• 전기전자학회논문지
• /
• 제28권3호
• /
• pp.451-457
• /
• 2024

본 논문에서는 가격, 기후 요인, 수요, 수입량 등 다양한 변수를 데이터화한 후, LSTM(Long Short-Term Memory) 모델을 활용하여 농산물 가격을 예측하는 방법을 제안하였다. 시계열 데이터의 장기 의존성을 학습하는 LSTM 모델을 통해 예측 성능을 분석한 결과, 다양한 데이터를 통합함으로써 기존 방법보다 성능이 향상되었음을 확인하였다. 또한, 종속 변수인 가격 데이터 없이 독립 변수들만을 활용한 예측에서도 의미 있는 성과를 거두어, 모델의 발전 가능성을 확인할 수 있었다. 더 나아가, 다변수 모델을 사용할 경우 예측 성능이 더욱 개선될 수 있음을 알게 되었으며, 이러한 복합적인 접근이 배추 가격 예측의 정확도를 높이는 데 효과적임을 시사한다.

• Communications for Statistical Applications and Methods
• /
• 제26권5호
• /
• pp.497-506
• /
• 2019

Forecasting the U.S. employment level is made using machine learning methods of the artificial neural network: deep neural network, long short term memory (LSTM), gated recurrent unit (GRU). We consider the big data of the federal reserve economic data among which 105 important macroeconomic variables chosen by McCracken and Ng (Journal of Business and Economic Statistics, 34, 574-589, 2016) are considered as predictors. We investigate the influence of the two statistical issues of the dimension reduction and time series differencing on the machine learning forecast. An out-of-sample forecast comparison shows that (LSTM, GRU) with differencing performs better than the autoregressive model and the dimension reduction improves long-term forecasts and some short-term forecasts.

• 커뮤니케이션학 연구
• /
• 제18권1호
• /
• pp.165-193
• /
• 2010

본 연구는 단기 기억과 피험자 위주의 분석이 주를 이루는 기존 연구의 방향에 장기 기억과 BPL 단위의 분석을 추가하고 있다는 점에서 의의를 갖는다. 본 연구 결과, BPL은 단기재인(52.8%의 BPL), 장기재인(44.4%의 BPL), 장기회상(30.6%의 BPL)에서 효과적인 것으로 나타났다. BPL의 표현 방식에 따른 차이를 보면, 공감각적 BPL, 클로즈업된 BPL, 노출 시간이 긴 BPL, 주연 배우가 브랜드를 사용하는 BPL이 다른 경우의 BPL보다 효과적인 것으로 나타났다. 반면, 영화에 대한 선호도나 등장인물에 대한 선호도는 BPL 브랜드의 기억에 커다란 영향을 미치는 요소가 아니었다. 차후 연구자들은 더욱 정교한 실험 디자인을 개발하고, 매개 변인과 조절 변인의 효과를 탐구하여 현재 이 분야에 존재하는 혼란스러움을 해소해야 할 것이다.

• 충청수학회지
• /
• 제34권2호
• /
• pp.157-168
• /
• 2021

This study uses the benchmark interest rate of the Federal Open Market Committee (FOMC) to predict gold futures prices. For the predictions, we used the support vector machine (SVM) (a machine-learning model) and the long short-term memory (LSTM) deep-learning model. We found that the LSTM method is more accurate than the SVM method. Moreover, we applied the Boruta algorithm to demonstrate that the FOMC benchmark interest rates correlate with gold futures.

• Journal of Positioning, Navigation, and Timing
• /
• 제8권4호
• /
• pp.209-214
• /
• 2019

Precise point positioning (PPP) requires precise orbit and clock products. International GNSS service (IGS) real-time service (RTS) data can be used in real-time for PPP, but it may not be possible to receive these corrections for a short time due to internet or hardware failure. In addition, the time required for IGS to combine RTS data from each analysis center results in a delay of about 30 seconds for the RTS data. Short-term orbit prediction can be possible because it includes the rate of correction, but the clock correction only provides bias. Thus, a short-term prediction model is needed to preidict RTS clock corrections. In this paper, we used a long short-term memory (LSTM) network to predict RTS clock correction for three minutes. The prediction accuracy of the LSTM was compared with that of the polynomial model. After applying the predicted clock corrections to the broadcast ephemeris, we performed PPP and analyzed the positioning accuracy. The LSTM network predicted the clock correction within 2 cm error, and the PPP accuracy is almost the same as received RTS data.

• 한국음향학회지
• /
• 제36권4호
• /
• pp.261-266
• /
• 2017

본 논문에서는 커널 모델과 장단기 기억(Long-Short Term Memory, LSTM) 신경망을 결합한 보컬 및 비보컬 분리 방식을 제안한다. 기존의 음원 분리 방식은 비보컬 음원만 있는 구간에서 음원을 오추정하여 불필요한 비보컬 음원을 출력하는 한계가 있다. 따라서 본 논문에서는 커널 모델 기반의 보컬음 분리 방식에 LSTM 신경망 기반의 보컬 구간 분류 방식을 결합하여 보컬 음원의 오추정 문제를 개선하고 분리 성능을 향상시키고자 하였다. 또한 본 논문에서는 방식간의 결합 구조에 따라 병렬 결합형 분리 알고리즘과 직렬 결합형 분리 알고리즘을 제안하였으며, 실험을 통해 제안하는 방식들이 기존의 방식에 비해 더욱 향상된 분리 성능을 보이는 것을 확인할 수 있었다.

• 한국음향학회지
• /
• 제38권4호
• /
• pp.433-441
• /
• 2019

본 논문에서는 입 주변에 방사한 초음파 신호가 반사되어 돌아올 때 발생하는 초음파 도플러 신호를 LSTM(Long Short Term Memory) 순환 신경망 (Recurrent Neural Networks, RNN)을 이용해 음성 패러미터를 추정하는 방법을 소개하고 다층 퍼셉트론 (Multi-Layer Perceptrons, MLP) 신경망을 이용한 방법과 성능 비교를 하였다. 본 논문에서는 LSTM 순환 신경망을 이용해 초음파 도플러 신호로부터 음성 신호의 푸리에 변환 계수를 추정하였다. LSTM 순환 신경망을 학습하기 위한 입력 및 기준값으로 초음파 도플러 신호와 음성 신호로부터 각각 추출된 멜 주파수 대역별 에너지 로그값과 푸리에 변환 계수가 사용되었다. 테스트 데이터를 이용한 실험을 통해 LSTM 순환 신경망과 MLP의 성능을 평가, 비교하였고 척도로는 평균 제곱근 오차(Root Mean Squared Error, RMSE)가 사용되었다.각 실험의 RMSE는 각각 0.5810, 0.7380로 나타났다. 약 0.1570 차이로 LSTM 순환 신경망을 이용한 방법의 성능 우세한 것으로 확인되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권5호
• /
• pp.187-194
• /
• 2021

사람의 행동인식(Action Recognition)은 사람의 관절 움직임에 따라 어떤 행동을 하는지 인식하는 것이다. 이를 위해서 영상처리에 활용되는 컴퓨터 비전 태스크를 활용하였다. 사람의 행동인식은 딥러닝과 CCTV를 결합한 안전사고 대응서비스로서 안전관리 현장 내에서도 적용될 수 있다. 기존연구는 딥러닝을 활용하여 사람의 관절 키포인트 추출을 통한 행동인식 연구가 상대적으로 부족한 상태이다. 또한 안전관리 현장에서 작업자를 지속적이고 체계적으로 관리하기 어려운 문제점도 있었다. 본 논문에서는 이러한 문제점들을 해결하기 위해 관절 키포인트와 관절 움직임 정보만을 이용하여 위험 행동을 인식하는 방법을 제안하고자 한다. 자세추정방법(Pose Estimation)의 하나인 AlphaPose를 활용하여 신체 부위의 관절 키포인트를 추출하였다. 추출된 관절 키포인트를 LSTM(Long Short-Term Memory) 모델에 순차적으로 입력하여 연속적인 데이터로 학습을 하였다. 행동인식 정확률을 확인한 결과 "누워있기(Lying Down)" 행동인식 결과의 정확도가 높음을 확인할 수 있었다.

• 한국식품영양과학회지
• /
• 제39권3호
• /
• pp.376-382
• /
• 2010

본 연구는 BF-7이 어린이의 장기 및 단기 기억을 현저하게 촉진시킴을 보여주었다. 기존 임상 시험 결과를 통해 입증된 바와 같이 천연 소재인 BF-7의 안전성을 고려할 때, BF-7은 어린이 장기 및 단기 기억력, 기억유지도 및 기억의 효과적 활용 등 전반적인 기억 수행 능력 향상에 도움을 주는 매우 안전하면서 효과가 탁월한 천연소재임을 확인하였다.

• Communications for Statistical Applications and Methods
• /
• 제9권3호
• /
• pp.577-594
• /
• 2002

For the estimation and test of long memory feature in volatilities of stock indices and individual companies semiparametric approach, Geweke and Porter-Hudak (1983), is employed. Empirical study supports the strong evidence of volatility persistence in Korean stock market. Most of indices and individual companies have the feature of long term dependence of volatility. Hence the short memory models are unable to explain the volatilities in Korean stock market.