• 지식경영연구
• /
• 제23권1호
• /
• pp.89-109
• /
• 2022

최근 COVID-19, 동학개미운동 등 투자환경의 변화로 시스템 처리 허용 수준을 상회하는 트랜잭션이 발생하고 이로 인해 전산장애가 자본시장에서 빈번하게 나타나고 있다. 자본시장 IT시스템들은 장애 영향도가 매우 큰 시스템들로서, 2020년에 예측하지 못한 큰 규모의 트랜잭션이 상당한 기간 유입되어 전산장애가 급증하였다. 다수의 기업들이 높은 수준의 IT시스템 용량계획 정책을 유지하고 있던 상황임에도 불구하고, 이를 상회하는 트랜잭션이 유입된 것은 용량계획에 대한 새로운 접근 방법이 필요함을 시사하고 있다. 이에 본 연구는 다양한 머신러닝 기법을 활용하여 자본시장 IT시스템 용량계획 모델들을 개발하고 성능을 비교 분석한다. 또한, 동학개미운동과 같이 예측하기 힘든 투자자의 행동을 반영할 수 있는 심리지수를 예측에 활용함으로써 용량계획 모델의 성능을 높인다. COVID-19 기간을 포함한 실증데이터를 이용하여 본 연구에서 개발한 용량계획 모델은 실무에서 활용 가능한 수준의 높은 성능과 안정성을 가질 수 있다. 본 연구는 기업의 비용 효율성과 IT시스템 용량 변경에 수반되는 운영상의 제약을 모두 고려한 최적의 파라미터를 제시하였는데, 이것은 자본시장 도메인에서 유용하게 사용될 수 있다. 또한, 본 연구는 투자자의 심리를 반영하는 심리지수가 IT 시스템 용량계획에 중요한 예측요인이 될 수 있는 것을 입증함으로써, 심리지수가 다양한 수요예측에 적극적으로 활용될 수 있음을 보여준다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.107-119
• /
• 2023

군인의 동작 및 운동 상태를 인식하는 기술은 웨어러블 테크놀로지와 인공지능의 결합으로 최근 대두되어 병력 관리의 패러다임을 바꿀 기술로 주목받고 있다. 이때 훈련 상황에서의 평가 및 솔루션 제공, 전투 상황에서의 효율적 모니터링 기능을 의도한대로 제공하기 위해서는 상태 판별의 정확도가 매우 높은 수준으로 유지되어야만 한다. 하지만 입력 데이터가 시계열 또는 시퀀스로 주어지는 경우, 기존의 피드포워드 신경망으로는 분류 성능을 극대화하는데 한계가 발생한다. 전장에서의 군사 동작 인식을 위해 다뤄지는 인간의 행동양식 데이터(3축 가속도 및 3축 각속도)는 시의존적 특성의 분석이 요구되기 때문에, 본 논문은 순환 신경망인 LSTM(Long-short Term Memory) 네트워크를 활용하여 취득 데이터의 이동 양상 및 순서 의존성을 파악하고 여덟 가지의 대표적 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는 고성능 인공지능 모델을 제안한다. 이때, 학습 조건 및 모델 변수는 그 정확도에 결정적인 영향을 끼치지만 인간의 수동적 조정이 필요해 비용 비효율적이고 최적의 값을 보장하지 못한다. 본 논문은 기계 스스로 일반화 성능이 극대화된 조건들을 취득할 수 있도록 베이지안 최적화를 활용해 하이퍼파라미터를 최적화한다. 그 결과, 최종 아키텍쳐는 학습 가능한 파라미터의 개수가 유사한 기존의 인공 신경망과 비교해서 오차율이 62.56% 감소할 수 있었으며, 최종적으로 98.39%의 정확도로 군사 동작 인식 기능을 구현할 수 있었다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.377-396
• /
• 2023

암호화폐시장이 지속해서 성장함에 따라 하나의 새로운 금융시장으로 발전하였다. 이러한 암호화폐시장에 관한 투자전략 연구의 필요성 또한 대두되고 있다. 본 연구에서는 단기매매전략과 딥러닝을 결합한 암호화폐 투자 방법론에 대해 실증분석을 진행하였다. 투자 대상의 암호화폐를 이더리움으로 설정하고, 과거 데이터를 기반으로 최적의 파라미터를 찾아 이를 활용하여 실험 모델의 투자 성과를 분석하였다. 실험 모델은 변동성돌파전략, LSTM(Long Short Term Memory)모델, 이동평균 교차 전략, 그리고 단일 모델들을 결합한 결합 모델이다. 변동성돌파전략은 일 단위로 변동성이 크게 상승할 때 매수하고 당일 종가에 매도하는 단기매매전략이며, LSTM모델은 시계열 데이터에 적합한 딥러닝 모델인 LSTM을 활용하여 얻은 예측 종가를 이용한 매매방법이다. 이동평균 교차 전략은 단기 이동평균선이 교차할 때 매매를 결정하는 방법이다. 결합 모델은 변동성돌파전략의 매수 조건과 변동성돌파전략의 목표 매수가보다 LSTM의 예측 종가가 큰 경우 매수하는 조건이 동시에 만족하면 매수하는 규칙이다. 결합 모델은 변동성돌파전략과 LSTM모델의 파생 변수를 활용해 매수 조건에 AND와 OR를 사용하여 만든 매매 규칙이다. 실험 결과, 단일 모델보다 결합 모델에서 투자 성과가 우수함을 확인하였다. 특히, 데일리 트레이딩과 매수 후 보유의 누적수익률은 -50%이하인 것에 비해 결합 모델은 +11.35%의 높은 누적수익률을 달성하여 하락이 지속되던 투자 기간에도 기술적으로 방어하며 수익을 낼 수 있음을 확인하였다. 본 연구는 기존의 딥러닝기반 암호화폐 가격 예측에서 나아가 변동성이 큰 암호화폐시장에서 딥러닝과 단기매매전략을 결합하여 투자 성과를 개선하였다는 점에서 학술적 의의가 있으며, 실제 투자 시 적용 가능성을 보여주었다는 점에서 실무적 의의가 있다.

• Ecology and Resilient Infrastructure
• /
• 제10권3호
• /
• pp.73-84
• /
• 2023

본 연구는 수생태계 생물다양성과 자연 서식지 환경을 유역 수준에서 평가하기 위해 수질과 수생태 분야를 중심으로 통합 지표를 개발하였으며, 지표별 결과 특성을 분석하여 적용성을 검토하였다. 자연성 평가체계는 인간 활동에 의한 교란, 서식지 다양성, 생물다양성, 생태계 구조의 4가지 평가분야와 7개 세부 평가지표로 구성하였다. 하천 생태계의 서식지 보전을 위해 평가 대상 생물군으로 어류를 활용하였으며, 멸종위기야생생물 II급 열목어와 최대 서식지인 계방천과 내린천을 평가대상으로 선정하였다. 조사 수역은 대부분 하천차수가 낮은 산간계류 형태로 열목어의 공서어종은 금강모치와 참갈겨니로 분석되었다. 자연성 평가 결과, 교란 현황 분야에서 본류보다 지류에서 제방 식생이 안정적인 환경을 보였으며, 외부 교란이 적은 것으로 분석되었다. 서식지 다양성 분야에서는 서식지 평가 지수가 평균 200 이상의 높은 점수를 나타내어 최적의 생물서식 환경을 보이는 것으로 분석되었다. 생물다양성 분야에서는 민감종의 비율이 높고, 용존산소가 많은 편이며 오염물질이 거의 없는 청정상태로 분석되었다. 생태계 구조 분야에서는 생태지표특성 메트릭과 멸종위기야생생물의 출현에 따른 점수 편차가 큰 특성을 보였으나, 대체로 하천생태계 건강성이 우수한 것으로 분석되었다. 열목어의 출현 유무에 따라 서식지 환경에 차이를 보이면서 자연성 평가 결과에 다소 차이를 보이는 것으로 나타났다. 생태계 변화 관찰 목적에 따라 자연환경 변화를 신속하게 탐지하고 하천생태계보전을 위한 평가체계로 활용하기 위해서는 다양한 유역을 대상으로 조사 분석이 이루어져야 할 것으로 판단된다.

• 한국지반공학회논문집
• /
• 제22권6호
• /
• pp.15-26
• /
• 2006

말뚝의 지지력과 거동을 예측하기 위하여 다양한 연구들이 수행되었음에도 불구하고, 메커니즘에 대한 전반적인 이해가 아직까지 미흡한 실정이다. 이는 많은 인자들이 서로 복잡한 연관성을 맺으며 말뚝의 거동에 영향을 미치기 때문이다. 따라서 지반조건과 말뚝조건 및 항타조건 등 과 관련된 많은 인자들 가운데 지지력에 중요한 영향을 미치는 인자들을 도출하기 어려우며, 또한 인자들 간의 복잡한 연관성을 지지력 공식에 적합하게 고려하기란 매우 어렵다. 본 연구에서는 항타말뚝들에 대한 동재하시험으로부터 선단 및 주면 지지력을 포함한 지지력을 예측하기 위하여 인공신경망이 적용되었다. 첫째로, 신경망 모델링에 근거한 민감도 분석를 통하여 지지력에 대한 각 영향인자들의 영향이 검토되었다. 둘째로, 지지력 예측을 위한 최적의 인공신경망 모델을 도출하기 위하여 인공신경망과 유전자 알고리즘으로 구성된 설계기법이 적용되었다. 이를 통해 토사지반에 관입된 항타말뚝의 지지력을 산정할 수 있는 최적의 인공신경망 모델을 제안하고자 하였다. 사용된 설계기법을 통하여 적합한 입력층 조합, 은닉층 노드수과 각 층 사이의 연결구조를 도출하였다. 도출된 인공신경망 모델을 적용함으로써 항타말뚝의 지지력을 간단하며 신뢰성 있게 예측할 수 있음을 알 수 있다.

• 환경생물
• /
• 제40권4호
• /
• pp.651-659
• /
• 2022

본 연구는 연어(Oncorhynchus keta) 치어의 성장, 생존 및 혈액 성상에 미치는 사육수온(8, 11, 14 및 17℃)의 영향을 연구하기 위해 수행되었다. 실험 종료 시 연어의 체중(body weight, BW)은 14℃ 실험구에서 가장 높았을 뿐 아니라, 특이성장률(specific growth rate, SGR), 사료전환 효율(feed conversion ratio, FCR), 사료효율(feed efficiency, FE), 증중률(weight gain, WG) 및 비만도(condition factor, CF)와 같은 성장지표에서도 14℃ 실험구가 가장 높은 경향을 나타내었다. 생존율(survival rate)은 8℃와 11℃ 실험구에서 100%를 보였고, 14℃ 실험구에서는 96% 및 17℃ 실험구에서는 98%를 각각 나타내었다. 혈장 성분 중 알라닌 아미노전이효소(alanine aminotransferase, ALT)는 17℃ 실험구에서 유의한 감소를 보였으나, 알부민(albumin), 총단백질(total protein, TP), 나트륨(sodium, Na⁺), 칼륨(potassium, K⁺) 및 염소(chloride, Cl^-)는 유의한 변화를 보이지 않았다. 실험 종료 시 연어의 체성분 조사를 실시한 결과, 수분(moisture), 단백질(crude protein) 및 회분량(crude ash)은 수온에 따른 유의한 변화는 보이지 않았으나, 지질(crude lipid)은 다른 실험구에 비해 8℃ 실험구에서 유의하게 높은 경향을 보였다. 결론적으로 연어 치어가 성장하는데 필요한 최적의 사육 수온은 14℃로 보이나, 혈액 성상 등 생리적인 영향은 향후 추가적인 연구가 필요한 것으로 판단된다.

• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.145-151
• /
• 2023

3D-CNN은 시계열 데이터 학습을 위한 딥 러닝 기법 중 하나이다. 이러한 3차원 학습은 많은 매개변수를 생성할 수 있으므로 고성능 기계학습이 필요하거나 학습 속도에 커다란 영향을 미칠 수 있다. 본 연구에서는 손의 동적인 제스처 동작을 시공간적으로 학습할 때, 3D-CNN 모델의 구조적 변화 없이 입력 영상 데이터의 시공간적 변화에 따른 학습 정확성을 분석함으로써, 3D-CNN을 이용한 동적 제스처 학습의 효율성을 높이기 위한 입력 영상 데이터의 최적 조건을 찾고자 한다. 첫 번째로 동적 손 제스처 영상 데이터에서 동적 이미지 프레임의 학습구간을 설정함으로써 제스처 동작간 시간 비율을 조정한다. 둘째로는 클래스간 2차원 교차 상관 분석을 통해 영상 데이터의 이미지 프레임간 유사도를 측정하여 정규화 함으로써 프레임간 평균값을 얻고 학습 정확성을 분석한다. 이러한 분석을 통하여, 동적 손 제스처의 3D-CNN 딥 러닝을 위한 입력 영상 데이터를 효과적으로 선택하는 두 가지 방법을 제안한다. 실험 결과는 영상 데이터 프레임의 학습구간과 클래스간 이미지 프레임간 유사도가 학습 모델의 정확성에 영향을 미칠 수 있음을 보여준다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권3호
• /
• pp.329-337
• /
• 2017

본 논문에서는 서포트 벡터 머신의 중요한 파라미터인 C와 σ값을 빠르고 정확하게 찾는 탐색 방법론을 제안한다. 기존에 알려진 격자 탐색 방식은 모든 경우를 비교하기 때문에 탐색속도가 느리다. 이러한 문제점을 개선하기 위해 본 논문에서는 탐색속도 향상을 위한 딥 서치 방식을 제안한다. 1단계에서는 C-σ 정확도지표를 4등분 한 뒤 각 영역의 중간 값을 탐색하여 가장 정확도 값이 높은 지점을 시작 지점으로 선택한다. 2단계에서는 선정된 시작지점을 다시 4등분한 뒤 정확도 값이 가장 큰 지점을 새로운 탐색지점으로 지정한다. 3단계에서는 탐색지점에 이웃한 8개의 지점들을 탐색하여 정확도 값이 가장 높은 곳을 새로운 시작 지점으로 선정한 뒤 해당 지점을 4등분하여 정확도 값을 계산한다. 마지막 단계에서는 이웃 지점의 값들보다 탐색지점의 정확도지표 값이 최댓값이 될 때까지 진행한다. 최댓값을 만족하지 않을시 2단계에서부터 반복하며 입력된 레벨 값만큼 반복을 진행한다. 베어링의 결함 및 정상 데이터를 사용하여 비교한 결과, 제안한 Deep search 알고리즘은 기존 알고리즘 보다 성능 및 탐색시간에서 우수성을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1951-1975
• /
• 2023

Recent advances in Cognitive Radio Networks (CRN) have elevated them to the status of a critical instrument for overcoming spectrum limits and achieving severe future wireless communication requirements. Collaborative spectrum sensing is presented for efficient channel selection because spectrum sensing is an essential part of CRNs. This study presents an innovative cooperative spectrum sensing (CSS) model that is built on the Firefly Algorithm (FA), as well as machine learning artificial neural networks (ANN). This system makes use of user grouping strategies to improve detection performance dramatically while lowering collaboration costs. Cooperative sensing wasn't used until after cognitive radio users had been correctly identified using energy data samples and an ANN model. Cooperative sensing strategies produce a user base that is either secure, requires less effort, or is faultless. The suggested method's purpose is to choose the best transmission channel. Clustering is utilized by the suggested ANN-FA model to reduce spectrum sensing inaccuracy. The transmission channel that has the highest weight is chosen by employing the method that has been provided for computing channel weight. The proposed ANN-FA model computes channel weight based on three sets of input parameters: PU utilization, CR count, and channel capacity. Using an improved evolutionary algorithm, the key principles of the ANN-FA scheme are optimized to boost the overall efficiency of the CRN channel selection technique. This study proposes the Artificial Neural Network with Firefly Algorithm (ANN-FA) for cognitive radio networks to overcome the obstacles. This proposed work focuses primarily on sensing the optimal secondary user channel and reducing the spectrum handoff delay in wireless networks. Several benchmark functions are utilized We analyze the efficacy of this innovative strategy by evaluating its performance. The performance of ANN-FA is 22.72 percent more robust and effective than that of the other metaheuristic algorithm, according to experimental findings. The proposed ANN-FA model is simulated using the NS2 simulator, The results are evaluated in terms of average interference ratio, spectrum opportunity utilization, three metrics are measured: packet delivery ratio (PDR), end-to-end delay, and end-to-average throughput for a variety of different CRs found in the network.

• 스마트미디어저널
• /
• 제12권1호
• /
• pp.9-16
• /
• 2023

최근 농가의 사과 품질 선별 작업에서 인적자원의 한계를 극복하기 위해 합성곱 신경망(CNN) 기반 시스템이 개발되고 있다. 그러나 합성곱 신경망은 동일한 크기의 이미지만을 입력받기 때문에 샘플링 등의 전처리 과정이 요구될 수 있으며, 과도 샘플링의 경우 화질 저하, 블러링 등 원본 이미지의 정보손실 문제가 발생한다. 본 논문에서는 위 문제를 최소화하기 위하여, 원본 이미지의 패치 기반 그래프를 생성하고 그래프 트랜스포머 모델의 랜덤워크 기반 위치 인코딩 방법을 제안한다. 위 방법은 랜덤워크 알고리즘 기반 위치정보가 없는 패치들의 위치 임베딩 정보를 지속적으로 학습하고, 기존 그래프 트랜스포머의 자가 주의집중 기법을 통해 유익한 노드정보들을 집계함으로써 최적의 그래프 구조를 찾는다. 따라서 무작위 노드 순서의 새로운 그래프 구조와 이미지의 객체 위치에 따른 임의의 그래프 구조에서도 강건한 성질을 가지며, 좋은 성능을 보여준다. 5가지 사과 품질 데이터셋으로 실험하였을 때, 다른 GNN 모델보다 최소 1.3%에서 최대 4.7%의 학습 정확도가 높았으며, ResNet18 모델의 23.52M보다 약 15% 적은 3.59M의 파라미터 수를 보유하여 연산량 절감에 따른 빠른 추론 속도를 보이며 그 효과를 증명한다.