• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 수산해양기술연구
• /
• 제36권3호
• /
• pp.175-185
• /
• 2000

한국 연근해에서 조업하고 있는 어선을 효율적으로 관리할 수 있는 어선관제시스템의 구축을 위한 기초 연구로서 제주도 성산포항을 거점으로 하여 조업중인 대형선망어선단의 어로과정의 ARPA 영상을 디지털신호로 변환시켜 분석하고 VTMS를 이용하여 모의실험을 행한 결과를 요약하면 다음과 같다. (1) 대형선망어선단의 어로과정을 분석한 결과 투망소요시간은 16분, 양망소요시간은 35분이었고, 앞잡이 배가 끌어 주는 로프의 길이는 200m, 투망시 선회경은 340.8m, 선회속도는 약 6kts로써 조업 과정을 명확하게 파악할 수 있었다. (2) 실선실험에서 구한 투$.$양망과정에 유향$.$유속을 NE, 2kts와 SW, 2kts로 가상하여 시뮬레이션한 결과, 각각 SW, NE 방향으로 편위됨을 알 수가 있었다. 이와 같이 어장환경정보 또는 어업 정보나 조선정보를 관제시스템에 가미함으로써 실제조업과 같은 상황을 예측할 수 있었으며, 클로즈업시킨 화면을 통해 투 양망중 예상되는 상황과 문제점을 검토할 수 있었다. (3) 시뮬레이션에서 사용한 VTMS의 레이더 관제범위는 16mile이었고, 관제범위를 넘었더라도 타관제선으로의 이관이 가능하였다. 또한, 관제선과 집단선단들과의 거리와 방위를 측정하고 분석하면 관제선의 위치선정이 용이함을 알 수 있었다. (4) 조업선들이 어황정보와 안전항행정보를 제공받아 안전하고 효율적인 조업을 행할 수 있는 어선관제 시스템(FVTMS)의 예측모델을 제시하였다. 이와 같이 VTMS용 관제시스템을 이용하여 선단조업어선의 어로과정에 대한 시뮬레이션 한 결과, 근접조업에 따른 잦은 경보와 추적 상실 등 몇가지 기능상의 문제점이 발견되었으므로 어선관제시스템(FVTMS)에 적합한 프로그램이 시급히 개발되어야 할 것으로 사료된다. 대한 추종 성능이 현용 어로시스템에 비하여 매우 우수하기 때문에 해상에서 어로작업시 과부하에 대한 어구의 손상 방지 및 조업 효율의 향상에 크게 기여할 것으로 판단된다.Exp.2), 실험 수온 27$^{\circ}C$에서, Exp. 1에서와 동일한 3개의 수리학적 부하량에서 산소 전달률을 측정한 결과, Exp. 1에서와 같이 수리학적 부하량과 매질의 깊이의 증가에 따라 산소 전달률이 증가하였으며, 매질의 깊이가 가장 깊은 36 cm에 대해, 수리학적 부하량이 2 $m^3$/$m^2$/min 일때, 2 kg 02 kg $O_2$/kW-hr의 가장 높은 표준에어레이션효율을 나타내었다. 위의 두 실험 결과에 따라 packed column 에어레이터에서 발포스티로폼 입자를 산소전달 매질로 이용하여 산소 전달률을 증가시킬 수 있다는 것을 확인할 수 있었다.i, Cu, Y, Nb, La, Nd, Pb, Th in excess of 10 ppm. Relatively high amount of most trace elements were detected in the Hwangto. The major and minor chemical compositions of the Hwangto were different depending on the types of host rocks. However, their difference was in the similar range compared with the compositions of host rocks. electron acceptor triggers sensory transduction processes in B. japonicum.t the Christian rejection

• 생명과학회지
• /
• 제17권12호
• /
• pp.1641-1648
• /
• 2007

Yippee 패밀리를 구성하는 yippee-유사 단백질들은 한 개의 zinc-finger 도메인을 지닌 Drosophila yippee 단백질의 homolog로서 모든 진핵생물에 존재하는 것으로 알려졌으나 그 기능은 밝혀진 바가 없다. 인체 T 림프구의 활성화과정 중 발현수준이 변화하는 유전자들을 선별하기 위해 인체 말초혈액에서 분리한 resting T 세포, immobilized anti-CD3에 의해 26시간 혹은 30시간 동안 활성화시킨 T 세포로부터 각각 정제한 total RNA를 이용하여 ODD-PCR을 수행한 결과, resting T 세포에서는 발현되지만 immobilized anti-CD3 활성화에 의해 세포주기를 개시하여 $G_1/S$ boundary에 도달한 T 세포들로부터는 전혀 발현되지 않는 흥미로운 유전자로서 Drosophila yippee 단백질 유전자의 인체 homolog인 YPEL5 유전자를 분리하였다. 노던 블로팅법으로 T 세포 활성화에 뒤이은 YPEL5 mRNA의 발현 변화를 조사한 결과, ${\sim}2.2kb$ 크기의 YPEL5 mRNA는 resting T 세포를 비롯하여 immobilize anti-CD3에 의한 활성화 후 1.5시간까지는 확인되었으나 활성화 후 5시간 이후부터 48시간에 이르는 시간에는 전혀 확인되지 않았다. YPEL5 단백질을 GFP-fusion 단백질로서 인체 암세포주인 HeLa 세포에 transfection하여 발현시킨 결과, GFP-YPEL5 단백질이 모두 핵에 위치하는 것으로 나타나 YPEL5 단백질이 핵단백질임을 확인하였다. 또한 YPEL5의 기능을 규명하기 위해 YPEL5 발현벡터를 HeLa 세포에 transfection 하고 발현시켜 HeLa 세포의 증식에 미치는 YPEL5의 영향을 MTT assay로 분석한 결과, vector plasmid를 transfection시킨 대조구의 47% 수준으로 세포증식이 감소하는 것으로 나타났다. 이러한 결과들은 YPEL5 mRNA의 발현이 T 세포 수용체를 통한 T 세포 활성화의 초기단계에 현저히 감소됨을 보여주며, 또한 YPEL5가 핵단백질로서 세포증식에 대해 저해효과를 미칠 수 있음을 시사한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.271-278
• /
• 2021

현재 사이버 공격이 더욱 지능화됨에 따라 기존의 침입 탐지 시스템(Intrusion Detection System)은 저장된 패턴에서 벗어난 지능형 공격을 탐지하기 어렵다. 이를 해결하려는 방법으로, 데이터 학습을 통해 지능형 공격의 패턴을 분석하는 딥러닝(Deep Learning) 기반의 침입 탐지 시스템 모델이 등장했다. 침입 탐지 시스템은 설치 위치에 따라 호스트 기반과 네트워크 기반으로 구분된다. 호스트 기반 침입 탐지 시스템은 네트워크 기반 침입 탐지 시스템과 달리 시스템 내부와 외부를 전체적으로 관찰해야 하는 단점이 있다. 하지만 네트워크 기반 침입 탐지 시스템에서 탐지할 수 없는 침입을 탐지할 수 있는 장점이 있다. 따라서, 본 연구에서는 호스트 기반의 침입 탐지 시스템에 관한 연구를 수행했다. 호스트 기반의 침입 탐지 시스템 모델의 성능을 평가하고 개선하기 위해서 2018년에 공개된 호스트 기반 LID-DS(Leipzig Intrusion Detection-Data Set)를 사용했다. 해당 데이터 세트를 통한 모델의 성능 평가에 있어서 각 데이터에 대한 유사성을 확인하여 정상 데이터인지 비정상 데이터인지 식별하기 위해 1차원 벡터 데이터를 3차원 이미지 데이터로 변환하여 재구성했다. 또한, 딥러닝 모델은 새로운 사이버 공격 방법이 발견될 때마다 학습을 다시 해야 한다는 단점이 있다. 즉, 데이터의 양이 많을수록 학습하는 시간이 오래 걸리기 때문에 효율적이지 못하다. 이를 해결하기 위해 본 논문에서는 적은 양의 데이터를 학습하여 우수한 성능을 보이는 Few-Shot Learning 기법을 사용하기 위해 Siamese-CNN(Siamese Convolutional Neural Network)을 제안한다. Siamese-CNN은 이미지로 변환한 각 사이버 공격의 샘플에 대한 유사성 점수에 의해 같은 유형의 공격인지 아닌지 판단한다. 정확성은 Few-Shot Learning 기법을 사용하여 정확성을 계산했으며, Siamese-CNN의 성능을 확인하기 위해 Vanilla-CNN(Vanilla Convolutional Neural Network)과 Siamese-CNN의 성능을 비교했다. Accuracy, Precision, Recall 및 F1-Score 지표를 측정한 결과, Vanilla-CNN 모델보다 본 연구에서 제안한 Siamese-CNN 모델의 Recall이 약 6% 증가한 것을 확인했다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.89-106
• /
• 2022

최근 영상 데이터의 급증으로 이를 효과적으로 처리하기 위해 객체 탐지 및 추적, 행동 인식, 표정 인식, 재식별(Re-ID)과 같은 다양한 컴퓨터비전 기술에 대한 수요도 급증했다. 그러나 객체 탐지 및 추적 기술은 객체의 영상 촬영 장소 이탈과 재등장, 오클루전(Occlusion) 등과 같이 성능을 저하시키는 많은 어려움을 안고 있다. 이에 따라 객체 탐지 및 추적 모델을 근간으로 하는 행동 및 표정 인식 모델 또한 객체별 데이터 추출에 난항을 겪는다. 또한 다양한 모델을 활용한 딥러닝 아키텍처는 병목과 최적화 부족으로 성능 저하를 겪는다. 본 연구에서는 YOLOv5기반 DeepSORT 객체추적 모델, SlowFast 기반 행동 인식 모델, Torchreid 기반 재식별 모델, 그리고 AWS Rekognition의 표정 인식 모델을 활용한 영상 분석 시스템에 단일 연결 계층적 군집화(Single-linkage Hierarchical Clustering)를 활용한 재식별(Re-ID) 기법과 GPU의 메모리 스루풋(Throughput)을 극대화하는 처리 기법을 적용한 행동 및 표정 검출용 영상 분석 시스템을 제안한다. 본 연구에서 제안한 시스템은 간단한 메트릭을 사용하는 재식별 모델의 성능보다 높은 정확도와 실시간에 가까운 처리 성능을 가지며, 객체의 영상 촬영 장소 이탈과 재등장, 오클루전 등에 의한 추적 실패를 방지하고 영상 내 객체별 행동 및 표정 인식 결과를 동일 객체에 지속적으로 연동하여 영상을 효율적으로 분석할 수 있다.