최근 사업장 질소산화물(NOx) 배출허용기준 강화(2019년 1월 적용)에 따라 다량 배출사업장에서 배출되는 질소산화물을 배출허용기준 이하로 만족하기 위한 노력이 필요하다. 대표적인 질소산화물 저감 방법으로 선택적 촉매 환원법(selective catalytic reduction, SCR)을 주로 사용하고 있으며, 일반적으로 세라믹 허니컴(ceramic honeycomb) 촉매를 사용하고 있다. 본 연구에서는 높은 열적 안정성과 기계적 강도를 가지는 금속지지체 탈질 코팅촉매를 적용하여 제철소에서 배출되는 질소산화물를 저감하기 위한 연구를 수행하였다. 금속지지체 코팅촉매는 최적화된 촉매슬러리(catalyst slurry) 코팅방법을 통해 제조하였고, 내마모 시험과 굽힙 시험을 통해 코팅된 촉매가 균일하고 강건하게 부착되어 있음을 확인하였다. 금속지지체가 가지는 우수한 열전도 특성으로 인해 저온영역(200 ~ 250 ℃)에서 세라믹 허니컴 촉매보다도 우수한 탈질효율을 보였다. 또한 경제적인 촉매 설계를 위해 금속지지체 표면 상에 코팅되는 촉매의 최적 코팅량을 확인하였다. 이러한 연구결과를 바탕으로 제철소 배기가스 모사환경에서 상용급 금속지지체 코팅촉매에 대한 준파일럿 탈질 성능평가를 수행하였고, 저온영역(220 ℃)에서도 배출허용기준치(60 ppm 이하)을 만족하는 우수한 성능을 나타내었다. 따라서 물리화학적 특성이 우수한 금속지지체 코팅촉매가 최소량의 촉매 사용으로도 우수한 탈질 성능을 나타내었으며, 넓은 비표면적을 가지는 고밀도 금속지지체 적용을 통해 배연 탈질 촉매 반응기의 콤팩트화 및 소형화가 가능하였다. 이러한 결과를 바탕으로, 본 연구에서 사용된 금속지지체 코팅촉매는 제철소뿐만 아니라 화력발전, 소각장, 선박, 건설기계 등 다양한 산업 분야에 적용할 수 있는 새로운 형태의 촉매가 될 것이다.
전기자동차 시장이 성장함에 따라 배터리 효율을 증가시키기 위해 차량 경량화 이슈가 대두되고 있다. 이에 전기자동차 배터리 모듈을 보호하는 배터리 모듈 커버를 기존 알루미늄 소재에서 알루미늄 대비 절반 수준의 무게를 가지는 고강도/고내열성 고분자 복합소재로 대체하고자 한다. 또한 복잡한 형상에 대한 제약이 없고, 다품종 소량생산에 유리한 3D 프린팅 기술을 접목하여 기술 변화가 빠른 초기 전기자동차 시장에 대응하고자 한다. 복합소재 역학에 기반하여 압출기를 통해 가공한 단섬유 GF(glass fiber)/PC(polycarbonate) 복합소재 내 유리섬유의 임계길이(critical length)가 453.87 ㎛임을 도출하였고, 사이드 피딩(side feeding) 방식의 가공법을 택함으로써 기존 365.87 ㎛이었던 잔류섬유길이를 향상시킴과 동시에 분산성을 향상시켰다. 이에 30 wt%의 GF가 함유된 GF/PC 복합소재로 인장강도(tensile strength) 135 MPa, 탄성계수(Young's modulus) 7.8 MPa의 최적의 물성을 구현하였다. 또한 3D 프린팅 필라멘트가 상용 필라멘트 규격인 두께 1.75 mm, 표준편차 0.05 mm를 만족하기 위해서 필라멘트 압출 조건(온도, 압출속도)을 최적화하였다. 제작된 필라멘트를 통해 기공률을 최소화하며 강도를 최대화하고, 동시에 생산성 향상을 위해 프린팅 속도를 최대화하는 다중 최적화 문제를 통해 3D 프린팅 공정조건(온도, 프린팅 속도)을 최적화하였고, 이로써 기존 상용화 되어있는 동일 소재 필라멘트 대비 인장강도 11%, 탄성계수 56%가 향상된 결과를 얻었으며, 출력물의 후처리(post-process)를 통해 후처리 전 대비 인장강도 5%, 탄성계수 18%를 추가로 향상시켰다. 끝으로 유한요소해석(finite element analysis, FEA) 기법을 활용하여 전기자동차 배터리 모듈 커버의 시험 규격(ISO-12405)의 Mechanical Shock test의 기준을 만족하도록 배터리 모듈 커버의 구조를 최적화하였고, 이로써 배터리 커버 시험규격을 만족하면서 동시에 알루미늄을 사용했을 때 대비 37%의 경량화를 달성하였다. 해당 연구 결과 및 연구 방법을 활용하여 향후 다양한 분야에 고분자 복합소재 3D 프린팅 기술이 활용될 수 있을 것으로 기대된다.
가뭄과 홍수의 예측, 기후변화가 유역 유출량, 더 나아가 수질 및 생태계에 미치는 영향의 정확한 분석을 위해서는 수문 모의 과정의 불확실성을 정량화하고 최소화하기 위한 노력이 필요하다. 수문자료동화는 수문모형의 상태량이나 매개변수를 갱신(update)하여 모의 초기 조건의 가장 가능성 있는 추정치를 생성하는 기법으로, 실시간 관측 정보를 이용하여 예측 정확도를 향상시킬 수 있는 방법이다. 본 연구에서는 airGRdatassim 모형을 이용하여 앙상블 기반 순차 자료동화 기법인 앙상블 칼만 필터와 파티클 필터로 용담댐 유역에 대해 일 유출을 모의하고, 자료동화 기법별 특성을 비교 및 분석하였다. 모의 결과, Kling-Gupta efficiency (KGE) 지표가 자료동화 적용 전 0.799에서 앙상블 칼만 필터와 파티클 필터 적용시 각각 0.826, 0.933으로 향상되었다. 또한 기상 강제력 노이즈의 범위, 갱신 대상 상태량 설정, 앙상블 수 등 수문자료동화의 설정과 관련된 하이퍼-매개변수(hyper-parameter)의 불확실성이 모의 예측 성능에 미치는 영향을 분석하였다. 강수 및 잠재 증발산 강제력의 오차 범위에 대한 민감도 분석 결과, 모든 모의 범위에서 파티클 필터가 앙상블 칼만 필터보다 예측 성능이 우수하였다. 파티클 필터는 기상 강제력 오차 크기가 작을수록 모의 성능이 향상되었으며, 앙상블 칼만 필터는 상대적으로 오차가 큰 경우 최적 성능이 확인되었다. 한편, 자료동화시 갱신되는 상태량의 종류를 줄일수록 자료동화에 의한 모의 성능은 감소하였다. 본 연구의 모의 실험 결과는 앙상블 자료동화를 이용하여 일 유출 모의 정확도 향상이 가능하지만, 최적 성능을 발휘하기 위해서는 수문자료동화 기법별 하이퍼-매개변수의 적정한 조정이 필요함을 함의한다.
유사시 종심 깊숙한 곳에서 적을 타격하는 임무를 수행하는 항공기의 경우 격추될 위험에 항시 노출되어 있다. 현대전의 핵심 전투력으로써 최첨단의 무기체계를 운용하는 공중근무 요원은 양성하는데 많은 시간과 노력, 국가 예산이 소요되며 그들이 가진 작전 능력과 군사기밀이 매우 중요하기에 공중근무 요원의 생환은 매우 중요한 문제이다. 따라서, 본 연구에서는 적지에서 비상탈출한 조난자가 장애물을 피해 목표지점까지 도피·탈출을 시행할 경로를 예측하는 경로 문제를 연구하였으며 이를 통해 비상탈출한 조난자의 무사 생환 가능성을 높이고자 하였다. 본 연구 주제와 관련된 기존 연구들은 경로 문제를 네트워크 기반 문제로 접근하여 TSP, VRP, Dijkstra 알고리즘 등으로 문제를 변형하여 최적화 기법으로 접근한 연구가 있었다. 본 연구에서는 동적 환경을 모델링 하기에 적합한 MDP(마코프 의사결정과정)를 적용하여 연구하였다. 또한 GIS를 이용하여 지형정보 데이터를 추출하여 활용함으로써 모형의 객관성을 높였으며, MDP의 보상구조를 설계하는 과정에서 기존 연구 대비 모형이 좀 더 현실성을 가질 수 있도록 보다 상세히 지형정보를 반영하였다. 본 연구에서는 조난자가 지형적 이점을 최대한 이용함과 동시에 최단거리로 이동할 수 있는 경로를 도출하기 위하여 가치 반복법 알고리즘, 결정론적 방법론을 사용하였으며 실제 지형정보와 조난자가 도피·탈출 과정에서 만날 수 있는 장애요소들을 추가하여 모형의 현실성을 더하고자 하였다. 이를 통해 조난자가 조난 상황에서 어떠한 경로를 통해 도피·탈출을 수행할지 예측해 볼 수 있었다. 본 연구에서 제시한 모형은 보상구조의 재설계를 통해 여러 가지 다양한 작전 상황에 응용이 가능하며 실제 상황에서 조난자의 도피·탈출 경로를 예측하고 전투 탐색구조 작전을 진행시키는 데 있어 다양한 요소가 반영된 과학적인 기법에 근거한 의사결정 지원이 가능할 것이다.
중적외선(mid-wave infrared, MWIR) 영상은 피복 및 객체의 온도를 파악할 수 있어 환경, 국방 등 다양한 분야에서 핵심 데이터로 사용된다. KOMPSAT-3A 위성은 타 위성에 비해 높은 공간해상도의 MWIR 영상을 제공하지만, 광학(electro-optical, EO) 영상에 비해 상대적으로 낮은 시인성을 가져 활용성의 확대에 어려움을 겪는다. 이에 본 연구에서는 KOMPSAT-3A 전정색(panchromatic, PAN) 영상의 윤곽 정보를 기반으로 시인성이 높은 MWIR 융합 영상을 제작하고자 한다. 먼저, 이종 센서에서 취득된 PAN 영상과 MWIR 영상의 상대 기하오차를 제거하는 전처리를 수행하고, 딥러닝 기반 윤곽 정보 추출 기술인 Pixel difference network (PiDiNet)의 사전 학습 모델을 이용하여 PAN 영상에 대한 윤곽 정보를 추출한다. 이후 전처리된 MWIR 영상과 추출된 윤곽 정보를 중첩하여 객체 경계면이 강조된 MWIR 융합 영상을 제작한다. 제안 방법을 이용하여 서로 다른 세 지역에 대한 MWIR 융합 영상을 제작하였으며, 이를 시각적으로 분석하였다. 본 기법을 통해 제작된 MWIR 융합 영상은 지형 및 지물의 경계면이 강조되어 시인성이 개선되었으며, 세부적으로 관심 지역에 대한 열 정보를 전달할 수 있었다. 특히, MWIR 융합 영상에서는 저해상도의 원본 MWIR 영상에서 식별할 수 없었던 비행기, 선박 등의 객체를 육안으로 판독할 수 있었다. 본 연구는 가시적인 정보와 열 정보를 동시에 고려할 수 있는 단일 영상 제작 방법론을 제시하였으며, 이는 MWIR 영상의 활용성 확대에 이바지할 수 있을 것으로 사료된다.
목적: 고선량률 강내근접치료와 외부방사선의 병합치료는 자궁경부암의 표준치료법이지만, 최적의 병합 방식 및 선량 분할 스케줄은 아직 정해지지 않고 있다. 부분적으로는 이에 영향을 미치는 인자들의 다양성 및 기존의 문헌들의 방사선 선량에 관한 자세한 정보 부족을 그 이유로 들 수 있다. 이에 본 연구는 고선량률 강내근접치료에 대한 풍부한 경험을 바탕으로 단일기관에서 비교적 균일한 치료를 받은 많은 수의 환자 모집단을 대상으로 이들 다양한 인자들 및 방사선치료에 대한 자세한 분석을 통해서 최적의 방사선치료를 위한 지침을 얻고자 하였다. 대상 및 방법: 1990년부터 1996년까지 연세암센터에서 고선량률 강내근접치료 및 외부방사선치료로 자궁경부암에 대한 근치적 치료를 받은 743명의 환자들을 대상으로 하였으며, 중앙추적관찰 기간은 52개월이었다. FIGO 병기 분포는 IB 198명, IIA 77명, IIB 364명, IIIA 7명, IIIB 89명, IVA 8명이었다. 전골반방사선 선량은 $23.4\~59.4$ Gy (중앙값 45 Gy)의 분포를 보였으며, 진단 시 종양의 크기 및 외부방사선치료에 대한 종양의 반응에 따라서 그 시기를 조절하는 중앙차폐는 495예에서 시행되었으며, 그 시기는 $14.4\~43.2$ Gy (중앙값 36.0 Gy)로 비교적 광범위하고 다양한 분포를 보였다. 강내근접치료와 외부방사선치료의 분할 선량 차이를 극복하기 위해 생물학적 유효선량(Biologically Effective Dose, BED) 개념을 적용하였으며, 종양 및 정상 조직에 대한 $\alpha/\beta$비는 각각 10 및 3으로 하였다. 모든 개별 환자의 직장 전벽 및 방광 흡수선량을 분석하였고, 합병증 및 골반제어율과의 상관 관계를 규명하고자 하였다. 이외에도 방사선치료 스케줄에 영향을 미칠 수 있는 인자들인 총 치료기간, 강내근접치료의 분할 선량 크기, 주치의의 선호도에 따른 치료 스케줄 차이 등도 함께 고려하여 분석하였다. 결과: 전체 환자에서 RTOG Grade 1-4독성 발생률은 $33.1\%$였다. 전체 환자의 5년 골반제어율은 $83\%$로 분석되었다. 중앙차폐이전 외부방사선선량과 강내근접치료의 합산 BED값(=MD-BED $Gy_{\alpha/\beta}$은 $\alpha/\beta$=10인 경우 $62.0\~121.9\;Gy_{10}$ (중앙값: $93.0\;Gy_{10}$)의 분포를, ${\alpha/\beta}=3$인 경우 $93.6\~187.3\;Gy_3$ (중앙값=$137.6\;Gy_3$ )의 분포를 보였다. MD-BED $Gy_3$는 직장합병증 발생과의 관계는 통계적으로 유의하였고, 방광합병증과는 유의하지 않았다. 직장합병증과의 연관성은 MD-BED $Gy_3$보다 개별 환자의 직장전벽 총 선량 BED값인 R-BED $Gy_3$가 훨씬 더 높았다. 요도카테터 풍선의 후방지점이 대변하는 방광의 총 선량 BED값인 V-BED $Gy_3$도 방광합병증과 경향성 테스트에서 통계적 유의성을 보였다. 하지만, 어떠한 방사선선량도 골반제어율과 의미 있는 상관관계를 보이지 않았다. 본 기관에서 주치의의 선호도에 따라 강내근접치료가 외부방사선치료의 중간에 시행되는 형태인 샌드위치기법과 외부방사선치료 후반부에 시행되는 순차적 기법으로 구분하였을 때, 두 방식간 치료성적 및 합병증의 차이는 없었다. 총 치료기간에 대한 분석에서는 치료기간이 길어질수록 재발 위험이 커지는 경향을 보였으나, 나이 및 병기, 종양의 크기, MD-BED $Gy_{10}$ 등의 예후 인자를 보정한 다변량분석에서는 치료기간이 100일 이상인 경우에만 통계적으로 유의하게 증가하였다. 강내근접치료 분할선량 크기인 3 Gy와 5 Gy 사이에 골반제어율 및 합병증의 차이는 없었다. 결론: 자궁경부암의 최적방사선치료 스케줄에 대한 지침을 세우기 어렵게 만드는 가장 중요한 이유는 강내근접치료가 갖는 선량분포 특성에서 기인하는 방사선선량-골반제어율 상관 관계의 부재 및 개별 종양의 방사선에 대한 반응 속도가 환자마다 크게 다를 수 있다는 점이다. 따라서 전체적인 원칙과 함께 개인화된 맞춤치료가 필요하다. 치료 지침에 영향을 미칠 수 있는 요소들의 복합적인 고려도 중요하다고 할 수 있겠다. 합병증 발생이 우려되는 경우 생물학적 유효선량을 낮추기 위해 적절한 조기 중앙차폐 및 강내근접치료의 분할선량 크기 감소를 고려해볼 수 있다.
본 연구는 광분해 산화공정으로 난분해성 물질인 N-Nitrosodimethylamine (NDMA)인 제거 및 부산물 생성 특성을 파악하기 위한 3개의 독립변수 (자외선 강도($X_1:\;1.5{\sim}4.5\;mW/cm^2$, 초기 NDMA 농도($X_2:\;100{\sim}300\;uM$), pH(X3:3~9))와 4개의 종속변수(NDMA 제거율($Y_1$), dimethylamine (DMA) 생성농도($Y_2$), dimethylformamide (DMF) 생성농도($Y_3$) 및 $NO_2$-N 생성농도($Y_4$))로 구성된 박스-벤켄 설계를 이용한 실험계획을 적용시켜 예측 모델과 광분해 산화 최적조건을 수립하였다. 실험결과 2시간 광분해 후 NDMA는 거의 완전히 제거되었으며 DMA, DMF와 $NO_2$-N은 NDMA 광분해와 동시에 부산물로 생성되었다. 광분해 최적의 조건을 얻기 위해 정준분석을 수행하여 최적 점 (반응값, 독립변수 조건)과 예측반응모델을 수립한 결과, 다음과 같은 결과를 얻었다 ($Y_1=117+21X_1-0.3X_2-17.2X_3+{2.43X_1}^2+{0.001X_2}^2+{3.2X_3}^2-0.08X_1X_2-1.6X_1X_3-0.05X_2X_3$ ($R^2$ = 96%, Adjusted $R^2$ = 88%)와 99.3% ($X_1:\;4.5\;mW/cm^2$, $X_2:\;190\;uM$, $X_3:\;3.2$), $Y_2=-101+18.5X_1+0.4X_2+21X_3-{3.3X_1}^2-{0.01X_2}^2-{1.5X_3}^2-0.01X_1X_2-0.07X_1X_3-0.01X_2X_3$ ($R^2$= 99.4%, 수정 $R^2$ = 95.7%)와 35.2 uM ($X_1:\;3\;mW/cm^2$, $X_2:\;220\;uM$, $X_3:\;6.3$), $Y_3=-6.2+0.2X_1+0.02X_2+2X_3-{0.26X_1}^2-{0.01X_2}^2-{0.2X_3}^2-0.004X_1X_2+0.1X_1X_3-0.02X_2X_3$ ($R^2$= 98%, 수정 $R^2$ = 94.4%)와 3.7 uM ($X_1:\;4.5\;mW/cm^2$, $X_2:\;290\;uM$, $X_3:\;6.2$), $Y_4=-25+12.2X_1+0.15X_2+7.8X_3+{1.1X_1}^2+{0.001X_2}^2-{0.34X_3}^2+0.01X_1X_2+0.08X_1X_3-3.4X_2X_3$ ($R^2$= 98.5%, 수정 $R^2$ = 95.7%)와 74.5 uM ($X_1:\;4.5\;mW/cm^2$, $X_2:\;220\;uM$, $X_3:\;3.1$). 반응표면분석법 중 하나인 박스-벤켄법은 UV 광분해에 의한 NDMA 분해 및 부산물 생성에 대한 통계학적 및 수학적인 결과 및 최적의 운전조건을 제시하였다. 예측모델의 검정을 통하여 박스-벤켄법은 매우 높은 신뢰성을 보였다.
최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.
오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.