실시간으로 생성되는 대용량의 SNS 데이터로부터 유의미한 정보를 찾아내고 분석하는 것이 중요해지면서 핫 토픽 예측에 대한 관심도 크게 증가하고 있다. 기존 핫 토픽 검출 기법은 시간적 속성을 고려하지 않기 때문에 빠르게 변화하는 사회에서 이슈화되는 핫 토픽을 예측하기에는 부적합하다. 본 논문에서는 소셜 네트워크 환경에서 변형된 TF-IDF를 통한 핫 토픽 예측 기법을 제안한다. 변형된 TF-IDF을 이용하여 과거의 IDF 값에 대한 현재의 IDF값의 비율로 순간적으로 이슈화되는 후보 키워드 집합을 추출한다. 추출된 후보 키워드에 사용자의 영향력과 전문성을 고려한 가중치를 부여하여 핫 토픽예측 지수를 계산한다. 제안하는 기법의 우수성을 보이기 위해 기존의 핫 토픽 검출 기법과의 성능평가를 수행한다. 또한 제안하는 기법이 핫 토픽을 정확히 예측하는지를 보이기 위해 네이버 한글 뉴스 기사를 통한 핫 토픽 예측 기법의 질을 평가한다.

• 한국정보통신학회논문지
• /
• 제19권5호
• /
• pp.1189-1198
• /
• 2015

최근 디지털 방송기술의 비약적인 발전과 함께 초 고해상도 및 초 고화질 영상서비스에 관심이 높아지고 영상 서비스에 관한 수요가 늘어나고 있다. 따라서 기존의 Full HD 보다 4배 혹은 16배의 해상도가 크게 개선된 UHD나 Full HD를 지원하는 모바일 기기 등 영상기기의 보급이 이루어지고 있다. 이러한 큰 해상도의 콘텐츠가 보급이 됨에 따라 그에 해당하는 고효율의 비디오 압축 방법이 제시되고 있다. 따라서 새로운 압축방법에 적용할 수 있는 소유권/지적재산권 보호를 위한 워터마킹 기술 또한 필요하다. 본 논문에서는 새로운 압축 방법인 HEVC 기반의 재인코딩 과정시 인트라 프레임의 예측모드들을 분석하여 경향성을 분석해 HEVC 기반의 워터마킹 가능성 검토에 목적을 둔다. 인트라 프레임에서의 예측모드의 변화를 분석하고 나타나는 경향성의 분석을 통해 변화하지 않는 블록을 찾는 알고리즘을 제안한다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권11호
• /
• pp.625-631
• /
• 2017

과거부터 현재까지 주식시장에 대한 주가 변동 예측은 풀리지 않는 난제이다. 주가를 과학적으로 예측하기 위해 다양한 시도 및 연구들이 있어왔지만, 아직까지 정확한 미래를 예측하는 것은 불가능하다. 하지만, 주가 예측은 경제, 수학, 물리 그리고 전산학 등 여러 관련 분야에서 오랜 관심의 대상이 되어왔다. 본 논문에서는 최근 각광 받고 있는 딥러닝(Deep-Learning)을 이용하여 주가의 변동패턴을 학습하고 미래를 예측하고자한다. 본 연구에서는 오픈소스 딥러닝 프레임워크인 텐서플로우를 이용하여 총 3가지 학습 모델을 제시하였으며, 각 학습모델은 각기 다른 입력 피쳐들을 받아들여 학습을 진행한다. 입력 피쳐는 이전 연구에서 사용한 단순 가격 데이터를 확장해 입력 피쳐 개수를 증가시켜가며 실험을 하였다. 세 가지 예측 모델의 학습 성능을 측정했으며, 이를 통해 가격-기반 입력 피쳐에 따라 달라지는 예측 모델의 성능 변화 비교 분석하여 가격-기반 입력 피쳐가 주가예측에 미치는 영향을 평가하였다.

• 대한전자공학회논문지SP
• /
• 제41권5호
• /
• pp.23-34
• /
• 2004

본 논문에서는 사전학습이 필요 없는 능동 특징점 모델(non-prior training active feature model; NPT AFM) 기반에서 광류(optical flow)를 이용한 객체추적 기술을 제안한다. 제안한 알고리듬은 비정형 객체에 대한 분석[1]에 초점을 두고 있으며, 실시간에서 NPT-AFM을 사용한 강건한 추적을 가능하게 한다. NPT-AFM 알고리듬은 관심 객체의 위치를 파악하는 과정 (localization)과 이전 프레임 정보와 현재 프레임 정보를 이용하여, 객체의 위치를 예측(prediction), 보정(correction)하는 과정으로 나눌 수 있다 위치 파악 과정에서는 움직임 분할(motion segmentation)을 수행한 후 개선된 Shi-Tomasi의 특징점 추적 알고리듬[2]을 사용 하였다. 예측 및 보정 과정에서는 광류 정보를 사용하여 특징점을 추적하고[3] 만약, 특징점이 적절히 추적 되지 않거나 추적에 실패하면 특징점들의 시간(temporal), 공간(spatial)적 정보를 이용하여 예측, 보정하게 된다. 객체의 형태 (shape)대신 특징점을 사용하였으며, 객체를 추적하는 과정에서 특징점들은 능동 특징점 모델(active feature model; AFM)을 위한 학습 집합(training sets)의 요소로 갱신된다. 실험결과, 제안한 NPT-AF% 기반 추적 알고리듬은 실시간에서 비정형 객체를 추적하는데 강건함을 보석준다.

• 한국인터넷방송통신학회논문지
• /
• 제17권3호
• /
• pp.167-173
• /
• 2017

인공지능으로 대표되는 4차 산업혁명에 대한 관심이 증가함에 따라 사회 전반에 빅데이터 및 머신러닝 활용하려는 움직임이 활발해지고 있다. 이러한 움직임은 다양한 분야에서의 예측 시스템 개발로 현실화되고 있다. 특히 영화 산업에서는 투자, 마케팅 등에 활용을 위해 흥행 여부를 사전에 예측하고자하는 여러 가지 시도가 있어왔다. 예전에는 영화에 대한 정적 데이터만을 고려한 예측이 주류를 이뤘으나, 최근에는 실시간으로 생성되는 소셜 데이터를 활용하여 예측하고자하는 노력이 진행되고 있다. 본 논문에서는 영화의 정적 데이터와 더불어 기사, 블로그, 영화평 등 다양한 피드백 정보를 활용한 예측 기법을 제안한다. 또한 제안한 기법을 활용하여 상대적으로 흥행에 성공한 영화만을 대상으로 이들의 흥행정도를 정량적으로 추정할 수 있는지의 여부를 실험적으로 평가하였다.

• 응용통계연구
• /
• 제27권5호
• /
• pp.755-771
• /
• 2014

등방성(isotropy)은 공분산 모형(covariance model)에 기반으로 공간 예측(spatial prediction)이라 불리우는 크리깅(kriging) 을 용이하게 수행하기 위한 주요 가정 중의 하나로 알려져있다. 공간 과정에서 등방성이 충족되지 않는 경우에는, 보다 신뢰성 예측을 생성하기 위해 비등방성 공분산 모형(covariance model)과 관련된 모수들(각도 및 비율)를 추정해야 한다. 본 논문에서는 여러 방향의 기하학적 비등방성 모형(geometrically anisotropic covariance models)의 가중 평균으로 표현되는 확장된 형태의 기하학적 비등방성(geometrically extended anisotropic) 공분산모형을 제안한다. 연구에 관심이 되는 모수를 추정하기 위해 최대우도추정법(maximum likelihood estimation method)을 이용하였다. 제안한 모형의 성능을 평가하기 위해 등방성 공분산모형과 기하학적 비등방성 모형을 고려한 모의실험을 수행하였다. 또한 확장된 기하학적 비등방성 모형을 적용한 미세먼지 농도자료 분석을 실시하였다.

• 한국항행학회논문지
• /
• 제23권6호
• /
• pp.487-494
• /
• 2019

최근 드론 등의 무인비행체에 대한 관심과 활용이 높아지고 있다. 본 연구에서는 고도 150 m 이하 초저고도의 정확한 바람예측 정보를 제공하기 위해, 물리과정 모수화와 초기조건에 따른 민감도를 평가하여 최적의 물리과정 및 초기조건을 선정하고자 하였다. 이를 위해 GFS 및 LDAPS 자료를 초기 및 경계조건으로 사용하였고, YSU, RUC, ACM2 등의 대기경계층 모수화 방안과 Noah, RUC, Pleim 등의 지면모델을 조합한 7개의 실험을 구축하여, 2018년 4월의 1개월에 대해 수행하였다. 그 결과 GFS 초기자료를 사용한 RUC-YSU 물리과정 조합이 가장 우수한 성능을 나타냈다. 본 연구는 다양한 물리과정의 조합과 초기 및 경계자료를 사용한 실험을 통해 초저고도 바람예측을 위한 최적 모델링 방안을 설정한 것에 의의가 있을 것이라 판단된다.

• 한국농림기상학회지
• /
• 제22권3호
• /
• pp.152-163
• /
• 2020

실제적인 산사태 대응조치 단계 이전에 산사태위험지수를 통하여 산사태 발생 위험도를 모니터링하고 예측하기 위하여, LAMP의 고해상도 강우와 토양수분 예측 자료를 DB화 하고, 산사태 연구자들의 연구대상 지역에 적합한 지도 투영법과 공간해상도로 변환하는 절차를 ArcGIS를 이용하여 마련하였다. 이를 위하여 ERA5 재분석 강수와 농촌진흥청 10m 깊이 토양수분자료를 이용하여 LAMP 모델 강수 및 토양수분 자료를 정량적 그리고 정성적으로 평가하여 모델의 특성을 파악하였다. 또한, LAMP 강우, 토양수분, 증발산 등의 결과 자료를 10m 초고해상도 ArcGIS 포맷 자료로 변환하는 과정을 실무적으로 상세히 기술하여, 국내 지역에서 WRF 모델의 NetCDF 자료를 ArcGIS로 이용자들이 손쉽게 변환할 수 있도록 기술적 편의를 제공하였다.

• 기술혁신학회지
• /
• 제21권2호
• /
• pp.818-837
• /
• 2018

기술혁신에는 본질적인 어려움이 따르는데, 이는 상당부분 기술이 지닌 불확실성에 기인한다. 따라서 혁신과정에서 불확실성에 따른 위험을 감소시키기 위한 예측 방법론은 정량적 분야와 정성적 분야 모두에서 제시되어 왔다. 한편 최근 빅 데이터와 인공지능에 큰 관심이 이어지며 특히 알파고의 알고리즘 중 하나인 딥 러닝이 뛰어난 성능을 보이고 있다. 이에 본 연구는 혁신성과 예측에 있어 딥 러닝을 이용한 방법론을 접목하여 연구를 진행하였다. 모델 구축 및 학습에 있어 KIS 2016 데이터를 이용하였으며, 투입 요인으로는 정보 원천의 사용도와 혁신 목적을 사용하였고 산출 요인으로는 혁신 성과 지표를 구성하여 사용하였다. 분석 결과 선행 연구들에 비해 예측의 정확도가 향상되었음을 확인할 수 있었다. 또한 학습이 진행됨에 따라 예측의 자유도 역시 향상됨을 확인하였다.