• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.319-322
• /
• 2006

오늘날 분산 컴퓨팅 환경에서 운용되는 시스템이 증가됨에 따라 시스템의 관리작업은 고수준의 자동화를 요구하고 있다. 이에 따라 시스템 관리방식은 전통적인 관리자 중심에서 시스템 스스로가 자신의 문제를 인식하고 상황을 분석하여 해결하는 자율 컴퓨팅 방식으로 변화하고 있으며, 현재 이에 대한 연구가 많은 연구기관에서 다양한 방법으로 이루어 지고 있다. 그러나 이러한 대부분의 연구에서 자율 컴퓨팅의 한 요소인 자가 치유는 문제가 발생한 이후의 치유에 주로 초점이 맞추어져 있다. 이러한 문제를 해결하기 위해서는 시스템 스스로가 동작환경을 인식하고 에러의 발생을 예측하기 위한 예측 모델을 필요로 하게 된다. 따라서, 본 논문에서는 자율 컴퓨팅환경에서 자가 치유를 지원하는 4 가지 예측 모델 설계 방법을 제안하며, 본 예측 모델을 ID3 알고리즘, 퍼지추론, 퍼지뉴럴네트워크 그리고 베이지안 네트워크가 각 시스템 상황에 맞추어 적절하게 사용되는 하이브리드 방식이며, 이를 통해 보다 정확하고, 신속한 에러 예측이 가능해진다. 우리는 제안 모델을 평가하기 위해 본 예측 모델을 자가 치유 시스템에 적용하여 기존 연구와 예측 효율을 비교하였으며, 그 결과를 통해 제안 모델의 유효성을 증명하였다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.381-386
• /
• 2006

오늘날 분산 컴퓨팅 환경에서 운용되는 시스템이 증가함에 따라 시스템의 관리작업은 고수준(high-level)의 자동화에 대한 요구가 증가하고 있다. 이에 따라 시스템 관리방식이 전통적인 관리자 중심의 방식에서 시스템 스스로가 자신의 문제를 인식하고 상황을 분석하여 해결하는 자율 컴퓨팅 방식으로 변화하고 있으며, 이에 대한 연구가 많은 연구기관에서 다양한 방법으로 이루어지고 있다. 그러나 이러한 대부분의 기존 연구들은 문제가 발생한 이후의 치유에 주로 초점이 맞추어져 있다. 이러한 문제를 해결하기 위해서는 시스템 스스로가 동작환경을 인식하고 에러의 발생을 예측하기 위한 예측 모델이 필요하다. 따라서 본 논문에서는 자율 컴퓨팅환경에서 자가 치유를 지원하는 4가지의 예측 모델 설계 방법을 제안한다. 본 예측 모델은 ID3 알고리즘, 퍼지 추론, 퍼지 뉴럴 네트워크 그리고 베이지안 네트워크가 각 시스템 상황에 맞춰 적절하게 사용되는 방식이며, 이를 통해 보다 정확한 에러 예측이 가능해진다. 우리는 제안모델의 평가를 위해 본 예측모델을 자가치유 시스템에 적용하여 기존 연구와 예측의 효율을 비교하였으며, 그 결과를 통해 제안 모델의 유효성을 증명하였다.

• Korean Journal of Construction Engineering and Management
• /
• v.12 no.2
• /
• pp.111-120
• /
• 2011

High-rise buildings have recently increased over the residential, commercial and office facilities, thus an understanding of construction cost for high-rise building projects has been a fundamental issue due to enormous construction cost as well as unpredictable market conditions and fluctuations in the rate of inflation by long-term construction periods of high-rise projects. Especially, recent violent fluctuations of construction material prices add to problems in construction cost forecasting. This research, therefore, develops a time-series model with the Box-Jenkins methodologies and material prices time-series data in Korea in order to forecast future trends of unit prices of required materials. BIM (Building Information Modeling) approaches are also used to analyze injection time of construction resources and to conduct quantity takeoff so that total material price can be forecasted. Comparative analysis of Predictability of tentative ARIMA (Autoregressive Integrated Moving Average) models was conducted to determine optimal time-series model for forecasting future price trends. Proposed BIM based time series forecasting model can help to deal with sudden changes in economic conditions by estimating future material prices.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.5
• /
• pp.161-168
• /
• 2020

Predicting outcome of the sports enables teams to establish their strategy by analyzing variables that affect overall game flow and wins and losses. Many studies have been conducted on the prediction of the outcome of sports events through statistical techniques and machine learning techniques. Predictive performance is the most important in a game prediction model. However, statistical and machine learning models show different optimal performance depending on the characteristics of the data used for learning. In this paper, we propose a new ensemble model to predict English Premier League soccer games using statistical models and the machine learning models which showed good performance in predicting the results of the soccer games and this model is possible to select a model that performs best when predicting the data even if the data are different. The proposed ensemble model predicts game results by learning the final prediction model with the game prediction results of each single model and the actual game results. Experimental results for the proposed model show higher performance than the single models.

• The Journal of the Korea Contents Association
• /
• v.12 no.2
• /
• pp.472-482
• /
• 2012

There are many investors in the stock market, and more and more people get interested in the stock investment. In order to avoid risks and make profit in the stock investment, we have to determine several aspects using various information. That is, we have to select profitable stocks and determine appropriate buying/selling prices and holding period. This paper proposes a data mining tool for the investors' decision support. The data mining tool makes stock investors apply machine learning techniques and generate stock price prediction model. Also it helps determine buying/selling prices and holding period. It supports individual investor's own decision making using past data. Using the proposed tool, users can manage stock data, generate their own stock price prediction models, and establish trading policy via investment simulation. Users can select technical indicators which they think affect future stock price. Then they can generate stock price prediction models using the indicators and test the models. They also perform investment simulation using proper models to find appropriate trading policy consisting of buying/selling prices and holding period. Using the proposed data mining tool, stock investors can expect more profit with the help of stock price prediction model and trading policy validated on past data, instead of with an emotional decision.

• Journal of Internet Computing and Services
• /
• v.24 no.2
• /
• pp.67-74
• /
• 2023

Stock price prediction research in the financial sector aims to ensure trading stability and achieve profit realization. Conventional statistical prediction techniques are not reliable for actual trading decisions due to low prediction accuracy compared to randomly predicted results. Artificial intelligence models improve accuracy by learning data characteristics and fluctuation patterns to make predictions. However, predicting stock prices using long-term time series data remains a challenging problem. This paper proposes a stable and reliable stock price prediction method using K-means clustering-based data augmentation and normalization techniques and LSTM models specialized in time series learning. This enables obtaining more accurate and reliable prediction results and pursuing high profits, as well as contributing to market stability.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.857-860
• /
• 2014

본 연구에서는 경제 뉴스로부터 서술어 중심의 감성 사전을 구축하고, 하루 동안에 배포된 뉴스를 이용해 전일 종가 대비 당일 종가의 등락을 예측하는 모델을 제안한다. 기존의 주식 도메인 관련 감성 사전을 구축하는 방식은 주가 등락에 관련된 명사를 중심으로 사전을 구축하는 방식이나 대부분의 명사는 극성 값이 중립인 경우가 많아 극성 값을 추정하기 힘들다는 문제점이 있다. 본 연구에서는 극성 값이 잘 표현되는 서술어 중심의 감성사전을 구축하고 극성 값을 자동 추출하여 주가의 등락을 예측한다. 실험 결과 기존 감성 사전을 통한 주가 예측 방법에 비하여 본 연구에서 제안하는 서술어 중심의 감성 사전을 통한 주가 예측 정확도가 높게 나타났다.

• Proceedings of the KIPE Conference
• /
• 2015.11a
• /
• pp.145-146
• /
• 2015

본 논문은 3상 T-type 3-레벨 인버터의 중성점 전압 제어를 위한 예측제어에 관한 연구이다. 최근 인버터의 효율 향상 등의 장점으로 멀티레벨 인버터가 주목받고 있다. 모델예측제어 방식은 물리적 입력 상태를 반영하여 최적의 성능을 제공할 수 있는 제어기법이다. 3-레벨 인버터에서는 전압벡터의 개수가 많아 예측제어기법을 적용하기에는 계산시간이 오래걸리는 단점이 있다. 본 논문에서는 SPWM 방식에 예측저어를 통해 offset 을 주는 방식으로 DC-link단 중성점 전압제어를 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.104-104
• /
• 2021

연안에 발생하는 지진해일은 많은 인명 및 재산 피해를 유발할 수 있다. 이에 따라 주요 선진국은 자국의 피해 뿐 아니라 세계 주요도시에 거주하는 자국민의 안전과 대피에 대한 경보발령을 목적으로 전지구 지진해일 시스템을 구축하여 상시 운영중에 있다. 우리나라의 지진해일 예측시스템은 지진해일의 발생과 전파, 그리고 전세계 주요 연안에 도달할 때의 해일고 모의 등에서 우수한 성과를 보이는 것으로 인정되고 있으나, 실제적인 위험경보를 발령하기 위해서 필요한 해일도달 시 조위와의 상호작용에 대한 기능은 현재 없는 상태이다. 해일에 의한 주된 피해는 연안으로의 범람에 대한 것으로 이를 파악하기 위해서는 해일 도달 당시의 조위를 예측하고 해일과 조석과의 상호작용을 반영한 예측시스템 구축이 필요하다. 이에 따라 본 연구에서는 현재 사용되고 있는 지진해일 예측모델에서 조석-지진해일 상호작용을 고려하기 위해 조석과 지진해일을 동시에 모의할 수 있는 예측 알고리즘을 제시한다. 지진해일의 전파 및 범람에 조석이 상당한 영향을 미칠 수 있음은 관련 연구자들에 의해 꾸준히 지적되어왔으나 과거 연구는 이상적인 지형이나 조석 조건에 대해서만 일부 이루어졌으며, 아직까지 실제 조석을 활용한 충분한 연구는 미흡한 실정이다. 향후 실제 조석에 의한 지진해일의 변화를 모의하기 위해 지진해일 예측모델에서 실제 조석과 조류 조건에서 지진해일을 동시에 모의할 수 있도록 예측 알고리즘을 개발하였다.

• Journal of Digital Convergence
• /
• v.18 no.11
• /
• pp.259-266
• /
• 2020

Many developments have been steadily carried out by researchers with applying knowledge-based expert system or machine learning algorithms to the financial field. In particular, it is now common to perform knowledge based system trading in using stock prices. Recently, deep learning technologies have been applied to real fields of stock trading marketplace as GPU performance and large scaled data have been supported enough. Especially, LSTM has been tried to apply to stock price prediction because of its compatibility for time series data. In this paper, we implement stock price prediction using LSTM. In modeling of LSTM, we propose a fitness combination of model parameters and activation functions for best performance. Specifically, we propose suitable selection methods of initializers of weights and bias, regularizers to avoid over-fitting, activation functions and optimization methods. We also compare model performances according to the different selections of the above important modeling considering factors on the real-world stock price data of global major companies. Finally, our experimental work brings a fitness method of applying LSTM model to stock price prediction.