• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.238-238
• /
• 2016

토양수분, 증발산량, 유출량 등의 고해상도 수문기상요소 산출을 위한 지면모델 활용 기술은 기상 및 수문분야에서 널리 활용 중에 있다. 본 연구에서는 미국 국립대기과학연구소(NCAR)에서 개발된 기상-수문 결합모델 WRF-Hydro(Weather Research and Forecasting Model Hydrological modeling extension package)을 활용하여 낙동강 유역에서 발생한 돌발홍수 사례 실험에 적용하여 강우량 및 수문기상요소 전체를 모의함으로써 기상-수문-지면 결합모델을 활용한 수문기상요소 산출하고자 하였다. 이를 기존의 기상모델로부터 입력강제자료를 제공받아 Off-line 형태로 결합된 지면모델(TOPLATS, TOPmodel-based Land Atmosphere Transfer Scheme) 결과와 비교하였고 기상-수문 결합모델의 국내 적용성을 검토하였다. 기상-수문-지면 결합모델(WRF-Hydro)의 초기장 및 경계장은 기상청 현업 모델에서 생성된 국지예보모델자료 1.5km 자료(LDAPS, Local Data Assimilation and Prediction System)를 사용하였으며, 모델의 적분기간은 돌발홍수 사례에 따라 24~36시간을 수행하였다. WRF-Hydro 모델의 물리모수화 방안은 작년까지 기상청에서 현업운영되는 KWRF의 방안들을 준용하였으며, WRF-Hydro 수행을 위해 Advanced Spaceborne Thermal Emission and Reflection Radiometer(ASTER)에서 제공되는 30 m 해상도의 수치표고자료를 GIS(Geographic Information System)를 활용하여 지표유출방향을 설정하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 춘계정기학술대회 e-Business를 위한 지능형 정보기술 / 한국지능정보시스템학회
• /
• pp.293-303
• /
• 2000

데이터 마이닝의 수행 예측 오차를 줄이기 위한 방법으로 하나의 문제를 여러 기법들을 결합하여 해결하고 있다. 본 연구에서는 새로운 결합 모델을 제시하고 이를 통해 예측 오차를 감소시킬 수 있는 가능성을 제시한다. 제시된 결합모델의 성능을 검증하기 위해서 국내 자동차보험 회사의 고객데이터를 바탕으로 고객이탈 예측문제를 다루었다. 결합모델의 예측결과를 의사결정나무, 사례기반추론 그리고 인공신경망 중 하나의 기법만을 사용하여 예측한 결과와 비교 평가하였다. 평가 결과, 결합 모델의 예측 적중률이 개별 기법의 예측 적중률보다 우수했다.

• 한국강구조학회 논문집
• /
• 제11권1호통권38호
• /
• pp.23-31
• /
• 1999

결합부위의 해석을 위하여, 계산 효율과 정확성이 모두 뛰어난 단순모델의 사용이 필요한 경우가 많다. 이 단순모델은 결합부위의 특성을 잘 묘사하는 파라미터들로 구성된다. 이들 파라미터의 값은 실험을 통하여 얻어지게 된다. 따라서 단순모델은 실험에서 사용된 하중하에서는 결합부위의 거동을 잘 묘사하지만, 그외 다른 하중하에서는 결합부위의 거동을 어느 정도 구현할지 알 수 없다. 따라서 단순모델의 정확성을 객관적으로 얻을 수 있는 방법이 필요하게 된다. 본 연구에서는 역최적화 (antioptimization) 개념으로 최악의 하중조건을 정의하여, 이 하중하에서 단순모델의 정확성을 평가하는 방법을 제시하였다. 최악의 하중조건 하에서, 용접으로 체결된 3차원 결합부위의 단순모델과 2차원 구조물에서의 결합부위 단순모델의 정확성을 평가하였다.

• 한국음향학회지
• /
• 제22권7호
• /
• pp.603-611
• /
• 2003

본 논문에서는 잡음 환경에서 보다 강인한 성능을 얻기 위하여 음성 모델 기반의 효과적인 특징 보상 기법을 제안한다. 일반적인 모델 기반의 특징 보상 기법은 오열 음성 데이터베이스를 이용한 훈련 과정을 필요로 하므로 온라인 상에서의 적응 과정에 적합하지 않다. 제안한 방법에서는 보정 인자 추정 과정에서 병렬 모델 결합 기법을 도입함으로써 훈련 과정을 필요하지 않게 하였다. 모델의 결합 과정이 HMM 전체가 아닌 가우시안 혼합 (Mixture) 모델에만 적용이 되므로, 계산이 비교적 간단하게 되어 온라인 상에서의 모델 결합을 가능하게 하였다. 병렬적 모델 결합의 도입은 잡음 모델의 독립적인 이용을 가능하게 하였고, 본 논문에서는 MAP (Maximum A Posteriori) 적응을 통해 잡음 모델 갱신을 실시하였다 또한 잡음 오열 과정에 대한 근사화를 통해 연속적 형태의 채널 정규화 기법을 유도하여 적용하였다. 보다 효율적인 구현을 위하여 선택적인 모델 결합 방식을 도입함으로써 연산량을 줄일 수 있는 방법을 제시하였다. 제안한 특징 보상 기법이 부가적인 배경 잡음과 채널 왜곡이 존재하는 잡음 환경에서 음성 인식 시스템의 성능을 향상시키는데 효과적임을 실험을 통해 확인할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.199-202
• /
• 2002

신경회로망을 동적 정보처리에 응용하기 위해서는 비대칭 결합 신경회로망에서 생성되는 동적 상태천이에 관한 직관적 이해가 필요하다. 자기결합을 갖고 결합하중치가 비대칭인 순환결합형 신경회로망은 복수 개의 리미트사이클이 기억 가능하다는 것이 알려져 있다. 현재까지 이산시간 모델의 네트워크에 대한 상태천이 해석은 상세하게 이루어져 왔다. 그러나 연속시간 모델에 대한 해석은 네트워크 규모의 증가에 따른 급격한 계산량의 증가 때문에 연구가 그다지 활발하게 이루어지지 않고 있다. 본 논문에서는 각 뉴런이 최근접 뉴런에만 이진화된 결합하중 +1 및 -1로 연결된 연속시간모델 순환결합형 신경회로망의 동적인 상태천이 특성을 해석하여 이산시간 모델에서 기억 가능한 리미트사이클과의 차이점을 분석한다. 또한 연속시간 네트워크 모델에 카오스 신호를 인가하여 리미트사이클간의 천이를 제어할 수 있는 가능성을 분석하여 동적정보처리에 네트워크를 응용할 수 있는 가능성을 검토한다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.377-396
• /
• 2023

암호화폐시장이 지속해서 성장함에 따라 하나의 새로운 금융시장으로 발전하였다. 이러한 암호화폐시장에 관한 투자전략 연구의 필요성 또한 대두되고 있다. 본 연구에서는 단기매매전략과 딥러닝을 결합한 암호화폐 투자 방법론에 대해 실증분석을 진행하였다. 투자 대상의 암호화폐를 이더리움으로 설정하고, 과거 데이터를 기반으로 최적의 파라미터를 찾아 이를 활용하여 실험 모델의 투자 성과를 분석하였다. 실험 모델은 변동성돌파전략, LSTM(Long Short Term Memory)모델, 이동평균 교차 전략, 그리고 단일 모델들을 결합한 결합 모델이다. 변동성돌파전략은 일 단위로 변동성이 크게 상승할 때 매수하고 당일 종가에 매도하는 단기매매전략이며, LSTM모델은 시계열 데이터에 적합한 딥러닝 모델인 LSTM을 활용하여 얻은 예측 종가를 이용한 매매방법이다. 이동평균 교차 전략은 단기 이동평균선이 교차할 때 매매를 결정하는 방법이다. 결합 모델은 변동성돌파전략의 매수 조건과 변동성돌파전략의 목표 매수가보다 LSTM의 예측 종가가 큰 경우 매수하는 조건이 동시에 만족하면 매수하는 규칙이다. 결합 모델은 변동성돌파전략과 LSTM모델의 파생 변수를 활용해 매수 조건에 AND와 OR를 사용하여 만든 매매 규칙이다. 실험 결과, 단일 모델보다 결합 모델에서 투자 성과가 우수함을 확인하였다. 특히, 데일리 트레이딩과 매수 후 보유의 누적수익률은 -50%이하인 것에 비해 결합 모델은 +11.35%의 높은 누적수익률을 달성하여 하락이 지속되던 투자 기간에도 기술적으로 방어하며 수익을 낼 수 있음을 확인하였다. 본 연구는 기존의 딥러닝기반 암호화폐 가격 예측에서 나아가 변동성이 큰 암호화폐시장에서 딥러닝과 단기매매전략을 결합하여 투자 성과를 개선하였다는 점에서 학술적 의의가 있으며, 실제 투자 시 적용 가능성을 보여주었다는 점에서 실무적 의의가 있다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2013년도 제25회 한글 및 한국어 정보처리 학술대회
• /
• pp.70-73
• /
• 2013

자연어처리에서는 많은 모듈들이 파이프라인 방식으로 연결되어 사용되나, 이 경우 앞 단계의 오류가 뒷 단계에 누적되는 문제와 앞 단계에서 뒷 단계의 정보를 사용하지 못한다는 단점이 있다. 본 논문에서는 파이프라인 방식의 문제를 해결하기 위해 사용되는 일반적인 결합 학습 방법을 확장하여, 두 작업이 동시에 태깅된 학습 데이터뿐만 아니라 한 작업만 태깅된 학습데이터도 동시에 학습에 사용할 수 있는 결합 학습 모델을 Latent Structural SVM을 확장하여 제안한다. 실험 결과, 기존의 한국어 띄어쓰기와 품사 태깅 결합 모델의 품사 태깅 성능이 96.99%였으나, 본 논문에서 제안하는 결합 학습 모델을 이용하여 대용량의 한국어 띄어쓰기 학습데이터를 추가로 학습한 결과 품사 태깅 성능이 97.20%까지 향상 되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.342-344
• /
• 1999

신경트리(evolutionary neural trees)는 트리 구조의 신경망 모델로서 진화 알고리즘으로 학습하기에 적합한 구조이다. 본 연구에서는 진화 신경트리를 시계열 예측에 적용하였다. 시계열 데이터는 대개 잡음이 포함되어 있으며 동역학적인 특성을 지닌다. 본 논문에서는 견고한 예측 결과를 획득하기 위해 한 개의 신경트리가 아닌 여러개의 신경트리를 결합하여 예측 모델을 구성하는 committee machine을 소개한다. 출력 패턴가에 correlation이 최소가 되도록 상이한 신경트리를 선택하여 결합함으로써 모델 결합 효과를 최대화하는 방법을 사용하였다. 인공적인 잡음을 포함한 시계열 예측 문제와 실세계 데이터에 대한 실험에서 예측에 대한 정확도가 단일 모델을 사용한 경우 보다 향상되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.751-753
• /
• 2005

지문을 5가지 클래스로 나누는 헨리시스템을 기반으로 신경망이나 SVM(Support Vector Machines) 등과 같은 다양한 패턴분류 기법들이 지문분류에 많이 사용되고 있다. 특히 최근에는 높은 분류 성능을 보이는 SVM 분류기의 결합을 이용한 연구가 활발히 진행되고 있다. 지문은 클래스 구분이 모호한 영상이 많아서 단일결합모델로는 분류에 한계가 있다. 이를 위해 본 논문에서는 새로운 분류기 결합모델인 다중결정템플릿(Multiple Decision Templates, MuDTs)을 제안한다. 이 방법은 하나의 지문클래스로부터 서로 다른 특성을 갖는 클러스터들을 추출하여 각 클러스터에 적합한 결합모델을 생성한다. NIST-database4 데이터로부터 추출한 핑거코드에 대해 실험한 결과. 5클래스와 4클래스 분류문제에 대하여 각각 $90.4\%$와 $94.9\%$의 분류성능(거부율 $1.8\%$)을 획득하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권12호
• /
• pp.1172-1184
• /
• 2003

현재 EJB(Enterprise Java Beans), COM+(Component Object Model+)등의 서로 다른 컴포넌트 참조 모델(Component reference model)을 기반으로 한, 상이한 컴포넌트 시스템 간 통합(Integration)에 대한 새로운 기술들이 제기되고 있다. 동일한 컴포넌트 플랫폼에서 컴포넌트 간 운용은 소스레벨의 결합(Composition)을 통해 이루어진다. 그러나 상이한 컴포넌트 플랫폼의 경우, 유사 도메인 컴포넌트임에도 불구하고 컴포넌트 간 결합은 불가능한 실정이다. 본 논문에서는 상이한 컴포넌트 플랫폼 즉, EJB와 COM+ 컴포넌트 간의 결합 문제를 모델기반의 컴포넌트 변환 기법으로 해결 하였다. EJB, COM+ 컴포넌트 간 결합을 위해 각 참조모델을 비교, 분석하여 구현 독립적(Implementation Independent)인 가상 컴포넌트 모델(Virtual Component Model)과 상호 변환을 위한 구현 테이블(Implementation Table)을 제시하였다. 가상 컴포넌트 모델과 구현 테이블을 참조, 각 구현 모델을 가상 컴포넌트 모델로 일반화하거나 가상 컴포넌트 모델링을 통하여 플랫폼의 구현 독립적인 가상 컴포넌트 모델을 작성하고, 선택적으로 EJB와 COM+로 변환 가능하게 한다. 상이한 컴포넌트 플랫폼으로의 효율적인 모델변환 방법을 제시함으로서 EJB와 COM+ 컴포넌트간의 결합이 가능하다.