• 제목/요약/키워드: NN Model

검색결과 281건 처리시간 0.031초

신경회로망을 이용한 KOSPI 예측 기반의 ETF 매매 (ETF Trading Based on Daily KOSPI Forecasting Using Neural Networks)

  • 황희수
    • 한국융합학회논문지
    • /
    • 제10권1호
    • /
    • pp.7-12
    • /
    • 2019
  • 신경회로망은 적합한 수학적 모델에 대한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있어서 주가 예측에 널리 사용되어 왔다. 본 논문에서는 신경회로망 모델을 사용하여 일별 KOrea composite Stock Price Index (KOSPI) 종가를 예측한다. 예측된 종가를 기반으로 KOSPI에 연동해 변동하는 Exchange Traded Funds (ETFs)의 거래를 위한 알파 매매를 제안한다. 본 논문에 제안된 방법으로 KOSPI 예측 신경회로망 모델들을 구현하고 예측 정확도를 평가한다. 구현된 신경회로망 모델(NN1)의 학습 오차(MAPE)는 0.427, 평가 오차는 0.627이다. 평가용 데이터를 사용해 알파 매매를 시뮬레이션하면 수익률은 7.16 ~ 15.29 %를 보인다. 이는 125 거래일 데이터로 거둔 수익률로 제안된 알파 매매가 효과적임을 보인다.

사용자 손 제스처 인식 기반 입체 영상 제어 시스템 설계 및 구현 (Design and Implementation of a Stereoscopic Image Control System based on User Hand Gesture Recognition)

  • 송복득;이승환;최홍규;김성훈
    • 한국정보통신학회논문지
    • /
    • 제26권3호
    • /
    • pp.396-402
    • /
    • 2022
  • 영상 미디어를 위한 사용자 인터랙션은 다양한 형태로 개발되고 있으며, 특히, 인간의 제스처를 활용한 인터랙션이 활발히 연구되고 있다. 그 중에, 손 제스처 인식의 경우 3D Hand Model을 기반으로 실감 미디어 분야에서 휴먼 인터페이스로 활용되고 있다. 손 제스처 인식을 기반으로 한 인터페이스의 활용은 사용자가 미디어 매체에 보다 쉽고 편리하게 접근할 수 있도록 도와준다. 이러한 손 제스처 인식을 활용한 사용자 인터랙션은 컴퓨터 환경 제약 없이 빠르고 정확한 손 제스처 인식 기술을 적용하여 영상을 감상할 수 있어야 한다. 본 논문은 오픈 소스인 미디어 파이프 프레임워크와 머신러닝의 k-NN(K-Nearest Neighbor)을 활용하여 빠르고 정확한 사용자 손 제스처 인식 알고리즘을 제안한다. 그리고 컴퓨터 환경 제약을 최소화하기 위하여 인터넷 서비스가 가능한 웹 서비스 환경 및 가상 환경인 도커 컨테이너를 활용하여 사용자 손 제스처 인식 기반의 입체 영상 제어 시스템을 설계하고 구현한다.

머신러닝 모델을 이용한 석산 개발 발파진동 예측 (Prediction of Blast Vibration in Quarry Using Machine Learning Models)

  • 정다희;최요순
    • 터널과지하공간
    • /
    • 제31권6호
    • /
    • pp.508-519
    • /
    • 2021
  • 본 연구에서는 발파 시 사람과 주변 환경에 영향을 끼치는 발파진동(peak particle velocity, PPV)을 예측하는 모델을 개발하였다. PPV를 예측하기 위해 kNN(k-nearest neighbors), CART(classification and regression tree), SVR(support vector regression), PSO(particle swarm optimization)-SVR 알고리즘을 이용한 4가지 머신러닝 모델을 개발하고 상호 비교하였다. 머신러닝 모델을 훈련하기 위해 경상남도 창원시에 있는 욕망산을 연구지역으로 선정하고 1048개의 발파 데이터를 획득하였다. 발파 데이터는 천공장, 저항선, 공간격, 최대지발장약량, 비장약량, 총공수, 에멀전비율, 이격거리, PPV로 구성되었다. 훈련된 모델들의 성능을 평가하기 위한 지표 값으로 MAE(mean absolute error), MSE(mean squared error), RMSE(root mean squared error)를 사용하였다. 평가결과 PSO-SVR 모델이 MAE, MSE, RMSE가 각각 0.0348, 0.0021, 0.0458으로 가장 우수한 예측 성능을 나타냈다. 마지막으로 개발된 머신러닝 모델을 이용하여 주변 환경에 영향을 끼치는 정도를 예측하는 방법을 제시하였다.

영상합성을 통한 KOMPSAT-1 EOC의 분류정확도 및 환경정보 추출능력 향상 (Enhancement of Classification Accuracy and Environmental Information Extraction Ability for KOMPSAT-1 EOC using Image Fusion)

  • 하성룡;박대희;박상영
    • 한국지리정보학회지
    • /
    • 제5권2호
    • /
    • pp.16-24
    • /
    • 2002
  • 원격탐사 응용분야 중 토지피복 분류를 통한 지구환경의 원격탐지기법은 환경 관리, 도시계획 및 지리정보시스템의 응용분야에 광범위하게 사용되고 있는 접근방식이다. 본 연구는 다목적 실용위성(Korea Multi-Purpose Satellite : KOMPSAT)의 전자광학카메라(electro-optical camera : EOC)를 통해 취득한 영상의 토지피복 정보를 추출하는 방안을 제시하였다. 사용영상은 다중 분광정보를 보유하고 있는 공간해상도 30m의 Landsat TM과 6.6m의 공간해상도와 단일밴드로 구성되어 있는 KOMPSAT EOC영상이며, 연구 대상지역은 청주시 미호천 수계이다. 영상합성은 IHS(intensity hue saturation), HPF(high pass filtering), CN(color normalization), 그리고 Wavelet 변환방식을 적용하여 결과를 비교하였다. 합성된 영상은 RBF-NN(radial basis function neural network)과 ANN(artificial neural network)법을 이용하여 피복분류를 실시하였으며, 이상의 과정을 통해 최적 결과를 도출하는 영상합성 및 분류기법을 제시하였다.

  • PDF

위성영상자료 및 국가 산림자원조사 자료를 이용한 산림 바이오매스 추정 (Estimation of Forest Biomass based upon Satellite Data and National Forest Inventory Data)

  • 임종수;한원성;황주호;정상영;조현국;신만용
    • 대한원격탐사학회지
    • /
    • 제25권4호
    • /
    • pp.311-320
    • /
    • 2009
  • 본 연구는 전라북도 무주군을 대상으로 제5차 국가산림자원조사 자료와 위성영상(Landsat TM-5)자료를 이용하여 산림 바이오매스를 추정하고 이를 토대로 바이오매스 주제도를 작성하고자 하였다. 먼저 국가산림자원조사의 야외 표본점 자료를 이용하여 조사표본점의 단위면적 당 축적을 산출하고, 바이오매스 변환계수를 적용하여 산림 바이오매스를 추정하였다. 본 연구에서는 위성영상 자료를 이용한 산림 바이오매스 추정을 위해 회귀모형을 이용하는 방법과 최근린 기법(k-Nearest Neighbor)을 이용하는 두 가지 방법을 사용하였는데, 이 두 가지 방법에 의해 추정된 산림 바이오매스를 국가산림자원조사 자료에 의한 추정치와 비교하여 최적의 방법을 선정하였다. 추정된 바이오매스 통계량의 비교를 위해 교차대조법을 이용하여 RMSE(Root Mean Square Error)와 평균편의(Mean Bias)를 산출하였는데, 그 결과 두 방법 모두 유사한 추정오차(RMSE: 63.75$\sim$67.26ton/ha)와 편차($\pm$1 ton/ha)를 보여 정확성 면에서는 큰 차이가 없는 것으로 나타났다. 하지만 최근린 기법을 이용하여 산림 바이오매스를 추정하는 것이 효율성 측면에서 보다 유리할 것으로 평가되었다. 최근린 기법에 의해 추정된 무주군의 산림 바이오매스는 약 839만 톤으로 나타났으며 단위면적당 평균은 149톤/ha인 것으로 분석되었다.

식이 sodium 제한 및 식이 sodium 제한에 따른 항고혈압제의 투여가 만성신부전증의 진행에 미치는 영향에 관한 실험적 연구 (Effects of Dietary Salt Restriction on the Development of Renal Failure in the Excision Remnant Kidney Model)

  • 김기혁;김상윤;강용주;맹원재;김교순
    • Childhood Kidney Diseases
    • /
    • 제3권2호
    • /
    • pp.170-179
    • /
    • 1999
  • 목적 : 만성신부전유발 백서에서 식이 sodium 제한이 만성신부전의 진행속도 및 혈압조절에 어떠한 영향을 주는지, 또한 항고혈압제제 (enalapril: E, nicardipine: N)와 병행 투여하였을 매 항고혈압제제 단독투여보다 만성신부전의 진행속도 및 혈압조절에 어떠한 영향을 주는 지를 연구하였다. 방법 : 5/6 신절제술로 만성신부전을 유발시킨 백서를 수술 제 7일부터 무작위로 0.49% sodium 식이군, 0.25% sodium 식이군, 0.49% sodium 식이 enalapril군, 0.49% sodium 식이 nicardipine군, 0.25% sodium식이 enalapril군, 0.25% sodium식이 nicardipine군으로 나누고 신절제술 4주, 12주, 16주 혹은 24주에 혈압, 24시간 단백뇨의 변화, 신 조직의 mesangial expansion score(MES) 및 사구체용적의 변화를 비교 분석하였다. 곁 과 : 1) 0.25% sodium 식이군은 0.49% sodium 식이군보다 혈압의 감소를 보였고 0.25% sodium 식이 enalapril군, 0.25% sodium 식이 nicardipine군, 0.49% sodium 식이 enalapril군, 0.49% sodium 식이 nicardipine 군에서는 혈압의 감소가 관찰되었다. 2) 16주째 0.25% sodium 식이 enalapril군, 0.25% sodium 식이 nicardipine군, 0.49% sodium 식이 enalapril군, 0.49% sodium 식이 nicardipine 군은 0.49% sodium 식이군보다 의의있는 단백뇨의 감소를 보였다 (P<0.05). 0.25% sodium 식이군의 16주째 뇨단백은 $78{\pm}16$ mg 이었고 0.25% sodium 식이 enalapril 군, 0.25% sodium 식이 nicardipine군은 각각 $35{\pm}9mg,\;41{\pm}15mg$으로 enalapril, nicardipine 에 의해 뇨단백의 감소를 관찰할 수 있었고, 0.25% sodium 식이군의 24주째 뇨단백은 $82{\pm}10$ mg 이었고 0.25% sodium 식이 enalapril 군,0.25% sodium 식이 nicardipine군은 각각 $54{\pm}3mg,\;76{\pm}11mg$으로, enalapril 에 의해서만 24 시간 단백뇨의 의의있는 감소를 관찰할 수 있었다. 3) 24주째 백서를 희생하여 크레아티닌 청소률을 관찰한 결과 심한 신부전은 관찰되지 않았고, 0.25% sodium 식이 대조군에 비해 0.25% sodium 식이 enalapril군에서 사구체여과율이 증가됨을 관찰할 수 있었다. 4) 신절제술후 남아 있는 신조직무게를 비교하여 보면 24주째 0.25% sodium 식이군, 0.25% sodium 식이 enalapril군, 0.25% sodium 식이 nicardipine군에서 16주째 0.49% sodium 식이군, 0.49% sodium 식이 enalapril군, 0.49% sodium 식이 nicardipine 군보다 의의있게 신조직무게가 증가됨을 관찰할 수 없었다. 5) 0.25% sodium 식이군은 0.49% sodium 식이군과 비교하여 MES의 현저한 감소를 보였고 (0.25% sodium식이군: 12주; $1.97{\pm}0.02$, 24주; $2.06{\pm}0.03$ vs. 0.49% sodium 식이군: 12주; $2.29{\pm}0.09$, 16주; $2.55{\pm}0.16$, P<0.05) 12주 이후에 관찰한 MES는 0.25% sodium 식이군, 0.25% sodium 식이 enalapril군, 0.25% sodium 식이 nicardipine군 세군간의 통계적인 차이는 없었다. 6) 24주에 시행한 0.25% sodium 식이군의 사구체용적은 16주에 시행한 0.49% sodium 식이군의 사구체용적보다 현저하게 감소되어있었다 (0.25% sodium 식이군:24주; $1.58{\pm}0.18{\times}10^6{\mu}m^3$ vs. 0.49% sodium 식이군:16주; $1.98{\pm}0.18{\times}10^6{\mu}m^3$, P<0.05). 24주 0.25% sodium 식이 enalapril군의 사구체용적($1.51{\pm}0.08{\times}10^6{\mu}m^3$)은 16주 0.49% sodium 식이 enalapril군의 사구체용적($1.81{\pm}0.22{\times}10^6{\mu}m^3$)과 비교하여 현저한 감소를 보였다. 12주, 24 주에 관찰한 0.25% sodium 식이군, 0.25% sodium 식이 enalapril군, 0.25% sodium 식이 nicardipine군의 사구체용적은 세군간에 의의있는 차이는 없었다. 결론 : 식이 sodium 제한은 대상성 신비대의 감소를 통해 신손상을 감소시켰고 혈압의 감소에도 도움을 주었다. 식이 sodium 제한과 항고혈압제재 특히 enalapril을 병행투여하였을 때 항고혈압제재 단독투여보다 뇨단백 및 신조직의 대상성 비대를 감소시켰다. 따라서 만성신부전증에서 경도의 저sodium식이가 만성신부전으로의 진행을 지연시키며 혈압의 감소에도 도움이 됨을 알 수 있었다.

  • PDF

RNN을 이용한 제2형 당뇨병 예측모델 개발 (Development of T2DM Prediction Model Using RNN)

  • 장진수;이민준;이태노
    • 디지털융복합연구
    • /
    • 제17권8호
    • /
    • pp.249-255
    • /
    • 2019
  • 제2형 당뇨병은 고혈당이 특징인 대사성 분비 장애로 여러 합병증을 야기하는 질병이며, 장기적인 치료가 필요하기 때문에 매년 많은 의료비를 지출한다. 이를 해결하기 위해 많은 연구들이 있어왔지만, 기존의 연구들은 한 시점에서의 데이터를 학습시켜 예측함으로써 정확도가 높지 않았다. 그래서 본 연구는 제2형 당뇨병 발생 예측에 대한 정확도를 높이기 위하여 RNN을 이용한 모델을 제안하였다. 본 모델을 개발하기 위해 한국인유전체역학조사 지역사회 코호트(안산 안성) 데이터를 이용하였으며, 시간의 흐름에 따른 데이터들을 모두 학습시켜 당뇨병 발생 예측모델을 만들었다. 예측 모델의 성능을 검증하기 위해 기존의 기계 학습 방법인 LR, k-NN, SVM과 정확도를 비교하였다. 비교한 결과 제안한 예측모델의 accuracy는 0.92, AUC는 0.92로 다른 기계 학습 방법보다 높은 정확도를 보였다. 따라서 본 연구에서 제안한 제2형 당뇨병 발생 예측 모델을 활용하여 발병을 조기 예측함으로써 생활습관 개선 및 혈당조절을 통해 당뇨병 발병을 예방하고 늦출 수 있을 것이다.

HOG와 인공신경망을 이용한 자동차 모델 인식 시스템 성능 분석 (Performance Evaluation of Car Model Recognition System Using HOG and Artificial Neural Network)

  • 박기완;방지성;김병만
    • 한국산업정보학회논문지
    • /
    • 제21권5호
    • /
    • pp.1-10
    • /
    • 2016
  • 본 논문에서는 영상처리와 기계학습을 이용하여 자동차를 판별하는 시스템을 제안하고 그 성능을 확인한다. 차량의 앞면을 인식 하도록 하였으며 앞면을 선택한 이유는 제조사, 모델별로 앞면이 다르고 개조가 힘들기 때문이다. 제안하는 방법은 먼저 학습 데이터로부터 HOG특징을 추출하고, 이 특징 데이터에 대해 인공신경망 학습기법을 적용하여 판별 모델을 구축한다. 그리고 사용자가 자동차의 앞면을 찍으면 그 사진에서 특징점을 추출하고 특징점을 학습된 판별 모델을 거쳐 차량의 정보를 표시한다. 실험 결과, 98%의 높은 평균 인식률을 보였다.

위성이미지 기반 시설하우스 판별 Mask-RCNN 모델 개발 (Development of Mask-RCNN Model for Detecting Greenhouses Based on Satellite Image)

  • 김윤석;허성;윤성욱;안진현;최인찬;장성율;이승재;정용석
    • 한국농림기상학회지
    • /
    • 제23권3호
    • /
    • pp.156-162
    • /
    • 2021
  • 본 인스턴스 분할 모델은 위성을 이용해 촬영된 원격탐지 영상 내의 객체 탐지에 높은 정확도를 갖는다는 것을 입증하였으며, 불법으로 가설된 시설 하우스를 발견하는데 활용될 수 있다. 즉, 특정 지역 및 일정시기를 기준으로 시설하우스를 인식시키고 그 이후에 신축된 하우스를 분별하는데 사용할 수 있을 것이다. 또한 본 기술을 응용하여, 토지피복도 조사와 같은 인력중심의 작업을 빠르게 해결할 수 있다. 앞으로 이 모델은 지리정보시스템(Geographic Information System)과 연계하여 중앙정부 차원의 단일화된 관리체계를 수립할 수 있을 것이며 또한 시설하우스 면적 통계 수치계산에도 쉽게 응용될 수 있을 것으로 판단된다.

Rockfall Source Identification Using a Hybrid Gaussian Mixture-Ensemble Machine Learning Model and LiDAR Data

  • Fanos, Ali Mutar;Pradhan, Biswajeet;Mansor, Shattri;Yusoff, Zainuddin Md;Abdullah, Ahmad Fikri bin;Jung, Hyung-Sup
    • 대한원격탐사학회지
    • /
    • 제35권1호
    • /
    • pp.93-115
    • /
    • 2019
  • The availability of high-resolution laser scanning data and advanced machine learning algorithms has enabled an accurate potential rockfall source identification. However, the presence of other mass movements, such as landslides within the same region of interest, poses additional challenges to this task. Thus, this research presents a method based on an integration of Gaussian mixture model (GMM) and ensemble artificial neural network (bagging ANN [BANN]) for automatic detection of potential rockfall sources at Kinta Valley area, Malaysia. The GMM was utilised to determine slope angle thresholds of various geomorphological units. Different algorithms(ANN, support vector machine [SVM] and k nearest neighbour [kNN]) were individually tested with various ensemble models (bagging, voting and boosting). Grid search method was adopted to optimise the hyperparameters of the investigated base models. The proposed model achieves excellent results with success and prediction accuracies at 95% and 94%, respectively. In addition, this technique has achieved excellent accuracies (ROC = 95%) over other methods used. Moreover, the proposed model has achieved the optimal prediction accuracies (92%) on the basis of testing data, thereby indicating that the model can be generalised and replicated in different regions, and the proposed method can be applied to various landslide studies.