• 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.

• 한국지리정보학회지
• /
• 제20권4호
• /
• pp.126-138
• /
• 2017

최근 환경에 대한 국민적 관심이 증대되고 있으며 물환경 관련 문제에 대한 신속하고 정확한 대응을 위해 GIS를 활용한 물환경데이터의 분석에 대한 지원요구가 증가함에 따라 물환경데이터의 공간분석을 지원하는 공간네트워크 데이터기반의 하천망분석도를 개발하여 제공하고 있다. 그러나 오염사고 등 사용자의 필요에 따라 수시로 요구되는 공간자료인 집수구역의 분할에 어려움을 겪고 있는 실정이다. 따라서 본 연구에서는 수치표고모델 및 흐름방향도를 이용한 집수구역 자동 분할 알고리듬 및 모듈 개발을 포함하는 자동분할 프로그램의 개발이 이루어졌다. 집수구역 자동분할 프로그램의 개발은 집수구역 분할 방법 설계, 알고리듬 개발, 모듈 개발의 순서로 진행하였다. 집수구역 분할을 위해 수치표고자료와 이를 기반으로 제작된 흐름방향도를 활용하였다. 집수구역 분할을 위한 알고리듬은 집수구역 격자추출단계, 경계점 추출단계 및 경계선 분할 단계의 3단계로 개발되었으며 집수구역 분할모듈은 프로그램의 생산성과 활용성을 고려하여 ESRI사의 ArcGIS를 기반으로 하는 Add-in 모듈로 개발하였다. 집수구역 자동분할 모듈을 이용하여 실제 집수구역을 분할하였으며, 현재 활용중인 집수구역과 비교 분석하였다. 집수구역 분할 결과 수치표고자료 기반의 집수구역 분할이 원활하게 이루어지는 것을 확인하였다. 특히 지형학적 경사가 명확한 지역은 집수구역의 분할이 정확하고 신속하게 이루어지는 것을 확인할 수 있었다. 논, 밭, 도심지역 등 평평한 곳이나 배수시설이 정비된 지역의 경우 집수구역의 분할이 이루어지지 않는 경우가 있었으나 전반적으로 기존 집수구역의 분할시간을 줄이는데 기여가 클 것으로 판단되었다. 향후에는 보다 정밀한 수치표고자료의 활용이 가능하면서 자료 크기로 인한 계산 시간을 줄이기 위한 알고리듬의 개발이 필요하다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.147-161
• /
• 2010

최근 방송과 통신의 융합으로 TV에 통신이라는 기술이 접목되면서, TV 시청 형태에 많은 변화를 가져왔다. 이러한 형태의 TV 시청 변화는 서비스 선택의 폭을 넓혀주지만 프로그램을 선택을 위해 많은 시간을 투자해야 한다. 이러한 단점을 개선하기 위해서 본 논문에서는 IPTV환경에서 사용자의 다양한 콘텐츠를 제공하는 방송 환경에서 고객의 시청 정보를 바탕으로 고객 사용정보 온톨로지를 구축하고 그에 따라 고객을 k-medoids 방법을 이용해서 클러스터링 한다. 이를 바탕으로 고객이 선호하는 콘텐츠를 추천 하는 방법을 제안하였다. 실험부분에서 본 제안방법의 우수성을 기존의 방법과 비교하여 보여준다.

• 유통과학연구
• /
• 제9권3호
• /
• pp.83-94
• /
• 2011

국내에서는 일부 대기업을 제외하고는 공급사슬 관리(SCM) 체제 구축에 매우 소극적이며, 중소기업들은 SCM관리의 개념조차 인식하고 있는 경우가 대 다수이다. 이는 공급망 비효율적 관리로 인한 국내 제조업체, 협력업체, 유통업체 및 물류업체들 재고관리 비용, 수요관리 비용 등 비 효율화를 초래하고 있으며, 나아가 국내 기업의 경쟁력 저하에도 큰 영향력을 미치고 있다. 그 이유는 공급사슬 관리(SCM) 태생적인 특징인 공급사슬 관리(SCM) 전체에 대한 정보 공유 및 프로세스 혁신과, 공급사슬 관리(SCM)가 갖는 광범위함 때문이라고도 할 수 가 있다. 이 논문은 성공적인 공급사슬 관리(SCM) 추진을 위한 공급사슬 관리(SCM) 관련 이론적 논의와 구축전략과 도입 및 성공사례를 연구 및 분석을 통하여 현상황에 대한 고찰과 개선방안에 대해서 제안해보고자 한다. 성공적인 공급사슬 관리(SCM) 추진을 위한 방안을 논의하기 위해서는 먼저 공급사슬 관리(SCM)에 대한 이론적 배경에 대한 고찰이 필요하다. 따라서 II장에서는 공급사슬 관리(SCM)에 대한 기본적인 개념과 필요성에 대해서 기술하고, III장에서는 현재 추진되고 있는 공급사슬 관리(SCM)에 대한 문제점에 대해서 기술할 것이다. 마지막으로IV, V장에서는 공급사슬 관리(SCM) 구축전략과 LG전자사례 및 결론을 기술할 것이다.

• 한국방재안전학회논문집
• /
• 제12권2호
• /
• pp.73-82
• /
• 2019

최근 이상기후로 인한 집중호우에 따른 하천변 사회기반시설의 침수피해가 증가하고 있으며, 침수 가능성 여부에 대한 신속한 예 경보가 필요한 실정이다. 일반적인 홍수 예 경보는 하천수위를 이용하고 있으며, 수치모형을 이용하여 하천수위를 예측하는 연구가 대부분이었다. 그러나 수치모형을 이용한 하천수위 예측은 결과가 정확한 반면 수치모의 시간이 오래 소요된다는 한계점이 있어 최근에는 인공신경망 등을 적용한 자료기반의 수위예측 모형이 많이 이용되고 있다. 하지만 기존의 인공신경망을 활용한 수위예측 연구는 시간적 매개변수를 고려하지 못하였다는 한계점이 존재한다. 본 연구에서는 시간적 매개변수(Time delay= 2시간)를 고려한 NARX 신경망 모형을 사용하여 한강대교의 수위를 예측하였다. 또한 NARX 모형의 적합성을 판단하기 위하여 인공신경망(ANN) 모형과, 순환신경망(RNN)모형의 결과와 비교하였다. 2009년에서 2018년까지 10년간의 수문자료를 이용하여 70%를 학습시키고 검정과 평가에 15%를 사용하여 2018년의 한강대교 3시간 후 수위를 예측한 결과 평균제곱근오차(RMSE)의 경우 ANN, RNN, NARX model이 각각 0.20 m, 0.11 m, 0.09 m, 평균절대오차(MAE)의 경우, 각각 0.12 m, 0.06 m, 0.05 m, 첨두수위 오차(Peak Error)는 각각 1.56 m, 0.55 m, 0.10 m로 나타났다. 연구 대상지역에 대한 시간적 매개변수를 고려한 예측 결과의 오차분석을 통하여 NARX 신경망 모형을 사용하는 것이 수위예측 모형 구축이 가장 적합한 것으로 나타났다. 이는 NARX 신경망 모형이 과거의 입력자료를 고려함으로써 시계열 자료의 변동 추세도 학습 할 수 있으며, 또한 모형 내 활성함수를 쌍곡선탄젠트(Hyperbolic tangent) 및 Rectified Linear Unit(ReLU) 함수를 사용하여 고수위 예측 시에도 정확한 예측 값을 도출할 수 있기 때문이다. 그러나 NARX 신경망 모형은 시퀀스 길이가 길어짐에 따라 기울기 소실문제(Vanishing gradient)가 발생하는 한계점이 있어 향후에는 이를 보완한 LSTM(Long Short Term Model)모형을 이용하여 수위예측의 정확도를 검토하고자 한다.

• 생태와환경
• /
• 제52권3호
• /
• pp.245-265
• /
• 2019

생물의 특징적인 서식공간을 나타내는 비오톱은 도시생태계의 효율적 조성 및 지속가능한 관리를 위해 필수적으로 파악되어야 한다. 본 연구는 우리나라의 대표적 공업도시인 포항시 전역에 성립한 비오톱 유형과 그 속성을 분석하여 이 도시를 생태적으로 관리하기 위한 기초자료를 제공하고자 수행하였다. 포항시에 성립한 비오톱 유형은 삼림(침엽수림, 활엽수림 및 침 활 혼합림), 경작지(논과 밭), 시설녹지 (조경수목식재지), 하천, 저수지, 나지, 주거지역, 공공시설, 상업지역, 공업지역, 도로 및 학교의 12개 유형으로 구분되었다. 비오톱 유형에 따른 속성을 분석한 결과, 도시지역을 대표하는 공업지역, 주거지역 및 상업지역에는 제한된 공간에 주로 도입된 식생이 존재하였다. 더구나 그 식생은 지역과 지소의 특성을 반영하는 자생종 보다는 조경 및 원예용으로 개발된 식물들 중심으로 이루어져 있다. 생산녹지는 도심으로부터 거리에 따라 먼 곳에는 전형적인 농경지의 형태를 나타내었지만, 인접한 곳에서는 시설농업의 형태를 나타내었다. 자연녹지는 하천을 따라 성립한 수변식생과 산림식생으로 구분되었다. 그 중 산림식생은 이차림(7개 군락)과 조림지(3개 군락)로 이루어졌다. 포항시의 도시생태계는 공업지역이 차지하는 면적이 넓고, 그 중 열오염과 이산화탄소 발생량이 높은 철강산업이 주를 이루고 있다. 반면에 녹지는 양과 질 양면에서 모두 매우 부족하다. 본 연구에서는 이러한 문제를 종합적으로 검토한 후 이 지역의 생태적 질을 높이기 위한 방안으로 녹지의 양과 질을 개선할 수 있는 식생 복원방안 및 기존 녹지와 복원 예정 녹지를 묶어내는 녹지축 네트워크화 방안을 제시하였다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1135-1144
• /
• 2023

국내 농업용 저수지는 1970년 이전에 축조되어 준공 년도가 50년 이상 된 노후화된 시설이 대다수이며, 소규모 저수지는 기본 제원 및 수위 등을 파악할 수 있는 계측시스템이 없는 미계측 저수지이다. 준공 이후 호우발생 시 퇴적된 토사 유입, 퇴사량 증가에 따른 저수지 용량 감소 및 산업 고도화에 따른 수질악화 등은 저수지의 용수공급능력을 저하시키고 형상 변화를 야기한다. 따라서, 디지털 정보 및 원격탐사 정보를 결합한 계측 기술을 활용하여 미계측 저수지 수체 모니터링을 위한 공간정보 구축 방안이 필요하다. 본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 Light Detection And Ranging (LiDAR) 센서를 활용하여 저수지 시설물의 고해상도 Digital Surface Model (DSM), Digital Elevation Model (DEM) 자료를 구축하고, 멀티빔(MultiBeam) 음향 측심기 기반 수심측량 정보의 융합을 통해 디지털 공간정보 융합 방안을 제시하고자 한다. 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여, 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보를 구축하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 정규식생지수(Normalized Difference Vegetation Index, NDVI), 정규수분지수(Normalized Difference Water Index, NDWI)를 산정하여, 저수지의 수표면을 산정하였다. 또한, 고해상도 DEM 자료는 수심측량 자료와 융합하여 수심도를 작성하였으며, Triangulated Irregular Network (TIN)로부터 저수지 만수면적 및 체적을 산정하였다. LiDAR 센서 및 멀티빔 기반의 수심측량, 광학위성자료 영상 및 다중분광 드론영상을 활용한 수체 탐지 기술 등의 공간정보 융합은 미계측 저수지의 디지털 인프라를 구축하여 저수지의 가용용수공급능력을 모니터링 하기 위한 기초자료로서 활용성이 높을 것으로 사료된다.

• 벤처창업연구
• /
• 제17권1호
• /
• pp.121-137
• /
• 2022

본 연구의 목적은 하이테크 소셜벤처의 사회적·경제적성과에 영향을 미치는 요인을 실증적으로 규명하여, 하이테크 소셜벤처와 관련 생태계 이해관계자에게 필요한 성공 요인과 통찰력을 제시하는 데 있다. 선행연구에 근거하여 핵심기술역량, 핵심비즈니스역량, 소셜미션지향의 세 가지 성과요인 차원을 구성하였고, 각 하위요인으로 기술혁신지향성, R&D역량, 비즈니스모델, 고객지향성, 소셜네트워크, 소셜미션추구를 도출하였다. 실증분석을 위해 국내 하이테크 소셜벤처를 대상으로 설문조사를 진행하였고, 회수된 243부의 유효한 자료는 PLS-구조 방정식 분석을 통해 가설의 유의성을 검정하였다. 분석 결과, R&D역량, 고객지향성, 소셜네트워크, 소셜미션추구는 모두 사회적·경제적 이중성과에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 기술혁신지향성은 사회적·경제적성과에 모두 유의한 영향을 미치지 못하는 것으로 나타났는데, 이는 표본기업들의 기술혁신지향성이 추상적인 조직문화적 특성으로만 내재되었기 때문에 발생한 것으로 추정한다. 비즈니스모델은 사회적성과에만 유의한 영향을 미쳤는데, 이는 사회적기업을 위해 개발된 측정도구의 한계로 추정되며, 원인 파악을 위한 추가 다집단분석 결과도 이와같은 추정의 근거를 뒷받침해 주었다. 본 연구는 사회적경제 생태계에 새롭게 등장하고 있는 하이테크 소셜벤처를 식별하고 선제적으로 실증 연구를 진행함으로써 관련 연구분야의 토대를 마련하였으며, 사회적기업 및 소셜벤처의 성과요인 연구와 실증적 연구모형을 확장시키는 계기가 되었다고 판단한다. 그러나 연구 방법이나 과정에 있어서, 사회적·경제적 이중성과의 균형을 위한 요인 도출이나 검증, 주관적 측정 방법, 표본의 대표성 등의 한계가 있었다. 향후 한계를 보완하고 개선된 연구모형을 설계하여, 더욱 심도 있는 후속 연구가 이어지기를 기대한다.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.189-198
• /
• 2024

입 모양 인식은 음성 인식의 중요 부분 중 하나로 음성 인식을 위한 입 모양 인식 시스템에서 입 모양 인식 성능을 개선하기 위한 여러 연구가 진행됐다. 최근의 연구에서는 인식 성능을 개선하기 위해 입 모양 인식 시스템의 모델 구조를 수정하는 방법이 사용됐다. 본 연구에서는 모델 구조를 수정하는 것으로 인식 성능을 개선하는 기존의 연구와 달리 모델 구조의 변화 없이 인식 성능을 개선하는 것을 목표로 한다. 모델 구조의 수정 없이 인식 성능을 개선하기 위해, 사람이 하는 입 모양 인식에서 사용되는 단서를 참고해 입 모양 인식 시스템의 기존 관심 영역인 입술 영역과 함께 턱, 뺨과 같은 다른 영역을 관심 영역으로 설정하고 각 관심 영역의 인식률을 비교해 가장 높은 성능의 관심 영역을 제안한다. 또한, 관심 영역 크기를 정규화하는 과정에서 보간법의 차이로 인해 발생하는 정규화 결과의 차이가 인식 성능에 영향을 준다고 가정하고 최근접 이웃 보간법, 이중 선형 보간법, 이중 삼차 보간법을 사용해 동일한 관심 영역을 보간하고 각 보간법에 따른 입 모양 인식률을 비교해 가장 높은 성능의 보간법을 제안한다. 각 관심 영역은 객체 탐지 인공신경망을 학습시켜 검출하고, 각 관심 영역을 정규화하고 특징을 추출하고 결합한 뒤, 결합된 특징들을 차원 축소한 결과를 저차원 공간으로 매핑하는 것으로 동적 정합 템플릿을 생성했다. 생성된 동적 정합 템플릿들과 저차원 공간으로 매핑된 데이터의 거리를 비교하는 것으로 인식률을 평가했다. 실험 결과 관심 영역의 비교에서는 입술 영역만을 포함하는 관심 영역의 결과가 이전 연구의 93.92%의 평균 인식률보다 3.44% 높은 97.36%의 평균 인식률을 보였으며, 보간법의 비교에서는 이중 선형 보간법이 97.36%로 최근접 이웃 보간법에 비해 14.65%, 이중 삼차 보간법에 비해 5.55% 높은 성능을 나타내었다. 본 연구에 사용된 코드는 https://github.com/haraisi2/Lipreading-Systems에서 확인할 수 있다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.