• 지능정보연구
• /
• 제22권1호
• /
• pp.139-157
• /
• 2016

앙상블 분류기란 개별 분류기보다 더 좋은 성과를 내기 위해 다수의 분류기를 결합하는 것을 의미한다. 이와 같은 앙상블 분류기는 단일 분류기의 일반화 성능을 향상시키는데 매우 유용한 것으로 알려져 있다. 랜덤 서브스페이스 앙상블 기법은 각각의 기저 분류기들을 위해 원 입력 변수 집합으로부터 랜덤하게 입력 변수 집합을 선택하며 이를 통해 기저 분류기들을 다양화 시키는 기법이다. k-최근접 이웃(KNN: k nearest neighbor)을 기저 분류기로 하는 랜덤 서브스페이스 앙상블 모형의 성과는 단일 모형의 성과를 개선시키는 데 효과적인 것으로 알려져 있으며, 이와 같은 랜덤 서브스페이스 앙상블의 성과는 각 기저 분류기를 위해 랜덤하게 선택된 입력 변수 집합과 KNN의 파라미터 k의 값이 중요한 영향을 미친다. 하지만, 단일 모형을 위한 k의 최적 선택이나 단일 모형을 위한 입력 변수 집합의 최적 선택에 관한 연구는 있었지만 KNN을 기저 분류기로 하는 앙상블 모형에서 이들의 최적화와 관련된 연구는 없는 것이 현실이다. 이에 본 연구에서는 KNN을 기저 분류기로 하는 앙상블 모형의 성과 개선을 위해 각 기저 분류기들의 k 파라미터 값과 입력 변수 집합을 동시에 최적화하는 새로운 형태의 앙상블 모형을 제안하였다. 본 논문에서 제안한 방법은 앙상블을 구성하게 될 각각의 KNN 기저 분류기들에 대해 최적의 앙상블 성과가 나올 수 있도록 각각의 기저 분류기가 사용할 파라미터 k의 값과 입력 변수를 유전자 알고리즘을 이용해 탐색하였다. 제안한 모형의 검증을 위해 국내 기업의 부도 예측 관련 데이터를 가지고 다양한 실험을 하였으며, 실험 결과 제안한 모형이 기존의 앙상블 모형보다 기저 분류기의 다양화와 예측 성과 개선에 효과적임을 알 수 있었다.

• 한국과학교육학회지
• /
• 제38권4호
• /
• pp.481-494
• /
• 2018

이 연구는 3개월 동안 별자리의 움직임을 관찰하여 그것을 묘사하고 그와 같은 별자리의 겉보기 운동이 발생하게 된 원인을 별자리와 태양, 지구의 위치 관계를 그림으로 표현하는 다층 서답형 문항(multi-tiered constructed response items)을 초등학생들에게 시행하고, 그 결과를 바탕으로 지구의 공전과 별자리의 겉보기 운동을 이해할 때 나타나는 초등학생들의 공간적 추론의 유형을 구분하여 학습발달과정의 관점에서 분석하였다. 초등학교 네 곳의 6학년 학생들 65명이 연구에 참여하였으며, 지구와 달의 운동 단원을 학습하기 전과 단원 학습한 후에 각각 동일한 검사지로 검사를 행하여 응답하였다. 사전/사후 검사 응답 결과를 귀납적으로 범주화하여 지구의 공전 운동을 이해하는데 적용된 공간적 추론의 유형을 수준별로 구분하였다. 그리고 사전 검사와 사후 검사에서 각 수준별 학생들의 분포를 비교하여 교사의 교수활동을 통해 개별 학생들의 공간적 추론 수준이 어떻게 변화하였는지 파악하여 학습발달과정의 관점에서 서술하였다. 학생들의 응답 결과 하위 정착점은 별자리가 지구 주위를 돌고 있다고 해석하는 지구 중심 우주관에 근거한 서술이 있었다. 중간 단계 수준의 응답으로 지구의 운동을 평면적으로 이해하거나 지구가 태양 주위를 공전함에 따라 별자리도 지구를 따라서 움직인다는 직관적인 태양 중심 우주관에 해당하는 서술이 있었다. 학생들의 응답 수준이 높아짐에 따라 별자리의 운동을 지구의 공전에 따른 겉보기 운동으로 이해하고, 점차 지구에서 보는 관점의 관측 사실을 우주에서 내려다보는 관점의 설명 모델로 전환하여 이해하는 서술이 있었다. 상위 정착점 수준의 학생들은 태양 중심 우주관에 근거하여 별자리의 겉보기 운동과 지구의 공전을 과학적으로 서술하였다. 학습발달과정의 선행연구와 비교할 때 학생들의 실제 응답 결과에 근거한 발달의 경로를 조사한 Evolutionary LPs 에 해당하며, 직관적 사고의 극복 여부, 지구에서 보는 관점과 지구 밖 우주에서 내려다보는 관점 간의 전환 능력 등이 초등학생들의 학습발달의 경로를 결정하는 중요한 임계 포인트가 됨을 논의하였다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.1-13
• /
• 2015

빅데이터 및 오피니언 마이닝 분야가 대두됨에 따라 정보 검색/추출, 특히 비정형 데이터에서의 정보 검색/추출 기술의 중요성이 나날이 부각되어지고 있다. 또한 정보 검색 분야에서는 이용자의 의도에 맞는 결과를 제공할 수 있는 검색엔진의 성능향상을 위한 다양한 연구들이 진행되고 있다. 이러한 정보 검색/추출 분야에서 자연어처리 기술은 비정형 데이터 분석/처리 분야에서 중요한 기술이고, 자연어처리에 있어서 하나의 단어가 여러개의 모호한 의미를 가질 수 있는 단어 중의성 문제는 자연어처리의 성능을 향상시키기 위해 우선적으로 해결해야하는 문제점들의 하나이다. 본 연구는 단어 중의성 해소 방법에 사용될 수 있는 말뭉치를 많은 시간과 노력이 요구되는 수동적인 방법이 아닌, 사전들의 예제를 활용하여 자동적으로 생성할 수 있는 방법을 소개한다. 즉, 기존의 수동적인 방법으로 의미 태깅된 세종말뭉치에 표준국어대사전의 예제를 자동적으로 태깅하여 결합한 말뭉치를 사용한 단어 중의성 해소 방법을 소개한다. 표준국어대사전에서 단어 중의성 해소의 주요 대상인 전체 명사 (265,655개) 중에 중의성 해소의 대상이 되는 중의어 (29,868개)의 각 센스 (93,522개)와 연관된 속담, 용례 문장 (56,914개)들을 결합 말뭉치에 추가하였다. 품사 및 센스가 같이 태깅된 세종말뭉치의 약 79만개의 문장과 표준국어대사전의 약 5.7만개의 문장을 각각 또는 병합하여 교차검증을 사용하여 실험을 진행하였다. 실험 결과는 결합 말뭉치를 사용하였을 때 정확도와 재현율에 있어서 향상된 결과가 발견되었다. 본 연구의 결과는 인터넷 검색엔진 등의 검색결과의 성능향상과 오피니언 마이닝, 텍스트 마이닝과 관련한 자연어 분석/처리에 있어서 문장의 내용을 보다 명확히 파악하는데 도움을 줄 수 있을 것으로 기대되어진다.

• 한국터널지하공간학회 논문집
• /
• 제24권3호
• /
• pp.247-262
• /
• 2022

국내 200 m 이상 연장의 터널에서는 CCTV 설치가 의무화되어 있으며, 터널 내 돌발 상황을 자동으로 인지한 다음 터널 관리자에게 알릴 수 있는 터널 영상유고시스템의 운영이 권고된다. 여기서 터널 내 설치된 CCTV는 터널 구조물의 공간적인 한계로 인해 낮은 높이로 설치된다. 이에 따라 이동차량과 매우 인접하므로, 이동차량과 CCTV와의 거리에 따른 원근현상이 매우 심하다. 이로 인해, 기존 터널 영상유고시스템은 터널 CCTV로부터 멀리 떨어질수록 차량의 정차 및 역주행, 보행자 출현 및 화재 발생과 같은 터널 내 유고상황을 인지하기 매우 어려우며, 100 m 이상의 거리에서는 높은 유고상황 인지 성능을 기대하기 어려운 것으로 알려져 있다. 이 문제를 해결하기 위해 관심영역 설정 및 역 원근변환(Inverse perspective transform)을 도입하였으며, 이 과정을 통해 얻은 변환영상은 먼 거리에 있는 객체의 크기가 확대된다. 이에 따라 거리에 따라 객체의 크기가 비교적 일정하게 유지되므로, 거리에 따른 객체 인식 성능과 영상에서 보이는 차량의 이동속도 또한 일관성을 유지할 수 있다. 이를 증명하기 위해 본 논문에서는 터널 CCTV의 원본영상과 변환영상을 바탕으로 동일한 조건을 가지는 데이터셋을 각각 제작 및 구성하였으며, 영상 내 차량의 실제 위치의 변화에 따른 겉보기 속도와 객체 크기를 비교하였다. 그 다음 딥러닝 객체인식 모델의 학습 및 추론을 통해 각 영상 데이터셋에 대한 거리에 따른 객체인식 성능을 비교하였다. 결과적으로 변환영상을 사용한 모델은 200 m 이상의 거리에서도 객체인식 성능과 이동차량의 유고상황 인지 성능을 확보할 수 있음을 보였다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.111-131
• /
• 2015

본 연구에서는 데이터마이닝 기법의 일종인 자기조직화지도(Self-Organizing Map, SOM)를 이용하여 비외감기업의 부실화 유형을 구분하고자 한다. 자기조직화지도는 인공 신경망을 기초로 자율학습을 통해 입력된 값을 유사한 군집끼리 묶어내는 방법으로, 기존의 통계적 군집 분류 방법보다 성능이 뛰어나고, 고차원의 입력데이터를 저차원으로 시각화할 수 있다는 장점 때문에 다양한 분야에서 각광받고 있다. 본 연구에서는 기존 연구의 주요 분석대상이었던 외감기업에 비해 부실화 빈도는 높지만 데이터 수집의 어려움으로 인해 분석대상에서 다소 제외되었던 비외감기업의 부실화 유형에 대해 알아보고, 유형별 구체적인 사례도 소개하고자 한다. 재무자료수집이 가능한 100개의 비외감 부실기업에 대해 분석한 결과, 비외감기업의 부실화 유형은 다섯 가지로 구분되었다. 유형 1은 전체 집단의 약 12%를 차지하며, 수익성, 성장성 등 재무지표가 다른 유형에 비해 열등하였다. 유형 2는 전체 집단의 약 14%로, 유형 1보다는 덜 심각하지만 재무지표가 대체로 열등하였다. 유형 3은 성장성 지표가 열등한 그룹으로 기업간 경쟁이 극심한 가운데 지속적으로 성장하지 못하고 부실화된 경우로 약 30%의 기업이 포함되었다. 유형 4는 성장성은 탁월하나 부채경영 등 과감한 경영으로 인해 유동성 부족이나 현금부족 등의 이유로 부실화된 그룹으로 약 25%의 기업이 포함되었다. 유형 5는 거의 모든 재무지표가 우수한 건전기업으로, 단기적인 경영전략의 실수 또는 중소기업의 특성상 경영자의 개인적 사정으로 부실화 되었을 가능성이 큰 그룹으로 약 18%의 기업이 포함되었다. 본 연구 결과는 부실화 유형을 구분하는데 기존의 통계적 방법이 아닌 자기조직화지도를 이용하였다는 점에서 학문적 의의가 있고, 비외감기업의 재무지표만으로도 1차적인 부실화 징후를 발견할 수 있다는 점에서 실무적 의의가 있다고 할 수 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.1-21
• /
• 2020

인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.

• 한국지구과학회지
• /
• 제34권4호
• /
• pp.356-367
• /
• 2013

교육대학교 1학년 164명을 대상으로 계절변화 원인에 대한 개념을 연구하였다. 이어서 개념의 특징에 따른 유형 분류와 천문관련 수업 후 개념변화를 알아보았다. 사전에 천문관련 선택형과 계절변화 원인에 관한 논술형 문항을 검사했고, 한 학기 동안 천문관련 학습 후에 같은 유형의 문항에 답하도록 하였다. 사전 검사의 계절변화 응답 내용에는 여러 종류의 개별 개념들이 들어있었고 이를 3단계의 위계로 나눌 수 있었다. 1차 원인은 지구의 상태와 운동에 관련된 우주적 관점, 2차원인은 1차 원인에 의해 지구가 받는 직접적 영향, 3차 원인은 2차 원인에 따라 지구 위의 관측자가 받는 영향으로 나누었다. 학생들이 사전검사에서 응답한 내용 중에는 1차 원인이 가장 많았으며 가장 적게 답한 개념은 2차 원인이었다. 하나의 답안을 이루는 전체 개념은 1차, 1-2차, 1-3차, 1-2-3차 원인 등의 유형이 나타났고 1-3차>1차>1-2차>1-2-3차 원인 등의 순으로 많았다. 2차 원인인 태양고도와 낮 길이 변화 개념을 가진 학생 수는 가장 적었으나 사전과 사후검사 모두 계절변화에 대한 과학적 개념을 가장 많이 가지고 있었고 천문관련 선택형 검사에서도 모두 점수가 높았다. 연구 결과, 계절 변화 원인에는 1차, 2차, 3차로 구분되는 위계 관계가 뚜렷하게 나타나고 있었다. 이에 따라 우주적 관점인 1차 원인을 먼저 가르쳐야 하지만 2차 원인인 태양 고도와 낮의 길이 개념에의 영향을 이해시킨 후 3차 원인을 학습시켜야 한다. 학생들이 이를 모두 이해했을 때 계절변화의 원인에 대해 비로소 정확한 개념이 생겼다고 말할 수 있을 것이다.

• 한국해양학회지:바다
• /
• 제24권3호
• /
• pp.375-388
• /
• 2019

지구의 탄소순환을 이해하고 미래 대기 $CO_2$의 농도와 기후 변화를 예측하기 위해서는 해양과 대기 사이 $CO_2$ 교환율(sea-to-air $CO_2$ flux)의 시공간 변화를 정확하게 추정하는 것이 필요하다. 연구선을 이용한 현장 관측이 갖고 있는 시공간 제약으로 인해 동해에는 매우 제한적인 표층 이산화탄소분압($fCO_2$) 자료만 존재한다. 이 연구에서는 위성 및 수치모형에서 얻은 수온, 염분, 엽록소, 혼합층 자료를 세 종류의 기계학습 모형에 입력하여 동해 남서부해역의 고해상도 표층 $fCO_2$ 시계열 자료를 산출하였다. 세 모형 중 현장 관측 자료를 가장 잘 재현하는 Random Forest (RF) 모형의 평균제곱근오차는 $7.1{\mu}atm$이었다. RF 모형을 이용한 $fCO_2$ 예측에 중요한 역할을 하는 변수는 수온, 염분과 시간 정보였으며, 엽록소와 혼합층 깊이는 $fCO_2$ 예측에 미미한 역할을 하였다. RF 모형에서 예측한 표층 $fCO_2$를 이용하여 계산한 동해 남서부해역의 $CO_2$ 교환율은 $-0.76{\pm}1.15mol\;m^{-2}yr^{-1}$로 이전 현장 관측 연구에서 제시한 교환율( $-0.66{\sim}-2.47mol\;m^{-2}yr^{-1}$) 범위 중 작은 값에 해당한다. RF 모형의 표층 $fCO_2$ 시계열 자료는 1주일 내외의 짧은 시간 사이에도 $CO_2$ 교환율이 상당히 변할 수 있음을 보여주었다. 앞으로 보다 정확한 $CO_2$ 교환율 산출을 위해서는 $fCO_2$가 급격하게 변화하는 봄철에 높은 해상도의 현장 관측을 수행할 필요가 있다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권1호
• /
• pp.131-142
• /
• 2021

코로나 바이러스(COVID-19) 팬데믹으로, 전국의 대학들이 온라인 플랫폼을 사용한 비대면 강의를 시행하고 있다. 따라서 응급환자간호 임상실습 교육에 맞는 온라인 프로그램을 개발하고, 간호학생에게 적용하여 그 효과를 확인해보고자 시도 되였다. 본 연구는 양적자료와 질적자료를 분석한 방법론적 연구로, G광역시 N대학교 성인간호학교수 3인이 G광역시 종합병원 간호부장과 응급실 수간호사들에게 자문을 구하여 학생들의 교과목과 관련된 요구도 조사 후에, 4학년을 대상으로 응급환자간호 임상실습 온라인 프로그램을 ADDIE모형에 따라 개발하였다. 프로그램은 총 4주 동안 진행되었으며, 1주에 영상 4시간, 과제 2가지로 구성하였고, 실시간 쌍방향 화상집담회도 포함되었다. 총 96명 학생 자료가 수집되었으며, SPSS/WIN 22 프로그램으로 분석하였다. 자료 분석결과 교과목 만족도 부분에서 '학습목표 연계성'이 총 6.0만점에 평균 5.58±0.98로 가장 점수가 높았다. 응급간호 학습성취도에서는 'BLS 수행 '이 평균 5.47±0.74로 가장 점수가 높았으며, '낙상예방 간호수행'(5.39±0.77), '응급환자 기록수행'(5.30±0.70), '감염예방 간호수행'(5.27±0.736) 순이었다. '3학년때 시행한 대면임상실습경험과 이번학기 비대면임상실습수업 경험을 비교하여 내가 생각하는 이번학기 수업의 장점은 무엇인가?'에 관한 질적자료를 Keyword로 추출하여 Wordcloud로 제시한 결과 답변을 한 77명의 학생들 중 '간호과정경험'이라고 답한 경우가 13명(16.9%)로 가장 많은 빈도를 나타내었고, '자세한 교수설명'이 10명(13.0%), '사례기반실습'이 9명(11.7%) '시간과 공간의 제약이 없다(Anytime anywhere)'고 답한 경우가 8명(10.4%) 순으로 나타났다. 이에, 개발된 온라인 프로그램을 활용한 응급환자간호 임상실습이 학생들의 교과목 요구도를 반영한 학생들의 학습성취도를 파악하였으며, 대면실습과 비교하여 교과목 만족도가 높게 나타나 개발된 온라인 프로그램을 향후 응급환자간호 임상실습에서 활용 가능할 것으로 생각된다.

• 서비스연구
• /
• 제12권2호
• /
• pp.65-79
• /
• 2022

Covid-19로 인해 비대면 수업이 지속되고 있다. 과거부터 e-러닝 수업은 있었지만 코로나로 인한 비대면 수업은 실시간 수업과 녹화수업이 결합되거나 대면과 비대면이 결합된 블랜디드(blended) 수업이라는 것이 차이점이다. 또한 전용 스튜디오가 아닌 곳에서 자가 촬영하거나 다양한 강의 플랫폼을 선택할 수 있다는 점이 특징이다. 비대면 수업의 이점은 시간과 공간을 초월하여 학습할 수 있고, 반복 시청, 학습속도를 조절할 수 있다. 녹화수업은 시간과 장소적 제약이 없지만, 실시간 수업은 시간적 제약은 있지만, 학습자와의 커뮤니케이션 효과가 높다는 장점이 있다. 비대면 수업이 대면수업이나 e-러닝과 비교하여 충분한 품질을 제공하는지를 평가하는 일은 포스트 코로나 이후에도 블렌디드 수업을 고려한다면 필요한 일이 될 것이다. 본 논문에서는 비대면 수업의 서비스 품질평가를 위해 Kano 품질속성 관점에서 학습자들이 원하는 필수속성을 도출하고 품질개선 방안을 제안하였다. 비대면 수업이 갖추어야 할 기능의 정도를 X축, 학습자의 만족도를 Y축으로 나타낸 후 23개의 품질속성을 6개로 분류하였다. 그리고 만족계수, 불만족 계수, 고객만족개선지수를 도출하였다. 학습자들의 50%가 비대면 수업에 만족했지만 선호도는 만족도 보다는 약간 높게 나타나 비대면 수업의 지속 가능성을 암시하고 있다. 고객만족개선 지수로 볼 때, 수업 품질을 개선했을 때 만족도 증가폭이 가장 큰 속성들은 학습자의 질문에 대한 교수의 신속한 답변, 교과내용을 반영한 충실한 강의 콘텐츠, 교수가 알기 쉽게 설명해 주는 것, 모바일 폰에서도 학습할 수 있는 고품질의 콘텐츠 개발, 출석체크의 공정성, 그리고 실시간 수업은 정시에 수업 시작 순이었다.