• 기록학연구
• /
• 제30호
• /
• pp.125-174
• /
• 2011

한국에서 철도역은 열강의 수탈 및 대륙침략을 위한 목적으로 설치되었으나 한편으로 역이 설치된 지역에 있어서 교통수단의 중심이자 지역사적 사건의 무대로 기능해왔다, 그러나 지속되는 구조조정과 철도개량으로 기존의 철도역은 큰 변화를 겪고 있다, 철도역의 지역사적 위상과 기억을 재현하기 위한 수단으로 사진은 여러 유용성을 지니고 있으나 다른 매체에 비하여 기록 관리가 이뤄지지 못하고 있으며, 분단국가라는 특수성으로 인하여 사진으로 이를 남기는 작업도 어려운 상황이었다. 본 연구는 이러한 상황에서 철도역을 사진으로 기록하기 위한 방안을 제안하기 위하여 우선 무엇을 기록할 것인가에 대한 접근을 시도했다. 선행 기록화 연구에서 주로 활용된 업무 및 기능의 분석으로는 철도역과 직 간접적으로 연관을 가진 행위 및 시설물을 재구성하기 어려운 한계를 극복하기 위해 철도역의 가치를 분석하고, 이러한 가치를 기반으로 각각의 기록화 영역을 설정하여 각각의 기록화 영역별로 어떠한 세부대상이 기록화 될 수 있는지를 구체적인 사례로 제시했다. 또한 기록화 영역의 설정 과정에서 만들어진 계층성을 기반으로 분류체계에 적용하고, 세부대상의 변화에 따른 분류체계의 추가 및 수정에 대한 사례를 제시했다.

• 한국융합학회논문지
• /
• 제12권4호
• /
• pp.249-258
• /
• 2021

최근 암호화폐거래소로 투자자들이 몰리면서 비트코인 가격이 급등락하고 있다. 본 연구의 목적은 딥러닝 모형을 이용하여 비트코인의 가격을 예측하고, 투자전략을 통해 비트코인의 수익성이 있는지를 분석하는 것이다. 비선형성과 장기기억 특성을 보이는 비트코인 가격 예측모형으로는 LSTM을 활용하며, 예측 가격을 입력변수로 하는 이동평균선 교차전략의 수익성을 분석하였다. 2013년부터 2021년까지의 LSTM 예측 가격을 이용한 비트코인 이동평균선 교차전략의 투자 성과는 단순 시장가격을 이용한 이동평균선 교차전략과 벤치마크전략 Buy & Hold 보다 각각 5.5%와 46% 이상의 수익률 개선 효과를 보여주었다. 최근 데이터까지 확장하여 분석한 본 연구의 결과는 기존의 연구들과 마찬가지로 암호화폐 시장의 비효율성(inefficiency)을 지지하고 있으며, 비트코인 투자자들에게는 딥러닝 모형을 이용한 투자전략의 실전 활용 가능성을 보여주었다. 향후 연구에서는 다양한 딥러닝 모형들의 성과 비교를 통해 최적의 예측모형을 개발하고 비트코인 투자전략의 수익성을 개선할 필요가 있다.

• 전기전자학회논문지
• /
• 제24권4호
• /
• pp.1176-1179
• /
• 2020

선박의 이동 경로를 예측하는 기존의 방법들은 일반적으로 위도와 경도를 직접 예측한다. 하지만, 위도와 경도를 직접 예측할 경우, 예측 모델이 출력 가능한 범위가 상당히 넓어서 예측 오차가 매우 크게 발생할 수 있다. 또한, 순환 신경망 모델 기반의 예측에서는 이전 예측 위치도 다음 위치를 예측하기 위해 사용되기 때문에 오차가 누적되는 현상도 쉽게 발생할 수 있다. 이에 따라, 제안하는 방법에서는 위도와 경도를 직접 예측하지 않고, 선박의 가속도를 예측하여, 향후 속도와 방향을 결정하고, 그 결과로 위도와 경도가 예측되는 방법을 제안한다. 실험 결과에서는 같은 순환 신경망 모델을 사용했을 때, 제안하는 방법이 기존의 직접적으로 위도와 경도를 예측하는 방법에 비해 더 적은 오차를 발생시킴을 보인다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권7호
• /
• pp.2304-2320
• /
• 2021

Intelligently detecting anomalies in health sensor data streams (e.g., Electrocardiogram, ECG) can improve the development of E-health industry. The physiological signals of patients are collected through sensors. Timely diagnosis and treatment save medical resources, promote physical health, and reduce complications. However, it is difficult to automatically classify the ECG data, as the features of ECGs are difficult to extract. And the volume of labeled ECG data is limited, which affects the classification performance. In this paper, we propose a Generative Adversarial Network (GAN)-based deep learning framework (called CAB) for heart arrhythmia classification. CAB focuses on improving the detection accuracy based on a small number of labeled samples. It is trained based on the class-imbalance ECG data. Augmenting ECG data by a GAN model eliminates the impact of data scarcity. After data augmentation, CAB classifies the ECG data by using a Bidirectional Long Short Term Memory Recurrent Neural Network (Bi-LSTM). Experiment results show a better performance of CAB compared with state-of-the-art methods. The overall classification accuracy of CAB is 99.71%. The F1-scores of classifying Normal beats (N), Supraventricular ectopic beats (S), Ventricular ectopic beats (V), Fusion beats (F) and Unclassifiable beats (Q) heartbeats are 99.86%, 97.66%, 99.05%, 98.57% and 99.88%, respectively. Unclassifiable beats (Q) heartbeats are 99.86%, 97.66%, 99.05%, 98.57% and 99.88%, respectively.

• International journal of advanced smart convergence
• /
• 제10권2호
• /
• pp.108-122
• /
• 2021

With the development of 3D graphics software and the speed of computer hardware, it is an era that can be realistically expressed not only in movie visual effects but also in console games. In the production of such realistic 3D models, 3D scans are increasingly used because they can obtain hyper-realistic results with relatively little effort. Among the various 3D scanning methods, photogrammetry can be used only with a camera. Therefore, no additional hardware is required, so its demand is rapidly increasing. Most 3D artists shoot as many images as possible with a video camera, etc., and then calculate using all of those images. Therefore, the photogrammetry method is recognized as a task that requires a lot of memory and long hardware operation. However, research on how to obtain precise results with 3D photogrammetry scans is insufficient, and a large number of photos is being utilized, which leads to increased production time and data capacity and decreased productivity. In this study, point cloud data generated according to changes in the number and resolution of photographic images were produced, and an experiment was conducted to compare them with original data. Then, the precision was measured using the average distance value and standard deviation of each vertex of the point cloud. By comparing and analyzing the difference in the precision of the 3D photogrammetry scans according to the number and resolution of images, this paper presents a direction for obtaining the most precise and effective results to 3D artists.

• 국제지역연구
• /
• 제21권2호
• /
• pp.3-20
• /
• 2017

본 연구는 원/달러 환율, 엔/달러 환율, 위안/달러 환율 사이의 관계를 분석하였다. 전통적인 공적분 방법은 환율 변수 사이에 공적분 관계를 명확하게 판별하기 어려운 것으로 알려졌다. 이를 고려하여 분수공적분 방법과 진동수영역의 인과성 분석이 이용되었다. 분석 결과 환율변수 사이에 분수공적분 관계가 존재하는 것을 확인할 수 있었다. 환율 사이에 장기적으로 동조화가 이루어지지만, 충격으로 발생한 이탈은 상당 기간 지속하는 장기기억을 가지는 것을 의미한다. 시간영역의 인과성 분석과 진동수영역의 인과성 분석결과는 다소 차이가 있지만, 원/달러 환율을 예측하는 데 엔/달러 환율이 유용한 것으로 나타났다. 분수공적분 접근방법과 진동수영역의 인과성 분석을 적절하게 활용한다면 기존 방법으로부터 설명되지 못하는 유용한 정보를 획득할 수 있을 것이다.

• 한국콘텐츠학회논문지
• /
• 제21권1호
• /
• pp.185-195
• /
• 2021

본 연구는 한국의 축제에서 발생하는 동물학대에 대한 문제제기를 통해 문화적 행위로서의 축제가 문화적 가치를 형성하는지를 살펴보는 데 있다. 동물에 대한 사회적 인식의 변화와 인간 중심의 사고에서 환경과 생명의 가치에 대해 변화된 시선은 축제에서 다뤄지고 있는 동물을 다시 한 번 돌아보는 계기가 되었다. 본 연구를 위해 동물을 이용한 축제를 살펴보고, 그 중 비판의 대상이 되고 있는 4개의 주요 동물축제 실태를 분석하였다. 더불어 동물축제에 대해 상호 대립된 관점을 지닌 문화관광과 동물권 분야 전문가의 인터뷰를 통해 의견, 평가, 대안, 반론 등을 해석적으로 분석하는 질적 연구방법을 진행했다. 주요 논제는 '동심을 이용한 상품 판매'는 이미 상품화된 문화적 가치에 대한 통렬한 비판이다. '잘못된 전통은 지킬 가치가 없다'는 말은 문화적 가치 생성이 없는 전통의 관습적 기억으로부터의 탈피이다. 문화적 행위가 일어나는 공간으로서의 축제는 인간과 동물의 행위가 긴밀하게 교차하고 상호작용하는 특별한 장소이다. 전통이라는 이름으로 동물폭력의 역사를 이어 온 지난한 세월의 악습을 끊어내는 일이야 말로 '문화적 가치'를 생성하는 것이다.

• 한국콘텐츠학회논문지
• /
• 제21권6호
• /
• pp.552-560
• /
• 2021

새로운 미술품 유통방식의 발달로 미술품의 미적 효용을 넘어 투자재로서 바라보는 시각이 활성화되고 있다. 미술품의 가격은 주식이나 채권 등과 달리 객관적 요소와 주관적 요소들이 모두 반영되어 결정되는 이질적 특성이 있기 때문에 가격 예측에 있어서 그 불확실성이 높다. 본 연구에서는 LSTM(장단기 기억) 순환신경망 딥러닝 모형을 활용하여 낙찰총액 순위 1위부터 10위까지의 한국 작가의 회화 작품을 대상으로 작가의 특성, 작품의 물리적 특성, 판매적 특성 등을 입력으로 하여 경매 낙찰가의 예측을 시도하였다. 연구 결과, 모델에 의한 예측 가격과 실제 낙찰 가격의 차이를 설명하는 RMSE 값이 0.064 수준이었으며 작가별로는 이대원 작가의 예측력이 가장 높았고, 이중섭 작가의 예측력이 가장 낮았다. 투자재로서 미술품 시장이 더욱 활성화되고 경매 낙찰 가격의 예측 수요가 높아지면서 본 연구의 결과가 활용될 수 있을 것이다.

• International Journal of Computer Science & Network Security
• /
• 제21권6호
• /
• pp.319-328
• /
• 2021

Parallel administration of numerous drugs increases Drug-Drug Interaction (DDI) because one drug might affect the activity of other drugs. DDI causes negative or positive impacts on therapeutic output. So there is a need to discover DDI to enhance the safety of consuming drugs. Though there are several DDI system exist to predict an interaction but nowadays it becomes impossible to maintain with a large number of biomedical texts which is getting increased rapidly. Mostly the existing DDI system address classification issues, and especially rely on handcrafted features, and some features which are based on particular domain tools. The objective of this paper to predict DDI in a way to avoid adverse effects caused by the consumed drugs, to predict similarities among the drug, Drug pair similarity calculation is performed. The best optimal weight is obtained with the support of KHA. LSTM function with weight obtained from KHA and makes bets prediction of DDI. Our methodology depends on (LSTM-KHA) for the detection of DDI. Similarities among the drugs are measured with the help of drug pair similarity calculation. KHA is used to find the best optimal weight which is used by LSTM to predict DDI. The experimental result was conducted on three kinds of dataset DS1 (CYP), DS2 (NCYP), and DS3 taken from the DrugBank database. To evaluate the performance of proposed work in terms of performance metrics like accuracy, recall, precision, F-measures, AUPR, AUC, and AUROC. Experimental results express that the proposed method outperforms other existing methods for predicting DDI. LSTMKHA produces reasonable performance metrics when compared to the existing DDI prediction model.

• 산업경영시스템학회지
• /
• 제44권2호
• /
• pp.115-123
• /
• 2021

A lot of sensor and control signals is generated by an industrial controller and related internet-of-things in discrete manufacturing system. The acquired signals are such records indicating whether several process operations have been correctly conducted or not in the system, therefore they are usually composed of binary numbers. For example, once a certain sensor turns on, the corresponding value is changed from 0 to 1, and it means the process is finished the previous operation and ready to conduct next operation. If an actuator starts to move, the corresponding value is changed from 0 to 1 and it indicates the corresponding operation is been conducting. Because traditional fault detection approaches are generally conducted with analog sensor signals and the signals show stationary during normal operation states, it is not simple to identify whether the manufacturing process works properly via conventional fault detection methods. However, digital control signals collected from a programmable logic controller continuously vary during normal process operation in order to show inherent sequence information which indicates the conducting operation tasks. Therefore, in this research, it is proposed to a recurrent neural network-based fault detection approach for considering sequential patterns in normal states of the manufacturing process. Using the constructed long short-term memory based fault detection, it is possible to predict the next control signals and detect faulty states by compared the predicted and real control signals in real-time. We validated and verified the proposed fault detection methods using digital control signals which are collected from a laser marking process, and the method provide good detection performance only using binary values.