• 제목/요약/키워드: training signal

검색결과 496건 처리시간 0.027초

Satellite-derived flow 시그널 및 인공신경망 모형을 활용한 임진강 유역 유출량 산정 (Estimation of river discharge using satellite-derived flow signals and artificial neural network model: application to imjin river)

  • ;김형록;전경수;최민하
    • 한국수자원학회논문집
    • /
    • 제49권7호
    • /
    • pp.589-597
    • /
    • 2016
  • 본 연구에서는 임진강 상류유역과 같이 수리수문학적 분석에 필요한 측정데이터가 존재하지 않거나 혹은 데이터의 확보가 어려운 유역에 대하여 위성 데이터와 데이터 기반 모형을 활용하여 유출량을 산정하였다. SDF 시그널(Satellite-derived Flow Signal)은 하도내의 유량변화에 따른 하천 폭의 변화를 반영할 수 있다고 알려져 있으며, 그 상관관계는 하도단면의 형태와 밀접한 관계가 있다. SDF 시그널 데이터와 유출량 간의 비선형 상관관계를 반영할 수 있는 인공신경망 모형을 활용하여, 모형의 입력변수인 SDF 시그널 데이터로부터 임진강의 임진교 지점에서의 유출량을 추정하였다. 15개의 위성 이미지 픽셀의 SDF 시그널 값이 0~10일의 lag가 되어 활용되었으며, lag된 데이터를 포함하여 총 150개의 변수 중 유출량과 가장 큰 관계가 있는 변수 선정을 위해 PMI(Partial Mutual Information) 기법이 활용되었다. 인공신경망 모형을 통해 산정된 유출량은 임진교에서 측정된 지점 유출량과 비교 분석되었으며, 학습(training)과 검증(validation)을 통한 상관계수는 각각 0.86, 0.72로 좋은 결과를 보여주었다. 추가적으로 SDF 시그널 데이터 외에 임진교의 1일 전 측정유량이 인공신경망 입력변수로 추가되었을 때 상관계수가 0.90, 0.83으로 증가함을 보였다. 결과로부터 계측수문자료가 부족하거나 접근 불가능한 유역에 대하여 하천 유량 변화에 대한 추정치인 SDF 시그널 데이터와 지상 데이터가 결합되었을 때 신뢰성 높은 유역의 유출량을 산정할 수 있으며, 큰 유량이 발생하는 홍수사상에 대해서도 첨두 유량과 첨두 발생시간을 잘 모의할 수 있음을 알 수 있었다. 향후 위성 데이터와 지점 데이터를 활용하여 미계측 유역의 홍수발생에 대하여 높은 정확도로 예측 가능할 것으로 기대한다.

러프집합분석을 이용한 매매시점 결정 (Rough Set Analysis for Stock Market Timing)

  • 허진영;김경재;한인구
    • 지능정보연구
    • /
    • 제16권3호
    • /
    • pp.77-97
    • /
    • 2010
  • 매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.

복부부위의 체부정위방사선치료시 호흡에 의한 움직임분석 프로그램 개발 및 유용성 평가 (Development of Movement Analysis Program and its Feasibility Test in Streotactic Body Radiation Threrapy)

  • 신은혁;한영이;김진성;박희철;신정석;주상규;이지혜;안종호;이재기;최두호
    • 한국의학물리학회지:의학물리
    • /
    • 제22권3호
    • /
    • pp.107-116
    • /
    • 2011
  • 호흡동조 방사선치료 및 체부정위방사선치료시 치료계획과 치료시 치료대상장기가 동일하게 움직이는 것을 확인하는 것은 매우 중요하다. 따라서, 본 연구에서는 호흡의 상태를 모니터하는 RPM 자료와, OBI 영상을 이용하여, 치료 중 치료장기의 움직임을 유추하고 분석하는 프로그램을 개발하였다. 기개발된 호흡연습/유도장치를 사용하여 환자호흡의 규칙성을 확보하였다. 호흡의 상태는 RPM 자료를 실시간 모니터하고 또 치료 후에 저장된 RPM 자료를 이용하였고, 호흡 변위를 내부장기의 움직임으로 환산하기 위하여 호흡의 0%, 50% 호흡동조 OBI 영상을 촬영하였다. OBI 영상촬영 시각을 기록하여, 해당시각의 RPM 자료를 읽고, RPM의 변위와 OBI에서 관찰한 종양의 움직임의 상호비례계수를 구하였다. 치료 후 RPM 자료를 읽어 RPM 자료의 최대값, 최소값, 평균값과 표준편차를 자동으로 계산하는 프로그램을 Labview로 제작하였고, 계산된 결과는 excel 파일로 출력되도록 고안하였다. 분석된 RPM 자료에 비례계수를 적용하여 치료시행중 대상장기의 움직임을 유추하도록 하였다. 이와 같이 개발한 방법은 구동팬텀을 이용하여 정확성을 시험하였고, 간의 체부정위방사선치료를 받는 10명의 환자에 대하여 개발한 방법을 적용하여 유용성을 평가하였다. 본 연구에서 개발한 호흡분석 방법은 구동팬텀을 이용하여 정확성을 확인하였다. 4 sec 주기의 2 cm의 sine 함수형태의 규칙적인 움직임에서 주기는 0.052 sec (1.3%) 크게, 움직임의 크기는 1.952 cm로 0.048 cm 작게 측정되었다. 환자에게 시험적용에서는 1명의 환자는 치료 전 연습을 위한 가치료시간의 자료분석에서 체부정위방사선치료에 적합하지 않은 것으로 판명되었고, 1명의 환자는 치료계획시보다 장기의 움직임이 크게 분석되어 호흡동조 방사선치료로 전환하였다. 본 연구에서 개발한 호흡분석프로그램은 복부부위의 방사선을 받는 모든 환자들의 내부장기의 움직임을 유추하는 데 유용한 것으로 평가되며, 체부정위방사선치료 대상환자들에 대하여, 치료계획시와 동일하게 움직임이 유지되는지 모니터하는 데 유용하였다.

데이터마이닝 기법을 활용한 비외감기업의 부실화 유형 분석 (The Pattern Analysis of Financial Distress for Non-audited Firms using Data Mining)

  • 이수현;박정민;이형용
    • 지능정보연구
    • /
    • 제21권4호
    • /
    • pp.111-131
    • /
    • 2015
  • 본 연구에서는 데이터마이닝 기법의 일종인 자기조직화지도(Self-Organizing Map, SOM)를 이용하여 비외감기업의 부실화 유형을 구분하고자 한다. 자기조직화지도는 인공 신경망을 기초로 자율학습을 통해 입력된 값을 유사한 군집끼리 묶어내는 방법으로, 기존의 통계적 군집 분류 방법보다 성능이 뛰어나고, 고차원의 입력데이터를 저차원으로 시각화할 수 있다는 장점 때문에 다양한 분야에서 각광받고 있다. 본 연구에서는 기존 연구의 주요 분석대상이었던 외감기업에 비해 부실화 빈도는 높지만 데이터 수집의 어려움으로 인해 분석대상에서 다소 제외되었던 비외감기업의 부실화 유형에 대해 알아보고, 유형별 구체적인 사례도 소개하고자 한다. 재무자료수집이 가능한 100개의 비외감 부실기업에 대해 분석한 결과, 비외감기업의 부실화 유형은 다섯 가지로 구분되었다. 유형 1은 전체 집단의 약 12%를 차지하며, 수익성, 성장성 등 재무지표가 다른 유형에 비해 열등하였다. 유형 2는 전체 집단의 약 14%로, 유형 1보다는 덜 심각하지만 재무지표가 대체로 열등하였다. 유형 3은 성장성 지표가 열등한 그룹으로 기업간 경쟁이 극심한 가운데 지속적으로 성장하지 못하고 부실화된 경우로 약 30%의 기업이 포함되었다. 유형 4는 성장성은 탁월하나 부채경영 등 과감한 경영으로 인해 유동성 부족이나 현금부족 등의 이유로 부실화된 그룹으로 약 25%의 기업이 포함되었다. 유형 5는 거의 모든 재무지표가 우수한 건전기업으로, 단기적인 경영전략의 실수 또는 중소기업의 특성상 경영자의 개인적 사정으로 부실화 되었을 가능성이 큰 그룹으로 약 18%의 기업이 포함되었다. 본 연구 결과는 부실화 유형을 구분하는데 기존의 통계적 방법이 아닌 자기조직화지도를 이용하였다는 점에서 학문적 의의가 있고, 비외감기업의 재무지표만으로도 1차적인 부실화 징후를 발견할 수 있다는 점에서 실무적 의의가 있다고 할 수 있다.

비소세포성 폐암 환자의 방사선 치료 시 제한 호흡 주기의 유용성 평가 (Evaluation of the Usefulness of Restricted Respiratory Period at the Time of Radiotherapy for Non-Small Cell Lung Cancer Patient)

  • 박소연;안종호;서정민;김영일;김진만;최병기;표홍렬;송기원
    • 대한방사선치료학회지
    • /
    • 제24권2호
    • /
    • pp.123-135
    • /
    • 2012
  • 목 적: 비소세포성 폐암 환자의 호흡 조절 방사선 치료 시 호흡에 의한 종양의 움직임을 최소화하는 것이 필수적이다. 이에 본 연구에서는 자유호흡 주기와 제한호흡 주기를 각각 적용한 치료 계획을 비교, 분석하여 제한 호흡 주기의 유용성을 평가하고자 한다. 대상 및 방법: 2011년 4월부터 12월까지 비소세포성 폐암 환자 9명(tumor n=10)을 대상으로 환자에게 평소의 호흡주기를 바탕으로 측정한 '자유호흡 주기'와 의도적으로 줄인 '제한호흡 주기'를 '신호모니터-호흡(guided-breathing)'법을 사용하여 각각 훈련을 실시한 후 RPM과 4차원 전산화 단층촬영 모의치료기를 이용해 치료계획용 4D CT를 실시하여 총 10개의 호흡 위상(respiration phase)별 CT 영상을 획득하였다. 각 호흡 주기의 CT 영상에 관측자 두 명이 각각 설정한 육안적 종양체적(Gross Tumor Volume, GTV)과 내부표적체적(Internal Target Volume, ITV)부피를 측정, 비교하였고 들숨(end-inspiration, EI)인 0%와 날숨(end-exhalation, EE)인 50% 위상에서의 center of mass (COM)를 측정하여 종양 움직임의 진폭을 측정했다. 또한 관측자 두명이 각각 두 호흡 주기를 적용한 치료계획을 수립하였고 정상 폐 평균선량(mean dose to normal lung, MDTNL)과 정상 폐 용적의 정상조직합병증확률(normal tissue complication probability, NTCP)을 비교, 분석하였으며 측정된 자료의 정량적 평가를 위해 통계 분석을 실시했다. 결 과: 관측자 두 명의 '제한호흡 주기'를 적용한 치료 계획을 분석한 결과 '자유호흡 주기'에 비해 종양의 3D 방향 움직임이 관측자 1의 경우 38.75%, 관측자 2의 경우 41.10%의 감소율을 보였고 GTV와 ITV의 부피를 측정, 비교한 결과 GTV의 부피는 관측자 1의 경우 $14.96{\pm}9.44%$, 관측자 2의 경우 $19.86{\pm}10.62%$, ITV의 부피는 관측자 1의 경우 $8.91{\pm}5.91%$, 관측자 2의 경우 $15.52{\pm}9.01%$의 감소율을 보였으며 MDTNL과 NTCP를 분석, 비교한 결과 MDTNL은 관측자 1의 경우 $3.98{\pm}5.62%$, 관측자 2의 경우 $7.62{\pm}10.29%$의 감소율을, NTCP의 경우 관측자 1의 결과 $21.70{\pm}28.27%$, 관측자 2의 결과 $37.83{\pm}49.93%$의 감소율을 나타냈다. 또한 두 관측자의 결과 값의 상관관계를 분석한 결과 '자유호흡 주기'에서는 관측자간의 유의한 차이를 보이는 데 비해 '제한호흡 주기'에서는 관측자간의 차이가 없는 감소율을 보였다. 결 론: '자유호흡 주기'에 비해 '제한호흡 주기'를 적용한 치료 계획에서 평가인자들의 상대적인 감소를 나타내어 비소세포성 폐암 환자의 호흡 조절 방사선 치료 시 '제한호흡 주기'의 유용성 및 타당성을 확인할 수 있었다.

  • PDF

입력변수 및 학습사례 선정을 동시에 최적화하는 GA-MSVM 기반 주가지수 추세 예측 모형에 관한 연구 (A Study on the Prediction Model of Stock Price Index Trend based on GA-MSVM that Simultaneously Optimizes Feature and Instance Selection)

  • 이종식;안현철
    • 지능정보연구
    • /
    • 제23권4호
    • /
    • pp.147-168
    • /
    • 2017
  • 오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.