• 한국산학기술학회논문지
• /
• 제14권3호
• /
• pp.1148-1156
• /
• 2013

본 연구는 중 고등학생을 대상으로 자기효능감과 자기결정성 동기 및 학업성취 간에 어떠한 관계가 있는지를 알아보았다. 이를 위해 서울 시내의 중 고등학생 480명을 대상으로 자기효능감 검사와 자기결정성 동기 검사를 실시하였다. 수집된 자료를 활용하여 상관관계, 중다 회귀 분석을 실시하였다. 중 고등학생 모두 자기효능감 합계와 학업성취와 정적상관이 있었다. 자기결정성 동기에서는 중학생은 자기결정성 동기의 하위 요인 모두가 학업성취와 상관이 있었던 반면에, 고등학생은 하위 요인 중에서 동일시조절, 통합조절, 내적 동기와 학업성취 사이에 정적상관이 있고, 무동기는 부적상관을 나타내었다. 자기효능감 하위요인 중에서 중학생은 자기조절효능감과 자신감이, 고등학생은 과제 난이선호도와 자기조절효능감이 학업성취를 의미 있게 설명하였다. 자기결정성동기 하위요인 중에서 중학생은 내사조절이, 고등학생은 동일시조절이 학업성취에 유의미한 영향력이 있었다.

• 전기학회논문지
• /
• 제60권4호
• /
• pp.862-870
• /
• 2011

In this paper, we introduce a new topology of Radial Basis Function-based Polynomial Neural Networks (RPNN) that is based on a genetically optimized multi-layer perceptron with Radial Polynomial Neurons (RPNs). This study offers a comprehensive design methodology involving mechanisms of optimization algorithms, especially Fuzzy C-Means (FCM) clustering method and Particle Swarm Optimization (PSO) algorithms. In contrast to the typical architectures encountered in Polynomial Neural Networks (PNNs), our main objective is to develop a design strategy of RPNNs as follows : (a) The architecture of the proposed network consists of Radial Polynomial Neurons (RPNs). In here, the RPN is fully reflective of the structure encountered in numeric data which are granulated with the aid of Fuzzy C-Means (FCM) clustering method. The RPN dwells on the concepts of a collection of radial basis function and the function-based nonlinear (polynomial) processing. (b) The PSO-based design procedure being applied at each layer of RPNN leads to the selection of preferred nodes of the network (RPNs) whose local characteristics (such as the number of input variables, a collection of the specific subset of input variables, the order of the polynomial, and the number of clusters as well as a fuzzification coefficient in the FCM clustering) can be easily adjusted. The performance of the RPNN is quantified through the experimentation where we use a number of modeling benchmarks - NOx emission process data of gas turbine power plant and learning machine data(Automobile Miles Per Gallon Data) already experimented with in fuzzy or neurofuzzy modeling. A comparative analysis reveals that the proposed RPNN exhibits higher accuracy and superb predictive capability in comparison to some previous models available in the literature.

• 부동산연구
• /
• 제27권3호
• /
• pp.71-86
• /
• 2017

본 연구의 목적은 딥 러닝 방법을 부동산가격지수 예측에 적용해보고, 기존의 시계열분석 방법과의 비교를 통해 부동산 시장 예측의 새로운 방법으로서 활용가능성을 확인하는 것이다. 딥 러닝(deep learning)방법인 DNN(Deep Neural Networks)모형 및 LSTM(Long Shot Term Memory networks)모형과 시계열분석 방법인 ARIMA(autoregressive integrated moving average)모형을 이용하여 여러 가지 부동산가격지수에 대한 예측을 시도하였다. 연구결과 첫째, 딥 러닝 방법의 예측력이 시계열분석 방법보다 우수한 것으로 나타났다. 둘째, 딥 러닝 방법 중에서는 DNN모형의 예측력이 LSTM모형의 예측력보다 우수하나 그 정도는 미미한 수준인 것으로 나타났다. 셋째, 딥 러닝 방법과 ARIMA모형은 부동산 가격지수(real estate price index) 중 아파트 실거래가격지수(housing sales price index)에 대한 예측력이 가장 부족한 것으로 나타났다. 향후 딥 러닝 방법을 활용함으로써 부동산 시장에 대한 예측의 정확성을 제고할 수 있을 것으로 기대된다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제11권4호
• /
• pp.71-75
• /
• 2019

Sleep apnea is a disease that causes various complications, and the polysomnography is expensive and difficult to measure. The purpose of this study is to develop an unrestricted wearable monitoring system so that patients can be examined in a familiar environment. We used a method to detect sleep apnea events and to determine sleep satisfaction by non-constrained method using SpO2 measurement sensor and 3-axis acceleration sensor. Heart rate and SpO2 were measured at the finger using max30100. After acquiring the SpO2 data of the user in real time, the apnea measurement algorithm was used to transmit the number of apnea events of the user to the mobile phone using Bluetooth (HC-06) on the wrist. Using the three-axis acceleration sensor (mpu6050) attached to the upper body, the number of times of tossing and turning during sleep was measured. Based on this data, this algorithm evaluates the patient's tossing and turning during sleep and transmits the data to the mobile phone via Bluetooth. The power source used 9 volts battery to operate Arduino UNO and sensors for portability and stability, and the data received from each sensor can be used to check the various degree between sleep apnea and sleep tossing and turning on the mobile phone. Through thisstudy, we have developed a wearable sleep apnea measurement system that can be easily used at home for the problem of low sleep efficiency of sleep apnea patients.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권3호
• /
• pp.21-45
• /
• 2021

Purpose This paper analyzed the impacts of domestic stock market by a global pandemic such as COVID-19. We investigated how the overall pattern of the stock market changed due to the impact of the COVID-19 pandemic. In particular, we analyzed in depth the pattern of stock price, as well, tried to find what factors affect on stock market index(KOSPI) in the healthcare industry due to the COVID-19 pandemic. Design/methodology/approach We built a data warehouse from the databases in various industrial and economic fields to analyze the changes in the KOSPI due to COVID-19, particularly, the changes in the healthcare industry centered on bio-medicine. We collected daily stock price data of the KOSPI centered on the KOSPI-200 about two years before and one year after the outbreak of COVID-19. In addition, we also collected various news related to COVID-19 from the stock market by applying text mining techniques. We designed four experimental data sets to develop decision tree-based prediction models. Findings All prediction models from the four data sets showed the significant predictive power with explainable decision tree models. In addition, we derived significant 10 to 14 decision rules for each prediction model. The experimental results showed that the decision rules were enough to explain the domestic healthcare stock market patterns for before and after COVID-19.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.558-564
• /
• 2021

최근 5G 도입에 따라 생활 전반으로 전자파 방사원이 확산됨에 따라 국민 중심 전자파 안전관리 체계 구축이 필요한 실정이다. 특히 5G 안테나의 빔포밍 방식은 무선기지국 설치시 전자파의 전력밀도 측정은 10배 이상으로 증가되어 물리적인 측정으로 안전성을 판단하는 것은 무리가 있다. 따라서 체계적인 모델 분석을 통하여 계산에 의한 예측기법으로 생활속에 전자파 안전 유무를 판별할 필요가 있다. 본 논문에서는 이같은 문제를 해결하기 위한 방법으로 전자파 수치해석툴을 사용한 5G 무선기지국의 가능성을 확인하기 위해서 실제 기지국 측정값과 예측 모델을 통한 예측값을 상호 비교하는 신뢰도 평가를 통하여 가능성을 확인하였다.

• 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.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.57-64
• /
• 2020

최근 IoT 센서의 확산과 빅데이터, 인공지능 관련 기술의 발전으로 인해 미세먼지 오염도에 대한 시계열 예측 관련 연구가 활발하게 진행되고 있다. 하지만 미세먼지 오염도를 나타내는 데이터가 급격히 변하는 특성(Extreme)을 가지고 있어 기존의 시계열 예측방법으로는 현장에서 사용할 수 있는 수준의 정확도를 내지 못하고 있다. 이 논문에서는 LSTM을 활용하여 미세먼지 오염도를 예측할 때 CNN을 통한 환경상황을 분류한 결과를 반영하는 방법을 제안한다. 이 방법은 LSTM과 CNN이 독립적이지만 인터페이스를 통해 하나의 네트워크로 통합되기 때문에, 응용 LSTM보다 이해하기 쉽다. Beijing PM2.5 데이터를 활용한 제안 방법의 검증 실험에서 예측 정확도와 변화 시기에 대한 예측력이 다양한 실험 case에서 일관되게 향상된 결과를 보였다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제43권6호
• /
• pp.503-509
• /
• 2020

This study aims to develop a patient-specific radiation exposure dose prediction model based on anthropometric data that can be easily measurable during CT examination, and to be used as basic data for DRL setting and radiation dose management system in the future. In addition, among the machine learning algorithms, the most suitable model for predicting exposure doses is presented. The data used in this study were chest CT scan data, and a data set was constructed based on the data including the patient's anthropometric data. In the pre-processing and sample selection of the data, out of the total number of samples of 250 samples, only chest CT scans were performed without using a contrast agent, and 110 samples including height and weight variables were extracted. Of the 110 samples extracted, 66% was used as a training set, and the remaining 44% were used as a test set for verification. The exposure dose was predicted through random forest, linear regression analysis, and SVM algorithm using Orange version 3.26.0, an open software as a machine learning algorithm. Results Algorithm model prediction accuracy was R^2 0.840 for random forest, R^2 0.969 for linear regression analysis, and R^2 0.189 for SVM. As a result of verifying the prediction rate of the algorithm model, the random forest is the highest with R^2 0.986 of the random forest, R^2 0.973 of the linear regression analysis, and R^2 of 0.204 of the SVM, indicating that the model has the best predictive power.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.295-305
• /
• 2021

본 연구에서는 서리발생과 관련된 기상요인을 선정하여 랜덤포레스트(RF)를 이용한 서리발생 유무 분류모형을 구축하였고, 이와 더불어 기상인자의 중요도와 데이터 세트를 구성하는 방법들을 비교하는 실험을 수행하였다. 그 결과, 서리발생에 대한 분류 모형을 구축할 경우에 데이터 세트의 양이 많더라도 모형 구축을 위해 학습하기 위한 데이터 세트에서 특정 값이 월등히 많은 불균형은 모형의 예측력에 좋지 못한 영향을 미치는 것으로 분석되었다. 또한, 이번 연구에서 수집된 25지역의 서리발생과 관련된 기상요인에 대해 지역별로 그룹화하여 중요도가 높은 기상요인을 반영한 모형 구축하는 것보다 하나의 통합된 모형을 구축하는 것이 더 효율적인 것으로 나타났다. 이번 연구를 통해 분석된 결과와 서리예측을 위한 기상요인에 대한 추가분석 연구를 수행한다면 정확도 높은 서리발생 예측모형을 구축할 수 있을 것이라 예상한다.