• 한국방사선학회논문지
• /
• 제17권5호
• /
• pp.633-640
• /
• 2023

최근 근접 치료에서 방사선 차폐막을 사용하여 선량 분포를 변조하여 선량을 전달하는 정적 및 동적 변조 근접 치료 방법이 개발됨에 따라 새로운 방향성 빔 세기 변조 근접 치료에 적합한 역방향 치료 계획 및 치료 계획 최적화 알고리즘에서 선량 계산에 필요한 파라미터 및 데이터의 양이 증가하고 있다. 세기 변조 근접 치료는 방사선의 정확한 선량 전달이 가능하지만, 파라미터와 데이터의 양이 증가하기 때문에 선량 계산에 필요한 경과 시간이 증가한다. 본 연구에서는 선량 계산 경과 시간의 증가를 줄이기 위해 그래픽 카드 기반의 CUDA 가속 선량 계산 알고리즘을 구축하였다. 계산 과정의 가속화 방법은 관심 체적의 시스템 행렬 계산 및 선량 계산의 병렬화를 이용하여 진행하였다. 개발된 알고리즘은 모두 인텔(3.7GHz, 6코어) CPU와 단일 NVIDIA GTX 1080ti 그래픽 카드가 장착된 동일한 컴퓨팅 환경에서 수행하였으며, 선량 계산 시간은 디스크에서 데이터를 불러오고 전처리를 위한 작업 등의 추가 적으로 필요한 시간은 제외하고 선량 계산 시간만 측정하여 평가하였다. 그 결과 가속화된 알고리즘은 CPU로만 계산할 때보다 선량 계산 시간이 약 30배 단축된 것으로 나타났다. 가속화된 선량 계산 알고리즘은 적응방사선치료와 같이 매일 변화되는 어플리케이터의 움직임을 고려하여 새로운 치료 계획을 수립해야 하는 경우나 동적 변조 근접 치료와 같이 선량 계산에 변화되는 파라미터를 고려해야 하는 경우 치료 계획 수립 속도를 높일 수 있을 것으로 판단된다.

• 자원리싸이클링
• /
• 제33권1호
• /
• pp.22-30
• /
• 2024

2차원 물질 MXene의 전구체로 사용되는 Ti₃AlC₂ MAX 상 합성을 위해, 출발물질로써 타이타늄 (Ti) 스크랩을 활용하는 것은 경제적인 접근이 될 수 있다. 본 연구는 Ti 스크랩을 활용하여 Ti₃AlC₂ MAX상의 상분율 향상을 위한 합성 조건의 최적화를 수행하였다. Ti 스크랩으로부터 수소화-탈수소화(hydrogenation-dehydrogenation, HDH) 공정에 의해 제조된 Ti 분말의 산소 함량은 고상탈산(Deoxidation in solid state, DOSS) 공정을 통하여 효과적으로 감소되었다. 최적 합성 조건은 25 ~ 32 ㎛의 DOSS-Ti, Al, graphite 분말을 3:1.1:2의 몰 비율로 혼합하여 합성되었다. 이 때의 Ti₃AlC₂, TiC 및 Al₃Ti의 상분율은 각각 97.25%, 0.93%, 1.82%로 나타났으며, 25 ~ 45 ㎛의 Ti₃AlC₂ MAX 분말의 산소 함량은 4,210 ppm으로 확인되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제13권1호
• /
• pp.1-16
• /
• 2024

지난 수년간 6시그마는 제조업의 주요 혁신 방법론으로, 품질개선과 경비 절감을 위해 사용되었다. 그러나 스마트공장 확산으로 인한 초 단위 데이터 생성 등, 방대한 양의 데이터를 분석하기 어려운 문제와,오랫동안 정착된 형식적 사용으로 인해, 6시그마의 한계가 지적되었다. 6시그마의 한계를 극복하기 위해, 최근에 빅데이터 기반 6시그마 기법이 연구되고 있다. 빅데이터 기반 6시그마는, 6시그마의 강점인 통계적 검증, 수학적 최적화, 높은 해석력과, 빅데이터 분석의 강점인 기계학습을 모두 활용할 수 있다. 그러나, 최근 연구된 빅데이터 기반 6시그마 기법이 제조공정 및 경영 성과에 미치는 영향에 대한 검증은 미비하다. 이러한 이유로 실무에서는, 빅데이터 기반 6시그마 기법에 대한 신뢰성이 높지 않아 제대로 활용하지 못하고 있다. 본 연구에서는, 빅데이터 기반 6시그마인 DX SS의 유효성 분석을 통해 제조공정의 효율성에 미치는 영향을 알아본다. 또한 기업에서 이 기법을 성공적으로 도입 및 정착시키기 위한 핵심 성공 정책을 도출한다. 추가적으로, 성공 정책에 대한 연구 없이 전 임직원의 참여가 수반되지 못한 잘못된 정책으로 방법론이 중단된 사례는, 핵심 성공 정책 연구에 대한 중요성을 보여준다. 제조기업들이 본 연구에서 제시하는 방법론을 적극 도입하고 사용하여 성공적인 성과를 거둘 수 있도록 본 연구가 도움이 되기를 기대한다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.33-48
• /
• 2024

향상된 모바일 광대역(eMBB), 초저지연 및 고신뢰 통신(URLLC), 대규모 기계형 통신(mMTC) 등의 특징을 가진 5G의 등장으로 인해 효율적인 네트워크 관리와 서비스 제공을 위해 증가하는 네트워크 트래픽과 복잡성 해결이 시급한 상황이다.본 논문에서는 기계학습(Machine Learning, ML) 및 딥러닝(Deep Learning, DL)기술을 활용하여 5G 네트워크의 초고속, 초저지연, 초연결성이라는 주요 과제를 해결하면서 네트워크 슬라이싱 및 자원 할당을 동적으로 최적화하는 새로운 접근 방식을 제시한다. 제안된 기법에서는 네트워크 트래픽 및 자원 할당에 대한 예측 모델, 네트워크 대역폭 및 지연 시간을 최적화하면서 동시에 개인 정보와 보안을 향상시키기 위한 연합 학습(FL) 기법을 사용한다. 특히, 본 논문에서는 랜덤 포레스트와 LSTM 등 다양한 알고리듬과 모델의 구현 방법에 대해 자세히 다루며, 이를 통해 5G 네트워크 운영의 자동화와 지능화를 위한 방법론을 제시한다. 마지막으로 제안된 기법을 통해 5G 네트워크에 ML 및 DL을 적용하여 얻을 수 있는 성능향상 효과를 성능평가 및 분석을 통해 검증하고 다양한 산업 응용 분야에서 네트워크 슬라이싱 및 자원 관리 최적화를 위한 솔루션을 제시한다.

• 지구물리와물리탐사
• /
• 제27권2호
• /
• pp.91-107
• /
• 2024

단일 채널 탄성파 탐사는 소규모 자료획득 시스템으로 지하 지질구조를 파악하는 효과적인 방법이다. 영벌림거리 혹은 가까운 벌림거리를 사용하여 획득한 단일 채널 탄성파 자료는 연직 방향의 지하 지질구조를 직접 반영하므로 탄성파 단면도를 효과적으로 작성할 수 있다. 그러나 공통중간점 중합 과정을 적용할 수 없어 신호 대 잡음비가 매우 낮으므로 단면에 나타나는 반사 구조의 정밀한 해석에 있어 중합 단면 대비 불리함을 가진다. 본 연구에서는 단일 채널 탄성파 자료의 신호 대 잡음비를 향상시키기 위해 특이 스펙트럼 분석을 기반으로 한 잡음 제거 및 신호 향상 방법을 제안한다. 기존의 특이 스펙트럼 분석 방법은 행렬의 특정 특잇값을 임의로 추출하여 자료 내에 있는 무작위 잡음을 제거하는 방식으로 수행되었으나, 이는 낮은 신호 대 잡음비나 이상 잡음이 있는 자료에 적용할 수 없다. 따라서 본 연구에서는 행렬의 특잇값을 최적화하고 저계수 근사를 수행하여 무작위 및 이상 잡음을 동시에 효과적으로 제거한다. 또한, 잡음 제거로 인한 신호 손실을 보정하고 탄성파 이벤트의 수평적 연속성을 향상시키기 위해 행렬의 고유 영상에 기반한 가중치를 계산하여 탄성파 단면의 품질을 향상시킨다. 본 연구에서 제안하는 기술의 적용성 및 우수성을 확인하기 위해 북극해 척치해저고원에서 획득한 단일 채널 스파커 탄성파 자료에 대한 자료 처리 실험을 수행하였으며, 수치 예제를 통해 매우 높은 수준의 신호 대 잡음비와 최소의 신호 손실을 가진 탄성파 단면을 얻을 수 있었다. 본 연구에서 제안하는 단일 채널 탄성파 자료 처리 기술은 향후 국내 연안지역의 해양개발과 해저 지질재해를 규명하기 위한 단일 채널 및 초고해상도 탄성파 탐사에 매우 효과적으로 기여할 것으로 기대된다.

• 한국빅데이터학회지
• /
• 제9권1호
• /
• pp.101-113
• /
• 2024

연합 학습은 분산 환경에서 데이터 프라이버시와 보안을 유지하면서 효율적으로 머신러닝 모델을 학습하는 방법으로 주목받고 있다. 본 연구에서는 이러한 연합 학습 환경에서 랜덤 포레스트 모델의 성능을 최적화하기 위해 새로운 FedRFBagging 알고리즘을 제안한다. 클라이언트별 데이터 특성에 기반하여 로컬 랜덤 포레스트 모델의 트리를 동적으로 조정함으로써 통신 비용을 줄이고, 다수의 클라이언트 환경에서도 높은 예측 정확도를 달성할 수 있다. 제안하는 방법은 다양한 데이터 조건에 적응하여 모델의 안정성과 학습 속도를 크게 향상시킨다. 랜덤 포레스트 모델은 여러 개의 결정 트리로 구성되나, 연합 학습 환경에서 모든 트리를 서버로 전송하면 통신 오버헤드가 기하급수적으로 증가하여 사용이 어려워진다. 또한 클라이언트 간 데이터 분포의 차이로 인해 트리의 품질 불균형이 발생할 수 있다. 이를 해결하기 위해 FedRFBagging 알고리즘을 제안하며 이는 각 클라이언트에서 성능이 높은 트리만을 선택해 서버로 전송하고, 서버는 불순도 값을 기준으로 트리들을 선택하여 최적의 글로벌 모델을 구성한다. 이를 통해 통신 오버헤드를 줄이고 다양한 데이터 분포에서도 높은 예측 성능을 유지할 수 있다. 글로벌 모델은 다양한 클라이언트 데이터를 반영하지만, 각 클라이언트의 데이터 특성은 다를 수 있다. 이를 보완하기 위해 클라이언트는 글로벌 모델에 추가 트리를 학습하여 로컬 데이터에 맞춘 최적화를 수행한다. 이를 통해 전체 모델의 예측 정확도를 높이고 변화하는 데이터 분포에 적응할 수 있다. 본 연구는 연합 학습 환경에서 랜덤 포레스트 모델이 가지는 통신 비용과 성능 문제를 효과적으로 해결하여 적용 가능한 연합 학습 환경에서 랜덤 포레스트 모델을 위한 알고리즘임을 시사한다.

• 인터넷정보학회논문지
• /
• 제25권4호
• /
• pp.23-37
• /
• 2024

디지털 트윈은 현실세계의 물리적 객체를 디지털 세계의 가상객체로 모사하고 시뮬레이션을 통해 미래에 발생 가능한 현상을 예측함으로써, 현실세계의 문제를 해결 또는 최적화하기 위해 고안된 M&S(Modeling and Simulation) 기술이다. 디지털 트윈은 지금까지 도시, 산업 시설 등 대규모 환경에서 특정 목적을 달성하기 위해 수집된 다양한 데이터 기반으로 정교하게 설계되고 활용되어 왔다. 이러한 디지털 트윈 기술을 실생활에 적용하고 사용자 맞춤형 서비스 기술로 확장하기 위해서는 개인정보 보호, 시뮬레이션의 개인화 등 실질적이지만 민감한 문제를 해결해야 한다. 이러한 문제를 해결하기 위해 본 논문에서는 개인화 디지털 트윈을 위한 연합학습 기반의 클라이언트 훈련 가속 방식(FACTS)을 제안한다. 기본적인 접근 방식은 클러스터 기반의 적응형 연합학습 훈련 절차를 활용해 개인정보를 보호하면서 동시에 사용자와 유사한 훈련 모델을 선택하고 훈련을 가속하는 것이다. 다양한 통계적으로 이질적인 조건의 실험 결과 FACTS는 기존의 FL 방식에 비해 훈련 속도 및 자원 효율성 측면에서 우수한 것으로 나타난다.

• Asia pacific journal of information systems
• /
• 제21권1호
• /
• pp.81-101
• /
• 2011

In today's rapidly changing and increasingly competitive business environment, new product development in tune with market trends in a timely manner has been a matter of the utmost concern for all enterprises. Indeed, developing a sustainable new business has been a top priority for not only business enterprises, but also for the government policy makers accountable for the health of Its national economy as well as for decision makers in what type of organizations. Further, for a soft landing of new businesses, building a government-initiated industry base has been claimed to be necessary as a way to effectively boost corporate activities. However, the existing methodology in new service and new product development is not suitable for nurturing industry, because it is mainly focused on the research and development of corporate business activities instead of new product development. The approach for developing new business is based on 'innovation' and 'convergence.' Yet, the convergence among technologies, supplies, businesses and industries is believed to be more effective than innovation alone as a way to gain momentum. Therefore, it has become more important than ever to study a new methodology based on convergence in industrial quality new product development (NPD) and new service development (NDS). In this research, therefore, we reviewed any restrictions in the existing new product and new service development methodology and the existing business model development methodology. In doing so, we conducted industry standard collaboration analysis on a new service model development methodology in the private sector and the public sector. This approach is fundamentally different from the existing one in that ours focuses on new business development under private management. The suggested framework can be categorized into industry level and service level. First, in the industry level, we define new business opportunities In occurrence of convergence between businesses. For this, we analyze the existing industry at the industry level to identify the opportunities in a market and its business attractiveness, based on which the convergence industry is formulated. Also, through the analysis of environment and market opportunity at the industry level. we can trace how different industries are lined to one another so as to extend the result of the study to develop better insights into industry expansion and new industry emergence. After then, in the service level, we elicit the service for the defined new business, which is composed of private service and supporting service for nurturing industry. Private service includes 3steps: plan-design-do; supporting service for nurturing industry has 4 steps: selection-make environment- business preparation-do and see. The existing methodology focuses on mainly securing business competitiveness, building a business model for success, and offering new services based on the core competence of companies. This suggested methodology, on other hand, suggests the necessity of service development, when new business opportunities arise, in relation to the opportunity analysis of supporting service based on the clear understanding of new business supporting infrastructure optimization. Meanwhile, we have performed case studies on the printing and publishing field with the restrict procedure and development system to assure the feasibility and practical application. Even though the printing and publishing industry is considered a typical knowledge convergence industry, it is also known as a low-demand and low-value industry in Korea. For this reason, we apply the new methodology and suggest the direction and the possibility of how the printing and publishing industry can be transformed as a core dynamic force for new growth. Then, we suggest the base composition service for industry promotion(public) and business opportunities for private's profitability(private).

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• 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.