• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.1-9
• /
• 2020

이 연구는 2018년도 정부(농림축산식품부)의 재원으로 농림식품기술기획평가원 지원을 받아 수행된 연구이다. 최근 시계열 및 텍스트 마이닝에서 활발히 사용되는 모델은 딥러닝(Deep Learning) 모델 구조를 활용한 LSTM(Long Short-Term Memory models) 모델이다. LSTM 모델은 RNN의 BPTT(Backpropagation Through Time) 과정에서 발생하는 Long-Term Dependency Problem을 해결하기 위해 등장한 모델이다. LSTM 모델은 가변적인 Sequence data를 활용하여 예측하는 문제를 굉장히 잘 해결했고, 지금도 널리 사용되고 있다. 본 논문 연구에서는 KT가 제공하는 CDR(Call Detailed Record) 데이터를 활용하여 바이러스와 밀접한 관계가 있을 것으로 예측되는 사람의 이동 경로를 파악하였다. 해당 사람의 경로를 활용하여 LSTM 모델을 학습시켜 이동 경로를 예측한 결과를 소개한다. 본 연구 결과를 활용하여 HPAI가 전파되는 경로를 예측하여 방역에 중점을 둘 경로 또는 지역을 선정해 HPAI 확산을 줄이는 데 이용될 수 있을 것이다.

• 한국빅데이터학회지
• /
• 제5권1호
• /
• pp.227-239
• /
• 2020

본 논문에서는 산업현장에서 통신 오류에도 불구하고 최대전력수요를 예측하는 방법을 소개한다. 최근 국내의 탈원전 정책으로 전력가격상승은 불가피하며, 이에 따른 전력수요 관리를 위한 전력사용량과 최대부하관리는 중요한 문제로 부상하고 있다. 이에 따라, 피크전력을 예측하고 관리하는 것이 중요하다. 하지만 실제 산업현장에서는 각종 설비 및 센서에서 발생하는 노이즈 등으로 인해 측정된 전력데이터의 손실 및 변조 등의 문제가 발생한다. 측정된 유효전력 데이터가 손실된 경우 정확한 값을 예측하기 어렵다. 이 연구는 측정된 유효전력 데이터가 손실될 경우 이상 징후와 결측값을 예측하고 수정하는 모델을 제시한다. 본 연구에 사용된 모델은 산업현장에서 통신 오류가 발생할 경우 최대 전력수요를 예측하는 데 유용할 것으로 예상한다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.99-108
• /
• 2021

최근, 예상치 못하고 지능적인 보다 고도화된 사이버 의료 위협 공격이 증가하고 있는 추세이다. 하지만 다양한 패턴의 사이버 의료 위협 공격 대응에 있어, 물리적인 차단과 의료기기 교체와 같은 규칙 기반 보안방법론은 인력 부족, 고가의 비용 부담 등의 한계를 지닌다. 이를 해결하기 위한 방안으로 최근 의료계에서도 인공지능 기술에 주목하고 있다. 인공지능 기술은 기존의 규칙 기반의 보안 프로그램과는 달리 과거의 이상행태를 스스로 학습하여 보안 위협 감지 및 예측을 가능케 하는 기술이다. 본 연구에서는 의료기관 통합의료정보시스템 내 의료정보 데이터를 수집 및 학습하여 AI 기반 네트워킹 행동 적응형 정보 플랫폼 개발 연구 방법론에 대한 소개를 포함한다. 이를 통해 규칙 기반의 보안 프로그램의 기술적 제반사항 소개와 제약 사항 대비 의료정보분야에서의 인공지능 기술을 활성화하기 위한 전략에 대해 논의한다.

• 한국전자통신학회논문지
• /
• 제13권3호
• /
• pp.579-586
• /
• 2018

빅데이터에 대한 관심이 증가하면서 데이터로부터 의미 있는 정보의 추출 및 예측은 중요한 연구분야가 되고 있다. 본 연구에서는 신약개발과정에서 필요한 후보약물의 약리적인 활성을 분석하기 위한 데이터를 획득하고 이를 기반으로 의미 있는 예측 분석을 하고자 한다. 신약개발과정에서 대사반응 된 신약후보물질의 약리적인 활성 연구는 신약개발 성공률을 높이기 위해 필요한 단계이다. 본 연구에서, 약용 후보물질의 체내 효소 반응 유무를 예측하기 위해, 유사도 모델들을 적용 분석하였다. 유사도 모델의 군집별 특성을 반영하여 13개의 모델을 선택하여 효소 반응 예측을 수행하였다. 이들 모델들을 민감도와 AUC를 기반으로 비교 평가하였다. 평가 모델들 중, 효소 사이의 반응성을 예측하는데 있어서 Simpson coefficient 모델이 가장 좋은 성능을 보였다. 분석된 유사도 모델 전체를 웹 서비스로 구축하였다. 제안된 모델은 반응정보의 추가에 동적으로 대응 할 수 있으며 신약개발시간 단축 및 비용 절감에 기여할 것으로 여겨진다.

• 한국빅데이터학회지
• /
• 제2권2호
• /
• pp.33-46
• /
• 2017

서비스 부품은 일반적인 완성품에 비해 종류의 다양성, 수요의 불명확성, 빠른 대응에 대한 높은 요구 등과 같이 체계적 관리의 어려움을 유발하는 속성을 가지고 있다. 특히, 서비스 부품의 입고 주기는 길지만 출고 주기는 상대적으로 낮은 편이어서, 서비스 부품 저장 창고의 경우 전체 작업 중 오더 피킹이 가장 중요한 작업으로 인식되고 있다. 그러나 출고 수요에 대한 주기, 빈도, 출고량은 부품이 가지는 고유한 특징에 따라 달라지기 때문에 일관된 보관위치 결정 기준을 활용할 경우 물류 센터 내 작업 효율성을 높이는 데 한계가 존재할 수밖에 없다. 본 연구에서는 서비스 부품이 가지는 다양한 특성 데이터를 바탕으로 부품의 유형을 구분하고, 각 유형별 수요예측 모형을 개발하여 입출고를 위한 저장과 오더 피킹의 전체 거리를 최소화하기 위한 방안을 제시하였다. 이를 통해 서비스 부품의 입출고 수량을 변화시키지 않은 상태에서도 물류 센터 내 작업 효율성과 함께 공간 활용의 효율성도 동시에 향상 시킬 수 있을 것으로 예상된다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.85-98
• /
• 2021

COVID-19의 대유행은 컨테이너를 사용하는 국가 간 수출입 물동량 불균형을 더욱 악화시켰으며, 이는 공컨테이너 수급의 문제까지 이어지게 되었다. 적정 수요만큼의 공컨테이너 확보는 안정적이고 효율적인 항만 운영을 위해 필수적인 요소이다. 지금까지 여러 기법을 사용한 공컨테이너 수요예측 방안이 연구되어 왔다. 그러나 항만 및 선사에서 직접 활용 가능한 수요예측 보다는 월 혹은 연 단위의 장기적인 예측에 머루르고 있었다. 본 연구에서는 실제 인공신경망을 이용한 일별, 주별 단위 예측 방안을 제시한다. 이를 위해 머신러닝 기법 중 다층 퍼셉트론과 회귀분석을 활용하여 수요예측을 진행하였으며, 데이터 부족 문제를 해결하기 위해 적컨테이너와 공컨테이너의 입항 후 다시 항만으로 유입되는 과정을 기반으로 데이터를 재가공하였다. 이를 통해, 정확도가 매우 높지는 않지만, 현장에서는 활용 가능한 일별 및 주별 수요 예측 모델을 개발할 수 있었다.

• 디지털융복합연구
• /
• 제15권3호
• /
• pp.17-25
• /
• 2017

슈 스캐닝은 미래예측을 위한 방법 중 하나로 정보화 시대의 큰 화두인 빅데이터에 기반한 미래예측에 적합한 방법이다. 이에 본 연구에서는 이슈 스캐닝 기법을 통해서 현재 우리 사회가 당면한 문제점들을 과학적으로 파악하고, 이를 해결할 수 있는 공공정책 수립에 기여하고자 한다. 효과적인 공공정책 수립을 위해서는 다양한 빅데이터 분석을 통해 국민이 정책에 대해 예측한 위험 및 기대요소를 파악해야 한다. 본 연구에서는 소셜 빅데이터를 기반으로 공공정책에 대한 국민의견 수렴 절차를 설계하고, 정책시행 이후 결과와의 비교 분석을 통해 공공정책에 대한 의견수렴이 정책 수립에 필요한 절차인지를 확인해 보았다. 연구 적용 대상 정책으로는 '만 0-5세 무상보육제'를 선정하였으며, 해당 정책에 대한 국민의 인식이 어떻게 나타나는지 소셜 빅데이터를 통해 분석함으로써 차후 정책 수립시 반영해야 할 시사점을 도출하였다. 본 연구를 통해 얻을 수 있는 시사점은 빅데이터를 활용하여 공공정책에 관한 국민 여론을 수렴하는 것은 정책수립 시에 매우 중요하며, 이는 전 국민이 필요로 하는 정책을 수립하고 사회 발전을 위한 국가적 차원의 대응체계 구축을 위한 밑거름이 될 수 있음에 있다.

• KNOM Review
• /
• 제23권2호
• /
• pp.18-28
• /
• 2020

컴퓨팅 환경의 발전에 따라 IT 기술이 의료, 산업, 통신, 문화 등의 분야에서 사람들에게 제공해주는 혜택이 늘어나 삶의 질도 향상되고 있다. 그에 따라 발전된 네트워크 환경을 노리는 다양한 악의적인 공격이 존재한다. 이러한 공격들을 사전에 탐지하기 위해 방화벽, 침입 탐지 시스템 등이 존재하지만, 나날이 진화하는 악성 공격들을 탐지하는 데에는 한계가 있다. 이를 해결하기 위해 기계 학습을 이용한 침입 탐지 연구가 활발히 진행되고 있지만, 학습 데이터셋의 불균형으로 인한 오탐 및 미탐이 발생하고 있다. 본 논문에서는 네트워크 침입 탐지에 사용되는 UNSW-NB15 데이터셋의 불균형성 문제를 해결하기 위해 랜덤 오버샘플링 방법을 사용했다. 실험을 통해 모델들의 accuracy, precision, recall, F1-score, 학습 및 예측 시간, 하드웨어 자원 소모량을 비교 분석했다. 나아가 본 연구를 기반으로 랜덤 오버샘플링 방법 이외에 불균형한 데이터 문제를 해결할 수 있는 다른 방법들과 성능이 높은 모델들을 이용하여 좀 더 효율적인 네트워크 침입 탐지 모델 연구로 발전시키고자 한다.

• International journal of advanced smart convergence
• /
• 제9권4호
• /
• pp.173-178
• /
• 2020

As the fourth industrial revolution, in which people, objects, and information are connected as one, various fields such as smart energy, smart cities, artificial intelligence, the Internet of Things, unmanned cars, and robot industries are becoming the mainstream, drawing attention to big data. Among them, Smart Grid is a technology that maximizes energy efficiency by converging information and communication technologies into the power grid to establish a smart grid that can know electricity usage, supply volume, and power line conditions. Smart meters are equient that monitors and communicates power usage. We start with the goal of building a virtual smart grid and constructing a virtual environment in which real-time data is generated to accommodate large volumes of data that are small in capacity but regularly generated. A major role is given in creating a software/hardware architecture deployment environment suitable for the system for test operations. It is necessary to identify the advantages and disadvantages of the software according to the characteristics of the collected data and select sub-projects suitable for the purpose. The collected data was collected/loaded/processed/analyzed by the Hadoop ecosystem-based big data platform, and used to predict power demand through deep learning.

• 한국지반신소재학회논문집
• /
• 제19권1호
• /
• pp.11-23
• /
• 2020

본 본문에서는 도심지 지하굴착 및 터널현장의 예비설계 및 지반침하를 예측이 가능한 인공신경망 개발에 대한 내용을 다루었다. 인공신경망의 개발을 위해 먼저 다양한 도심지 터널 및 지하굴착 현장 계측자료를 수집하여 데이터베이스를 구축하고 이를 인공신경망 학습에 필용한 학습데이터를 구축하는데 활용하였다. 개발된 인공신경망은 학습에 활용되지 않은 검증 데이터 세트를 및 현장계측자료를 활용하여 결정계수(R²), 평균제곱근오차(Root Mean Square Error; RMSE), 절대평균오차(Mean Absolute Error; MAE) 등 통계적 파라메타를 근거로 하여 신뢰도를 검증하였다. 개발된 인공신경망은 도심지 굴착현장의 예비 설계 및 이에 따른 주변침하를 예측하는데 효율적으로 활용될 수 있는 것으로 평가되었다.