• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.71-84
• /
• 2021

빅데이터 및 인공지능 기술은 4차 산업혁명에 핵심적인 기술이나, 국내 중소·중견 기업의 빅데이터 분석 활용과 복합 인공지능 분야의 기술경쟁력 확보가 미흡한 상황이다. 따라서 빅데이터 및 인공지능 분야의 기술사업화를 통해 산업군 전반의 경쟁력을 강화하는 것이 중요하다. 본 연구에서는 기술 포트폴리오 분석을 통해 공공연구성과 실용화 우선순위를 평가하고자 한다. 우선 공공연구성과 정보에 대해 앙상블 기법을 적용한 딥러닝 모델을 사용하여 과제의 6T 분류 결측값을 개선하였다. 이후 6T 분야별 빅데이터 및 인공지능융합 분야를 대상으로 토픽 모델링을 진행하여 10개의 세부기술분야를 도출하였다. 세부기술분야별 기술사업화 가능성을 판단하기 위해 기술활동성과 기술효율성을 새롭게 정의하고 측정하였다. 두 축을 기반으로 포트폴리오를 4가지의 유형으로 구분하여 기술사업화 최우선 고려 대상, 장기 투자가 필요한 기술분야 등을 제안하였다. '영상 및 이미지 기반의 진단 기술'은 기술활동성 및 기술효율성이 높아 시장의 수요와 사업화 역량 모두 이상적인 수준으로 나타났다. 이처럼 체계적인 산업·기술시장 분석을 통해 공공연구성과 창출 기술의 활용을 활성화할 수 있으며 중소·중견으로의 효율적인 기술 이전 및 사업화 추진이 가능하다.

• 융합정보논문지
• /
• 제10권6호
• /
• pp.35-40
• /
• 2020

미래 사회로 접어들면서, 건강한 삶의 증대를 위한 노력은 현대인들의 주요 관심 분야이다. 특히, ICT 기술과 경쟁력 있는 의료산업 환경을 융합하여 건강한 삶을 위한 기술 개발은 차세대 성장 동력으로 자리잡고 있다. 따라서, 본 논문에서는 건강 검진 프로세스에서 검진 결과에 대한 인공지능 기반의 데이터 분석을 적용하여 종합 판정의 신뢰성을 향상시킬 수 있는 지식 베이스 모델링을 구축하는 연구를 수행하였다. 이를 위해, 딥러닝 분석을 통한 알고리즘을 설계하여 검사 결과지수를 산출, 검증하고, 판정 지식을 통한 종합 검진 정보를 제공하는 모델링을 연구하였다. 제안한 모델링의 적용을 통해, 국민 건강에 대한 빅데이터 분석, 활용이 가능하여 의료비 절감 및 건강 증대의 효과를 기대할 수 있다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제29권1호
• /
• pp.241-265
• /
• 2020

Purpose Various machine learning techniques are used to implement for predicting corporate credit. However, previous research doesn't utilize time series input features and has a limited prediction timing. Furthermore, in the case of corporate bond credit rating forecast, corporate sample is limited because only large companies are selected for corporate bond credit rating. To address limitations of prior research, this study attempts to implement a predictive model with more sample companies, which can adjust the forecasting point at the present time by using the credit score information and corporate information in time series. Design/methodology/approach To implement this forecasting model, this study uses the sample of 2,191 companies with KIS credit scores for 18 years from 2000 to 2017. For improving the performance of the predictive model, various financial and non-financial features are applied as input variables in a time series through a sliding window technique. In addition, this research also tests various machine learning techniques that were traditionally used to increase the validity of analysis results, and the deep learning technique that is being actively researched of late. Findings RNN-based stateful LSTM model shows good performance in credit rating prediction. By extending the forecasting time point, we find how the performance of the predictive model changes over time and evaluate the feature groups in the short and long terms. In comparison with other studies, the results of 5 classification prediction through label reclassification show good performance relatively. In addition, about 90% accuracy is found in the bad credit forecasts.

• 융합정보논문지
• /
• 제11권12호
• /
• pp.168-175
• /
• 2021

본 연구에서는 인공지능 교육을 활용하여 생물 교육의 파충류와 양서류를 분류에 대한 이해를 높이고, AI(Artificial Intelligence) 역량을 증대할 수 있도록 탈학문적(Transdisciplinary) 융합 교육 프로그램을 개발하였다. 중심 내용으로는 생물교육에서 오랫동안 다루어진 주제인 파충류와 양서류의 분류를 의사결정 트리 및 ML4K(Machine Learnig for Kids)를 활용하여 해결하는 것으로, 총 3차시 분량으로 설계하였다. 개발된 교육 프로그램에 대하여 전문가 검토를 실시하였고, 그 결과 I-CVI 값이 .88~1.00을 나타내어 내용 타당도를 확보하였다. 이 교육 프로그램은 학습자들에게 정보 교육의 인공지능에 관한 학습 내용과 생물 교육의 척추 동물의 분류에 관한 학습 내용에 대해 동시에 학습할 수 있다는 강점이 있다. 또한, 인공지능 활용 부분에서는 인지 부하를 최소로 하도록 구성되어 있기 때문에 모든 교사들이 쉽게 활용할 수 있다는 점이 특징이다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1435-1440
• /
• 2021

저금리 시대의 도래로 인해 많은 투자자들이 주식 시장으로 몰리고 있다. 과거의 주식 시장은 사람들이 기업 분석 및 각자의 투자기법을 통해 노동 집약적으로 주식 투자가 이루어졌다면 최근 들어 인공지능 및 데이터를 활용하여 주식 투자가 널리 이용되고 있는 실정이다. 인공지능을 통해 주식 예측의 성공률은 현재 높지 않아 다양한 인공지능 모델을 통해 주식 예측률을 높이는 시도를 하고 있다. 본 연구에서는 다양한 인공지능 모델에 대해 살펴보고 각 모델들간의 장단점 및 예측률을 파악하고자 한다. 이를 위해, 본 연구에서는 주식예측 인공지능 프로그램으로 인공신경망(ANN), 심층 학습 또는 딥 러닝(DNN), k-최근접 이웃 알고리즘(k-NN), 합성곱 신경망(CNN), 순환 신경망(RNN), LSTM에 대해 살펴보고자 한다.

• 융합정보논문지
• /
• 제11권1호
• /
• pp.12-19
• /
• 2021

원활한 작전 수행을 통한 국방력의 강화를 위해 전술네트워크의 기능은 필수적이다. 전시 상황에서 다양한 전술, 전략은 수많은 정보들을 근거로 한다. 이를 위해 정찰기를 비롯한 다양한 정보 수집 장치 및 자원들이 방대한 양의 정보 수집을 위해 사용되고, 이들 대다수는 전술네트워크를 통해 정보를 전달한다. 채널의 사용 여부를 판단하여 상황에 따라 경쟁 기반으로 채널에 접속을 하는 국방전술네트워크 환경에서, 매우 높은 이동성을 갖는 정찰기 등 고속 이동 노드는 불필요한 채널 점유로 인하여 잠재적인 성능 열화 문제가 발생할 수 있다. 본 논문에서는 채널 예약 시점을 정하는 경쟁 윈도우(Contention Window)의 크기를 경험적으로 학습시켜 네트워크 처리량을 증가시키는 Learning-Backoff 방식의 무전 채널 접속 방법을 제안한다. 제안하는 방법은 고속 이동 노드의 수가 많아짐에 따라 더욱 좋은 성능을 보이고 있으며, 정찰기 4대가 운영되는 특정 작전 시나리오에 적용하였을 경우 처리량이 최대 25% 증가한다.

• 스마트미디어저널
• /
• 제11권5호
• /
• pp.63-74
• /
• 2022

기업공개(IPO)는 투자자 보호를 위한 법적 테두리가 마련되어 있으며, 다양한 정량적 평가 요소가 존재하기 때문에 객관적인 분석이 가능하며 다양한 연구가 수행되어 왔다. 또한, 크라우드펀딩 역시 투자자 보호를 위한 법적 제도와 무분별한 펀딩을 방지하기 위한 여러 장치가 마련되어 있다. 반면에 최근 각광받는 블록체인 기반의 암호화폐 백서(ICO)는 투자자를 보호할 법적 수단과 기준이 모호하며 ICO를 객관적으로 평가하기 위한 정량적 평가 방법이 미흡한 상황이다. 따라서 본 연구는 ICO의 사기 여부를 탐지하기 위해 온라인상 공개된 ICO 백서를 수집하고 텍스트 임베딩 기법인 BERT에 기반한 ICO 사기 예측을 수행하였고 기존의 Random Forest 머신러닝 기법과 비교하여 정량적 방법으로 사기 탐지가 가능함을 보였다. 최종적으로 본 연구는 비정형 데이터에 기반하여 ICO의 사기 여부를 판단할 수 있는 정량적 접근 방법론의 활용 가능성을 제시함으로써 정량적 방법에 기초한 ICO 사기 탐지 연구에 기여할 수 있을 것으로 기대된다

• 한국주조공학회지
• /
• 제42권6호
• /
• pp.369-376
• /
• 2022

다이캐스팅 공정은 다양한 산업군의 인프라 역할을 수행하는 중요한 공정이지만, 높은 불량률로 인하여 관련 기업들의 수익성 및 생산성의 한계가 있는 상황이다. 이를 타개하기 위하여, 본 연구에서는 다이캐스팅 공정의 불량 검출을 위한 산업인공지능 기반 모듈을 구성하였다. 개발된 불량 검출 모듈은 제공되는 데이터의 특징에 따라서 3단계로 동작되는 모델로 구성된다. 1단계 모델은 비지도학습 기반 이상 검출을 진행하며, 레이블이 없는 데이터셋을 대상으로 작동한다. 2단계 모델은 반지도학습 기반으로 이상 검출을 진행하며, 양품 데이터의 레이블만 존재하는 데이터셋을 대상으로 작동하며, 3단계 모델은 소수의 불량 데이터가 제공된 상황의 지도학습 모델을 기반으로 작동한다. 개발된 모델은 실제 다이캐스팅 양품 데이터를 바탕으로 96% 이상의 우수한 양품 검출 성능을 보였다.

• 디지털산업정보학회논문지
• /
• 제18권1호
• /
• pp.125-138
• /
• 2022

Companies want organizational members who take e-learning courses to enjoy the advantages of transcending time and space that e-learning has, but also want what they have learned to help the organization, the work they perform, or their future careers. In addition, while enjoying the effect of reducing education costs compared to offline education through e-learning, it is expected that executives and employees will apply the knowledge and skills learned to the field and perform tasks to achieve results. As COVID-19 continues, many education programs that have been conducted offline at corporate sites have been converted to e-learning, with a larger number of e-learning operations than in the past. This study was conducted based on the perception that learners' learning satisfaction is important for the successful operation of e-learning education, and that learners' own self-directed learning ability and self-determination are important as well as corporate efforts. As a result of the study, hypotheses 1-1, 1-2, 1-3-1, and 1-3-2 that the better the self-determination (autonomy, competence, full-time support, and peer support) is, the higher the learning satisfaction will be. Both Hypothesis 2-1 and Hypothesis 2-2 were adopted that the better self-directed learning (subjectivity, execution ability) is, the higher the learning satisfaction will increase. In conclusion, it is necessary to properly introduce the concepts of self-determination and self-directed learning in corporate education while operating with the corporate education system.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.39-49
• /
• 2021

최근 국가 관측망, 기업 공기 측정기 등을 통해 많고 다양한 기상 데이터가 수집되고 있다. 기계학습 기법을 통해 기상 예측하려는 노력이 곳곳에서 이루어지고 있으며, 국내 미세먼지는 농도가 증가해오고 사람들의 관심이 높아 가장 관심있는 예측 대상 중 하나이다. 본 연구에서는 서울시 전역에 설치된 840여 개실외공기측정기 데이터를 사용하여 PM10·PM2.5 예측 모형을 비교하고자 한다. 5분 뒤 미세먼지 농도 예측을 통해 실시간으로 정보를 제공할 수 있으며, 이는 10분·30분·1시간 뒤 예측 모형 개발에 기반이 될 수 있다. 잡음 제거, 결측치 대체 등의 데이터 전처리를 진행하였고, 시·공간 변수를 고려할 수 있는 파생 변수를 생성하였다. 모형의 매개변수는 반응 표면 방법을 통해 선택하였다. XGBoost, 랜덤포레스트, 딥러닝(Multilayer Perceptron)을 예측 모형으로 사용하여, 미세먼지 농도와 예측값의 차이를 확인하고, 모형 간 성능을 비교하고자 한다.