• 생물정신의학
• /
• 제5권1호
• /
• pp.95-101
• /
• 1998

치매에서의 뇌파 연구는 주로 주파수 분석과 지형화 분석을 이용하여 정량화하는 것을 위주로 진행되어 왔으나, 이러한 선형적 분석은 뇌파와 같이 복잡한 신호를 분석하는 것에는 한계가 있었다. 최근 새로운 패러다임인 카오스 이론에 근거를 두고 뇌파를 비선형적으로 측정하는 방법이 소개되고 있다. 본 연구는 알쯔하이머형 치매 환자의 뇌파 신호를 최대 양수 리아프노프 지수를 이용하여 비선형적으로 분석하는 것이 가능한 가를 알아보고 그 결과를 대조군과 비교해보기 위하여 시도되었다. 3명의 알쯔하이머형 치매 환자와 3명의 대조군에서 뇌파 신호를 받아 디지털화한 후에 비선형 분석법 중 하나인 최대 양수 리아프노프 지수를 산출하였다. 알쯔하이머형 치매군은 전체 15개의 전극 부위 중 8곳의 전극 부위에서 대조군에 비하여 유의하게 낮은 최대 양수 리아프노프 지수를 나타내었다. 각 두뇌 영역별 및 반구별 분석에서도 알쯔하이머형 치매군이 대조군에 비하여 전 두뇌 영역에서 최대 양수 리아프노프 지수가 유의하게 낮았다. 이에 따라 알쯔하이머형 치매 환자의 뇌파를 비선형적 분석하여 조사한 이들 두뇌의 카오스적 성상이 감소되어 있다는 것을 확인할 수 있었다. 이 결과는 향후 뇌파의 비선형적 분석인 리아프노프 지수 산출이 두뇌 기능을 조사하는 데에 유용한 새로운 방법이 될 가능성이 있다는 것을 시사한다.

• 생물정신의학
• /
• 제4권1호
• /
• pp.67-73
• /
• 1997

치매에서의 뇌파 연구는 주로 주파수 분석과 지형화 분석을 이용하여 정량화하는 것을 위주로 진행되어 왔으나 이러한 선형적 분석은 뇌파와 같이 복잡한 신호를 분석하는 것에는 한계가 있었다. 최근 새로운 패러다임인 카오스이론에 근거를 두고 뇌파를 비선형적으로 측정하는 방법이 소개되고 있다. 본 연구는 알츠하이머형 치매환자의 뇌파 신호를 상관차원을 이용하여 비선형적으로 분석하는 것이 가능한가를 알아보고 그 결과를 대조군과 비교해보기 위하여 시도되었다. 3명의 알츠하이머형 치매 환자와 3명의 대조군에서 뇌파 신호를 받아 디지털 화한 후에 비선형분석법 중 하나인 상관차원 값을 계산하였다. 전체 15개의 전극부위 중 3곳을 제외하고는 모든 전극과 두뇌 영역별, 반구별 분석 모두에서 알츠하이머형 치매군의 상관차원값이 유의하게 낮았다. 본 연구 결과는 알츠하이머형 치매 환자에서 카오스 이론을 이용한 비선형적 전기신경생리학적 분석으로 알아낼 수 있는 두뇌의 복합성, 즉 두뇌의 카오스적 성상이 감소되어 있다는 것을 의미하며 향후 뇌파의 비선형적 분석이 두뇌 기능을 조사하는 데에 유용한 새로운 방법이 될 가능성이 있다는 것을 시사한다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.