• 한국축산시설환경학회지
• /
• 제7권1호
• /
• pp.1-12
• /
• 2001

조기이유 자돈용 액상사료 지동 급이기를 개발하기 위하여 물 가열 및 배출부, 가루사료 저장 및 배출부, 혼합부, 약상사료 이송부와 이들의 각 기능을 제어하는 중앙 제어부 및 급이기로 구성 하였다. 이러헥 개발한 조기이유 자돈용 액상사료 자동급이기의 실용성을 검토하기 위해 평균 19일령에 이유한 삼원교잡종(Lw$\times$D)ㅈ돈 18두(남9,여9)를 공시하여 3주 동안 액상으로 급여한 후 3주 동안 가루사료를 무제한 급여하였다. 결과는 아래와 같다. 개발한 액상사료 자동 급이기의 물 가열 및 배출부는 혼합부에 온수를 초당 27$m\ell$, 가루사료 저장 및 배출부는 가루사료를 초당 3.7g 씩 정확하게 중앙제어부의 작동에 따라 이송하였다. 일당증체량은 NRC의 표준 성장률과 비교해 액상사료를 급여한 3주 동안 자돈들이 10%정도 낮은 수준이었으나, 그후 가루사료를 급여한 3주 동안에는 24%, 시험전기간 17% 정도 높은 수준이었다. 사료요구율은 시험개시 후 3주 동안 1.09, 그 후 3주동안 2.14, 시험전기간에는 1.89 이었다. 설사 발생은 액상사료 급여후 3일부터 7일 까지 5일동안 발생하였고, 폐사 자돈은 없었다. 새로이 개발한 액상사료 자동 급이기 시작품의 성능 검정을 위한 예비적 시험으로 19일령에 이유한 자돈에게 적용해 본결과, 액상사료 자동급이기는 어떠한 문제없이 잘 작동되었으며, 자돈들의 액상사료 급여 초기 성장은 부진하였으나 차후 성장 촉진과 사료 이용율이 개선되는 것으로 나타났다. 따라서 본 연구에서 새로이 개발한 액상사료 자동 급이기를 이용한 자돈 사육이 가능할 것으로 사료 된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.