• 한국측량학회지
• /
• 제30권5호
• /
• pp.459-466
• /
• 2012

전리층에 의한 신호지연은 SA 해제이후 GPS 측위에 가장 큰 오차 요인이다. 전리층 오차는 이중주파수 수신기를 이용할 경우 무전리층 조합으로 쉽게 제거할 수 있지만 단일주파수 수신기는 무전리층 조합을 수행할 수 없기 때문에 전리층 오차를 쉽게 제거할 수 없다는 단점이 존재한다. 따라서 이 연구에서는 단일주파수 사용자를 위한 격자형 지역 전리층 모델을 개발하였다. 개발된 지역 전리층 모델을 평가하기 위해 IGS의 전지구 모델과 비교하였으며 그 결과 열흘 평균 3.8 TECU의 RMSE를 나타내었다. 그리고 측위 정확도에 미치는 영향을 평가하기 위해 생성된 지역 전리층 모델을 적용하여 L1 관측치만을 이용한 중 장기선 상대측위를 수행하였다. 전리층과 대류권 오차를 보정한 결과 두 오차를 보정하기 전의 측위 결과와 비교하여 평균 46.7%의 측위 정확도가 향상되었으며 대류권 오차만 보정한 측위 결과와 비교하여 전리층 오차 보정 후에는 평균 14.5%의 측위 정확도가 향상되었다.

• 한국인터넷방송통신학회논문지
• /
• 제20권4호
• /
• pp.101-106
• /
• 2020

현재 의료 현장에서 초음파 진단은 과거 청진기와 같다고 할 수 있다. 그러나 초음파의 특성상 검사자의 숙련도에 따라 결과 예측이 불확실하다는 단점을 가진다. 따라서 본 논문에서는 이런 문제를 해결하기 위해 딥러닝 기술을 기반으로 초음파 검사 중 간병변 탐지의 정확도를 높이고자 한다. 제안 논문에서는 CNN 모델과 앙상블 모델을 이용해 병변 분류의 정확도 비교 실험하였다. 실험결과 CNN 모델에서 분류 정확도는 평균 82.33%에서 앙상블모델의 경우 평균 89.9%로 약 7% 높은 것을 확인하였다. 또한 앙상블 모델이 평균 ROC커브에서도 0.97로 CNN모델보다 약 0.4정도 높은 것을 확인하였다.

• 정보처리학회논문지D
• /
• 제11D권6호
• /
• pp.1287-1294
• /
• 2004

최근 소프트웨어 신뢰성을 평가하기 위해 신뢰성 측도와 커버리지 간의 관계가 연구되고 있다. 특히 커버리지에 기반한 소프트웨어 신뢰성 성장 모델에서 평균치 함수는 소프트웨어의 신뢰성 성장을 나타내는데 매우 중요한 역할을 한다. 본 논문은 커버리지에 기반한 기존 모형들의 문제점을 평균치 함수와 그 모형이 근거하는 가정을 바탕으로 파악하고, 그 문제점을 해결하기 위한 새로운 평균치 함수를 제안한다. 제안된 새로운 평균치 함수는 불완전 결함 발견과 구문의 반복 실행이 허용되는 일반적인 테스팅 환경에서 도출된 결과이다. 마지막으로 실제 데이터에 제안된 모형을 적용하여 그 성능을 평가한다.

• 정보관리학회지
• /
• 제36권4호
• /
• pp.83-105
• /
• 2019

본 연구는 시계열 특성을 갖는 데이터의 패턴 유사도 비교를 통해 유사 추세를 보이는 키워드를 자동 분류하기 위한 효과적인 방법을 제안하는 것을 목표로 한다. 이를 위해 대량의 웹 뉴스 기사를 수집하고 키워드를 추출한 후 120개 구간을 갖는 시계열 데이터를 생성하였다. 제안한 모델의 성능 평가를 위한 테스트 셋을 구축하기 위해, 440개의 주요 키워드를 8종의 추세 유형에 따라 수작업으로 범주를 부여하였다. 본 연구에서는 시계열 분석에 널리 활용되는 동적 시간 와핑(DTW) 기법을 기반으로, 추세의 경향성을 잘 보여주는 이동평균(MA) 기법을 DTW에 추가 적용한 응용 모델인 MA-DTW를 제안하였다, 자동 분류 성능 평가를 위해 k-최근접 이웃(kNN) 알고리즘을 적용한 결과, ED와 DTW가 각각 마이크로 평균 F1 기준 48.2%와 66.6%의 최고 점수를 보인 데 비해, 제안 모델은 최고 74.3%의 식별 성능을 보여주었다. 종합 성능 평가를 통해 측정된 모든 지표에서, 제안 모델이 기존의 ED와 DTW에 비해 우수한 성능을 보임을 확인하였다.

• 디지털콘텐츠학회 논문지
• /
• 제18권8호
• /
• pp.1635-1640
• /
• 2017

본 논문에서는 싱글 야외 영상에서 날씨 분류를 위한 계층적 이미지 트리 모델을 정의하고, 영상의 밝기와 k-평균 세분화 영상을 이용한 날씨 분류 알고리즘을 제안하였다. 계층적 이미지 트리 모델의 첫 번째 레벨에서 실내와 야외 영상을 구분하고, 두 번째 레벨에서는 야외 영상이 주간, 야간 또는 일출/일몰 영상인지를 밝기 영상과 k-평균 세분화 영상을 이용하여 판단하였다. 마지막 레벨에서는 두 번째 레벨에서 주간 영상으로 분류된 경우 에지 맵과 안개 율을 기반으로 맑은 영상 또는 안개 영상인지를 최종 추정하였다. 실험 결과, 날씨 분류가 설계 규격대로 수행됨을 확인할 수 있었으며, 제안하는 방법이 주어진 영상에서 효과적으로 날씨 특징이 검출됨을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.102-102
• /
• 2015

최근 중소규모 하천은 하천수 및 하천변 지하수 이용의 증가와 토지이용변화 등 유역 내 수문인자의 특성 변화로 인해 하천의 건천화가 점증하고 있어 하천 환경이 악화되고 있는 실정이다. 본 연구에서는 격자기반의 분포형 장기수문 모델(PGA-CC)을 이용하여 과거 수십년동안 토지이용변화에 따른 하천 건천화 영향을 평가하였다. 실제 건천화가 진행되고 있는 삽교천 상류유역($358.8km^2$)을 선정하였고 토지이용변화분석을 위해 과거 1975년 토지이용도(Past), 현재 2008년 토지이용도(Present)를 구축하였다. 각각의 토지이용 항목 중 변화율이 가장 높은 도시비율은 과거 토지이용도에서는 2.6 %였으며 현재 토지이용도에서는 11.3 %로 8.7 %가 증가하였다. 모델 검보정은 최근 7년(2005-2011)동안 최종유역출구지점에서 유출 검보정을 실시하였다. 그 결과 NSE (Nash-Sutcliffe model efficiency)은 평균 0.71로 유출량의 모의값과 실측값이 유효한 것으로 나타났다. 건천화를 평가하기 위해 시험유역에서의 5 WPs (Watching Points)를 선정하여 과거 및 현재 토지이용조건을 모의하고 유황분석을 통한 갈수 변화량 분석을 실시하였다. 건천화 빈도분석을 위해 GEV (Generalized Extreme Value) 갈수빈도분석을 실시하여 과거 토지이용 모의결과 산정된 평균 갈수량($m^3/s$) 이하로 낮아지는 유출량 일수를 계산하였다. 최종유역출구에서 과거 및 현재 토지이용도에서 모의된 평균갈수량은 각각 $3.27m^3/s$ 및 $3.11m^3/s$로 나타났다. GEV 갈수빈도분석결과 과거 토지이용조건에서의 평균갈수량은 $3.20m^3/s$(재현기간 2.33년)으로 나타났다. 도시증가에 따른 인구증가는 지하수 사용량에 증가를 가져온다. 이는, 건천화에 영향을 미치며 본 연구에서는 지하수이용량 자료(1998-2011)를 이용하여 도시면적과 지하수이용량의 선형회귀분석을 실시하여 과거 22년 지하수 사용량을 예측하였다. 그 결과 지하수사용량 증가는 토지이용변화와 복합적으로 상류유역에 하천의 변화를 가속시키는 것으로 나타냈다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.363-363
• /
• 2022

LID 시설에 대한 모니터링은 인력을 활용한 실강우 모니터링을 진행하고 있으나 LID 시설은 소규모 분산형시설로서 인력을 동원한 식생고사, 강우시 모니터링, 현장답사 등 꾸준한 시설확인에 한계가 있으며, LID 시설을 조성한 이후 적정한 유지관리 방법(주기, 빈도, 항목 등)을 인지하지 못하여 막힘현상, 효율저하, 식물고사 등의 문제가 발생한다. 따라서 본연구에서는 딥러닝 분석을 활용하여 강우시 강우모니터링 자료와 LID 시설 내 센서를 통해 측정된 자료를 통해 침투도랑 내 유입수 성상에 대한 예측분석을 수행하였다. 심지 내 LID 시설에 유입되는 오염물질을 예측을 위한 딥러닝 분석을 위해 과거 실강우시 모니터링 자료(TSS, COD, TN, TP)와 대기센서(대기습도, 대기온도, 강수량, 미세먼지) 데이터를 활용하여 딥러닝 모델에 대한 적용가능성 평가를 수행하였다. 측정항목에 대한 상관성 분석을 수행하였으며, 딥러닝 모델은 Tenser Flow를 이용하여 DNN(Deep Neural Network)모델을 활용하여 분석하였다. DNN 모델에 대한 MSE값은 0.31로 분석되었으며, TSS에 대한 평균 50.6mg/L로 분석되었으며, COD 평균 98.7 mg/L로 나타났다. TN의 평균 2.21 mg/L로 분석되었으며, TP 평균 0.67 mg/L로 나타났다. 상관계수분석결과 TSS는 0.53로 분석되었으며, TN과 TP의 상관계수는 0.10, 0.56으로 나타났다. COD의 상관계수는 0.63으로 TSS와 COD, TP에 대한 예측이 된 것으로 분석되었다. 딥러닝을 통한 LID 시설 내 농도변화 예측시 강우시 센서데이터 값은 조밀해야하며 오염물질 농도와 상관성이 높은 항목들에 대해 계측과 실강우 모니터링 자료를 축적하여 미래에 대한 활용성을 높여야 한다.

• EDISON SW 활용 경진대회 논문집
• /
• 제4회(2015년)
• /
• pp.24-31
• /
• 2015

효소는 생명 현상을 구현하는 단백질 촉매인데 그 동안 효소의 촉매 반응 속도는 Michaelis-Menten(MM) 모델로 대부분 설명되어 왔다. 그러나 MM 모델은 실험으로 측정된 단일 효소 반응시간의 확률분포 모양을 설명할 수 없다. MM 모델에 반응계수의 정적 무질서 개념을 도입한 효소 반응 모델도 기질 농도에 따라 변화하는 효소 반응시간의 통계적 요동을 설명하지 못한다. 우리는 단일 효소 반응시간의 통계적 요동이 기질에 따라 변화하는 양상을 설명하기 위해 효소 반응을 구성하는 개별 화학반응을 단순히 푸아송 과정이 아닌 갱신과정(renewal process)으로 확장한 효소 반응 모델을 제안한다. 우리는 이 단일 효소 반응 모델과 기질에 따른 효소 반응시간 분산 변화 데이터를 비교하여 효소-기질 복합체의 지속시간 분포를 간단한 형태로 얻어내었다. 또한, 이 정보를 토대로 전산모사를 수행하여 효소 반응시간의 확률분포를 얻어내고, 실제 실험 결과 및 기존 이론들과 비교하였다. 뿐만 아니라 단일 효소 반응시간의 확률분포를 연속 시간 임의의 보행자(continuous time random walker)의 대기시간 확률분포(waiting time distribution)로 대응하면, 평균 제곱 변위가 시간에 따라 단순히 증가 하지 않는 고분자의 특이 수송(anomalous diffusion) 현상도 정량적으로 설명할 수 있었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2010년도 추계학술대회
• /
• pp.351-353
• /
• 2010

본 논문에서는 쉽고 빠르게 정확한 리튬 이온 배터리 모델을 구현할 수 있는 방법을 제시하고 있으며, 구현된 모델을 MATLAB(R)/Simulink(R)환경에서 검증한다. 모델을 구현함에 있어서 절차를 간소화하기 위해 비선형 개방 전압은 배터리 충전 및 방전 전압의 평균으로 근사하고, 배터리 내부 비선형 파라미터는 방전 초기에 발생하는 과도응답을 측정한 이산 데이터를 곡선 접합하여 구한다. 구현된 모델을 이용하여 시뮬레이션을 하고 이를 실험 데이터와 비교해본 결과, 평균 절대오차는 기존 연구보다 0.1% 낮은 0.091%로 측정되었다. 측정된 오차의 수준은 본 논문에서 제안한 방법이 파라미터 추출에 필요한 시간을 단축하고 시뮬레이션 모델을 쉽게 구현 가능하게 함에도 불구하고 여전히 리튬 이온 배터리의 출력 특성을 정확하게 예측함을 보여준다.

• 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.