• 항공우주정책ㆍ법학회지
• /
• 제32권1호
• /
• pp.225-285
• /
• 2017

무인항공기 규제 법률은 ICAO의 경우 1944년 '시카고협약'을 기준으로 'RPAS manual(2015)'에 상세하게 규정하고 있으며, 미국의 경우 '연방항공규칙 (14CFR), Public Law (112-95)', 독일의 경우 EASA의 Regulation (EC) No.216/2008을 기본으로 150kg 미만의 무인항공기의 경우 항공운송법, 항공운송명령, 항공운송허가명령 (무인항공기 운영규칙에 관한 법률에 의한 개정), 호주의 경우 '민간항공법 (CAA 1998), 민간항공규칙 101장 (CASR Part 101)'로 정하고 있다. 공통적으로 이러한 법률들이 규제하는 대상에 여가선용 목적의 모형항공기는 제외하고 있으며, 반드시 무인항공기를 통제할 수 있는 조종자를 두어야 하는데, 이때 조종자란 항공 기내가 아닌 지상에서의 조종과 통제를 하는 사람을 의미한다. 또한 무인항공시스템이라는 구조 하에서 조종자는 물론이고 무인항공기를 운용에 필요한 모든 관리 즉, 법률의 규정이 정하는 범위 안에서 안전하고 효율적으로 시스템을 운용하기 위한 모든 관리를 포함하는 것을 의미한다. 구체적 운용방식에 관하여는 각 나라는 25kg 이하의 항공기로 분류하여 규정하고, 호주와 독일은 그 이하의 중량에서 다시 세분화하여 규정하고 있다. ICAO는 시카고협약 제6부속서에 따라 상업적운용을 포함하여 일체의 일반항공 운용을 규정하고 있으며 RPAS 운용의 경우에도 적용된다. 다만, RPA를 이용한 여객운송은 제외하고 있다. RPA의 운용범위가 타국의 영공을 포함하는 경우 비행일 7일 이전에 해당 국가의 특별허가를 요건으로 하며, 이때 비행계획서를 함께 제출하여야 한다. 미국은 연방항공규칙 107장에 따라, 비레저용 소형무인기는 책임조종자 또는 관찰자의 시야 범위 내에서 (주간에만) 지표 또는 수면으로부터 122m(400피트)까지, 시속 161km (87노트) 이내로 운용 가능하다. 소형무인기는 다른 항공기에 경로를 양보해야 하고, 위험물질을 수송하거나 1인이 동시에 2대 이상의 무인기를 운용하는 것은 금지된다. 독일의 경우 무인항공기 운영규칙에 관한 법률에 따라 무인항공시스템과 무인모형항공기에 관한 규정(여가선용 용도 제외)은 공중충돌 방지의무와 더불어 지상의 안전 및 개인의 사생활 보호도 함께 고려되어 2017년 3월 제정되었다. 5kg 이하의 상업용 무인항공기는 종전의 규제규정을 완화하여 더 이상 허가를 요건으로 하지 않지만, 중량에 상관없이 모든 무인항공기는 지속적인 감시자와 조종자의 통제 범위 내에서 100m이하의 높이에서만 자유롭게 운용되어질 수 있다. 호주는 2001년 무인항공기를 규제한 첫 국가로 ICAO 및 FAA, EASA 등의 무인항공기 관련법제에 영향을 주었다. 2016년 개정을 통하여 저위험도로 고려되는 무인항공기의 운용에 대하여 활용성을 증대시키고자 '배제 무인항공기'라는 항목을 추가하여 규제조건을 완화시켰으며, 이에 해당하는 경우 상업적 목적이라 할지라도 특별한 허가 없이 운용할 수 있도록 하였다. 나아가 현재 규제의 유연성을 위하여 새로운 표준 매뉴얼에 대하여 논의 중이다.

• 대한핵의학회지
• /
• 제31권1호
• /
• pp.19-29
• /
• 1997

목 적 : 본 연구의 목적은 IPT 약역학 컴퓨터시뮬레이션을 이용하여 혈류공급량, 도파민 운반체량 그리고 시간의 함수인 혈류와 도파민 운반체의 민감도를 측정하고 간편화된 정적 영상을 얻을 수 있는가의 가능성과 그 경우 도파민 운반체량의 변화를 어느 정도 반영하는가를 측정하고자 하는 것이었다. 또한 실제 결합능을 나타낸다고 가정된 $k_3/k_4$의 비를 반영하는 (BG-OCC)/OCC와 (ABBG-ABOCC)/ABOCC의 비를 이용한 방법과 그래프적 분석 방법의 정확성 및 유용성과 방사성의약품의 약역학을 분석하는 기법을 연구하고자 하였다. 방 법 : [I-123]IPT와 SPECT로 얻은 약 2시간 동적 선조체 시간방사능곡선, 동적 피 시간방사능곡선, 그리고 삼구획 역학모형을 이용, $K_1,\;k_2\;k_3\;k_4$ 속도상수들을 획득하였다. 위의 동적 피 시간방사능곡선과 속도상수들 중 혈류공급과 관련된 $K_l$ 또는 도파민 운반체량과 관련된 $k_3$의 양을 변경하면서 5분부터 5분씩 증가하여 120분까지의 혈류와 도파민 운반체의 민감도를 측정하였다. 또한 $k_3$의 양을 변화시킨 데이터를 이용하여 선조체와 후두엽에서의 시간방사능곡선을 계산한 후 각 방법의 정밀도를 측정하기 위해 (BG-OCC)/OCC와 $R_A$ 비값들과 그래프적 분석 방법을 이용하여 구한 $R_A$값들과 참값 $k_3/k_4$의 관계를 시간방사능곡선과 선형회귀 분석으로 계산하였다. 결 과 : 선조체와 후두엽에서의 $K_1,\;k_2\;k_3\;k_4$ 속도상수는 각각 $1.26{\pm}5.41%,\;0.044{\pm}19.58%,\;0.031{\pm}24.36%,\;0.008{\pm}22.78%$와 $1.36{\pm}4.76%,\;0.170{\pm}6.89%,\;0.007{\pm}23.89%,\;0.007{\pm}45.09%$이었다. 이들 속도상수를 이용하여 얻은 혈류 민감도와 도파민 운반체의 민감도는 30분, 60분, 90분, 120분에 각각 0.50, 0.35, 0.29, 0.23 그리고 0.19, 0.40, 0.53, 0.61이었다. 실제 속도상수의 비 $k_3/k_4$에 대한 (BG-OCC)/OCC와 $R_A,\;R_v$간의 상관계수는 각각 0.983, 0.984, 0.999이었으며 그때의 기울기는 각각 1.76, 0.47, 1.25이었다. 결 론 : IPT 약역학은 시간이 흐름에 따라 혈류량의 변동에 비해 도파민 운반체량의 변동에 더욱 민감한 경향을 보였으며 $k_3/k_4$에 대한 (BG-OCC)/OCC, $R_A,\;R_v$의 결과간에 좋은 상관관계를 가졌다. 따라서 이러한 약역학 컴퓨터시뮬레이션이 SPECT 영상을 이용한 도파민 운반체 또는 수용체 정량분석을 최적화하는데 매우 유용할 것으로 생각된다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.123-132
• /
• 2013

최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.109-125
• /
• 2019

지능형 전자상거래 검색 엔진에 대한 관심이 커지면서, 검색 상품의 특징을 지능적으로 추출하고 활용하기 위한 연구들이 수행되고 있다. 특히 전자상거래 지능형 검색 엔진에서 상품을 검색 할 때, 제품의 색상은 상품을 묘사하는 중요한 특징 중에 하나이다. 따라서 사용자의 질의에 정확한 응답을 위해서는 사용자가 검색하려는 색상과 그 색상의 동의어 및 유의어에 대한 처리가 필요하다. 기존의 연구들은 색상 특징에 대한 동의어 처리를 주로 사전 방식으로 다뤄왔다. 하지만 이러한 사전방식으로는 사전에 등록되지 않은 색상 용어가 질의에 포함된 경우 처리하지 못하는 한계점을 가지고 있다. 본 연구에서는 기존에 사용하던 방식의 한계점을 극복하기 위하여, 실시간으로 인터넷 검색 엔진을 통해 해당 색상의 RGB 값을 추출한 후 추출된 색상정보를 기반으로 유사한 색상명들을 출력하는 모델을 제안한다. 본 모델은 우선적으로 기본적인 색상 검색을 위해 671개의 색상명과 각 RGB값이 저장된 색상 사전을 구축하였다. 본 연구에서 제시한 모델은 특정 색상을 검색하는 것으로 시작하며, 검색된 색상이 색상 사전 내 존재하는 지 유무를 확인한다. 사전 내에 검색한 색상이 존재한다면, 해당 색상의 RGB 값이 기준 값으로 사용된다. 만일 색상사전 내에 존재하지 않는다면, Google 이미지 검색 결과를 크롤링하여 각 이미지의 특정 영역 내 RGB값들을 군집화하여 구한 평균 RGB값을 검색한 색상의 기준 값으로 한다. 기준 RGB값을 앞서 구축한 색상 사전 내의 모든 색상의 RGB 값들과 비교하여 각 R, G, B 값에 있어서 ${\pm}50$ 내의 색상 목록을 정렬하고, RGB값 간의 유클리디안 거리 유사도를 활용하여 최종적으로 유사한 색 상명들을 출력한다. 제안 방안의 유용성을 평가하기 위해 실험을 진행하였다. 피설문자들이 생각하는 300 개의 색상 이름과 해당 색상 값을 얻어, 본 연구에서 제안한 방안을 포함한 총 네가지 방법을 통해 얻은 RGB 값들과 피설문자가 지정한 RGB값에 대한 비교를 진행했다. 인간의 눈을 반영하는 측정 기준인 CIELAB의 유클리드안거리는 평균 13.85로 색상사전만을 활용한 방안의 30.88, 한글 동의어사전 사이트인 워드넷을 추가로 활용한 방안의 30.38에 비해 비교적 낮은 색상 간의 거리 값을 보였다. 연구에서 제시하는 방안에서 군집화 과정을 제외한 방안의 색 차는 13.88로 군집화 과정이 색 차를 줄여준다는 것을 확인할 수 있었다. 본 연구에서는 기존 동의어 처리 방식인 사전 방식이 지닌 한계에서 벗어나기 위해, 사전 방식에 새로운 색상명에 대한 실시간 동의어 처리 방식을 결합한 RGB값 기반의 새로운 색상 동의어 처리 방안을 제안한다. 본 연구의 결과를 활용하여 전자상거래 검색 시스템의 지능화에 크게 기여할 수 있을 것이다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.