• 벤처창업연구
• /
• 제17권1호
• /
• pp.229-249
• /
• 2022

본 연구는 다양한 머신러닝 기법을 통해 코스닥(KOSDAQ) 시장 내 관리종목 지정을 예측할 수 있는 모델에 대해 연구하였다. 증권시장 내 기업이 관리종목으로 지정이 되면 시장에서는 이를 부정적인 정보로 인식하여 해당 기업과 투자자에게 손실을 가져오게 된다. 본 연구를 통해 기업의 재무적 데이터를 바탕으로 조기에 관리종목 지정을 예측하고, 투자자들의 포트폴리오 리스크 관리에 도움을 주기 위한 머신러닝 접근이 타당한지 살펴본다. 본 연구를 위해 활용한 독립변수는 수익성, 안정성, 활동성, 성장성을 나타내는 21개의 재무비율을 활용하였으며, K-IFRS가 적용된 2011년부터 2020년까지 관리종목과 비관리종목의 기업의 재무 데이터를 표본으로 추출하였다. 로지스틱 회귀분석, 의사결정나무, 서포트 벡터 머신, 랜덤 포레스트, LightGBM을 활용하여 관리종목 지정 예측 연구를 수행하였다. 연구결과는 분류 정확도가 82.73%인 LightGBM이 가장 우수한 예측 모형이었으며 분류 정확도가 가장 낮은 예측 모형은 정확도가 71.94%인 의사결정나무였다. 의사결정나무 기반 학습 모형의 변수 중요도의 상위 3개 변수를 확인한 결과 각 모형에서 공통적으로 나온 재무변수는 ROE(당기순이익), 자본금회전율(Capital stock turnover ratio)로 해당 재무변수가 관리종목 지정에 있어 상대적으로 중요한 변수임을 확인하였다. 대체적으로 앙상블을 이용한 학습 모형이 단일 학습 모형보다 예측 성능이 높은 것을 확인하였다. 기존 선행연구가 K-IFRS에 대한 고려를 하지 않았고, 다소 제한된 머신러닝에 의존하였다. 따라서 본 연구의 필요성과 함께 현실적 요구를 충족시키는 결과를 제시하였음을 알 수 있으며, 시장참여자들에게 있어 관리종목 지정에 대한 사전 예측을 확인할 수 있도록 기여했다고 볼 수 있다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.408-415
• /
• 2022

본 논문에서는 효율적인 feature map 추출 네트워크를 이용한 2D 이미지에서의 3D 포인트 클라우드 재구축 기법을 제안한다. 본 논문에서 제안한 기법의 독창성은 다음과 같다. 첫 번째로, 메모리 측면에서 기존 기법보다 약 27% 더 효율적인 새로운 feature map 추출 네트워크를 사용한다. 제안하는 네트워크는 딥러닝 네트워크의 중간까지 크기 축소를 수행하지 않아, 3D 포인트 클라우드 재구축에 필요한 중요한 정보가 유실되지 않았다. 축소되지 않은 이미지 크기로 인해 발생하는 메모리 증가 문제는 채널의 개수를 줄이고 딥러닝 네트워크의 깊이를 얕게 효율적으로 구성하여 해결하였다. 두 번째로, 2D 이미지의 고해상도 feature를 보존하여 정확도를 기존 기법보다 향상시킬 수 있도록 하였다. 축소되지 않은 이미지로부터 추출한 feature map은 기존의 방법보다 자세한 정보가 담겨있어 3D 포인트 클라우드의 재구축 정확도를 향상시킬 수 있다. 세 번째로, 촬영 정보를 필요로 하지 않는 divergence loss를 사용한다. 2D 이미지뿐만 아니라 촬영 각도가 학습에 필요하다는 사항은 그만큼 데이터셋이 자세한 정보를 담고 있어야 하며 데이터셋의 구축을 어렵게 만드는 단점이다. 본 논문에서는 추가적인 촬영 정보 없이 무작위성을 통해 정보의 다양성을 늘려 3D 포인트 클라우드의 재구축 정확도가 높아질 수 있도록 하였다. 제안하는 기법의 성능을 객관적으로 평가하기 위해 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 CD 값이 5.87, EMD 값이 5.81 FLOPs 값이 2.9G로 산출되었다. 한편, CD, EMD 수치가 낮을수록, 재구축한 3D 포인트 클라우드가 원본에 근접하는 정확도가 향상된 결과를 나타낸다. 또한, FLOPs 수치가 낮을수록 딥러닝 네트워크에 필요한 메모리가 적게 소요되는 결과를 나타낸다. 따라서, 제안하는 기법의 CD, EMD, FLOPs 성능평가 결과가 다른 논문의 기법들보다 메모리 측면에서 약 27%, 정확도 측면에서 약 6.3% 향상된 결과를 나타내어 객관적인 성능이 입증되었다.

• 농약과학회지
• /
• 제13권4호
• /
• pp.309-314
• /
• 2009

2002년에서 2004년에 걸쳐 전국적으로 Rice stripe tenuivirus(RSV)에 의한 벼줄무늬잎마름병의 발생지역과 발생 포장율을 조사한 결과, RSV에 의한 발병은 점진적으로 감소하였다. RSV의 발생주율은 감수성 품종인 추청과 새추청, 일품에서 각각 45.8, 45.0 43.7%로 매우 높은 데 반해 저항성 품종인 화성에서는 4.4%로 낮았고, 좌지주율 역시 추청과 새추청, 일품 품종에서 각각 33.6, 33.2, 31.9%인데 비해 화성에서는 0.8%에 그쳤다. 두 가지 보독충 채집방법간의 효율성을 비교한 결과 기존의 포충망 채집에 비해 동력흡충기를 이용한 채집이 매우 효율적이었다. 2002년부터 2004년에 걸쳐 전국적으로 보독충 밀도를 조사한 결과, 연도별로 전국적인 평균 보독충율은 각각 3.6, 2.3, 1.3%로 시험기간에 걸쳐 보독충율은 전반적으로 감소하여 병 발생이 감소할 것으로 예측하였다. 이앙전 육묘상의 육묘상처리제 및 수면전개제 처리에 의한 애멸구 방제 효과를 조사한 결과, Imidacloprid 입제 등 4종 처리제의 약효가 인정되었다.

• 한국식품위생안전성학회지
• /
• 제32권1호
• /
• pp.8-13
• /
• 2017

본 연구는 식중독 세균 등 유해미생물에 의한 농산물 오염을 예측하여 대응방안을 마련할 수 있도록 하는데 필요한 모의실험 computing platform을 개발하고자 수행되었다. 농산물 오염은 그 빈도가 매우 낮고, 발생패턴도 극히 불규칙하여 계량적 요소가 많지 않기 때문에 기존의 광범위하게 활용되는 수리모형(Mathematical Modeling)이나 확률통계모형(Probability Statistical Modeling)을 기반으로 한 예측모형은 개발이 어렵다. 이와는 달리 개체기반모형(Agent-based Model)은 목적지향적인 각 개체들이 내재된 특성에 따라 변화하는 환경에서 상황 의존적 또는 자율적 행동을 하였을 때 나타나는 결과를 바탕으로 앞으로의 변화를 예측하는 모형으로 각 개체들에 대한 간단한 행동규칙과 몇 개의 변수를 활용하여 직관적 분석 가능하기 때문에 농산물의 안전성에 영향을 미치는 여러 개체 (농작물, 오염원, 오염매개자)가 상호작용하는 메커니즘을 모의실험하는 경우에 유용하다. 본 연구에서는 Scala와 Java 프로그래밍 언어에 기반을 둔 개체기반모형 개발환경을 지원하는 전용 소프트웨어인 NetLogo를 이용하여 프로그램을 제작하였다. 개발된 모형은 가상의 엽채류 재배지역을 대상으로 가축 또는 야생동물이 출입할 수 있도록 하였고, 이들 동물이 배설하는 분변에 있는 장관유래 식중독 세균에 의해 토양 오염 또는 농작물 오염이 발생될 수 있도록 하였다. 이 오염은 시간이 지남에 따라 점차 소멸되지만 건전한 동물이 오염된 농작물을 섭취하는 경우 다시 동물의 장내로 들어가게 되어 보균 동물이 될 수 있도록 하였고, 역시 이 보균 동물이 배설하는 분변에 식중독 세균이 있도록 설정하였다. 가상 엽채류 재배환경에서 생존하는 식중독 세균은 파리와 같은 위생해충에 의해 다른 곳의 토양이나 농작물에 옮겨질 수 있게 하였다. 작물체는 60일 동안 생장하고, 동물은 개체군의 밀도 증감이 없으며, 파리는 시간이 지남에 따라 개체군 밀도가 변동될 수 있도록 하였다. 동물 개체수, 파리 개체수, 그리고 초기 오염 작물 개체수를 달리하면서 작물체의 미생물 오염을 시뮬레이션한 결과, 다른 요인들 보다는 동물 개체수가 작물체 오염에 가장 큰 영향을 주는 것으로 판단되었다.