• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.81-93
• /
• 2022

주식 투자는 가장 널리 알려진 재테크 방법들 중 하나지만 실제 투자를 통해 수익을 얻기는 쉽지 않기 때문에 과거부터 효과적이고 안정적인 투자 수익을 얻기 위한 다양한 투자 전략들이 고안되고 시도되어 왔다. 그중 변동성 돌파 전략(Volatility Breakout)은 일일 단위로 일정 수준 이상의 범위를 뛰어넘는 강한 상승세를 돌파 신호로 파악하여 상승하는 추세를 따라가며 일 단위로 빠르게 수익을 실현하는 전략으로 널리 쓰이고 있는 단기 투자 전략들 중 하나이다. 그러나 주식 종목마다 가격의 추이나 변동성의 정도가 다르며 동일한 종목이라도 시기에 따라 주가의 흐름이 일정하지 않아 주가를 예측하고 정확한 매매 시점을 찾아내는 것은 매우 어려운 문제이다. 본 논문에서는 단순히 종가 또는 장기간에 걸친 수익률을 예측하는 기존 연구 방법들과는 달리 단기간에 수익을 실현할 수 있는 주식과 같은 시계열 데이터 분석에 적합한 양방향 장단기 메모리 심층 신경망을 이용하여 변동성 돌파 전략 기반 매매 시의 수익률을 예측하여 주식을 매매하여 방법을 제안한다. 이렇게 학습된 모델로 테스트 데이터에 대하여 실제 매매를 가정하여 실험한 결과 기존의 장단기 메모리 심층 신경망을 이용한 종가 예측 모델보다 수익률과 안정성을 모두 상회하는 결과를 확인할 수 있다.

• 우주기술과 응용
• /
• 제1권2호
• /
• pp.178-198
• /
• 2021

국내 태양우주환경 분야에서 널리 이용되는 자료와 모델의 이해와 활용도를 높이고, 세부 분야 간 공동연구의 기회의 장을 마련하고자, 최근 한국우주과학회 태양우주환경분과에서 국내 연구소와 대학을 중심으로 사용되는 태양우주환경 자료와 모델의 보유 및 활용에 대한 조사를 실시했다. 조사 결과를 크게 태양 및 행성간 공간, 자기권, 전리권의 세 분야로 나눠 정리하였고, 본 논문에서는 자기권 분야의 관련 자료와 모델을 소개한다. 자기권 연구의 특성 상 우주공간에서 지점관측을 위한 위성 개발과 운용에 투자가 많이 필요하여 국내 보유 자료는 다른 분야에 비해 상대적으로 적은 편으로 조사됐지만, 국내 지자기관측소를 통한 자기장 변화를 실시간으로 제공하고 있으며, 자기권 모델을 통해 꾸준한 연구를 수행 중이다. 본 논문에서는 자기권 분야 중 국내 위성자료를 이용한 연구들과 제 1원리 물리법칙에 바탕이 된 모델을 대표로 소개한다. 이번 조사 결과와 이를 정리한 논문이 우주과학 관련 자료에 대한 장기적이고 연속적인 관리에 대한 중요성을 인식하며, 우주과학 연구에 참여하는 다양한 인력들이 참조하여 국내에서 생산되고 있는 자료를 활용하여 국내 우주과학 자료의 위상을 높이는데 기여하기를 희망한다. 자료에 대한 조사 내용은 한국우주과학회 홈페이지에서 다운로드할 수 있다(http://ksss.or.kr/).

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.241-251
• /
• 2022

화장품 및 뷰티산업에서 고객의 피부상태 진단과 관리는 중요한 필수기능이다. 소셜미디어 환경이 사회 전 분야에 확산되고 일반화되면서 피부 상태의 진단과 관리에 대한 다양하고 섬세한 고민과 요구 사항의 질문과 답변의 상호작용이 소셜미디어 커뮤니티에서 활발하게 다루어지고 있다. 그러나 소셜미디어 정보는 매우 다양하고 비정형적인 방대한 빅데이터이므로 적절한 피부상태 정보분석과 인공지능 기술을 접목한 지능화된 피부상태 진단 시스템이 필요하다. 본 논문에서는 소셜미디어의 텍스트 분석정보를 학습데이터로 가공하여 고객의 피부상태를 지능적으로 진단 및 관리하기 위한 피부상태진단시스템 SCDIS를 개발하였다. SCDIS에서는 딥러닝 기계학습 방법인 인공신경망 기술을 사용하여 자동적으로 피부상태 유형을 진단하는 인공신경망 모델 AnnTFIDF을 빌드업하여 사용하였다. 인공신경망 모델 AnnTFIDF의 성능은 테스트샘플 데이터를 사용하여 분석되었으며, 피부상태 유형 진단 예측 값의 정확성은 약 95%의 높은 성능을 나타내었다. 본 논문의 실험 및 성능분석결과를 통하여 SCDIS는 화장품 및 뷰티산업 분야의 피부상태 분석 및 진단 관리 과정에서 효율적으로 사용 가능한 지능화된 도구로 평가할 수 있다. 본 논문에서 제안된 시스템은 소셜미디어 기반의 새로운 환경에서 화장품 및 피부미용에 대한 사용자의 요구를 체계적으로 파악하고 진단하는 기초 기술로 사용 가능할 것이다. 그리고 이 연구는 새로운 기술 트렌드인 맞춤형 화장품제조와 소비자중심의 뷰티산업기술 수요를 해결하기 위한 기초 연구로 사용될 수 있을 것이다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.27-40
• /
• 2023

스마트 기기의 보급률 증가와 더불어 코로나의 영향으로 스마트 기기를 통한 미디어 콘텐츠의 소비가 크게 늘어나고 있다. 이러한 추세와 더불어 OTT 플랫폼을 통한 미디어 콘텐츠의 시청과 콘텐츠의 양이 늘어나고 있어서 해당 플랫폼에서의 콘텐츠 추천이 중요해지고 있다. 콘텐츠 기반 추천 관련 기존 연구들은 콘텐츠의 특징을 가리키는 메타 데이터를 활용하는 경우가 대부분이었고 콘텐츠 자체의 내용적인 메타 데이터를 활용하는 경우는 부족한 상황이다. 이에 따라 본 논문은 콘텐츠의 내용적인 부분을 설명하는 제목과 시놉시스를 포함한 다양한 텍스트 데이터를 바탕으로 유사한 콘텐츠를 추천하고자 하였다. 텍스트 데이터를 학습하기 위한 모델은 한국어 언어모델 중에 성능이 우수한 KLUE-RoBERTa-large를 활용하였다. 학습 데이터는 콘텐츠 제목, 시놉시스, 복합 장르, 감독, 배우, 해시 태그 정보를 포함하는 2만여건의 콘텐츠 메타 데이터를 사용하였으며 정형 데이터로 구분되어 있는 여러 텍스트 피처를 입력하기 위해 해당 피처를 가리키는 스페셜 토큰으로 텍스트 피처들을 이어붙여서 언어모델에 입력하였다. 콘텐츠들 간에 3자 비교를 하는 방식과 테스트셋 레이블링에 다중 검수를 적용하여 모델의 유사도 분류 능력을 점검하는 테스트셋의 상대성과 객관성을 도모하였다. 콘텐츠 메타 텍스트 데이터에 대한 임베딩을 파인튜닝 학습하기 위해 장르 분류와 해시태그 분류 예측 태스크로 실험하였다. 결과적으로 해시태그 분류 모델이 유사도 테스트셋 기준으로 90%이상의 정확도를 보였고 기본 언어모델 대비 9% 이상 향상되었다. 해시태그 분류 학습을 통해 언어모델의 유사 콘텐츠 분류 능력이 향상됨을 알 수 있었고 콘텐츠 기반 필터링을 위한 언어모델의 활용 가치를 보여주었다.

• 한국물환경학회지
• /
• 제39권2호
• /
• pp.162-174
• /
• 2023

In order to prevent water pollution caused by organic matter, Total Organic Carbon(TOC) has been adopted indicator and monitored. TOC can be divided into Dissolved Organic Carbon(DOC) and Particulate Organic Carbon(POC). POC is largely precipitated and removed during stream flow, which making DOC environmentally significant. However, there are lack of studies to define spatio-temporal distributions of DOC in stream affected by various land use. Therefore, it is necessary to estimate the past DOC concentration using other water quality indicators to evaluate status of watershed management. In this study, DOC was estimated by correlation and regression analysis using three different organic matter indicators monitored in mixed land-use watersheds. The results of correlation analysis showed that DOC has the highest correlation with TOC. Based on the results of the correlation analysis, the single- and multiple-regression models were developed using Biochemical Oxygen Demand(BOD), Chemical Oxygen Demand(COD), and TOC. The results of the prediction accuracy for three different regression models showed that the single-regression model with TOC was better than those of the other multiple-regression models. The trend analysis using extended average concentration DOC data shows that DOC tends to decrease reflecting watershed management. This study could contribute to assessment and management of organic water pollution in mixed land-use watershed by suggesting methods for assessment of unmeasured DOC concentration.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.227-241
• /
• 2022

전파형 역산은 석유가스 탐사를 위한 탄성파 자료처리 분야에서 지층의 속도 모델을 추정하는데 사용되는 역산 기법이다. 최근 탄성파 자료처리에 딥러닝 기술의 활용이 급격하게 증가하고 있는데, 전파형 역산 기술도 마찬가지로 다양한 연구가 이루어지고 있다. 초기에는 머신러닝 기술을 활용한 자료처리 기법이 전파형 역산을 위한 입력자료의 전처리 목적으로 활용되는 수준이었으나, 딥러닝 기술을 통해 전파형 역산을 직접적으로 구현하는 연구가 등장하기 시작하였다. 딥러닝 기술을 활용한 전파형 역산은 순수 데이터 기반 접근법, 물리 기반 신경망 활용법, 인코더-디코더 구조 활용법, 신경망 재매개변수화를 이용한 구현법, 물리정보 기반 신경망 기법 등으로 구분할 수 있다. 이 논문에서는 딥러닝 기반 전파형 역산 기법을 발전 과정 순서로 체계화하여 각각의 접근법에 대한 이론과 특징을 설명하였다. 전파형 역산 기술에 딥러닝 기법을 도입한 초기에는 데이터 과학의 기본 원리에 충실하게 대량의 학습자료를 준비하고 순수 데이터 기반 예측 모델을 적용하여 속도 모델을 역산하는 연구로 시작하였다. 최근 연구 동향은 탄성파 자료의 잔차나 파동방정식 자체의 물리정보를 심층 신경망에 활용하여 순수 데이터 기반 접근법의 단점을 보완해 나가는 방향으로 진행되고 있다. 이러한 발전으로 대량의 학습자료가 필요하지 않고, 전파형 역산의 태생적 한계점인 주기 놓침 현상을 완화하며 계산 시간을 획기적으로 줄일 수 있는 딥러닝 기반 전파형 역산 기술이 등장하고 있다. 딥러닝 기술의 도입으로 전파형 역산 기술은 탄성파 자료처리 분야에서 가치가 더 높아질 것으로 생각된다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.284-301
• /
• 2023

본 연구에서는 1km 고해상도 앙상블 신기후변화 시나리오(공통사회 경제경로 시나리오) 자료를 기반으로 하여 남한을 포함한 한반도 전체의 벼 기후생산성(CYP) 변화를 평가하였다. 이때, 기후변화 시나리오자료에서 제공하는 제한적인 변수를 활용하기 위해 일조시간을 대신하여 일사량을 이용하였다. 연구 결과에 따르면, 현재 기후에 비해 온난화된 미래 기후조건에서 CYPmax 값은 감소하고 최적출수일은 점차 늦춰지는 경향이 나타났다. 이는 고도가 높은 한반도 북동부의 산악 지역을 제외하고 모든 지역에서 나타나는 현상이며, 특히 온난화가 빠르게 진행되는 SSP585시나리오 일수록 더욱 뚜렷하게 나타났다. 이러한 결과는 낮은 배출 시나리오의 이점을 보여주는 동시에 온실 가스 배출을 제한하기 위해 더 많은 노력을 기울일 필요가 있음을 강조한다. 한편, CYPmax의 시계열에서 넓은 폭의 앙상블 스프레드가 나타났는데, 이는 단일모형 혹은 작은 수의 모형을 선택하였을 때 미래 변화 분석에 내재된 불확실성을 보여주며 앙상블 예측의 중요성을 보여준다. 본 연구를 통해 분석된 장기간의 기온 및 일사 조건의 변화에 따른 기후학적 벼 생산성 변화 및 불확실성에 대한 분석은 기후변화 대응을 위한 기초정보로써 가치가 있다.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.21-37
• /
• 2022

신약을 개발하는 한 가지 방법의 하나인 신약 재창출(Drug Repositioning)은 이미 사람들에게 사용할 수 있도록 승인된 약물들이 다른 용도로 사용되도록 하여 새로운 적응증을 발견하는 유용한 방법이다. 최근에는 머신러닝 기술의 발달로 방대한 생물학적 정보를 분석하여 신약 개발에 활용하는 경우가 증가하고 있다. 신약 재창출에 머신러닝 기술을 활용하면 효과적인 치료법을 신속하게 찾아내는 데 도움을 줄 것이다. 현재 심각한 급성 호흡기 증후군인 코로나바이러스(COVID-19)에 의한 신종 질병으로 전 세계가 힘든 시간을 보내고 있다. 이미 임상적으로 승인된 약물의 용도를 변경하는 신약 재창출은 COVID-19 환자를 치료하기 위한 치료제의 대안이 될 수 있다. 본 연구는 머신러닝 기법을 활용하여 신약 재창출 분야에 대한 연구 동향을 살펴보고자 한다. Pub Med에서 웹 스크래핑 기법을 사용하여 'Drug Repositioning'이라는 키워드로 총 4,821건의 논문을 수집하였다. 데이터 전처리 후, 4,419건의 논문을 대상으로 빈도분석, LDA 기반 토픽모델링, Random Forest 분류 분석 및 예측 성능평가를 수행하였다. Word2vec 모델을 기반으로 연관어를 분석하였고, PCA 차원 축소 후 K-Means 군집화하여 레이블을 생성한 후, t-SNE 알고리즘을 이용하여 논문이 형성하고 있는 그룹을 시각화하고, LDA 결과에 계층적 군집화를 적용하여 히트맵으로 시각화하였다. 본 연구는 신약 재창출과 관련된 연구 주제가 무엇인지를 파악하고, 머신러닝 알고리즘을 사용하여 대량의 문헌에서 의미 있는 주제를 도출하고 시각화하는 방법을 제시하였다. 향후 신약 재창출 분야의 연구나 개발 전략을 수립하기 위한 기초자료로 활용되는 데 도움을 줄 것이라고 기대한다.

• 한국빅데이터학회지
• /
• 제8권2호
• /
• pp.149-163
• /
• 2023

지속적인 이커머스 시장의 성장으로 풀필먼트센터가 처리해야 하는 주문량은 증가하였고, 다양한 고객 요구사항은 주문 처리의 복잡성을 높이고 있다. 이러한 추세와 함께 최근 인건비 증가로 인해 풀필먼트센터의 운영 효율성이 기업 경영 관점에서 더욱 중요해지고 있다. 본 연구는 풀필먼트센터의 출고 프로세스 중 포장 작업 영역에 적용 가능한 박스 추천을 중심으로 연구를 수행하였다. 박스 추천을 하기 위해 과거 실적 데이터를 기계학습 모형의 학습 데이터로 사용하였다. 상품 정보, 주문 정보, 포장 정보, 배송 정보 4가지 종류의 데이터를 전처리, 변수 가공 과정을 거쳐 기계학습 모델에 적용하였다. 입력 벡터로는 상품 규격 정보에 해당하는 width, length, height 3가지 특성을 사용하였으며, 상품의 실수 정보를 구간별 정수체계로 변환하는 변수 가공 과정을 통해 입력 벡터의 특성을 추출하였다. 기계학습 모형별 성능을 비교한 결과 GradientBoosting 모델을 적용하였을 경우 21개의 구간으로 상품 규격 정보를 정수로 변환하였을 때 95.2%로 가장 높은 정확도로 예측을 수행함을 확인하였다. 본 연구는 풀필먼트센터에서 잘못된 박스 선택으로 인해 발생하는 물류비용의 증가와 박스 포장 소요 시간의 비효율을 줄이기 위한 방안으로 기계학습 모형을 제시하며, 상품 규격 정보의 특성을 효과적으로 추출하기 위한 변수 가공 처리 방식을 제안한다.

• 대한토목학회논문집
• /
• 제44권2호
• /
• pp.173-182
• /
• 2024

최근 홍수예측과 관련한 연구에서 기계학습과 같은 인공지능 기법을 이용한 데이터모형의 활용에 관한 관심이 높다. 데이터모형은 미리 학습된 정보를 활용하기 때문에 모의에 소요되는 시간을 크게 줄일 수 있다는 장점이 있다. 그러나 데이터모형의 사전학습을 위해서는 많은 양의 침수자료가 필요한 데 반하여 적용할 수 있는 실측자료가 부족한 것이 현실이다. 대안으로 매개변수가 검정된 물리모형의 모의 결과를 실측자료와 함께 사전학습자료로 활용하고 있다. 이러한 상황에서 본 연구에서는 하천범람에 의한 침수예측에 데이터모형을 활용하고자 사전학습을 위한 홍수범람지도를 생성하는 엑셀러레이터를 개발하였다. 개발된 엑셀러레이터에서는 HEC-1을 이용한 홍수량 산정, HEC-RAS를 이용한 홍수위 산정, RAS Mapper를 이용한 하천범람 모의 및 침수예상도 출력의 전체 과정을 자동화한다. 이에 따라 사용자는 수백에서 수십만건의 강우시나리오에 대하여 손쉽게 침수예상도 데이터베이스를 구축할 수 있다. 그래픽 편의 인터페이스(GUI)를 포함하여 홍수범람지도 작성에 필요한 다양한 편의기능을 탑재하고 있으며, 전국에 걸쳐서 위치한 26개소의 테스트베드에 적용하여 실무적용성을 검토하였다.