• 한국수자원학회논문집
• /
• 제40권1호
• /
• pp.73-88
• /
• 2007

본 연구의 목적은 결측 혹은 미계측 증발접시 증발량과 우리나라에서 계측되고 있지 않은 알팔파 기준증발산량의 산정을 위하여 유전자 알고리즘이 내재된 일반화된 회귀신경망모형을 개발하고 적용하는데 있다. 우리나라에서는 장기간동안 증발산계를 이용하여 알팔파 기준증발산량의 관측이 시행되지 않고 있으므로, 본 연구에서는 Penman-Monteith(PM) 공식을 이용하여 산정된 값을 계측된 알팔파 기준증발산량으로 가정하였다. 본 연구를 통하여 최적 증발접시 증발량과 알팔파 기준증발산량의 산정을 위한 COMBINE-GRNNM-GA(Type-1) 모형을 개발하였으며, 훈련, 테스트 및 재현과정을 통하여 COMBINE-GRNNM-GA(Type-1) 모형을 평가하였다. COMBINE-GRNNM-GA (Type-1) 모형은 제시된 기상인자를 평가할 수 있으며, 증발접시 증발량과 알팔파 기준증발산량에 대한 신뢰성 있는 자료를 구축할 수 있다. 더 나아가서 우리나라에서 관개배수 시스템 구축을 위한 참고자료를 제공할 수 있을 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제40권1호
• /
• pp.89-99
• /
• 2007

본 논문에서는 본 연구논제(2007)에서 개발된 COMBINE-GRNNM-GA(Type-1)으로부터 최적형태의 구조를 가진 모형을 구성하고, 입력층노드의 기상인자를 제거하기 위하여 불확실성 분석을 실시하였다. 훈련과정중에 가장 최소의 평활인자를 가진 입력층변수는 COMBINE-GRNNM-GA(Type-1)에서 제거되었으며, 변형된 COMBINE-GRNNM-GA(Type-1)은 기상학적 변수의 새로운 최소 평활인자를 구하기 위하여 재훈련된다. 최소 평활인자를 가지는 입력층 노드는 모형결과치에 대하여 가장 유용하지 않는 기상인자인 것을 암시하고 있다. 게다가, 민감하거나 민감하지 않은 기상인자들이 불확실성 분석을 통하여 선택되어진다. 최적 COMBINE-GRNNM-GA(Type-1)은 최소 비용과 노력으로 결측 혹은 미계측 증발접시 증발량과 계측되고 있지 않은 알팔파 기준증발산량을 산정하기 위하여 개발되었다 마지막으로 치적 COMBINE-GRNNM-GA(TyPe-1)을 이용하여 우리나라에서 전반적인 가뭄해석 및 관개배수 시스템 구축을 위한 참고자료를 제공할 수 있는 증발접시 증발량 지도 및 알팔파 기준증발산량 지도도 구축되어질 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제19권1호
• /
• pp.59-68
• /
• 1998

디지털 보청기는 기존의 아날로그 보청기에 비하여 많은 장점이 있다. 디지털 신호처리 프로세서의 발달과 더불어 최근에 다양한 디지털 보청 알고리즘과 완전한 디지털 보청기가 선보였다. 디지털 보청기의 알고리즘을 개발하거나 디지털 보청기를 새로이 평가하려는 사람들에게 난청자를 대상으로 하는 임상연구는 필수적으로 거쳐야 하는 과정이다. 그러나 이러한 임상연구는 실제 난청자를 대상으로 하여야 하기 때문에 난청자와 검사자 간에 통상적으로 많은 시간과 노력이 필요하며 원활한 의사 소통이 때로는 어려울 수 있다. 왜냐하면 난청자들의 연령이 너무 어리거나 많아서 의사소통에 지장을 주거나 검사자가 필요로 하는 시간에 비슷한 난청 유형을 가진 대상자를 모으기 어렵다. 본고에서는 임상연구를 보조하여 디지털 보청기 또는 알고리즘이 개발되기까지 수행되어야 할 많은 임상연구의 결과를 예측하고 평가할 수 있는 디지털 난청 시뮬레이션 방법을 제안하고, 실제 환자의 데이터를 사용한 시뮬레이션과 그에 대한 임상 실험을 통하여 시스템의 성능을 평가하였다. 실험 결과, 정상인으로부터 모델링된 환자 데이터와 매우 유사한 측정 결과를 얻어냄으로써, 제안된 시스템이 목적하고자 하는 바를 이룰 수 있음을 검증하였다. 또한 난청 시뮬레이터의 목적인 디지털 보청기 알고리즘을 개발하기 위한 평가 툴로서, 개발 초기에 다양한 디지털 보청기용 알고리즘을 구현하여 실제 난청 시뮬레이터와 연계하여 실험함으로써 보청기 알고리즘의 평가 및 새로운 보청기 알고리즘을 개발하고 평가하거나 향후 난청자를 대상으로 하는 임상연구에서 사용할 수 있는 유용성을 입증하였다.로 우유 교육 프로그램이 향후보다 체계적이고 확대되어 지속적으로 실시된다면, 우유에 대한 의미는 물론 인식 그리고 지식 정도에 있어 효과적인 결과를 유도할 수 있을 것이다.니하였다. 6) Dibutyryl cyclic AMP 및 8-bromo cyclic GMP 모두 혈소판응집률(血小板凝集率)을 감소시켰고, 후자(後者)는 전자(前者)에 비(比)하여 월등(越等)히 현저(顯著)하였다. sodium nitroprusside에 의한 항응집률(抗凝集率)은 methylene blue 전처치(前處置)에 의하여 길항(拮抗)되었으나, bovine hemoglobin전처치에 의하여는 영향(影響)을 받지 아니하였다. 이상(以上)의 성적(成績)을 종합(綜合)하면, 뇌졸중증(腦卒中症)때, 특히 뇌혈전증(腦血栓症)의 응급치료시(應急治療時) sodium nitroprusside의 응용(應用)이 가능(可能)하다고 사료(思料)되며, 이에 대(對)하여 임상적(臨床的) 치료(治療)가 기대되는 바이다.다시 상승(上昇)하는 경향(傾向)이었다. 중성지질(中性脂質) 중(中) climacteric rise 및 숙도(熟度)와 관련하여 변화(變化)한 것은 diglyceride 및 sterol ester의 2종(種)이었으며 glyceride가 중성지질(中性脂質) 전량(全量)의 변화(變化)와 동일(同一)한 경향(傾向)인데 반(反)하여 sterol ester은 climactric onset까지 증가(增加)하다가 기후(其後) 감소(減少)하였다. 인지질(燐脂質)도 저장기간(貯藏期間) 중(中) 처리구(處理區)에 관계(關係)없이 다같이 감소(減少)되었는데, 그 정도(程度)

• 지능정보연구
• /
• 제25권4호
• /
• pp.53-65
• /
• 2019

영상 기반의 보안 시스템의 증가함에 따라 각 용도마다 다른 다양한 객체들에 대한 처리들이 중요해지고 있다. 객체 추적은 객체 인식, 검출과 같은 작업들과 함께 필수적인 작업으로 다뤄진다. 이 객체 추적을 달성하기 위해서 다양한 머신러닝이 적용될 수 있다. 성공적인 분류기로써 전체 에러율 최소화(total-error-rate minimization) 기반의 방법론이 사용될 수 있다. 이 전체 에러율 최소화 기반의 방법론은 오프라인 학습을 기반으로 하고 있다. 객체 추적은 실시간으로 처리하며 갱신해야하는 것이 필수적이므로 온라인 학습(online learning)을 기반으로 하는 것이 적합하다. 온라인 전체 에러율 최소화 방법론이 개발되었지만 점근적으로 재가중되는(approximately reweighted) 작업이 포함되어 에러를 누적시킬 수 있다는 단점이 있다. 본 논문에서는 정확하게 재가중되는(exactly reweighted) 방법론을 제안하면서 온라인 전체 에러율 최소화가 달성되었다. 이 제안된 온라인 학습 방법론을 객체 추적에 적용하여 총 8개의 데이터베이스에서 다른 추적 방법론들 보다 좋은 성능이 달성되었다.

• 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.