• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.978-981
• /
• 2020

제품이나 부품의 잔존 수명을 정확하게 예측할 수 있다면 고장이나 중단으로 인한 손실을 방지하는 것이 가능해질 것이다. 제품의 잔존 수명은 시계열 데이터 분석을 통해 예측될 수 있으며, 최근에는 딥러닝을 이용한 잔존 수명 예측 연구가 활발하게 진행되고 있다. 본 연구에서 우리는 컴퓨터 기반 시스템의 주요 고장 요소가 되고 있는 하드디스크의 잔존 수명을 예측하는 문제에 1D CNN-LSTM 을 이용한 모델을 적용하고, RMSE 와 R-Square 값을 이용해 적용한 모델의 성능을 평가하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.525-526
• /
• 2021

최근 금리 인하로 주식을 비롯한 다양한 금융상품에 대한 투자가 급증하고 있다. 주식 시장에서 가격은 시장의 모든 정보들이 반영된 결과로서 주식의 가격 변동을 이용하여 가격 패턴을 찾아낸 후 다양한 분석기법으로 주가 지수를 예측하는 연구들이 진행되어 왔다. 그러나 주식 시장은 기업의 내·외부 요인들의 상호관계가 주가 형성에 많은 영향을 주는 가격 결정 메카니즘으로 인해 주가의 변동을 설명할 수 없는 경우가 자주 발생하고 있다. 따라서 주식 시장 예측을 위해서는 시장 내부의 변화와 외부 사건들을 함께 반영할 수 있는 방법이 필요하다. 본 논문에서는 뉴스 기사들에 대한 감성 분석과 주가지수의 시계열 데이터를 딥러닝 예측 모델을 통해 주식 시장의 추세를 예측할 수 있는 주가지수 예측 프로그램을 제안한다.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.5
• /
• pp.236-242
• /
• 2024

Software Defect Prediction (SDP) enhances the efficiency of software development by proactively identifying modules likely to contain errors. A major challenge in SDP is improving prediction performance. Recent research has applied deep learning techniques to the field of SDP, with the SAINT model particularly gaining attention for its outstanding performance in analyzing structured data. This study compares the SAINT model with other leading models (XGBoost, Random Forest, CatBoost) and investigates the latest deep learning techniques applicable to SDP. SAINT consistently demonstrated superior performance, proving effective in improving defect prediction accuracy. These findings highlight the potential of the SAINT model to advance defect prediction methodologies in practical software development scenarios, and were achieved through a rigorous methodology including cross-validation, feature scaling, and comparative analysis.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.1064-1068
• /
• 2009

인지모델(Cognitive Model)에 의한 사용성 평가는 실제 실험에 의한 방법에 비해 시간, 노력, 비용을 절감할 수 있다. 여러 인지모델 중 ACT-R(Adaptive Control of Thought Rational)은 인간의 모든 인지과정을 상세하게 묘사할 수 있어 다른 모델보다 정확히 인간의 과제 수행을 정량적으로 예측할 수 있다. 그러나 ACT-R 모델을 수립하기 위해서는 인간의 지각, 주의, 기억 인출 등의 처리 과정과 행동 선택 및 수행에 필요한 과제 수행 규칙을 매우 상세하게 분석 및 기술해야 하기 때문에, GUI(Graphic User Interface) 환경에서 운용되는 메뉴 인터페이스와 같이 다양한 시각적 정보의 처리가 요구되는 과제에 대한 모델을 수립하는데는 많은 시간과 노력이 요구된다. 이에 본 연구에서는 GUI 환경에서 전문가 수준의 과제 수행을 예측할 수 있는 간략화한 ACT-R 모델 수립 방안을 제안하고, 이를 이용하여 상용 통계 분석 소프트웨어의 과제 수행도를 예측하였다. 그 결과 실제 실험을 통한 측정 결과와 간략화한 ACT-R 모델의 예측 결과가 잘 일치하였으며 본 연구에서 제시한 간략화한 ACTR 모델이 메뉴 인터페이스의 사용성 평가에 효율적으로 적용될 수 있음을 확인하였다.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.34 no.3
• /
• pp.72-81
• /
• 2022

Positions of five drifting buoys deployed on August 2020 near southwestern area of Jeju Island and numerically predicted velocities were used to develop five Artificial Intelligence-based models (AI models) for the prediction of particle tracks. Five AI models consisted of three machine learning models (Extra Trees, LightGBM, and Support Vector Machine) and two deep learning models (DNN and RBFN). To evaluate the prediction accuracy for six models, the predicted positions from five AI models and one numerical model were compared with the observed positions from five drifting buoys. Three skills (MAE, RMSE, and NCLS) for the five buoys and their averaged values were calculated. DNN model showed the best prediction accuracy in MAE, RMSE, and NCLS.

• Journal of the Korea Convergence Society
• /
• v.10 no.4
• /
• pp.1-6
• /
• 2019

Neural networks have been used to predict the direction of stock index movement from past data. The conventional research that predicts the upward or downward movement of the stock index predicts a rise or fall even with small changes in the index. It is highly likely that losses will occur when trading ETFs by use of the prediction. In this paper, a neural network model that predicts the movement direction of the daily KOrea composite Stock Price Index (KOSPI) to reduce ETF trading losses and earn more than a certain amount per trading is presented. The proposed model has outputs that represent rising (change rate in index ${\geq}{\alpha}$), falling (change rate ${\leq}-{\alpha}$) and neutral ($-{\alpha}$ change rate < ${\alpha}$). If the forecast is rising, buy the Leveraged Exchange Traded Fund (ETF); if it is falling, buy the inverse ETF. The hit ratio (HR) of PNN1 implemented in this paper is 0.720 and 0.616 in the learning and the evaluation respectively. ETF trading yields a yield of 8.386 to 16.324 %. The proposed models show the better ETF trading success rate and yield than the neural network models predicting KOSPI.

• KIPS Transactions on Software and Data Engineering
• /
• v.8 no.3
• /
• pp.123-128
• /
• 2019

This paper proposes the stock price prediction based on the artificial intelligence, where the model with recurrent convolution neural network (RCNN) layers is adopted. In the motivation of this prediction, long short-term memory model (LSTM)-based neural network can make the output of the time series prediction. On the other hand, the convolution neural network provides the data filtering, averaging, and augmentation. By combining the advantages mentioned above, the proposed technique predicts the estimated stock price of next day. In addition, in order to emphasize the recent time series, a custom weighted loss function is adopted. Moreover, stock data related to the stock price index are adopted to consider the market trends. In the experiments, the proposed stock price prediction reduces the test error by 3.19%, which is over other techniques by about 19%.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.495-495
• /
• 2023

본 연구는 하수처리장 운영시스템 자료를 활용하여, 머신러닝 기반의 예측 모델을 개발하고, 모델 정확도 향상에 대하여 검토하였다. 하수처리장에 설치된 각종 센서를 통해 실시간으로 자료가 모니터링되고 있으며, 수집된 자료는 운영시스템에 저장된다. 하수처리장 시스템은 설정된 값과 센서의 측정값을 비교해 이상치가 발생하면 운영자가 즉각적으로 조치하여 문제를 해결하고 있으나, 비정상적인 상황 발생시 이를 대처할 시간이 부족하여 적절한 조치가 이루어지지 못하는 경우가 발생 되고 있다. 따라서, 이러한 문제점을 해결하기 위해 A 하수처리장 운영자료를 활용하여 결과 예측이 신속하고 신뢰도 높은 머신러닝 기반의 예측 모델을 개발하고자 하였다. 모델의 예측 정확도 및 신뢰성을 향상하기 위하여 결과에 영향을 미치는 주요 영향 인자를 분석하고, 이를 기반으로 모델의 추가 분석 및 개선을 수행하여 모델의 예측력을 평가하였다. 금회 연구는 데이터 전처리를 과정을 통한 인사이트를 도출하고 이를 활용하여 하수처리장 운영자료 예측 정확도를 높일 수 있었으며, 이 결과를 바탕으로 다른 하수처리장의 모델 개발시에도 유용하게 활용이 가능할 것으로 검토되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.520-520
• /
• 2023

제주도 동부 중산간 지역은 화산암으로 구성된 지하지질로 인해 지하수위의 변동폭이 크고 변동양상이 복잡하여 인공신경망(Artificial Neural Network, ANN) 모델 등을 활용한 지하수위의 예측이 어렵다. ANN에 적용되는 활성화함수에 따라 지하수의 예측성능은 달라질 수 있으므로 활성화함수의 비교분석 후 적절한 활성화함수의 사용이 반드시 필요하다. 본 연구에서는 5개 활성화함수(sigmoid, hyperbolic tangent(tanh), Rectified Linear Unit(ReLU), Leaky Rectified Linear Unit(Leaky ReLU), Exponential Linear Unit(ELU))를 제주도 동부 중산간지역에 위치한 2개 지하수 관정에 대해 비교분석하여 최적 활성화함수 도출을 목표로 한다. 또한 최적 활성화함수를 활용한 ANN의 적용성을 평가하기 위해 최근 널리 사용되고 있는 순환신경망 모델인 Long Short-Term Memory(LSTM) 모델과 비교분석 하였다. 그 결과, 2개 관정 중 지하수위 변동폭이 상대적으로 큰 관정은 ELU 함수, 상대적으로 작은 관정은 Leaky ReLU 함수가 지하수위 예측에 적절하였다. 예측성능이 가장 낮은 활성화함수는 sigmoid 함수로 나타나 첨두 및 최저 지하수위 예측 시 사용을 지양해야 할 것으로 판단된다. 도출된 최적 활성화함수를 사용한 ANN-ELU 모델 및 ANN-Leaky ReLU 모델을 LSTM 모델과 비교분석한 결과 대등한 지하수위 예측성능을 나타내었다. 이것은 feed-forward 방식인 ANN 모델을 사용하더라도 적절한 활성화함수를 사용하면 최신 순환신경망과 대등한 결과를 도출하여 활용 가능성이 충분히 있다는 것을 의미한다. 마지막으로 LSTM 모델은 가장 적절한 예측성능을 나타내어 다양한 인공지능 모델의 예측성능 비교를 위한 기준이 되는 참고모델로 활용 가능하다. 본 연구에서 제시한 방법은 지하수위 예측과 더불어 하천수위 예측 등 다양한 시계열예측 및 분석연구에 유용하게 사용될 수 있다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.25 no.2
• /
• pp.191-196
• /
• 2015

There have been many studies on statistical forecasting on firm's performance and stock price by applying various financial indicators such as debt ratio and sales growth rate. Selecting predictors for constructing a prediction model among the various financial indicators is very important for precise prediction. Most of the previous studies applied variable selection algorithms for selecting predictors. However, the variable selection algorithm is considered to be at risk of eliminating certain amount of information from the indicators that were excluded from model construction. Therefore, we propose a firm's performance prediction model which principal component analysis is applied instead of the variable selection algorithm, in order to reduce dimensionality of input variables of the prediction model. In this study, we constructed the proposed prediction model by using financial data of American IT companies to empirically analyze prediction performance of the model.