• 대한한의학방제학회지
• /
• 제19권1호
• /
• pp.35-49
• /
• 2011

Objectives : This study aims to reveal the characteristics of formulas in "Xi$\v{a}$o' Er Y$\`{a}$o Zh$\`{e}$ng Zh$\'{\i}$ Ju$\'{\e}$. Methods : For that objectives, We analyzes formulas in "Xi$\v{a}$o' Er Y$\`{a}$o Zh$\`{e}$ng Zh$\'{\i}$ Ju$\'{\e}$. In the text, 132 formulas were described. To comprehend the formulas, we classified them as several bases. Results : After those analyses, we bring to a conclusion as follows. 1. 30 formulas are described that treated convulsive diseases (j$\={i}$ngf$\={e}$ng, 惊風). Next, g$\={a}$n(疳), parasite infection, diarrhea/dysentery, dermatosis and etc were in the order. 2. Classified by the formulation, Yu$\'{\a}$nj$\`{i}$(圓劑) was the best(70 kinds of formulas, 53%). S$\v{a}$nj$\`{i}$(散劑) was a form of 41 formulas(31%). T$\={a}$ngj$\`{i}$(湯劑) and g$\={a}$oj$\`{i}$(膏劑) were a form of 5 formulas each. 10 formulas were assumed the form of w$\`{a}$iy$\`{o}$ngj$\`{i}$(外用劑). 3. We researched in-depth analysis of Yu$\'{\a}$nj$\`{i}$. As a results, dosage, additive(輔料) and the time to take of Yu$\'{\a}$nj$\`{i}$ were decomposed. Also, the formulas that treated convulsive diseases were analyzed by the herbs classification. Conclusions : Though the formulas that treated convulsive diseases were hard to application at local clinic, overall nosology of pediatrics was reflected comparatively. "Xi$\v{a}$o' Er Y$\`{a}$o Zh$\`{e}$ng Zh$\'{\i}$ Ju$\'{\e}$ was expected to play a role for reconsideration of formulas' formulation.

• 한국빅데이터학회지
• /
• 제4권2호
• /
• pp.1-12
• /
• 2019

인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.