• 한국전자통신학회논문지
• /
• 제16권3호
• /
• pp.533-540
• /
• 2021

시스템의 성능을 평가하기 위하여 1차원 3-이웃 셀룰라 오토마타(Cellular Automata, 이하 CA) 기반의 의사 난수 생성기가 여러 분야에서 많이 응용되고 있다. 보다 더 효과적인 키 수열 생성을 위해 2차원 CA와 1차원 5-이웃 CA가 응용되었으나, 주어진 특성 다항식에 대응하는 대칭 1차원 5-이웃 CA를 설계하는 것은 매우 어려운 문제이다. 이를 해결하기 위해 특성 다항식의 점화식을 이용한 합성 방법, Krylov 행렬을 이용한 합성 방법과 같이 1차원 5-이웃 CA 합성에 관한 연구들이 진행되었다. 그러나 여전히 비선형 방정식을 풀어야 하는 문제점이 있었다. 이러한 문제점을 해결하기 위해, 최근 90/150 CA의 전이 행렬과 블록행렬을 이용한 1차원 5-이웃 CA 합성 방법이 제안되었다. 본 논문에서는 제안된 알고리즘의 이론적인 과정을 상세히 기술하고 그 알고리즘을 이용하여 높은 차수의 원시 다항식에 대응하는 대칭 1차원 5-이웃 CA를 구한다.

• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.23-31
• /
• 2023

Research and interest in sustainable printing are increasing in the packaging printing industry. Currently, predicting the amount of ink required for each work is based on the experience and intuition of field workers. Suppose the amount of ink produced is more than necessary. In this case, the rest of the ink cannot be reused and is discarded, adversely affecting the company's productivity and environment. Nowadays, machine learning models can be used to figure out this problem. This study compares the ink usage prediction machine learning models. A simple linear regression model, Multiple Regression Analysis, cannot reflect the nonlinear relationship between the variables required for packaging printing, so there is a limit to accurately predicting the amount of ink needed. This study has established various prediction models which are based on CART (Classification and Regression Tree), such as Decision Tree, Random Forest, Gradient Boosting Machine, and XGBoost. The accuracy of the models is determined by the K-fold cross-validation. Error metrics such as root mean squared error, mean absolute error, and R-squared are employed to evaluate estimation models' correctness. Among these models, XGBoost model has the highest prediction accuracy and can reduce 2134 (g) of wasted ink for each work. Thus, this study motivates machine learning's potential to help advance productivity and protect the environment.

• 영어영문학
• /
• 제58권6호
• /
• pp.1001-1021
• /
• 2012

This paper is concerned with John Ashbery's poetics of difficulty, questioning in particular the nature of communication in his difficult poems. Ashbery has an idea of poetry as 'information' to be transmitted to the reader. Meaning, however, is to be created by a series of selections among equally probable choices. Ashbery's poetry has been characterized by resistance to the interpretive system of meaning. But the resistance itself, as I will argue, can be an effective medium of communication as the communicated message is not simply transmitted but 'selected' and thus created by the reader. In Ashbery's poetry, disruptive 'noise' elements can be processed as constructive information. What is normally considered a hindrance or noise can be reversed and added to the information. In Ashbery's poems, random ambiguities or noises can be effectively integrated into the final structure of meaning. Such a stochastic sense of information transfer has been embodied in Ashbery's idea of creating a network of verbal elements in his poetry, analogous to the interconnecting web of hypertext, the most dynamic medium 'information technology' has brought to us. John Ashbery, whose poems are simultaneously incomprehensible and intelligent, employs ambiguities or noise in his poetry, with an attempt to reach through linear language to express nonlinear realities. It is therefore my intention to examine Ashbery's poetics of difficulty, from a perspective of communication transmission, using the theories of information technology and the principles of hypertext theory. Ashbery's poetry raises precisely the problem confronted in the era of communication and information technology. The paper will also show how his aesthetics of difficulty reflects the culture of our uncertain times with overflowing information. With his difficult enigmatic poems, Ashbery was able to move ahead of the technological advances of his time to propose a new way of perceiving the world and life.

• 감성과학
• /
• 제8권2호
• /
• pp.95-101
• /
• 2005

본 연구는 관상동맥 질환(coronary artery disease : CAD) 환자의 심장 부교감신경 활성화가 감소하고, 만성 심부전(chronic heart failure : CHF) 환자의 심박동변이도(heart rate variability : HRV)에서 정상적 RR 간격의 분산(SDNN : standard deviation of all normal RR intervals)과 저주파수 대역의 전력스펙트럼(low-frequency power : LF),그리고 복잡성이 감소하며, CAD환자의 우측으로 누운 자세에서 HRV의 규격화된 고주파수대역의 전력스펙트럼(normalized high-frequency power : nHF)가 3가지 누운 자세 중에서 가장 높다는 사전 정보에 근거하였다. 세 가지 누운 자세에 대한 HRV의 비선형 특징은 알려진 바가 없으므로, 본 연구에서는 관상동맥질환 환자들을 대상으로 누운 자세에서 HRV의 선형과 비선형특성을 조사하였다. 이 목적을 위하여, 관상동맥질환군 29명과 통제군 23명을 대상으로 세 가지 누운 자세에서 심전도의 Lead II 채널을 측정한 뒤, 심전도로부터 심박동변이도의 선형특성(시간영역과 주파수영역)과 비선형특성을 분석하였다. 똑바로 누운 자세 또는 좌측으로 누운 자세에서 심박동변이도의 nHF가 더 작을수록, 이 자세들로부터 우측으로 누운 자세로 전환할 때 nHF가 더욱 증가하였다. 중증의 관상동맥질환 환자의 세 가지 누운 자세 중에서, 우측으로 누운 자세는 심장부교감신경계의 활성도를 가장 높게, 심장교감신경계의 활성도는 가장 낮게, 그리고 생체시스템의 복잡성은 가장 높게 유도함을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.627-646
• /
• 2022

최근 지구 온난화로 인한 기후 변화와 관련된 문제의 심각성이 커지고 있으며 평균 기온 또한 상승하고 있다. 이로 인해 온도에 민감한 다양한 생물과 생물이 살아가는 환경에 영향을 미치고 있으며, 생태계의 변화 역시 감지되고 있다. 계절은 그 지역에 사는 생물의 종류, 분포, 생육 특성 등에 영향을 미치는 중요한 요인의 하나이다. 기후 변화 영향 평가의 지표 중 가장 대중적이고 쉽게 인식될 수 있는 식물 계절 중 개화일과 단풍나무 절정일의 모델링을 수행하였다. 모델링에 사용된 식물의 종류에는 봄을 대표하는 식물로 볼 수 있는 개나리와 벚나무, 가을을 대표하는 식물로 볼 수 있는 단풍 나무와 은행 나무를 사용하였다. 모델링을 수행할 때 사용된 기상 자료로는 기상청의 Automated Surface Observing System (ASOS) 관측소를 통해서 관측된 기온, 강수, 일사 자료를 사용하였으며, 개나리, 벚나무의 개화일과 약 -0.2, 은행나무, 단풍나무의 단풍 절정일과 약 0.3 정도의 상관 계수를 가지는 Moderate Resolution Imaging Spectroradiometer (MODIS) 식생지수를 사용하여 모델링을 수행하였다. 사용된 모델로는 선형 모델인 다중 회귀 모형과, 비선형 모델인 Random Forest (RF)를 사용하여 모델을 수립하였다. 또한 각 모형으로 추정된 예측 값을 공간 내삽 기법을 이용하여 등치 선도로 2003~2020년의 식물 계절 변화 경향 성을 표현하였다. 향후에 높은 시공간 해상도를 가지는 식생지수를 사용한다면 더 높은 식물 계절 모델링의 정확도를 높일 수 있을 것으로 판단된다.

• 전자공학회논문지D
• /
• 제36D권10호
• /
• pp.51-60
• /
• 1999

본 논문에서는 홀로그래픽 메모리 시스템에서 효율적인 위상다중화를 위하여 기준빔으로 구현되는 네가지 형태의 위상코드를 생성시켰다. 프로그램적으로 $32 {\times} 32$의 동일한 픽셀수로 발생된 위상코드에 대하여 어드레스빔의 갯수를 계산하였고, 실제 광시스템에서 SLM의 비선형적 위상변조 특성을 고려하여 0%, 5%, 10% 15%, 20%, 25%의 에러율을 갖는 위상값을 의도적으로 부가하여 네 가지 형태의 위상코드들에 대한 각각 자기상관성분 및 상호상관성분을 시뮬레이션을 통해 계산함으로서 위상코드 간의 cross talk 및 신호대 잡음비를 비교, 분석하였다. 그 결과 $32 {\times} 32$의 픽셀수에 대해서는 의사랜덤 위상코드의 상호 상관에 의한 평균값이 0.067로 다른 형태의 랜덤위상코드들의 신호대 잡음비와 비교하여 가장 작게 나타났으며, 임의의 어드레스빔에 의한 순간적인 영상누화를 나타내는 표준편차값도 의사랜덤 위상코드가 0.0113으로 가장 작게 나타났다. 또한 픽셀수에 따른 영향을 분석하기 위해 $32 {\times} 32$, $64 {\times} 64$, $128 {\times} 128$, $256 {\times} 256$ 과 같이 어드레스의 빔 크기에 해당하는 픽셀수를 증가하여 같은 방법으로 시뮬레이션을 수행하였다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.337-357
• /
• 2021

노지에서 재배되는 벼는 필연적으로 기상요소의 영향을 받을 수밖에 없으며, 벼 생장에 영향을 미치는 최적의 기상자료 확보 및 변수 선정은 벼 수확량 예측 모델링에 있어 매우 중요하다. 본 연구에서는 1996-2019년의 7월, 8월, 9월에 대하여, 다종의 기상자료 비교평가를 통해 우리나라 벼 수확량 모델링에 대한 적합성을 살펴보고, 기상요소와 벼 수확량 사이의 비선형적인 관계를 고려하여 기계학습 기법을 이용한 수확량 하인드캐스트 실험을 수행하고자 한다. 다종의 기상자료로는, 기상청 ASOS 지상관측과 함께, CRU-JRA ver. 2.1, ERA5 재분석장을 사용하였다. 이들 기상자료에서 공통적으로 도출할 수 있는 월 단위 기온, 상대습도, 일사량, 강수량 변수에 대한 비교를 통하여, 각 자료의 특성 및 벼 수확량과의 연관성을 분석하였다. CRU-JRA ver. 2.1 재분석장은 전반적으로 타 자료와 높은 일치성을 나타냈으며, 변수별 특징을 보았을 때, 상대습도는 벼 수확량에 미치는 영향이 거의 없었으나, 일사량은 벼 수확량과의 상관성이 상당히 높은 것으로 나타났다. 7월, 8월, 9월의 기온, 일사량, 강수량을 랜덤 포리스트 모델에 투입하여 벼 수확량 하인드캐스트 실험을 수행한 결과, CRU-JRA ver. 2.1 재분석장은 세 종류 기상자료 중에 가장 높은 정확도를 나타냈다(CC = 0.772). 또한 예측 모델에서 변수의 중요도는 일사량이 가장 높게 나타나, 기존의 농학적 연구결과와 일치하였다. 본 연구는 벼 수확량 예측을 위한 다종 기상자료의 선택에 있어 하나의 합리적 방법을 제시한 것으로써 의미가 있다고 하겠다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.