• 한국산학기술학회논문지
• /
• 제12권11호
• /
• pp.5164-5171
• /
• 2011

비선형 공정에 대한 퍼지 모델링은 일반적으로 주어진 데이터를 이용하여 입력 변수를 선정하고 각 입력 변수에 대한 입력 공간을 분할하여 이들 입력 변수 및 공간 분할에 의해 퍼지 규칙을 형성한다. 퍼지 규칙의 전반부는 입력 변수 선정, 공간 분할 수 및 소속 함수에 의해 동정되고 퍼지 규칙의 후반부는 간략 추론, 선형 추론에 의해 다항식 함수의 형태로 동정된다. 일반적으로 주어진 데이터를 이용한 비선형 공정에 대한 퍼지 규칙의 형성은 차원이 증가할수록 규칙의 수가 지수적으로 증가하는 문제를 가지고 있다. 이를 해결하기 위해 각 입력 공간의 퍼지 분할에 의한 퍼지 규칙을 개별적으로 형성함으로써 복잡한 비선형 공정을 모델링 할 수 있다. 따라서 본 논문에서는 개별적인 입력 공간을 활용하여 퍼지 규칙을 생성한다. 퍼지 규칙의 전반부 파라미터는 입력 데이터의 최소 값과 최대 값을 이용하는 최소-최대 방법을 이용하여 동정되고, 소속 함수는 삼각형, 범종형, 사다리꼴형 소속 함수를 사용한다. 마지막으로, 비선형 공정으로는 널리 이용되는 데이터를 이용하여 시스템 특성 및 성능을 평가한다.

• Applied Biological Chemistry
• /
• 제20권1호
• /
• pp.26-32
• /
• 1977

대두(大豆)(Glycine max cultivar Gwang-gyo)의 각 성숙시기(成熟時期)에 나타나는 7S globulin을 분리하여 Davis 방법(方法)에 의한 전기영동과 PAWU용매에 의해서 유리(遊離)되는 그들의 subunit를 전기영동한 결과 7S globulin중의 복합단백질간(複合蛋白質間)에는 그 구성(構成) subunit에 유사성(類似性)이 있음을 시사하였다. 7S globulin의 복합단백질(複合蛋白質)을 DEAE-Sephadex A-50으로 크로마토그라피하여 분리하였다. 이때 pH 7.6의 인산완충액(燐酸緩衝液)에서 NaCl의 농도구배(濃度句配)가 0.28M부터 0.40M 사이에서 두 개의 분획(分劃)으로 분리되었다. 이들 명(名) 단백질(蛋白質)의 subunit를 5M urea와 1% SDS로 유리(遊離)시켜 7.5% acrylamide-PAWU gel과 5.6% acrylamide-SDS gel에서 전기영동하였다. 그 결과 subunit의 하전량(荷電量)에 의해서 분리되는 PAWU gel전기영동에서 7S globulin이 5개의 주 분리대로 분리되고 그중 2개의 분리대가 7S-A globulin과 7S-B globulin에 공유(共有)되어 있었다. 또 subunit의 분자량(分子量)에 따라서 분리되는 SDS gel 전기영동에서는 7S globulin이 7개의 주 분리대를 나타내는데 그 중에서 3개의 분리대가 7S-A와 7S-B 분획에 공유(共有)되어 있었다. 따라서 7S globulin의 복합단백질간(複合蛋白質間)에는 구성(構成) subunit간(間)에 유사성(類似性)이 있는 것으로 나타났다.

• 농업과학연구
• /
• 제4권2호
• /
• pp.344-390
• /
• 1977

본(本) 연구(硏究)는 계획기간내(計劃期間內)의 재적수확량(材積收穫量)을 최대화(最大化)하고 각분기(各分期)의 수확량(收穫量)과 수확면적(收穫面積)을 일정(一定) 범위(範圍)로 제약(制約)하여 계획기간내(計劃期間內)의 보속수확(保續收穫)을 도모(圖謀)하는 동시(同時)에 후계림(後繼林)의 법정영급배치(法正令級配置)가 유도(誘導)될 수 있는 적정수확안(適正收穫案)을 선형계획법(線型計劃法)에 의하여 선정(選定)하고, 제약량(制約量)의 변화(變化)가 총수확량(總收穫量) 및 분기별(分期別) 수확량(收穫量)과 수확면적(收穫面積)에 미치는 영향(影響)을 구명(究明)하는데 목적(目的)이 있다. 서울 대학교(大學校) 농과대학(農科大學) 부속연습림중(附屬演習林中) 개벌작업급(皆伐作業級)에 속하는 219개(個) 소반(小班)을 대상(對象)으로 하였으며, 이 삼림(森林)은 영급구성면(令級構成面)에서 볼 때 유영급(幼令級) 임분(林分)이 많다는 점(點)에서 전국(全國) 삼림(森林)을 대표(代表)한다고 할 수 있다. 본(本) 연구(硏究)에서는 한 분기년수(分期年數)를 5년(年), 계획기간(計劃期間)을 10분기(分期), 1영급(令級)을 5영개(令皆)로 하였으며, 벌채영급(伐採令級)의 범위(範圍)는 5~9영급(令級)이다. 한편, 후계림(後繼林)은 현실림(現實林)이 수확(收穫)되는 즉시 조림(造林)되고, 미립목지(未立木地)는 1분기내(分期內)에 조림(造林)되며 다음 벌기(伐期)까지 충분(充分)한 입목도(立木度)가 이루어지는 것으로 전제(前提)하였다. 소반(小班)을 벌구(伐區)로 하여, 각벌구(各伐區)가 계획기간내(計劃期間內)에 벌채(伐採)될 수 있는 모든 가능(可能)한 대체수확안(代替收穫案)을 그의 영급(令級)에 따라 작성(作成)하고, 여기에 현실림(現實林)과 후계림(後繼林)의 벌기예상수확량(伐期豫想收穫量)을 대입(代入)하여 각대체안(各代替案)의 계획(計劃) 기간내(期間內) 수확량(收穫量)($V_{i,\;k}$)을 산정(算定)하였다. 이때 각벌구(各伐區)의 벌기예상수확량(伐期豫想收穫量)은 기존(旣存) 임분수확표(林分收穫表)와 산림조사부(山林調査簿) 자료(資料)를 이용(利用)하는 범위내(範圍內)에서 추정(推定)하였으며, 각벌구(各伐區)에 소속(所屬)되는 대체수확안중(代替收穫案中)에서 $V_{i,\;k}$가 가장 큰 수확안(收穫案)을 적정수확안(適正收穫案)으로 선정(選定)하였다. 우선 제약조건(制約條件)이 없을 때의 적정수확안(適正收穫案)을 선정(選定)하여 분기별(分期別) 수확량(收穫量)과 수확면적(收穫面積), 총수확량(總收穫量)을 계산(計算)한 다음, 이를 기준(基準)으로 하여 분기별(分期別) 수확량(收穫量)의 상한(上限)($V_{j-max}$)과 하한(下限)($V_{j-min}$) 및 수확면적(收穫面積)의 상한(上限)($A_{j-max}$)과 하한(下限)($A_{j-min}$)을 결정(決定)하였다. 이러한 여러가지 제약조건하(制約條件下)의 적정수확안(適正收穫案)은 LP수확조절(收穫調節)모델을 유도(誘導)하여 선정(選定)하였으며, 제약조건(制約條件) 및 벌채영급범위(伐採令級範圍)의 변화(變化)가 총수확량(總收穫量)에 미치는 영향(影響)을 분석(分析)하고자 감응도분석(感應度分析)을 실시(實施)하였다. 본(本) 연구(硏究) 결과(結果)를 요약(要約)하면 다음과 같다. 1. 제약조건(制約條件) 없이 적정수확안(適正收穫案)을 선정(選定)한 결과(結果), 수확면적(收穫面積)이 분기별(分期別)로 큰 차이(差異)를 보였다. 즉, 총수확량(總收穫量)의 68.8%가 10분기(分期)에 편재(偏在)되어 있고 6~7분기(分期)에는 전(全)혀 수확량(收穫量)이 없으며, 분기별(分期別) 수확면적(收穫面積)도 이와 유사(類似)한 경향(傾向)을 보였다. 이와 같이 분기별(分期別) 수확량(收穫量) 및 수확면적(收穫面積)에 차이(差異)가 많은 것은 현실림(現實林)의 영급구성(令級構成)과 입목축적(立木蓄積)이 대단히 불규칙(不規則)하기 때문이다. 2. 수확량(收穫量)과 수확면적(收穫面積)의 분기별(分期別) 변동폭(變動幅)을 줄이면서 계획기간내(計劃期間內)의 재적수확량(材積收穫量)을 최대화(最大化)하고자, LP수확조절(收穫調節) 모델에 의하여 $A_{min}=150ha$ $A_{max}=400ha$, $V_{min}=5,000m^3$, $V_{max}=50,000m^3$일 때의 적정수확안(適正收穫案)을 선정(選定)한 결과(結果), 대체(大體)로 5분기(分期) 이후(以後)부터 보속수확(保續收穫)과 법정영급배치(法正令級配置)가 가능(可能)하게 되었다. 3. LP수확조절(收穫調節)모델에 간벌계획(間伐計劃)을 포함(包含)시켜 최적해(最適解)를 구(求)하면, 총수확량(總收穫量)이 증가(增加)함은 물론, 간벌계획(間伐計劃)을 포함(包含)시키지 않았을 경우(境遇)에 비하여 분기별(分期別) 보속수확(保續收穫)의 실현(實現)에 유리(有利)한 적정수확안(適正收穫案)을 선정(選定)해 주는 효과(效果)가 있다. 4. 보속수확(保續收穫)과 법정영급배치(法正令級配置)가 실현(實現)될 수 있는 시기(時期)는 제약량(制約量)의 강도(强度)가 높아짐에 따라서 빨라지며, 분기별(分期別) 수확량(收穫量)은 수확면적(收穫面積)에 비하여 제약량(制約量)의 변화(變化)에 따른 평준화(平準化) 경향(傾向)이 뚜렷하고, 분기별(分期別) 수확량(收穫量)의 평준화(平準化)가 이루어지면 분기별(分期別) 수확면적(收穫面積)은 이에 종속(從屬)되어 평준화(平準化)하는 경향(傾向)이 있다. 5. 제약조건(制約條件)의 강도(强度)가 높아짐에 따라 총수확량(總收穫量)은 점감적(漸減的)으로 감소(減少)하므로 빠른 시기(時期)에 엄정보속(嚴正保續)과 엄정영급배치(嚴正令級配置)를 의도(意圖)할 수록 총수확량(總收穫量)의 손실(損失)은 그만큼 더 증가(增加)한다. 6. 같은 계획기간(計劃期間) 및 제약조건하(制約條件下)에서의 총수확량(總收穫量)은 벌채영급(伐採令級)을 낮추고, 그 범위(範圍)를 넓힐수록 증가(增加)한다. 또한 벌채영급(伐採令級) 범위(範圍)의 상한(上限)을 고정(固定)하고, 그 하한(下限)을 1영급(令級)씩 높였을 때에 총수확량(總收穫量)이 감소(減少)되는 속도(速度)는, 그 범위(範圍)의 하한(下限)을 고정(固定)하고 상한(上限)을 1영급(令級)씩 낮추었을 때의 감소(減少) 속도(速度)보다 크다. 7. 본(本) 연구(硏究)에 제시(提示)된 LP수확조절(收穫調節)모델은 영급구성(令級構成)이 복잡(複雜)한 임분(林分)에 적용(適用) 가능(可能)하며, 간벌계획(間伐計劃)을 간단히 포함(包含)시킬 수 있고, 제약량(制約量)의 변화(變化)에 따른 총수확량(總收穫量)의 손실(損失)을 쉽게 계측(計測)할 수 있는 등 여러가지 장점(長點)이 있으므로, 우리나라의 현행(現行) 삼림수확조절법(森林收穫調節法)을 보완(補完)하기 위해서도 이 기법(技法)이 유효(有效)하게 이용(利用)될 수 있을 것으로 보인다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.