• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권8호
• /
• pp.3942-3961
• /
• 2019

Recently, the models of deep super-resolution networks can successfully learn the non-linear mapping from the low-resolution inputs to high-resolution outputs. However, for large scaling factors, this approach has difficulties in learning the relation of low-resolution to high-resolution images, which lead to the poor restoration. In this paper, we propose Stage Generative Adversarial Networks (Stage-GAN) with semantic maps for image super-resolution (SR) in large scaling factors. We decompose the task of image super-resolution into a novel semantic map based reconstruction and refinement process. In the initial stage, the semantic maps based on the given low-resolution images can be generated by Stage-0 GAN. In the next stage, the generated semantic maps from Stage-0 and corresponding low-resolution images can be used to yield high-resolution images by Stage-1 GAN. In order to remove the reconstruction artifacts and blurs for high-resolution images, Stage-2 GAN based post-processing module is proposed in the last stage, which can reconstruct high-resolution images with photo-realistic details. Extensive experiments and comparisons with other SR methods demonstrate that our proposed method can restore photo-realistic images with visual improvements. For scale factor ${\times}8$, our method performs favorably against other methods in terms of gradients similarity.

• 기독교교육논총
• /
• 제73권
• /
• pp.7-19
• /
• 2023

교육에서 에듀세레는 그 자체가 기본적인 상황에서 보다 좋은 그리고 보다 높은 상황으로 개선을 함의한다. 더 나아가서 에두세레의 성품교육은 독일어 빌둥의 개념으로 인정될 수 있다. 여기서 빌둥이란 전체성의 인격, 사회와 세계관에서의 포괄적인 태도를 의미한다. 네덜란드 교육이 이 부분에서 만들어 내는 새로움은 무엇인가? 사고와 행동에서의 선형 발달에 대한 강조 없이 교육은 역사에서 포괄성에 대한 확신 없이 발생하지 않는다. 네덜란드에서 성인과 아동의 포괄성은 우리의 연구에서 역사적 맥락으로 제시된다. 그 결과는 우리에게 놀라움을 제공한다.

• 지식경영연구
• /
• 제22권2호
• /
• pp.19-32
• /
• 2021

암호화폐 중 대표적인 비트코인은 전 세계적으로 많은 관심을 받고 있으며 비트코인의 가격은 등·하락을 거듭하며 높은 변동성을 보이고 있다. 높은 변동성은 투자자들에게 위험 요인으로 작용하며 무분별한 투자로 인한 사회적 문제를 야기시킨다. 비트코인의 가격은 세계의 환경변화에 영향을 받으며 신속하게 반응하기 때문에 실시간으로 다양한 정보를 제공하는 뉴스 정보는 비트코인 가격의 변동성 예측에 유용한 정보를 제공한다. 즉, 긍정적인 뉴스는 투자심리를 자극할 것이며 반대로 부정적인 뉴스는 투자심리를 위축시킬 것이다. 따라서 본 연구에서는 비트코인의 수익률 변동을 예측하기 위해 뉴스의 감성정보와 딥러닝을 적용하였다. 로짓, 인공신경망, SVM, LSTM을 적용하여 단일 예측모형을 구축하였으며 예측성과를 향상시키기 위한 방법으로 통합모형을 제안하였다. 과거의 가격정보를 기반으로 구축한 예측모형과 뉴스의 감성정보를 반영한 예측모형의 성과를 비교한 결과 뉴스의 감성정보를 반영한 예측모형의 성과가 우수하게 나타났으며 통합모형의 성과가 가장 우수한 것으로 나타났다. 본 연구는 비트코인 수익률 변동에 대한 예측모형을 통해 무분별한 투자를 예방하고 투자자들의 현명한 투자가 이루어질 수 있도록 유용한 정보를 제공할 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 한국작물학회지
• /
• 제66권2호
• /
• pp.138-145
• /
• 2021

본 연구는 중부지역에서 참깨와 들깨의 작부체계를 개발하기 위하여 중부지역에 적합한 파종기를 설정하고 이에 적합한 참깨 간작 들깨의 작부체계를 개발하기 위하여 수행하였다. 전작물로 재배되는 참깨가 후작물 들깨에 미치는 영향과 파종기에 따른 수량성을 검토하고 참깨 간작 들깨 작부체계를 위한 재배방법을 개발하였다. 참깨 재배 중 들깨 간작을 위하여 전작물로 재배되는 참깨의 특성은 조생이며 경장이 짧은 품종이 적당하였으며, 후작으로 재배되는 들깨의 파종기를 설정하기 위하여 6월 중순, 6월 하순, 7월 초순에 들깨를 참깨 사이에 파종한 결과 6월 중순 파종에서 화방군수, 군당삭수 및 수량이 많았으며 파종기가 늦어질수록 들깨 수량은 현저히 낮아졌다. 전작물 생육특성에 따른 영향으로는 조생이며 경장이 짧은 참깨 품종 재배지에서 들깨의 생육 및 수량이 우수하였다. 참깨 간작 들깨작부체계 개선을 위하여 한 줄 재배(조간×주간) 110×20 cm와 두 줄 재배(조간×주간) 40×40 cm로 재배한 결과 두 줄재배에서 수량이 많았다. 이상의 결과로부터 중부지역에 적합한 참깨 간작 들깨 재배는 전작으로 재배되는 참깨는 조생이며 경장이 작은 품종을 선정하여 재배하고 들깨는 두 줄로 참깨사이에 간작으로 6월 중순에 파종하는 방법이 적합할 것으로 판단되었다.

• 한국융합학회논문지
• /
• 제10권4호
• /
• pp.1-6
• /
• 2019

신경회로망은 과거 데이터로부터 유용한 정보를 추출해서 주가지수의 이동 방향을 예측하는데 사용되어 왔다. 주가 지수의 상승 또는 하락 방향을 예측하는 기존 연구는 지수의 작은 변화에도 상승이나 하락을 예측하므로 이를 기반으로 지수 연동 ETF를 매매 하면 손실이 발생할 가능성이 높다. 본 논문에서는 ETF 매매 손실을 줄이고 매매 당 일정 이상의 수익을 내기 위한 일별 KOrea composite S0tock Price Index (KOSPI)의 이동 방향을 예측하는 신경회로망 모델을 제안한다. 제안된 모델은 이동 방향 예측을 위해 전일 대비 지수 변동률이 상승(변동률${\geq}{\alpha}$), 하락(변동률${\leq}-{\alpha}$)과 중립($-{\alpha}$<변동률<${\alpha}$)을 표시하는 출력을 갖는다. 예측이 상승이면 레버리지 Exchange Traded Fund (ETF)를, 하락이면 인버스 ETF를 매수한다. 본 논문에서 구현된 신경회로망 모델 중 PNN1의 Hit ratio (HR)은 학습에서 0.720, 평가에서 0.616이다. 평가용 데이터로 ETF 매매를 시뮬레이션하면 수익률은 8.39 ~ 16.32 %를 보인다. 또한 제안된 이동 방향 예측 신경회로망 모델이 주가지수 예측 신경회로망 모델 보다 ETF 매매 성공률과 수익률에서 더 우수하다.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.67-74
• /
• 2024

본 논문에서는 기후 변화와 지속 가능한 수자원 관리의 중요성이 증가하는 가운데, 다양한 강우 측정 방법이 저수지 수위 예측 성능에 미치는 영향을 분석하기 위한 연구를 제시한다. 이를 위해 우리는 기상정보개방포털에서 제공하는 종관기상관측장비인 ASOS의 관측 강우, 자동기상관측장비인 AWS의 관측 강우, 그리고 면적강우비에 따라 재산정된 티센망 기반의 강우 데이터를 활용하여 신경망 기반 저수율 예측 모델에 대한 학습을 각각 수행하고, 학습된 모델의 예측 성능을 비교 및 분석하였다. 전라북도 소재 34개의 저수지에 대한 실험을 통해 각 강우량 측정방식이 저수율 예측 정확도 향상에 얼마나 기여하는지 조사하였다. 연구 결과, 티센망 기반의 강우 면적비를 활용한 저수지 강우 데이터가 가장 높은 예측 정확도를 제공한다는 것을 밝혀냈다. 이는 티센망이 주변 관측소들 사이의 정확한 거리를 고려함으로써 각 관측소가 대표하는 지역의 경계를 정의함으로써 각 지역의 실제 강우 상황을 더 정확하게 반영하기 때문이다. 이러한 발견은 정확한 지역 강우 데이터 학습이 저수율 예측에 있어 결정적인 요인 중 하나임을 시사한다. 더불어, 이 연구는 정밀한 강우 측정 및 데이터 분석의 중요성을 강조하며, 농업, 도시 계획, 홍수 관리와 같은 다양한 분야에서 예측 모델의 잠재적 응용 가능성을 제시한다.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.1-19
• /
• 2022

온라인 사용자들이 소셜 미디어상에 올린 온라인 리뷰 속 숨겨진 감정을 분석하는 감성분석은 소셜미디어의 확산에 힘입어 많은 관심을 받고 있다. 본 연구는 기존 연구들과 차별화된 방법으로 감성분석을 시도하기 위하여 베이지안 네트워크에 기반한 감성 분석 모델을 제안한다. 모델에는 MBFS(Markov Blanket-based Feature Selection)가 속성 선택 기법으로 사용된다. MBFS의 성과를 실증적으로 증명하기 위하여 소셜미디어인 Yelp의 리뷰 데이터를 활용하였다. 벤치마킹 속성 선택 기법으로는 상관관계기반 속성 선택, 정보획득 속성 선택, 획득비율 속성 선택을 사용하였다. 한편, 해당 속성선택방법을 토대로 4개의 머신러닝 알고리즘을 이용하여 분류성과를 비교하였다. 나아가 MBFS로 선택된 속성들 간 인과관계를 확인하고자 베이지안 네트워크를 통해 What-if 분석을 실시하였다. 본 연구에서 택한 머신러닝 분류기는 베이지안 네트워크 기반의 TAN (Tree Augmented Naive Bayes), NB (Naive Bayes), S-Spouses(Sons & Spouses), A-markov (Augmented Markov Blanket)이다. 성과분석 결과 본 연구에서 제안한 MBFS 방법이 정확도, 정밀도, F1점수 측면에서 벤치마킹 방법보다 더 우수한 성과를 나타내었다.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제16권2호
• /
• pp.123-145
• /
• 2013

본 연구의 목적은 GeoGebra를 활용한 귀납활동이 초등수학영재들의 증명능력 및 증명학습태도에 미치는 영향을 알아보는 것이다. 본 연구의 대상은 영재교육원에서 영재교육을 받고 있는 초등수학영재 20명(실험집단 10명, 비교집단 10명)이고, 실험집단은 GeoGebra를 활용한 귀납활동 중심의 증명 수업을 하고, 비교집단은 GeoGebra를 활용하지 않은 일반적인 증명 수업을 실시하였다. 수업 실시 후 증명능력 검사와 증명학습태도 검사를 통해 얻은 연구 결과는 다음과 같다. 첫째, 증명 이전의 선행활동으로서의 GeoGebra를 활용한 귀납활동으로 학습한 실험집단은 전통적인 증명 학습을 한 비교집단보다 증명능력에 있어서 더 높은 성취도를 보였다. 둘째, 증명 이전의 GeoGebra를 활용한 귀납적 활동을 통해 증명 학습을 한 실험집단은 전통적인 증명 학습을 한 비교집단보다 증명에 대한 신념 및 태도에 있어서 긍정적인 생각을 가지고 있었다. 셋째, 탐구형 소프트웨어인 GeoGebra의 측정 및 끌기 기능을 통해 학생들이 도형을 변화시켜 불변의 성질을 탐구하며 가정 및 결론을 분리하여 직접 명제를 만드는 것이 증명 학습에 긍정적 효과가 있음을 알 수 있었다.

• Parasites, Hosts and Diseases
• /
• 제47권3호
• /
• pp.235-241
• /
• 2009

The aim of this study was to estimate the benefit from repeated examinations in the diagnosis of enterobiasis in nursery school groups, and to test the effectiveness of individual-based risk predictions using different methods. A total of 604 children were examined using double, and 96 using triple, anal swab examinations. The questionnaires for parents, structured observations, and interviews with supervisors were used to identify factors of possible infection risk. In order to model the risk of enterobiasis at individual level, a similarity-based machine learning and prediction software Constud was compared with data mining methods in the Statistica 8 Data Miner software package. Prevalence according to a single examination was 22.5%; the increase as a result of double examinations was 8.2%. Single swabs resulted in an estimated prevalence of 20.1% among children examined 3 times; double swabs increased this by 10.1%, and triple swabs by 7.3%. Random forest classification, boosting classification trees, and Constud correctly predicted about 2/3 of the results of the second examination. Constud estimated a mean prevalence of 31.5% in groups. Constud was able to yield the highest overall fit of individual-based predictions while boosting classification tree and random forest models were more effective in recognizing Enterobius positive persons. As a rule, the actual prevalence of enterobiasis is higher than indicated by a single examination. We suggest using either the values of the mean increase in prevalence after double examinations compared to single examinations or group estimations deduced from individual-level modelled risk predictions.