• 제목/요약/키워드: Parametric uncertainty

검색결과 163건 처리시간 0.019초

다변수 LSTM 순환신경망 딥러닝 모형을 이용한 미술품 가격 예측에 관한 실증연구 (An Empirical Study on Prediction of the Art Price using Multivariate Long Short Term Memory Recurrent Neural Network Deep Learning Model)

  • 이지인;송정석
    • 한국콘텐츠학회논문지
    • /
    • 제21권6호
    • /
    • pp.552-560
    • /
    • 2021
  • 새로운 미술품 유통방식의 발달로 미술품의 미적 효용을 넘어 투자재로서 바라보는 시각이 활성화되고 있다. 미술품의 가격은 주식이나 채권 등과 달리 객관적 요소와 주관적 요소들이 모두 반영되어 결정되는 이질적 특성이 있기 때문에 가격 예측에 있어서 그 불확실성이 높다. 본 연구에서는 LSTM(장단기 기억) 순환신경망 딥러닝 모형을 활용하여 낙찰총액 순위 1위부터 10위까지의 한국 작가의 회화 작품을 대상으로 작가의 특성, 작품의 물리적 특성, 판매적 특성 등을 입력으로 하여 경매 낙찰가의 예측을 시도하였다. 연구 결과, 모델에 의한 예측 가격과 실제 낙찰 가격의 차이를 설명하는 RMSE 값이 0.064 수준이었으며 작가별로는 이대원 작가의 예측력이 가장 높았고, 이중섭 작가의 예측력이 가장 낮았다. 투자재로서 미술품 시장이 더욱 활성화되고 경매 낙찰 가격의 예측 수요가 높아지면서 본 연구의 결과가 활용될 수 있을 것이다.

TFDEA를 이용한 무인항공기 기술예측에 관한 연구 (A Study on Technology Forecasting of Unmanned Aerial Vehicles (UAVs) Using TFDEA)

  • 정병기;김현철;이춘주
    • 기술혁신학회지
    • /
    • 제19권4호
    • /
    • pp.799-821
    • /
    • 2016
  • 무인항공기는 현대 전장 환경에서 감시정찰을 위한 필수요소이며, 전장의 복잡성과 불확실성이 증가함에 따라 그 중요성은 더욱 커지고 있다. 본 연구에서는 1982년부터 2014년까지 개발된 96대의 군용 무인항공기를 대상으로 비모수적이며 비통계적 기술예측 방법인 TFDEA를 이용한 기술예측을 실시하였다. 2001년에 최초로 소개된 이후 Inman 외(2006) 등은 TFDEA가 SOA 분석에서 회귀분석과 같은 전통적인 계량방법론보다 예측력이 우수함을 실증하였다. 본 연구에서는 무인항공기에 대한 기술예측 결과 연간 평균기술변화율이 4.06%로 향상되었으며, 개발된 대부분의 무인항공기는 첨단기술 프론티어(SOA) 보다 낮은 수준이었다. 이는 무인항공기를 개발하는 대부분의 국가가 기술적으로 중진국이고, 기술적 선진국인 북미와 유럽의 국가들이 세계 무인항공기 시장의 60% 이상을 장악하고 있다는 것에 기인한다고 볼 수 있다. 본 연구는 TFDEA의 적용분야를 미래체계로서 관심의 대상인 무인화 기술개발 분야로 확대하여 기술혁신의 특성을 분석함으로써 미래 무인항공기의 개발과 기술발전에 관한 기술예측의 기법으로서 적용가능성을 확인하였다. 특히 군의 작전요구성능과 연구개발관리에 필요한 정량적 지표를 설정하는데 활용할 수 있을 것으로 평가된다.

동적 $[^{11}C]Raclopride$ 뇌 PET의 움직임 보정이 선조체 내인성 도파민 유리 정량화에 미치는 영향 (Effects of Motion Correction for Dynamic $[^{11}C]Raclopride$ Brain PET Data on the Evaluation of Endogenous Dopamine Release in Striatum)

  • 이재성;김유경;조상수;최연성;강은주;이동수;정준기;이명철;김상은
    • 대한핵의학회지
    • /
    • 제39권6호
    • /
    • pp.413-420
    • /
    • 2005
  • 목적: 수용체 결합능 정량화를 위해서는 방사성추적자의 동태를 충분히 관찰하기 위해서 보통 뇌 PET 영상을 60-120분 정도 얻어야 한다. 이처럼 장기간 PET 영상을 얻게 되는 경우 보통 피험자의 수의적/불수의적 움직임을 피할 수 없고 이러한 피험자의 머리 움직임은 재구성된 PET 영상의 공간해상도를 저하시키고 측정된 방사능 농도의 정확성을 떨어뜨리는 요인이 된다. 이 연구에서는 동적 영상 정보만을 이용하여 피험자의 머리 움직임을 보정할 수 있는 방법을 개발하고 이를 피험자의 움직임이 불가항력적인 뇌활성화 도파민 D2 수용체 영상에 적용하여 움직임 보정이 리간드 결합능 및 외부 자극에 의한 도파민 유리(release) 정량화에 미치는 영향을 평가하였다. 대상 및 방법: 4명의 정상인 자원자에서 비디오 게임에 의한 도파민 유리를 평가하기 위한 실험으로 순간+연속 주입법을 이용하여 얻은 $[^{11}C]raclopride$ PET 영상을 이용하였으며 실제로 도파민 유리를 계산하기 위해서 필요한 프레임들만을 선별해서 영상 정합 기법을 적용하였다. 즉, $[^{11}C]raclopride$을 투여한 후 선조체에서의 리간드의 특이적 결합이 항정상태(steady state)에 최초로 도달하는 과제 수행 전 (30-50 분) 영역과, 비디오 게임 과제에 의해 도파민이 유리된 후 다시 항정상태에 도달하는 70-90분, 비디오 게임을 멈춘 후 다시 항정상태에 도달하는 110-120 분 데이터에만 움직임 보정 기법을 적용하는 방식이다. 각 항정상태 구간은 보통 2-4개의 프레임으로 구성되므로 먼저 이들 프레임들간의 영상정합을 수행(intra-condition registration)하여 평균 영상을 만들고 이들 평균 영상들을 정합하여 최종적으로 움직임 보정(inter-condition registration)을 하였다. 게임 수행 전후의 도파민유리를 평가하기 위하여 머리 움직임 보정 전후의 게임 과제 수행 전후의 결합능 백분율 변화를 구하였으며 각 조건에 대한 결합능 파라미터 영상을 구하고 움직임 보정 전후의 결합능 영상의 화소별 차이를 SPM2를 이용한 t-test(쌍체 검정)로 알아보았다. 결과: 움직임 보정 전후의 영상을 비교하였을 때, 움직임 보정 전 영상에서, 게임 수행시 영상이 게임을 위한 스크린 위치에 따른 시야 변동으로 게임 수행전 영상에 비하여 앞쪽 아래로 기울어져 있음을 알 수 있었으며 이러한 경향은 대상 피험자 모두에서 관찰되었다. 보정 전 영상으로부터 측정된 비디오 게임에 의한 도파민 유리는 putamen에서 29%, caudate head에서 57%, ventral striatum에서 17% 였으나, 보정 후 영상으로부터 구한 도파민 유리는 이들 영역에서 각각 3.9%, 14,1%, 0.6%로 움직임 보정을 하지 않은 경우 선조체 모든 구소물에서 결합능 감소, 즉 게임에 의한 도파민 유리가 과대평가됨을 알 수 있다. SPM 분석결과에서도 움직임을 보정하지 않은 영상을 이용한 경우, 선조체 구조물에서의 결합능 감소와 움직임에 의한 영상강도 저하가 복합적으로 영향을 주어 결합능 차이가 매우 유의하게 평가되었으나 움직임 보정 후 영상을 이용하여 비교한 경우, 결합능 변화가 선조체 영역에서 국한되어 나타나며 그 유의성이 움직임 보정 전에 비하여 낮음을 알 수 있었다. 결론: 뇌활성화 과제 수행시에 동반되는 피험자의 머리 움직임에 의하여 도파민 유리가 과대평가되었으며 이는 이 연구에서 제안한 영상정합을 이용한 움직임 보정기법에 의해서 개선되었다.