• International Journal of Internet, Broadcasting and Communication
• /
• 제15권2호
• /
• pp.240-247
• /
• 2023

In this paper, effective data management in industrial sites such as intelligent factories using time series data was studied. For effective management of time series data, variables considering the significance of the data were used, and hyper parameters calculated through LSTM AE were applied. We propose an optimized modeling considering the importance of each data section, and through this, outlier data of time series data can be efficiently processed. In the case of applying data significance and applying hyper parameters to which the research in this paper was applied, it was confirmed that the error rate was measured at 5.4%/4.8%/3.3%, and the significance of each data section and the significance of applying hyper parameters to optimize modeling were confirmed.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2005년도 추계학술대회
• /
• pp.151-152
• /
• 2005

IGARCH and Stochastic Volatility Model(SVM, for short) have frequently provided useful approximations to the real aspects of financial time series. This article is concerned with modeling various Korean financial time series using both IGARCH and Stochastic Volatility Models. Daily data sets with sample period ranging from 2000 and 2004 including KOSPI, KOSDAQ and won-dollar exchange rate are comparatively analyzed using IGARCH and SVM.

• Journal of the Korean Data and Information Science Society
• /
• 제16권4호
• /
• pp.835-841
• /
• 2005

IGARCH and Stochastic Volatility Model(SVM, for short) have frequently provided useful approximations to the real aspects of financial time series. This article is concerned with modeling various Korean financial time series using both IGARCH and stochastic volatility models. Daily data sets with sample period ranging from 2000 and 2004 including KOSPI, KOSDAQ and won-dollar exchange rate are comparatively analyzed using IGARCH and SVM.

• Journal of the Korean Data and Information Science Society
• /
• 제16권2호
• /
• pp.283-288
• /
• 2005

Value at Risk(VaR) has been proven useful in finance literature as a tool of risk management(cf. Jorion(2001)). This article is concerned with introducing VaR to various Korean financial time series. Five daily data sets with sample period ranging from 2000 and 2004 such as KOSPI, KOSPI 200, KOSDAQ, KOSDAQ 50 and won-dollar exchange rate are analyzed using GARCH modeling and in turn VaR is obtained for each data.

• Communications for Statistical Applications and Methods
• /
• 제7권1호
• /
• pp.87-96
• /
• 2000

Nonlinear time series prediction is derived and compared between statistic of modeling and neural network method. In particular mean squared errors of predication are obtained in generalized random coefficient model and generalized autoregressive conditional heteroscedastic model and compared with them by neural network forecasting.

• 한국ITS학회 논문지
• /
• 제22권2호
• /
• pp.80-92
• /
• 2023

도시에 많은 사람들이 밀집하여 살아가면서 기존에 예측하지 못했던 범죄, 사고, 감염병 등의 비정상 이벤트가 발생은 도시 내 이용자 수요에 영향을 미치게 된다. 이러한 불확실성(uncertainty)이 내포된 정보를 기반으로 도시 내 이용자 수요에 대한 시계열적 예측을 수행한다면 신뢰성 있는 결과 도출이 불가능하다. 특히, 2020년 초 발발한 COVID-19는 비정상적인 이동통행패턴의 변화를 불러 일으키며 시계열 수요예측을 어렵게 만들었기에 이러한 변화를 검지하고 이를 반영하여 정확한 수요를 예측 수행할 수 있는 방법론의 필요성이 대두되고 있다. 이에 본 연구는 COVID-19로 인한 비정상적 이벤트를 자동으로 검지하고 예측하는 모형 파이프라인을 구축하였다. 이는 도시 내 다양한 분야에서의 불규칙적이고 비정상적인 이벤트로 인한 수요변화가 일어나는 상황에 폭넓게 활용될 수 있을 것으로 생각된다.

• 디지털산업정보학회논문지
• /
• 제15권1호
• /
• pp.1-7
• /
• 2019

The objective of this study is to examine the trends in big data. Research abstracts were extracted from 4,019 articles, published between 1995 and 2018, on Web of Science and were analyzed using topic modeling and time series analysis. The 20 single-term topics that appeared most frequently were as follows: model, technology, algorithm, problem, performance, network, framework, analytics, management, process, value, user, knowledge, dataset, resource, service, cloud, storage, business, and health. The 20 multi-term topics were as follows: sense technology architecture (T10), decision system (T18), classification algorithm (T03), data analytics (T17), system performance (T09), data science (T06), distribution method (T20), service dataset (T19), network communication (T05), customer & business (T16), cloud computing (T02), health care (T14), smart city (T11), patient & disease (T04), privacy & security (T08), research design (T01), social media (T12), student & education (T13), energy consumption (T07), supply chain management (T15). The time series data indicated that the 40 single-term topics and multi-term topics were hot topics. This study provides suggestions for future research.

• 지구물리와물리탐사
• /
• 제4권3호
• /
• pp.70-79
• /
• 2001

적분방정식법은 매우 강력한 3차원 전자탐사 모델링 기법이다. 그러나 이 방법은 이상체내의 전기장 계산시 대형 선형방정식의 해를 구해야 하므로 계산시간이 많이 소요된다는 단점이 있다. 특히 3차원 역산의 경우에는 이러한 적분방정식의 단점은 치명적이 될 수밖에 없다. 이상체내의 전기장을 1차장으로 가정하는 통상적인 Born 근사법은 계산이 용이하고 속도가 빠르다는 장점이 있다. 그러나 이 방법은 이상체와 모암간의 전기전도도비가 너무 클 경우에는 정확성에 문제가 있다. 준선형, 준해석 및 확장된 Born 근사는 이상체내의 전기장 계산을 위한 적분방정식을 선형화한 방법으로 적분방정식법에 비하여 계산시간이 빠르고 통상의 Born 근사에 비해서는 정확성이 높은 매우 훌릉한 3차원 전자탐사 모델링 기법이다. 그러나 이들 또한 근본적으로 근사법에 해당되므로 정확성을 향상시킬 필요가 있다. 근사법의 정확성을 높이기 위한 방법으로 반복적 방법을 사용하는 급수 전개법이 동원되며, 이 방법에는 수정 Born 급수, 준선형 급수 및 준해석 급수 등이 있다. 이들 급수 전개법은 적분방정식법 및 여러 근사법과 비교해 볼 때 매우 정확하고 비교적 빠르며, 항상 수렴하여 그 효율성이 높은 것으로 나타났다. 또한 급수 전개법은 전산프로그램의 작성이 용이하다는 장점도 있다. 본 연구에서는 이를 확장된 Born 급수 전개법으로 화장하여 보다 정확한 결과를 얻을 수 있었다. 따라서 확장된 Born 급수법을 포함하는 각종 급수 전개법은 향후 3차원 전자탐사 모델링 및 역산에 적용 가능한 빠르고 정확한 모델링 기법으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제27권11호
• /
• pp.19-27
• /
• 2022

본 연구에서는 시계열 데이터 이상 탐지 수행을 위한 MLOps(Machine Learning Operations) 워크플로를 기술하고 관리할 수 있는 언어와 플랫폼을 제안한다. 시계열 데이터는 IoT 센서, 시스템 성능 지표, 사용자 접속량 등 많은 분야에서 수집되고 있다. 또한, 시스템 모니터링 및 이상 탐지 등 많은 응용 분야에 활용 중이다. 시계열 데이터의 예측 및 이상 탐지를 수행하기 위해서는 분석된 모델을 빠르고 유연하게 운영 환경에 적용할 수 있는 MLOps 플랫폼이 필요하다. 이에, 최근 데이터 분석에 많이 활용되고 있는 Python 기반의 AMML(AI/ML Modeling Language)을 개발하여 손쉽게 MLOps 워크플로를 구성하고 실행할 수 있도록 제안한다. 제안하는 AI MLOps 플랫폼은 AMML을 이용하여 다양한 데이터 소스(R-DB, NoSql DB, Log File 등)에서 시계열 데이터를 추출, 전처리 및 예측을 수행할 수 있다. AMML의 적용 가능성을 검증하기 위해, 변압기 오일 온도 예측 딥러닝 모델을 생성하는 워크플로를 AMML로 구성하고 학습이 정상적으로 수행됨을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.655-660
• /
• 2009

기존의 예측 알고리즘들은 실시간 환경에서 학습 데이터 처리에서 오는 시간지연 문제, 구현의 어려움 등으로 개인화된 실시간 서비스를 제공하는 컨텍스트 인식 환경에서 사용하기에 적합하지 않다. 본 논문에서는 사용자 모델을 이용하여 컨텍스트 예측 알고리즘의 처리시간 단축과 예측 정확도를 향상시키기 위한 연구를 제안한다. 컨텍스트 예측을 위하여 사용자의 컨텍스트 중에서 이동경로를 사용한다. 이동경로를 기반으로 시계열 분석 방법을 통하여 사용자 모델을 생성하고, 생성된 사용자 모델을 시퀀스 매칭 방법을 이용하여 사용자의 컨텍스트를 예측한다. 기존 예측 알고리즘과 본 연구에서 제안한 예측 알고리즘을 시뮬레이션을 통하여 처리시간 및 예측 정확도를 비교한 결과, 실시간 서비스 환경에서 예측 정확도는 기존 예측 알고리즘들과 비슷한 결과를 보였고, 처리시간은 사용자 모델을 사용한 경우가 시퀀스 매칭을 사용한 경우보다 평균 40% 정도 감소시킬 수 있음을 알 수 있었다.