• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제2권7호
• /
• pp.283-292
• /
• 2013

기존 서버 클러스터에서는 고성능을 보장하기 위해, 실시간 요청 수량에 관계없이 모든 서버를 항상 On 한다. 그 방법에서는 QoS를 보장하지만 일부 서버들이 Idle할 때 서버 전력을 낭비하게 된다. 서버들이 소모하는 에너지를 절약하기 위해, 서버가 필요하지 않을 경우 해당 서버의 전력을 Off 하게 하는 서버 전력 제어 방법이 제안되었다. 서버 전력 제어 방법은 서버의 Power가 실제로 어느 시점에 Off 되느냐에 따라 정적인 방법과 동적인 방법이 있다. 정적인 방법에서는 특정 서버가 Off 하기로 결정된 다음 일정 시간 지연 후 그 서버가 Off 된다. 동적인 방법에서는 그 서버에서 수행중인 모든 서비스가 종료된 다음에 해당 서버가 Off 된다. 이는 가변 시간 지연 후 서버가 Off 되는 방법에 해당된다. 정적 종료방식은 단점이 있다. 반복 실험을 통해 수작업으로 최적의 시간 지연을 알아내기 위해서는 많은 시간이 소요된다. 본 논문에서는 정적 종료 방식의 단점을 극복하는 동적 종료 방식을 제안한다. 제안된 방식은 최적의 지연 시간으로 자동적으로 접근하므로 좋은 전력 절약을 하면서 QoS를 보장하는 것을 가능하게 해준다. 30대의 PC 클러스터를 이용하여 실험이 수행되었다. 실험결과는 제안하는 동적 종료 방법이 기존의 정적 종료 방법과 비교할 때 에너지 절감측면에서는 비슷하지만 QoS 측면에서 우수함을 보여준다.

• 응용통계연구
• /
• 제34권3호
• /
• pp.309-327
• /
• 2021

동적 치료 요법(dynamic treatment regimes; DTRs)은 다단계 무작위 시험에서 개인에 맞는 치료를 제공하도록 설계된 의사결정 규칙이다. 모든 개인이 동일한 유형의 치료를 처방받는 고전적인 방법과 달리 DTR은 시간이 지남에 따라 변할 수 있는 개별 특성을 고려한 환자 맞춤형 치료를 제공한다. 최적의 치료 규칙을 파악하기 위한 회귀 기반 알고리즘 중 하나인 Q-학습 방법은 쉽게 구현될 수 있기 때문에 더욱 인기를 끌고 있다. 그러나 Q-학습 알고리즘의 성능은 Q-함수를 제대로 설정했는지의 여부에 크게 의존한다. 본 논문에서는 고차원 데이터가 수집되는 DTRs 문제에 대한 다양한 이중강건 Q-학습 알고리즘을 연구하고 가중 최소제곱 추정 방법을 제안한다. 이중강건성(double-robustness)은 반응변수에 대한 모형 혹은 처리변수에 대한 모형 둘 중 하나만 제대로 설정되어도 불편추정량을 얻을 수 있음을 의미한다. 다양한 모의실험 연구를 통해 제안된 방법이 여러 시나리오 하에서도 잘 작동함을 확인하였으며 실제 데이터 예제를 통해 방법론에 대한 예시를 제시하였다.

• 대한핵의학회지
• /
• 제27권2호
• /
• pp.261-269
• /
• 1993

핵의학 분야에 사용되는 항체의 적절한 동위원소 표지법을 선택하는데는 표지항체의 면역반응성을 평가하는 것이 매우 중요한 일이다. 저자 등은 국내에서 개발된 CEA-79 단세포군 항체를 표지방법 및 비방사능을 $0.1{\mu}Ci/{\mu}g$으로부터 $100{\mu}Ci/{\mu}g$까지 달리하여 $^{125}I$ 표지를 시행한 후 면역반응성을 평가하고, 이 항체에 적절한 표지방법을 찾고자 하였다. 면역반응성의 평가에 있어서는 표지, 비표지 항체의 경쟁반응을 이용하여 표지항체의 비표지항체에 대한 상대적 면역반응성을 평가하는 새로운 방법을 시도해 보았다. 그 결과 CEA-79 항체의 강우, chlormine T법이 iodogen법보다 우수하였는데, 즉, chloramine T법으로 표지시에는 비방사능을 $100{\mu}Ci/{\mu}g$까지 높여도 면역반응성이 잘 유지되고 시간경과에 따른 면역반응성의 변화도 적었다. 본 연구에서 시도한 새로운 경쟁반응방법은 동위원소표지에 의한 항체의 면역반응성의 손상을 평가하는데 효과적이었으며, 기존의 세포결합 검사법보다 간편하였다. 또 항체의 면역반응성은 비방사능과 함께 방사면역계수법의 민감도에 영향을 미침을 확인할 수 있었다. 따라서 표지항체의 면역반응성과 비방사능은 그 용도에 따라 적정화되어야 할 것이며, 본 연구에서 시도한 경쟁반응방법은 적정한 동위원소 표지 방법을 선택하는데 유용할 것으로 사료된다.

• 스마트미디어저널
• /
• 제9권3호
• /
• pp.31-40
• /
• 2020

현재 제조 분야 빅데이터 분석을 위하여 black-box 기반 기계 학습 알고리즘을 활용하고 있다. 해당 알고리즘은 높은 분석 정합성 가지는 장점이 있지만, 분석 결과에 대한 해석이 어렵다는 단점이 있다. 그러나 제조업에서는 분석 알고리즘은 제조 공정 원리 기반 해석을 통하여 결과의 근거 및 도출 타당성에 대한 검증이 중요하다. 이러한 기계 학습 알고리즘의 결과 설명력 한계를 극복하기 위하여 유전 프로그래밍을 활용한 제조 빅데이터 분석 방법을 제안한다. 본 알고리즘은 생물학적 진화유전 프로그래밍 알고리즘은 생물학적 진화를 모방한 진화 연산 (선택, 교배, 돌연변이) 반복하면서 최적의 해를 찾아간다. 그리고 해는 수학적 기호를 활용하여 변수 간의 관계로 나타나며, 가장 높은 설명력을 가지는 해가 최종적으로 선택된다. 이를 통하여 입력 및 출력 변수 관계 수식화를 통한 결과를 도출하므로 직관적인 제조 매카니즘에 대한 해석이 가능하며 또한 수식으로 나타낸 변수간의 관계 기반으로 기존 해석이 불가한 제조 원리 도출도 가능하다. 제안 기법은 대표적인 기계 학습 알고리즘과 성능을 비교 분석 결과 동등 또는 우수한 성능을 보였다. 향후 해당 기법을 통하여 다양한 제조 분야 활용 가능성을 검증하였다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.