• 산경연구논집
• /
• 제11권7호
• /
• pp.29-40
• /
• 2020

Purpose: In modern society, many urban problems are occurring, such as aging, hollowing out old city centers and polarization within cities. In this study, we intend to apply big data and machine learning methodologies to predict depression symptoms in the elderly population early on, thus contributing to solving the problem of elderly depression. Research design, data and methodology: Machine learning techniques used random forest and analyzed the correlation between CES-D10 and other variables, which are widely used worldwide, to estimate important variables. Dependent variables were set up as two variables that distinguish normal/depression from moderate/severe depression, and a total of 106 independent variables were included, including subjective health conditions, cognitive abilities, and daily life quality surveys, as well as the objective characteristics of the elderly as well as the subjective health, health, employment, household background, income, consumption, assets, subjective expectations, and quality of life surveys. Results: Studies have shown that satisfaction with residential areas and quality of life and cognitive ability scores have important effects in classifying elderly depression, satisfaction with living quality and economic conditions, and number of outpatient care in living areas and clinics have been important variables. In addition, the results of a random forest performance evaluation, the accuracy of classification model that classify whether elderly depression or not was 86.3%, the sensitivity 79.5%, and the specificity 93.3%. And the accuracy of classification model the degree of elderly depression was 86.1%, sensitivity 93.9% and specificity 74.7%. Conclusions: In this study, the important variables of the estimated predictive model were identified using the random forest technique and the study was conducted with a focus on the predictive performance itself. Although there are limitations in research, such as the lack of clear criteria for the classification of depression levels and the failure to reflect variables other than KLoSA data, it is expected that if additional variables are secured in the future and high-performance predictive models are estimated and utilized through various machine learning techniques, it will be able to consider ways to improve the quality of life of senior citizens through early detection of depression and thus help them make public policy decisions.

• 정보교육학회논문지
• /
• 제5권2호
• /
• pp.240-257
• /
• 2001

인터넷을 활용하여 교육의 과제를 해결하고자 하는 많은 노력들이 성공하지 못한 주요 원인은 교육적 활용과 관련한 인터넷의 특성에 대해 이해하지 못한 채 전통적인 교육의 틀 안에서 인터넷의 기술적인 측면만을 강조한데서 찾을 수 있다. 이에 본 연구는 인터넷을 활용한 과제중심학습(NetPBL) 방법에 초점을 두고 그 활용의 필요와 중요성을 살펴보고, 실제 활용 과정에서 참고할 수 있는 교수 학습 방안들을 제시하였다. NetPBL은 편지 친구 사귀기, 전문가의 조언 제공, 자료 활용, 협동학습 활동, 자료 출판, 조사 및 결과 분석, 협동 문제 해결, 시뮬레이션, 사회 활동 등과 같은 형태로 이루어 질 수 있다. 연구 결과, 그와 같은 NetPBL의 다양성은 새로운 교육 패러다임이 추구하는 문제 중심, 상황 중심 그리고 학생 중심의 학습 환경을 구현할 수 있는 잠재력을 지니며, 교육 매체로서의 인터넷이 제공하는 온라인 정보 공유 및 활용, 인적 자원 활용, 정보 교환 및 학습 공동체 형성, 분석 도구 및 자료 활용, 정보의 생산 및 공개 등과 같은 여러 가지 형태의 활동들이 이루어지도록 한다는 사실을 확인할 수 있었다. 또한 NetPBL의 활용에 대한 안내 자료가 부족하다는 현실적인 문제를 고려하여 거시적인 수준과 미시적인 수준에서의 NetPBL 활용 방안들을 제시하였다. 거시적인 수준에서는 NetPBL 활용을 '기획', '준비', '실행', '결과 정리 및 발표' 등과 같은 4가지 단계로 구분하고, 각 단계별 세부 활동들을 제시하였다. 한편 미시적인 수준에서는 NetPBL의 특성을 고려하여 자기주도학습과 협동학습의 구현을 위한 방안들을 학습 환경 설계와 지원 방안의 측면에서 논하였다.

• 지능정보연구
• /
• 제16권4호
• /
• pp.99-112
• /
• 2010

앙상블 학습은 분류 및 예측 알고리즘의 성과개선을 위하여 제안된 기계학습 기법이다. 그러나 앙상블 학습은 기저 분류자의 다양성이 부족한 경우 다중공선성 문제로 인하여 성과개선 효과가 미약하고 심지어는 성과가 악화될 수 있다는 문제점이 제기되었다. 본 연구에서는 기저 분류자의 다양성을 확보하고 앙상블 학습의 성과개선 효과를 제고하기 위하여 유전자 알고리즘 기반의 범위 최적화 기법을 제안하고자 한다. 본 연구에서 제안된 최적화 기법을 기업 부실예측 인공신경망 앙상블에 적용한 결과 기저 분류자의 다양성이 확보되고 인공신경망 앙상블의 성과가 유의적으로 개선되었음을 보여주었다.

• 한국빅데이터학회지
• /
• 제4권1호
• /
• pp.63-72
• /
• 2019

전력 에너지의 경우 발전 및 송전 과정을 거쳐 사용자에게 제공된 이후에는 회수가 불가능하기 때문에 정확한 수요 예측에 기반한 최적 발전 및 송배전 계획이 필요하다. 전력 수요 예측의 실패는 2011년 9월에 발생한 대규모 정전사태와 같이 다양한 사회적·경제적 문제를 야기할 수 있다. 전력 수요 예측 관련 기존 연구에서는 ARIMA, 신경망모형 등 다양한 방법으로 개발이 되었다. 하지만 전국 단위의 평균 외기온도를 사용한다는 점과, 계절성을 구분하기 위한 획일적 기준을 적용하는 한계점으로 인해 데이터의 왜곡이나 예측모형의 성능 저하를 초래하고 있다. 이에 본 연구에서는 전력 수요 예측 모형의 성능을 향상하기 위해 전국을 5대 권역으로 구분하여 지역적 특성과 이동 기간 학습 기법을 통해 계절적 특성을 반영한 선형회귀모형과 신경망 모형의 장기적 전력 수요 예측 모형을 개발하였다. 이를 통해 중장기부터 단기에 이르기까지 다양한 범위의 수요 예측에 해당 모델을 활용할 수 있을 뿐만 아니라 특정 기간 중에 발생하는 다양한 이벤트와 예외 상황을 고려할 수 있을 것이다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.

• 대한수학교육학회지:수학교육학연구
• /
• 제23권2호
• /
• pp.237-252
• /
• 2013

수학교육학 내의 논의에서 Bachelard의 과학철학은 인식론적 장애 개념을 중심으로 소개되어 있다. 그의 과학철학에서 인식론적 장애는 과학의 변증법적 발달과 연결되어 있다. 과학은 기존에 명백한 것으로 인식된 것을 부정하여 얻은 개념의 재구성과 일반화를 통해서 발달한다. 이 과정에서 기존의 인식에 대한 단절이 필요하다. 인식론적 장애는 재구성이 필요한 시점에서 기존의 것과 단절하지 못하고 고수함으로써 나타나내는 발달의 지연이며, 지식의 형성 혹은 학습 과정에 내재적인 어려움이 존재한다는 것을 의미한다. 이상과 같은 Bachelard 관점을 수학교육학에서 널리 적용되고 있는, '내면화-압축화-대상화'의 단계적인 반영적 추상화 도식과 비교하고 논의하였다.

• 한국IT서비스학회지
• /
• 제19권5호
• /
• pp.83-91
• /
• 2020

Language Models such as BERT has been an important factor of deep learning-based natural language processing. Pre-training the transformer-based language models would be computationally expensive since they are consist of deep and broad architecture and layers using an attention mechanism and also require huge amount of data to train. Hence, it became mandatory to do fine-tuning large pre-trained language models which are trained by Google or some companies can afford the resources and cost. There are various techniques for fine tuning the language models and this paper examines three techniques, which are data augmentation, tuning the hyper paramters and partly re-constructing the neural networks. For data augmentation, we use no-answer augmentation and back-translation method. Also, some useful combinations of hyper parameters are observed by conducting a number of experiments. Finally, we have GRU, LSTM networks to boost our model performance with adding those networks to BERT pre-trained model. We do fine-tuning the pre-trained korean-based language model through the methods mentioned above and push the F1 score from baseline up to 89.66. Moreover, some failure attempts give us important lessons and tell us the further direction in a good way.

• Current Optics and Photonics
• /
• 제1권4호
• /
• pp.315-324
• /
• 2017

In recent years, multicast services such as high-definition television (HDTV), video conferencing, interactive distance learning, and distributed games have increased exponentially, and wavelength-division multiplexing (WDM) networks are considered to be a promising technology due to their support for multicast applications. Multicast survivability in WDM networks has been the focus of extensive attention since a single-link failure in an optical network may result in a massive loss of data. But the improvement of network survivability increases energy consumption due to more resource allocation for protection. In this paper, an energy-efficient multicast algorithm (EEMA) is proposed to reduce energy consumption in WDM networks. Two cost functions are defined based on the link state to determine both working and protection paths for a multicast request in WDM networks. To increase the number of sleeping links, the link cost function of the working path aims to integrate new working path into the links with more working paths. Sleeping links indicate the links in sleep mode, which do not have any working path. To increase bandwidth utilization by sharing spare capacity, the cost function of the protection path is defined to use sleeping fibers for establishing new protection paths. Finally, the performance of the proposed algorithm is evaluated in terms of energy consumption, and also the blocking probability is evaluated under various traffic environments through OPNET. Simulation results show that our algorithm reduces energy consumption while maintaining the quality of service.

• 한국경영과학회지
• /
• 제40권4호
• /
• pp.1-18
• /
• 2015

This paper proposes relational capability as a main driver of constructing inter-organizational collaboration networks. Based on social network theory and relational view literature, three components of relational capability are constructed and implemented by an agent-based model. The components include organizational capability, structural capability, and trust between a partner and a focal firm. These three components are updated by two micro mechanisms: structural mechanism and relational mechanism. Structural mechanism is a feedback loop in which the relational capability increases structural capability and vice versa. Relational mechanism is a learning-by-doing process in which a focal firm experiences success or failure of collaboration and the experience increases or decreases cumulative trust in a partner firm. Result of agent-based simulation shows that a collaboration network emerges through interactions of firm's relational capabilities and the characteristics of emerged networks vary with the contribution of structural capability and trust to relational capability. Specifically, in case structural capability contributes more to relational capability, the average degree centrality and collaboration proportion increases as time passes and enters into an equilibrium state. In that case, almost every firms participated in the network collaborates each other so that the emerged network becomes highly cohesive. In case trust contributes more to relational capability, the results are reversed. In an equilibrium state, the balance of contribution between structural capability and trust makes an emerged network larger and maximizes average degree centrality of the network.

• 통상정보연구
• /
• 제13권4호
• /
• pp.81-100
• /
• 2011

스마트 기기 보급에 따라 NFC 기술에 대한 관심이 날이 갈수록 증대되고 있다. 본 연구에서는 NFC 기반 상거래가 성공하기 위해서는 기술적인 차원의 접근보다는 비즈니스 모델차원의 접근이 필요하다는 가정 하에, NFC 상거래 비즈니스 모델이 성공하기 위하여 필요한 요인들이 무엇인지 제시하고자 한다. 이를 위하여 NFC와 비즈니스 모델, 사례연구방법론 주요 개념에 대하여 문헌 연구를 통하여 고찰하고, 대표적인 NFC 상거래 사례들을 선택하고, 해당 사례의 성공과 실패에 영향을 미치는 주요 요인들을 도출하였다. 도출된 요인을 기반으로 ID3기반의 귀납적 추론 기법을 적용하기 위한 사례테이블을 작성하고, 의사결정나무(Decision Tree)를 도출하여, NFC 상거래 비즈니스 모델이 성공하기 위하여 필요한 부분에 대한 전략적 시사점(Strategic Implications)을 제시하였다.