• 지능정보연구
• /
• 제28권3호
• /
• pp.209-235
• /
• 2022

블록체인 기술은 2010년 이후 인공지능 분야의 발전과 더불어 4차 산업혁명을 선도할 최신의 기술로 각광받고 있고, 기술의 활용 분야에 대한 연구가 활성화되고 있다. 그러나, 자본시장 관점에서 블록체인 경제 생태계를 분류하기 위한 기준과 관련된 연구는 거의 없는 상황이다. 본 연구는 자본시장 관점에서 블록체인 기술을 활용하는 개발자, 사업자, 자본시장 참여자 등 전문가를 대상으로 인터뷰와 사례 연구 방법론으로 블록체인 기술의 응용 분야에 따른 블록체인 경제 생태계를 분류하였다. 자본시장의 주식 투자와 연계해 활용할 수 있는 방안으로 블록체인 경제 생태계 분류 방법을 활용하여 투자 종목 유니버스를 구성하였다. 나아가 본 연구는 퀀트 및 인공지능 전략 기반 정성적, 정량적 분석으로 지능형 주식 포트폴리오를 구축하고 성과를 분석하였다. 이를 통해 블록체인 경제 생태계의 지속적인 성장 전망에 따른 성공적인 투자전략을 제시하였다. 본 연구는 블록체인의 표준화를 기술적 관점이 아닌 자본시장의 관점에서 블록체인 경제 생태계로 분류하고 분석했을 뿐 아니라, 실제 글로벌 우량 상장 주식을 대상으로 포트폴리오를 구축하고 양호한 성과를 달성할 수 있는 전략을 도출한 연구로서 시사점을 갖는다. 또한, 본 연구가 제안하는 블록체인 경제 생태계 기반 지능형 주식 투자 포트폴리오 구축 접근은 블록체인의 기술적인 가치에 초점을 맞춘 연구에 비해서, 투자론과 경제학적인 관점에서 통찰력을 제시해 자본시장 발전에 기여할 수 있다는 실무적 시사점을 갖는다.

• 해양환경안전학회지
• /
• 제28권6호
• /
• pp.1086-1091
• /
• 2022

국제해사기구(IMO, International Maritime Organization)를 중심으로 자율운항선박 도입을 대비한 해사안전 및 보안관련 국제 협약을 제정하고 있다. 국내에서도 선급 및 산업체를 중심으로 자율운항시스템 기술개발에 착수하고 있으며 연안선박에서 발생하는 사고를 줄이기 위해 연안선박을 대상으로 하는 자율운항선박 기술적용 방안 연구가 진행되고 있다. 국내외적으로 자율운항선박에 대한 관심이 크게 증가하고 있으며 실제 개발된 기술의 검증을 위한 해상실증이 본격적으로 추진되고 있다. 본 연구에서는 연안선박에 적용하기 위한 디지털트윈 기술 관련 실증선박과 육상 플랫폼(원격지원센터)의 설계를 위한 기초연구를 진행하였다. 디지털트윈 기술을 선박에 적용하기 위해 8m 소형 배터리 전기추진선박을 대상으로 선정하였으며, 선박과 육상 플랫폼 간 통신을 통해 선박 항해 및 운전 데이터가 서버시스템에 저장되고 전기추진선박의 원격제어 명령이 가능한 디지털트윈 통합 플랫폼의 기본 설계를 진행하였다. 이러한 디지털트윈 기술을 적용한 선박 성능관리, 운항 및 운영 최적화, 예지제어 등이 가능할 것으로 판단되며, 위기상황에 대응이 가능한 안전하고 경제성 있는 디지털트윈 기술의 선박적용이 가능할 것이라 사료된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.59-76
• /
• 2023

코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는 다양한 부동산 사이트에서 자료 수집 및 크롤링을 통해 2015년부터 2020년까지 87만개의 방대한 데이터셋을 구축하고 다양한 아파트 정보와 경제지표 등 가능한 많은 변수를 모은 뒤 미래 아파트 매매실거래가격을 예측하는 모델을 만든다. 해당 연구는 먼저 다중 공선성 문제를 변수 제거 및 결합으로 해결하였다. 이후 의미있는 독립변수들을 뽑아내는 전진선택법(Forward Selection), 후진소거법(Backward Elimination), 단계적선택법(Stepwise Selection), L1 Regularization, 주성분분석(PCA) 총 5개의 변수 선택 알고리즘을 사용했다. 또한 심층신경망(DNN), XGBoost, CatBoost, Linear Regression 총 4개의 머신러닝 및 딥러닝 알고리즘을 이용해 하이퍼파라미터 최적화 후 모델을 학습시키고 모형간 예측력을 비교하였다. 추가 실험에서는 DNN의 node와 layer 수를 바꿔가면서 실험을 진행하여 가장 적절한 node와 layer 수를 찾고자 하였다. 결론적으로 가장 성능이 우수한 모델로 2021년의 아파트 매매실거래가격을 예측한 후 실제 2021년 데이터와 비교한 결과 훌륭한 성과를 보였다. 이를 통해 머신러닝과 딥러닝은 다양한 경제 상황 속에서 투자자들이 주택을 구매할 때 올바른 판단을 할 수 있도록 도움을 줄 수 있을 것이라 확신한다.

• 한국산업정보학회논문지
• /
• 제28권4호
• /
• pp.1-9
• /
• 2023

본 논문은 딥러닝을 통해 실시간으로 임베디드 기기에서 점자 블록을 인식하는 방법을 제안한다. 먼저 고성능 컴퓨터에서 점자 블록 인식을 위한 딥러닝 모델을 학습시키고, 임베디드 기기에 적용하기 위하여 학습 모델을 경량화 도구에 적용한다. 점자 블록의 보행 정보를 인식하기 위해 영상에서 점자블록과의 거리를 이용하여 경로를 판별하는 알고리즘을 사용한다. 임베디드 기기를 통해 촬영한 영상에서 YOLOv8 모델을 통해 점자 블록, 볼라드, 횡단보도를 검출한 후 점자블록 경로 판별 알고리즘을 거쳐 보행정보를 인식한다. 실시간으로 점자 블록을 검출하기 위해 모델 경량화 도구를 YOLOv8에 적용한다. YOLOv8 모델 가중치의 정밀도를 기존 32비트에서 8비트로 낮추고, TensorRT 최적화 엔진을 적용하여 모델의 최적화를 진행한다. 제안된 방법을 통해 경량화 된 모델을 기존 모델과 비교한 결과, 경로 인식 정확도는 99.05%로 기존 모델과 거의 차이가 없지만, 인식 속도는 기존 모델 대비 59% 단축되어 1초에 약 15개의 프레임을 처리할 수 있다.

• 한국시뮬레이션학회논문지
• /
• 제18권4호
• /
• pp.137-148
• /
• 2009

본 논문의 목적은 신뢰성 있는 선형회귀모델을 구축하기 위하여 후보독립변수 중 유효변수를 선택하는 알고리즘을 구현하는 것이다. 선형회귀모델을 구축하는데 있어서 데이터 상의 모든 후보독립변수를 포함하는 것은 모델의 통계적 유의성을 감소시킬 수 있으며, 차원의 저주(Curse of dimensionality)를 유발할 수 있고, 데이터의 개수보다 변수의 개수가 많을 경우 모델의 구축이 불가능한 문제점 등이 있다. 이와 같은 문제점을 해결하기 위하여 변수선택의 문제를 조합최적화의 문제로 보고 유전 알고리즘(Genetic Algorithm)을 활용하였다. 일반적으로 선형회귀모델의 통계적 유의성을 평가하는 대표적인 통계량으로는 종속변수에 대한 독립변수의 설명력을 나타내는 결정계수($R^2$), 회귀식의 통계적 유의성을 검정하는 F통계량, 회귀계수의 통계적 유의성을 검정하는 t통계량, 잔차의 표준오차 등이 있다. 모델의 통계적 유의성은 하나의 통계량으로 표현될 수 없으므로 다양한 기준을 고려한 다중목적식(Multi-objective function)을 가지는 유전 알고리즘을 설계하였다. 설계한 알고리즘의 성능평가를 위하여 다양한 조건을 가정한 시뮬레이션 데이터에 적용하였다. 그 결과 구축한 알고리즘이 유효변수를 판단함에 있어 기존의 대표적인 변수선택 알고리즘인 LARS(Least Angle Regression)에 비해 우수한 성능을 보임을 확인할 수 있었다. 또한, 주가 데이터를 이용한 포트폴리오 선택에 적용해 본 결과 우수한 응용문제 해결 능력이 있음을 확인할 수 있었다.

• 한국전자통신학회논문지
• /
• 제18권4호
• /
• pp.587-594
• /
• 2023

본 논문은 인체 다리의 골절 회복 모니터링을 위한 쌍 T-형 결함이 있는 온 바디 마이크로스트립 패치 안테나의 설계 및 최적화 과정을 제시하였다. 이 안테나는 T-형 결함의 크기를 조절하여 향상된 반사손실 및 대역폭을 가지면서, 경박단소하도록 설계되었다. 적용된 다리 주변 구조는 5층 유전체 평면으로 구조화 하였으며, 각층의 복소유전상수는 4극 Cole-Cole 모델 매개변수를 사용하여 계산하였다. 골절이 없는 정상인 경우 온 바디 안테나의 반사손실은 4.0196GHz에서 -66.71dB이고, 갤러스 층의 길이 10.0mm, 폭 1.0mm, 높이 2.0mm 인 경우 반사손실 차 ΔS₁₁ 는 37.95dB이다. 반사손실 변화에 대한 갤러스 층 높이를 예측할 수 있도록 3차 다항식 모델을 제시하였으며, 이 다항식의 RSS = 1.4751, R² = 0.9988246, P-value = 0.0001841로서 매우 높은 예측 적합성을 가진다.

• 한국정보전자통신기술학회논문지
• /
• 제16권2호
• /
• pp.104-108
• /
• 2023

최근 전기 차 시장의 확대로 인해 성능 및 안정성 문제를 보완할 친환경적인 전기 차 시장이 매우 커지고 있다. 전기 차의 화재 등 여러 안전 문제를 일으키는 전장 부품의 연동으로 인한 EMI 문제는 매번 대두되어 지고 있다. 다양한 기술들을 결합하여 최적의 충전효율을 달성하고 무선 충전 컨트롤 모듈에서 발생하는 EMI 잡음을 줄이기 위해 노력하고 있다. 본 논문은 전기자동차의 중요한 부품 중 하나인 무선충전컨트롤 모듈의 EMI 잡음 중 방사성 잡음 저감 기술을 설계하여 실험을 하였다. 무선 충전 컨트롤 모듈에서 발생하는 EMI 문제를 분석하기 위해 Ansys 시뮬레이션 툴 내 Python 기반 스크립트 기능을 활용하여 치명적인 요인에 대한 축적된 시험 데이터를 학습시켜 강화 학습을 통한 최적화 설계 기술을 적용하여 최적화된 무선충전컨트롤 모듈은 일반적인 무선충전 컨트롤 모듈 대비 25dBu V/m의 EMI 잡음 개선 효과를 보였다. 이러한 결과는 전기 자동차에서 더 안정적이고 신뢰성 높은 무선 충전 기능의 개발에 기여할 뿐만 아니라, 이를 통해 전기자동차의 사용성과 효율성을 높이며 환경친환적인 대안으로 자리 잡을 수 있게 한다.

• 한국전기전자재료학회논문지
• /
• 제36권4호
• /
• pp.341-350
• /
• 2023

압전 세라믹스는 전기에너지와 기계에너지를 상호 전환할 수 있는 성질을 기반으로 엑츄에이터 및 트렌스듀서 등에 사용되는 핵심 소재이다. 결정배향 성장법(TGG)은 다결정 세라믹스의 압전 특성을 획기적으로 향상시킬 수 있는 방법으로 많은 주목을 받고 있다. 하지만, TGG 방식을 통해 결정립을 배향하는 과정은 여러 단계의 최적화가 필요하기 때문에 입문자에게는 상당히 도전적인 기술이다. 따라서 이 기고문에서는 입문자의 입장에서 TGG를 가장 쉽게 접근할 수 있도록 납작한 모양의 템플릿을 합성하기 위한 용융염 합성기법 및 실제 결정배향을 위한 Tape Casting 과정 나아가 배향도를 향상시키기 위해 주의할 점에 이르기까지 TGG 전반에 대한 내용을 제공하고자 한다. 본 기고문이 TGG 방법에 대한 이해도를 높이고 활용 및 개선하고자 하는 모든 연구자들에게 정보 및 통찰을 제공할 수 있는 기본 참고서가 되기를 희망한다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제29권3호
• /
• pp.85-92
• /
• 2023

최근 ChatGPT나 자율주행 자동차 등의 인공지능 분야의 급속한 발전으로 인해 인공지능에 대한 관심이 높아졌다. 그러나 아직 인공지능은 학습 과정에서 알 수 없는 요소가 많이 존재하여 모델을 개선하거나 최적화하기 위해서 필요 이상의 시간과 노력을 들여야 하는 경우가 많다. 따라서, 인공지능 모델의 학습 과정에서 가중치 변화를 명확하게 이해하고 해당 변화를 효과적으로 분석할 수 있는 도구 또는 방법론이 절실하게 요구되고 있다. 본 연구에서는 이러한 점을 해결하기 위해 누적 가중치 변화량을 시각화해주는 시스템을 제안한다. 시스템은 학습의 일정한 기간마다 가중치를 구하고 가중치의 변화를 누적시켜서 누적 가중치로 저장하여 3차원 공간상에 나타내게 된다. 이로 인해 보는 이로 하여금 한눈에 레이어의 구조와 현재의 가중치 변화량이 이해되기 쉽게 구성하였다. 이러한 연구를 통해 인공지능 모델의 학습 과정이 어떻게 진행되는지에 대한 이해와 모델의 성능 향상에 도움이 되는 방향으로 하이퍼 파라미터를 변경할 수 있는 지표를 얻게 되는 등 인공지능 학습 과정의 다양한 측면을 탐구할 수 있을 것이다. 이러한 시도를 통해 아직 미지의 영역으로 여겨지는 인공지능 학습 과정의 일부를 보다 효과적으로 탐색하고 인공지능 모델의 발전과 적용에 기여할 수 있을 것으로 기대된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제29권3호
• /
• pp.117-125
• /
• 2023

가상 시뮬레이션을 이용한 의류 디자인 개발에서는 가상과 실제의 차이가 최소화되어야 한다. 가상 의상과 실제 의상의 유사성을 높이는 데에 가장 기본이 되는 작업은 의상 제작에 사용될 옷감의 물성을 최대한 유사하게 표현할 수 있는 시뮬레이션 파라미터를 찾는 것이다. 시뮬레이션 파라미터 최적화 절차에는 전문가의 수작업으로 이루어지는 튜닝 과정이 포함되는데, 이 작업은 높은 전문성과 많은 시간이 요구된다. 특히 조정된 시뮬레이션 파라미터를 적용한 결과를 다시 확인하기 위해 시뮬레이션을 반복적으로 실행할 때 많은 시간이 소요된다. 최근 이 문제를 해결하기 위해 파라미터 튜닝에 주로 사용되는 드레이프 테스트 시뮬레이션 결과를 빠르게 추정하는 인공신경망 학습 모델이 제안되었다. 하지만 기존 연구에서는 비교적 간단한 선형 강성 모델을 사용하였으며 드레이프 시뮬레이션 전체를 추정하는 대신 일부만 추정하고 나머지는 보간하는 방식을 사용하였다. 실제 의류 디자인 개발 과정에서는 주로 비선형 강성 모델이 적용된 시뮬레이터가 사용되지만, 이에 대한 연구는 아직 부족하다. 본 논문에서는 비선형 강성 모델을 대상으로 드레이프 시뮬레이션 결과를 추정하기 위한 새로운 학습 모델을 제안한다. 본 연구에서 제안된 학습 모델은 시뮬레이션 결과인 고해상도 메시 모델 전체를 추정한다. 제시하는 방법의 성능을 검증하기 위해 세 가지 드레이프 테스트 방식을 대상으로 실험을 진행하여 추정 정확도를 평가한다.