• 지능정보연구
• /
• 제29권2호
• /
• pp.101-114
• /
• 2023

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.

• 실천공학교육논문지
• /
• 제15권1호
• /
• pp.119-126
• /
• 2023

오늘날 자동차의 연비 향상 과 동적 거동 향상을 위해서 자동차 부품의 경량화 및 간소화 시대가 형성되고 있다. 설계와 제작의 간소화를 위해 제품 형상을 다양한 부품의 일체화로 진행되고 있다. 예를 들어 3개의 제품을 1개의 제품화 시키기 위해서 아주 협소한 부분까지 제품 가공하는 일이 발생되고 있다. 기존의 부품의 경우 가공의 편의성을 위해 정밀 다이캐스팅 또는 주물 생산으로 가공 후 조립하는데 다중 조립체(multi-piece) 방식은 공정수가 많이 필요로 하며, 부품의 정밀도와 강도를 저하시키는 요인이 된다. 가공 공정을 단순화 시키고 부품의 강도를 확보하기 위해서 일체형으로 제작하는 것이 단점을 극복하는데 매우 유리하지만 깊고 좁은 포켓 부분을 가공 할 경우 장비 자체 스핀들로는 가공이 불가능하다. 문제점을 해결하고자 절삭가공에 대한 연구가 활발하게 진행되고 있으며, 다축 복합가공 기술은 이러한 문제점을 해결할 뿐만 아니라, 지금까지 하나의 공작기계로 여러 공정에 따른 유연한 절삭가공이 어려웠던 복합 형상에도 절삭가공이 가능하다는 등 많은 장점을 가지고 있다. 하지만 고가의 장비로 인하여 제조경비 상승과 기계를 운영할 수 있는 기술자가 부족한 것이 현실이다. 5축 절삭 가공기에서는 깊고 협소한 구간의 제품을 생산할 때 공구의 간접으로 제품 생산에 사이클 타임이 늘어남은 물론 가공상에 문제점들이 많이 발생된다. 따라서 전용 공작기계 및 다축 복합가공기를 사용해야 한다. 그 대안으로 3축 머시닝센터에서 5축 이상의 다축 복합가공을 할 수 있는 특수 공구로서의 앵글 스핀들(angle spinde)이 사용될 수 있다. 앵글 스핀들 사용함으로 가공 진동 흡수, 낮은 열 발생과 작동 안정성, 우수한 치수 안정성, 강도 확보와 같은 분야에서 다양하고 지속적인 연구가 필요하다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1043-1060
• /
• 2023

최근 기후변화의 가속화로 바다에 의한 탄소의 흡수 작용을 칭하는 '블루 카본(blue carbon)'에 대한 관심이 많아지고 있지만, 탄소 순환의 핵심이 되는 해양 생태계에 대한 우리의 이해는 아직 부족한 실정이다. 본 연구는 탄소 순환을 고려한 글로벌 해양 생태 권역(marine eco-province)을 k-means clustering 기법을 활용하여 분류·분석하였다. 지난 20년 간(2001-2020) 위성을 활용하여 생산된 Carbon-based Productivity Model (CbPM) 순 일차 생산량(Net primary production, NPP), particulate inorganic and organic carbon (PIC and POC), 위성 관측과 재분석모델을 결합하여 생산한 해수면 염분(sea surface salinity, SSS) 및 온도(sea surface temperature, SST) 총 다섯가지 자료를 활용하였다. 최적화 과정을 거쳐 총 9개의 생태권역을 도출하였으며, 각 권역의 공간분포와 특성을 분석하였다. 이 중 5개의 권역은 주로 대양의 특성을 반영하고, 4개의 권역은 연안 및 고위도 해역의 특성을 반영하는 것으로 나타났다. 또한, 기존에 알려진 해양 생태 권역과의 정성적 비교를 통하여 탄소순환을 고려한 해양 생태권역의 특징을 상세히 분석하였다. 마지막으로 과거 5년 단위(2001-2005, 2006-2010, 2011-2015, 2016-2020)로 생태 권역의 변화를 분석하였으며, 연안생태계의 빠른 변화와 특히 담수유입으로 인해 생산량이 높고 생태적으로 중요한 권역의 감소를 확인하였다. 이러한 연구 결과는 탄소 순환 및 기후변화를 고려한 해양 생태 권역 분류 및 연안 관리에 대한 중요한 참고자료로 활용 될 수 있으며, 기후 변화에 취약한 지역에 대한 체계적인 관리 지침 개발에 활용될 수 있다.

• 한국수자원학회논문집
• /
• 제56권12호
• /
• pp.993-1003
• /
• 2023

대기온실가스 증가로 전지구 평균기온은 산업화 이전 대비 1.1℃ 상승했고 수자원시스템의 공급능력에 상당한 변화가 예상된다. 본 연구에서는 금강수계 내 여러 중권역의 이수안전도와 기후조건의 관계(기후반응함수)를 단변량 함수로 나타내 기후민감도를 동시에 평가할 수 있는 방법을 제안하였다. 사례연구를 위해 GR6J 모형으로 중권역별 자연유출을 모의했고 이를 Water Evaluation And Planning (WEAP) 최적모형에 입력해 2030년 수요전망에 대한 공급신뢰도를 평가하였다. 여러 중권역의 이수안전도를 동시에 비교하기 위해 평균 강수량과 잠재증발산량의 비율을 독립변수 사용하여 단변량 기후민감도 함수를 개발하였다. 사례연구 결과, 1991-2020 자연유출을 이용해 수계전체 물부족을 최소화시키는 운영을 가정했을 때 공급신뢰도는 19개 중권역 중 보청천유역에서 가장 낮았다. 하천유지유량의 우선순위를 농업용수와 생공용수과 동일하게 조정한 시나리오에서는 보청천유역, 초강유역, 논산천유역의 이수안전도가 크게 감소하는 것으로 나타났다. 보청천유역, 초강유역, 논산천유역의 이수안전도는 모든 기후스트레스 테스테에서 크게 감소한 반면, 미호강유역, 금강공주유역, 금강하구유역은 아주 건조한 기후조건에서만 이수안전도가 감소했다. 대규모 인프라에서의 공급이 원활한 중권역의 기후민감도는 크게 변하지 않았다. 2021-2050 기후전망을 민감도함수에 적용했을 때 금강수계의 공급신뢰도는 대체로 좋아질 가능성이 높지만 하천유지유량 우선순위를 높이게 되면 지형적, 인위적으로 고립된 중권역에서 물부족은 심해질 것으로 분석되었다. 2021-2050기간 금강수계의 이수안전도는 기후스트레스 보다 하천관리정책의 변화에 더 큰 영향을 받을 것으로 판단된다.

• 대한방사선치료학회지
• /
• 제26권2호
• /
• pp.313-320
• /
• 2014

목 적 : Spine SBRT 치료 시 보편적인 치료방법인 콜리메이터 각도 $30^{\circ}$와 $330^{\circ}$를 각각 사용한 2회전 치료계획 (이하 Universal MLC VMAT)과 MLC 운동 방향과 척수 또는 마미 (이하 OAR)의 장축을 일치시킨 콜리메이터 각도 $273^{\circ}$와 $350^{\circ}$를 사용한 2회전 치료계획 (이하 Coaxial MLC VMAT) 유용성을 비교, 평가하고자 한다. 대상 및 방법 : 본원에서 Varian TBX을 이용하여, Coaxial MLC VMAT 치료 계획으로 치료 받은 spine SBRT환자 10명을 대상으로 하였다. 전산화치료계획은 Eclipse (ver 10.0.42, Varian, USA), PRO3 (Progressive Resolution Optimizer 10.0.28), AAA (Anisotropic Analytic Algorithm Ver 10.0.28) 알고리즘을 이용하였다. 치료계획은 VMAT로 겐트리 회전반경이 각각 $360^{\circ}$인 두 개의 ARC, 10MV FFF (Flattening Filter Free)를 이용하여 수립하였고, 각 ARC는 콜리메이터 각도 $273^{\circ}$, $350^{\circ}$로 설정하였다. 기존 치료계획을 바탕으로 실험군인 Universal MLC VMAT 치료계획을 수립하였다. 콜리메이터 각도를 제외한 모든 조건은 동일하게 설정하였으며, 특히 최적화 (VMAT optimization) 과정에서 무작위하게 나타나는 선량차이를 최소화하기 위해 각각 2회의 최적화, 선량 계산 과정을 거쳤다. 계산 grid 는 0.2 cm, normalization은 타겟 $V_{100%}=90%$로 설정하였다. OAR의 선량 $V_{10Gy}$, $D_{0.03cc}$, Dmean, 타겟의 H.I (Homogeneity index) 그리고 각 치료 계획의 Total MU를 평가 지표로 설정하였고, Mapcheck2 (Sun Nuclear Co., USA) 와 Mapphan (Sun Nuclear Co., USA) 그리고 SNC patient (Sun Nuclear Co., USA Ver 6.1.2.18513) 를 이용하여 Coaxial MLC VMAT 계획의 임상 적용 가능 여부 확인을 위한 IMRT verification QA (gamma test)를 실시하였다. 결 과 : 두 치료계획을 비교한 결과 OAR의 $V_{10Gy}$차이는 최대 4.1%, 최소 0.4%, 평균 1.9%로, $D_{0.03cc}$ 는 최대 83.5 cGy, 최소 2.2 cGy, 평균 33.3 cGy로 Coaxial MLC VMAT plan 이 더 낮은 것으로 나타났다. Dmean 또한 최대 34.8 cGy, 최소 -13.0 cGy, 평균 9.6 cGy로 Coaxial MLC VMAT plan 이 낮은 것으로 나타났다. H.I. 는 최대 0.04, 최소 0.01로 Coaxial MLC VMAT plan 이 평균 0.02 낮은 것으로 나타났으며, Total MU의 평균값을 비교한 결과 Coaxial MLC VMAT plan 이 평균 74.1 MU 더 낮게 나타났다. Coaxial MLC VMAT plan에 대한 IMRT verification gamma test 결과는 1 mm / 2%, pass rate 90.0% 기준을 모두 통과하였다. 결 론 : Coaxial MLC VMAT 치료계획은 Universal MLC VMAT 치료계획에 비해 대부분의 평가지표에서 유리한 것으로 나타냈으며 특히 OAR의 선량 $V_{10Gy}$을 낮추는데 있어 탁월한 것으로 사료된다. 실험결과를 바탕으로 두 치료 계획을 비교해 볼 때, 같은 MU를 사용한다면 Coaxial MLC VMAT 치료계획이 Universal MLC VMAT 치료계획에 비해 효율적이라 사료된다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.53-77
• /
• 2015

국내 모바일 커머스 시장은 현재 소셜커머스가 이용자 수 측면에서 오픈마켓을 압도하고 있는 상황이다. 산업계에서는 모바일 시장에서 소셜커머스의 성장에 대해 빠른 모바일 시장진입, 큐레이션 모델 등을 주요 성공요인으로 제시하고 있지만, 이에 대한 학계의 실증적인 연구 및 분석은 아직 미미한 상황이다. 본 연구에서는 사용자 리뷰를 바탕으로 모바일 소셜커머스와 오픈마켓의 사용자 이용경험을 비교 분석하는 탐험적인 연구를 수행하였다. 먼저 본 연구는 구글 플레이에 등록된 국내 소셜커머스 주요 3개 업체와 오픈마켓 주요 3개 업체의 모바일 앱 리뷰를 수집하였다. 본 연구는 LDA 토픽모델링을 통해 1만여건에 달하는 모바일 소셜커머스와 오픈마켓 사용자 리뷰를 지각된 유용성과 지각된 편리성 토픽으로 분류한 뒤 감정분석과 동시출현단어분석을 수행하였다. 이를 통해 본 연구는 국내 모바일 커머스 상에서 오픈마켓 이용자들에 비해 소셜커머스 이용자들이 서비스와 이용편리성 측면에서 더 긍정적인 경험을 하고 있음을 증명하였다. 소셜커머스는 '배송', '쿠폰', '할인'을 중심으로 서비스 측면에서 이용자들에게 긍정적인 이용경험을 이끌어내고 있는 반면, 오픈마켓의 경우 '로그인 안됨', '상세보기 불편', '멈춤'과 같은 기술적 문제 및 불편으로 인한 이용자 불만이 높았다. 이와 같이 본 연구는 사용자 리뷰를 통해 서비스 이용경험을 효과적으로 비교 분석할 수 있는 탐험적인 실증연구법을 제시하였다. 구체적으로 본 연구는 LDA 토픽모델링과 기술수용모형을 통해 사용자 리뷰를 서비스와 기술 토픽으로 분류하여 효과적으로 분석할 수 있는 새로운 방법을 제시하였다는 점에서 의의가 있다. 또한 본 연구의 결과는 향후 소셜커머스와 오픈마켓의 경쟁 및 벤치마킹 전략에 중요하게 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.1-21
• /
• 2020

인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.

• Radiation Oncology Journal
• /
• 제21권4호
• /
• pp.299-305
• /
• 2003

목적: 후두암 방사선치료의 표준화를 위하여 후두암에 관한 기본적인 임상 자료를 축적하고 필요한 조사 항목을 결정하여 전국적인 웹 기반 데이터 베이스 시스템을 개발하고자 하였다. 대상 및 방법: 1998년 1월부터 1999년 12월까지 호서호남 지역에서 후두암으로 진단되어 방사선치료를 받은 환자를 대상으로 임상적 분석을 시행하였다. 환자 선정 기준은 18세 이상이며 과거력상 타 장기의 암 진단 병력이 없고 후두에서 기원한 원발성 상피세포암으로 과거 후두에 대한 다른 질환으로 치료력이 없는 환자를 대상으로 하였다. 후두암에 관한 조사 항목 개발은 대한방사선종양학회 호서호남지회 소속 병원의 전문의들이 합의하여 일차적으로 선정한 항목에 대하여 각 병원에서 자체적으로 조사하였다. 통계처리는 SPSS v10.0을 이용하였다. 결과: 자료가 수집된 총 증례수는 45예이었다. 환자의 연령분포는 28$\~$88세(중앙값: 61)이었고 남녀비는 10 대 1로 대부분 남자에 발생하였다. 원발부위는 성문암이 28예(62$\%$), 성문상부암이 17예(38$\%$)이었다. 병리소견으로는 편평세포암이 대부분이었다(44/45, 98$\%$). AJCC (1997년도) 병기 I+II는, 성문암 28예 중 24예(86$\%$)에 비해 성문상부암의 경우는 16예 중 8예(50$\%$)이었다(p=0.002). 증상은 애성이 n예(89%$\%$로 가장 많았다. 진단은 간접후두경이 전체환자에서, 직접후두경검사는 43예(98$\%$)에서 각각 시행되었다. 치료로서 성문암 28예와 성문상부암 17예 중, 방사선 단독치료는 21예(75$\%$), 6예(35$\%$)에서 각각 시행되었다. 또한 수술요법과 방사선요법의 병용은 각각 5예(18$\%$), 8예(47$\%$)이었고, 항암화학요법과 방사선요법의 병용치료는 각각 2예(7$\%$), 3예(18$\%$)이었으나 두 원발 병소 간에 병용치료 빈도의 유의한 차이는 없었다(p=0.20). 방사선치료는 모두 선형가속기 6 MV X-ray를 이용하여 통상적 분할조사 법으로 시행되었다. 분할선량은 성문암 환자의 86$\%$에서 2.0 Gy를 사용한 반면 성문상부암은 59$\%$에서 1.8 Gy를 각각 사용하였다. 방사선단독치료를 완료한 환자에서 원발병소의 평균 총방사선량은 성문암에서 65.98 Gy, 성문상부암에서 70.15 Gy이었다. 수집된 자료를 기초로 후두암 방사선치료형태 연구에 필요한 총 12개의 모듈과 90개의 항목을 개 발하였다. 결론: 본 연구에서는 후두암 데이터베이스 시스템에 필요한 연구 항목을 개발하였다. 향후 웹 기반 데이터 베이스 시스템을 완성하고 전국의 방사선치료 자료를 축적하여 후두암에 대한 한국형 방사선치료의 표준화 및 적정화를 기하고자 한다.

• 한국방사선학회논문지
• /
• 제6권4호
• /
• pp.281-290
• /
• 2012

경상북도에 소재한 3개 종합병원 영상의학과의 MDCT 검사 중 두부, 복부, 흉부 각 10건씩 30건을 대상으로 CTDIl, DLP, Slice 수, DLP/Slice 수를 조사하여 병원 간 프로토콜의 차이로 인한 MDCT의 피폭선량의 차이를 분석하였고, CT검사의 가장 많은 검사건수를 차지하고 프로토콜이 비교적 단순한 두부 CT를 Helical Scan과 Normal Scan으로 2회 실시하여 영상의 화질, CTDI, DLP, 안구의 피폭선량, 갑상선의 피폭선량의 차이를 분석하였다. 두부CT에서 조사대상 병원의 3분의 2에서 CTDI 참조준위(IAEA 50mGy, 우리나라 60mGy)를 초과하지 않은 A병원에 비하여 유의하게 높았다(p<0.001). DLP에서 조사병원의 3분의 1은 참조준위 IAEA 1,050mGy.cm, 우리나라 1,000mGy.cm의 권고량 보다 높았고, 3분의 2가 우리나라의 권고량을 초과하고 있었다. 참조준위를 초과하지 않은 A병원에 비하여 유의하게 높았다(p<0.001). Abdomen CT에서도 3분의 1은 CTDI 참조준위 IAEA 25mGy, 우리나라 20mGy보다 높은 119mGy를 보였고, DLP에서는 모든 조사대상 병원이 우리나라 권고량 700mGy.cm보다 높았다. 조사대상 병원 중 모든 검사에서 높은 선량을 보인 C병원은 MPR, 3D 검사의 비중이 높아 낮은 pitch, 높은 관전류 검사로 인한 피폭선량이 높았다. Scan 방법에 따른 피폭선량의 차이를 분석하고자 동일환자의 두부CT를 Normal scan과 Helical scan으로 각각 실시하여 분석한 결과 CTDI 및 DLP에서 Helical CT가 Normal scan에 비해 63.4%, 93.7% 높은 선량을 보였다(p<0.05, p<0.01). 그러나 갑상선의 피폭선량은 Normal scan이 87.26% 높았다(p<0.01). Helical CT의 선속은 종심부와 변연부의 모양이 종의 형태를 취하고 있어 두부CT에서 갑상선은 중심선속에서 벗어난 적은 선량으로 피폭된다. 또한 Helical scan시 Gantry 각을 수직으로 사용하였고, Normal scan시에는 Orbitomeatal line에 평행으로 정렬된 Gantry 각을 사용하여 Helical scan에서 갑상선은 피폭선량이 감소하였다. 그러나 본 연구에서 사용된 프로토콜은 식약청의 표준준위에 비해 높은 피폭선량을 보여 식약청의 권고량을 지키기 위해서는 낮은 관전류 높은 Pitch의 사용이 요구되었다. 이번 연구에서 Normal scan과 Helical scan에 따른 화질의 차이는 없는 것으로 분석되어 특별한 경우가 아니면 Normal scan의 표준화된 프로토콜을 사용하고 갑상선의 보호장구를 사용하는 것이 필요하였다. 이번 연구는 일지역의 CT검사 중 일부를 조사하여 분석하였으므로 CT검사의 전체를 평가하는데 무리가 있었다. 그러나 경우에 따라 환자피폭선량의 가이드 권고량을 초과하고 있음을 알 수 있었고, 병원 간의 피폭선량 편차도 있음을 확인 할 수 있었다. 이것을 개선하기 위하여 영상의학과 의사 및 방사선사는 CT 방사선량을 줄이는 최적화된 프로토콜로 CT검사를 시행해야 하고, 환자의 알권리를 위하여 피폭선량은 공개되어야 한다. 그러나 아직 많은 의사들과 방사선사는 이에 대한 인식이 부족하므로 개선을 위하여 CT선량 저감화의 교육프로그램, CT검사에 따른 피폭선량의 공개, 병원의 서비스평가 및 병원인증제 평가항목에 CT검사 피폭선량관리 및 공개항목을 추가 등의 관련기관의 노력과 의료종사자가 CT검사에서 행위의 최적화를 실현하는 최선의 프로토콜을 사용하는 노력이 필요하였다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

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.