• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.768-771
• /
• 2021

시계열 분석은 이전 시점들의 데이터를 기반으로 미래 시점의 데이터를 예측하는 기술을 제공하며, SARIMA는 이러한 시계열 분석에서 활용되는 통계 모델의 일종이다. 본 연구는 직접 수집한 실시간 위치 데이터에 SARIMA를 적용하여 개인의 이동 패턴을 추출하고 이를 예측에 활용하는 전반적인 프로세스를 제작하였다. 첫째, DB에 업로드된 위치 데이터를 비지도 학습의 일종인 EM-clustering을 활용해 핵심 방문 장소들로부터의 거리에 따라 군집화했다. 둘째, 해당 장소에 입장하고 퇴장하는 시간 간격에 SARIMA를 적용해 주기성을 추출했다. 마지막으로, 이 주기성들을 군집의 중요도에 따라 순차적으로 분석하여 유의미한 예측 결과를 도출해냈다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.58-59
• /
• 2023

클라우드 애플리케이션의 성능 모니터링 방법에는 클라우드 소프트웨어 스택의 인프라, 플랫폼 및 애플리케이션 계층에서 수집한 시계열 데이터 분석이라는 방법이 존재한다. 클라우드 컴퓨팅 환경에서 운영되는 서비스 간의 런타임 종속성을 분석하는 것은 클라우드 리소스 관리를 수행하기 위해 필요한 단계이다. 본 논문에서는 Bi-LSTM 기법을 활용해 클라우드 애플리케이션의 관계를 분석하고 종속성을 찾아 모니터링 성능을 향상시키는 시스템을 제안한다. 제안하는 시스템은 클라우드 스택의 모든 계층으로부터 시계열 데이터를 수집하여 인공지능 모델을 훈련, 재훈련 및 업데이트 과정을 진행한다. 본 논문에서는 Bi-LSTM 모델을 활용하여 훈련 중에 학습된 성능 메트릭 간의 종속성을 발견한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 추계학술발표대회
• /
• pp.733-736
• /
• 2007

최근 생명 공학 기술의 발달로 마이크로 단위의 실험이 가능해지고 하나의 칩상에 수 만개의 유전자들의 발현 양상을 보다 쉽게 관찰할 수 있게 되었다. DNA 칩 기술에 의해 얻어지는 마이크로어레이(microarray) 데이터는 세포나 조직 내의 유전자 발현도(expression level)를 측정한 것으로 질병 진단이나 유전자 기능 예측 등에 이용되고 있다. 본 논문에서는 대량의 시계열 마이크로어레이 데이터 분석을 위해 효율적으로 데이터의 차원을 판단하는 점진적 주성분 분석을 이용하여 데이터의 차원을 축소 한다. 제안된 방법은 실제 시계열 마이크로어레이 데이터인 yeast cell cycle 데이터에 적용되었고, 데이터 차원 축소에 대한 효율성을 검증하기 위해 클러스터링을 수행하였다. 그 결과 데이터를 축소하여 클러스터링을 수행한 경우 학습 성능이 향상 된 결과를 보였다.

• 서비스연구
• /
• 제3권2호
• /
• pp.61-74
• /
• 2013

최근 스마트폰의 보급 및 확산으로 인해 많은 어플리케이션들이 개발되며 또한 전파 되고 있다. 이러한 어플리케이션이 우리나라 고유의 높은 교육율과 만나서 탄생하게 된 것이 교육용 어플리케이션 이며, 특히 스마트폰으로 간편하게 학습할 수 있는 언어 교육 위주의 어플리케이션이 늘어나는 추세이다. 본 연구에서는 영어를 중심으로 하여 수많은 영어 교육중 대학생들이 취직하는데 실질적으로 필요로 하는 토익 학습 어플리케이션 개발을 목표로 하고 있으며 본 어플리케이션을 통해 언제 어디서든 토익 공부를 가능케 하여 토익 고득점을 맞게 하는 것이 목표이다. 락스크린 학습을 추가하여 스마트폰 화면을 켤 때마다 반복적, 강제적으로 문제를 풀 수 있도록 하고 그 외에 보안에도 도움이 되도록 하였다. 검증된 실제 토익 기관과 연계하여 문제들을 제공함으로써 문제의 신뢰도가 높으며, 이러한 문제를 반복적으로 학습함으로서 반복 학습 효과를 기대할 수 있는 안드로이드 기반의 학습 Mobile Application을 연구, 개발 하였다.

• 컴퓨터교육학회논문지
• /
• 제12권5호
• /
• pp.87-94
• /
• 2009

본 논문은 정규 언어에 대한 펌핑 정리를 학습하는 학생들을 돕기 위한 웹 기반 상호작용적 적응형 학습 시스템을 제안하고 있다. 본 시스템은 웹 기반 교육을 통해서 학습자들이 개인차에 따라 학습을 진행할 수 있도록 하고, 학습과 관련된 예제들을 연습하고 그에 대한 피드백을 즉시 제공받을 수 있는 상호작용의 기회를 제공한다. 특히, 본 시스템은 펌핑 정리의 각 증명 단계를 이해할 수 있는 적응적 비계를 제공한다. 펌핑 정리를 학습할 수 있는 기존의 시스템들과 달리 본 논문에서 제안하는 시스템은 가능한 오류들을 미리 정하여 각 오류에 대한 메시지들을 적응적으로 제공한다. 또한 학습자들이 직접 문자열을 셋으로 나누도록 함으로써 펌핑 정리를 정확히 이해하도록 도움을 준다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권4호
• /
• pp.143-152
• /
• 2021

다양한 실세계 응용 분야들에서 공동의 목표를 위해 여러 에이전트들이 상호 유기적으로 협력할 수 있는 행동 정책을 배우는 것은 매우 중요하다. 이러한 다중 에이전트 강화 학습(MARL) 환경에서 기존의 연구들은 대부분 중앙-집중형 훈련과 분산형 실행(CTDE) 방식을 사실상 표준 프레임워크로 채택해왔다. 하지만 이러한 다중 에이전트 강화 학습 방식은 훈련 시간 동안에는 경험하지 못한 새로운 환경 변화가 실전 상황에서 끊임없이 발생할 수 있는 동적 환경에서는 효과적으로 대처하기 어렵다. 이러한 동적 환경에 효과적으로 대응하기 위해, 본 논문에서는 새로운 다중 에이전트 강화 학습 체계인 C-COMA를 제안한다. C-COMA는 에이전트들의 훈련 시간과 실행 시간을 따로 나누지 않고, 처음부터 실전 상황을 가정하고 지속적으로 에이전트들의 협력적 행동 정책을 학습해나가는 지속 학습 모델이다. 본 논문에서는 대표적인 실시간 전략게임인 StarcraftII를 토대로 동적 미니게임을 구현하고 이 환경을 이용한 다양한 실험들을 수행함으로써, 제안 모델인 C-COMA의 효과와 우수성을 입증한다.

• 한국융합학회논문지
• /
• 제13권2호
• /
• pp.303-312
• /
• 2022

이 연구에서는 원격대학원생 콘텐츠 구성요소에 대한 중요도-수행도 분석(IPA)을 하였다. 이를 위해 J대학 원격대학원생 221명을 대상으로 온라인 설문조사를 한 결과 다음과 같은 결과를 얻었다. 첫째, 콘텐츠 구성요소의 영역별 중요도는 학습 내용, 상호작용, 교수-학습 전략, 평가의 순으로, 수행도는 교수-학습 전략, 상호작용, 평가, 학습내용의 순으로 나타났다. 둘째, 콘텐츠 구성요소 4가지 영역, 즉 학습내용, 교수-학습 전략, 상호작용, 평가 영역 모두 중요도와 수행도 간에 유의미한 차이가 있는 것으로 나타났다. 중요도-수행도 분석(IPA)은 영역별 및 항목별 두 차원에서 실시하였는데 그 결과는 다음과 같다. 학습내용은 유지관리 영역으로, 교수-학습 전략과 상호작용은 중점개선 영역으로, 평가 영역은 과잉투자 영역으로 밝혀졌다. 이 연구 결과는 원격대학원 콘텐츠의 현재를 진단하고 그에 기초하여 앞으로 개선해야 할 점이 무엇인가를 가늠하는 데 기초자료로 활용할 수 있을 것이다.

• 인지과학
• /
• 제22권3호
• /
• pp.327-345
• /
• 2011

본 논문에서는 형태소 분석기를 사용하지 않는 음절 단위의 한국어 품사 태깅 방법론을 제안한다. 기존 연구에서 한국어 품사 태거는 형태소 분석기가 생성한 결과 중에서 문맥에 가장 잘 맞는 형태소/품사 열을 결정하는 데 반하여, 본 논문에서 제안한 방법론에서는 품사열을 결정할 뿐만 아니라 형태소도 생성한다. 398,632 어절의 학습 데이터로 학습을 하고 33,467 어절의 평가 데이터로 성능 평가를 한 결과 어절 단위의 정확도가 96.31%인 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.510-512
• /
• 2022

미세먼지 예측 정확도 향상을 위해 다양한 연구가 진행되고 있다. 그러나 미세먼지 농도가 가지는 다양한 특성에 따라 예측 모델의 학습이 잘 이루이지지 않는 문제가 있다. 본 논문에서는 시계열의 특성과 불규칙적인 특성을 가지는 미세먼지 농도의 학습 및 예측을 위해 LSTM과 EEMD 기반의 미세먼지 농도 예측 모델의 성능을 비교하고자 한다. 두 모델을 통해 시계열 특성 파악 방법과 독립적인 개별 특성 파악 방법의 성능 차이를 확인한 결과, 개별 특성 파악에 강점을 가지는 EEMD 예측 모델이 LSTM 기반의 예측 모델보다 좋은 성능을 보이는 것을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.219-219
• /
• 2020

하천의 수질을 나타내는 환경지표 중 국가 TMS(Tele Monitoring system)의 수질측정망을 통해 관리되고 있는 지표로는 DO, BOD, COD, SS, TN, TP 등 여러 인자들이 있다. 이러한 수질인자는 하천의 자정작용에 있어 많은 영향을 나타내고 있다. 이를 활용한 경제적이고 합리적인 수질관리를 위해 하천의 자정작용을 활용하는 것이 중요하다. 생물학적 작용을 가장 효과적으로 활용하기 위해서는 수질오염 데이터에 기초한 수질예측을 채택하여 적절한 대책이 필요하다. 이를 위해서는 수질인자의 데이터를 측정하고 축적해 수질오염을 예측하는 것이 필수적인데, 실제적으로 수질인자의 일일 측정은 비용 관점에서 쉽게 접근할 수 없다. 본 연구에서는 시계열 학습으로 알려진 RNN-LSTM(Recurrent Neural Network-Long Term Memory) 알고리즘을 활용하여 기존에 측정된 수질인자의 데이터를 통해 시간당 및 일일 수질인자를 예측하려고 했다. 연구에 앞서, 기존에 시간단위로 측정된 수질인자 데이터의 이상 유무를 확인 후, 에러값은 제거하고 12시간 이하 데이터가 누락되었을 때는 선형 보간하여 데이터를 사용하고, 1일 데이터도 10일 이하 데이터가 누락되었을 때 선형 보간하여 데이터를 활용하여 수질인자를 예측하였다. 수질인자를 예측하기 위해 구글이 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하였고, 연구지역으로는 대한민국 부산에 위치한 온천천의 유역을 선정하였다. 수질인자 데이터 수집은 부산광역시에서 운영하는 보건환경정보 공개시스템의 자료를 활용하였다. 모델의 연구를 위해 하천의 수질인자, 기상자료 데이터를 입력자료로 활용하였다. 분석에서는 입력자료와, 반복횟수, 시계열의 길이 등을 조절해 수질 요인을 예측했고, 모델의 정확도도 분석하였다.