• 한국인공지능학회지
• /
• 제10권1호
• /
• pp.1-7
• /
• 2022

In this paper, a study was conducted to predict natural disasters in Afghanistan based on machine learning. Natural disasters need to be prepared not only in Korea but also in other vulnerable countries. Every year in Afghanistan, natural disasters(snow, earthquake, drought, flood) cause property and casualties. We decided to conduct research on this phenomenon because we thought that the damage would be small if we were to prepare for it. The Azure Machine Learning Studio used in the study has the advantage of being more visible and easier to use than other Machine Learning tools. Decision Forest is a model for classifying into decision tree types. Decision forest enables intuitive analysis as a model that is easy to analyze results and presents key variables and separation criteria. Also, since it is a nonparametric model, it is free to assume (normality, independence, equal dispersion) required by the statistical model. Finally, linear/non-linear relationships can be searched considering interactions between variables. Therefore, the study used decision forest. The study found that overall accuracy was 89 percent and average accuracy was 97 percent. Although the results of the experiment showed a little high accuracy, items with low natural disaster frequency were less accurate due to lack of learning. By learning and complementing more data, overall accuracy can be improved, and damage can be reduced by predicting natural disasters.

• Korean Journal of Radiology
• /
• 제25권3호
• /
• pp.217-219
• /
• 2024

• Korean Journal of Radiology
• /
• 제25권5호
• /
• pp.493-498
• /
• 2024

• Korean Journal of Radiology
• /
• 제24권11호
• /
• pp.1059-1060
• /
• 2023

• 기독교교육논총
• /
• 제66권
• /
• pp.309-341
• /
• 2021

본 연구의 목적은 포스트 코로나 시대를 준비하기 위해 신앙교육을 위한 지능형 학습플랫폼 모형을 개발하는 것이다. 이를 위해서 인공지능 알고리즘, 학습플랫폼 개발 연구, 신앙교육 관련 선행연구를 검토하여 포스트 코로나 시대를 대비할 수 있는 지능형 학습플랫폼 설계 모형의 초안을 개발하였다. 개발된 모형 초안은 전문가 5명을 대상으로 델파이 조사를 실시하여, 타당성을 검증하였다. 개발된 모형 초안은 전문가 타당성 검증결과 내용타당도가 모두 1로 나타나 타당한 것으로 검증되었다. 모형에 대해 전문가들의 수정의견이 3가지가 제시되었고, 전문가들의 의견을 반영하여 모형을 최종 수정하였다. 수정된 최종 모형은 학습자료, 학습활동, 학습데이터 및 인공지능 3개 영역으로 구성하였으며, 각 영역에 교육과정, 학습콘텐츠 추가학습자원, 학습자 유형화, 학습 행동, 평가 행동, 학습자 특성 데이터, 학습활동 데이터, 인공지능 데이터 학습분석 9개의 요소로 구성하였고, 각 구성 요소에는 29개의 세부요소를 설정하였다. 이와 함께 14개의 학습플로어를 구성하였다. 본 연구는 신앙교육을 위한 지능형 학습플랫폼의 기초적인 모형을 최초로 개발한 것이 가장 큰 시사점이라고 할 수 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1997년도 추계학술대회발표논문집; 홍익대학교, 서울; 1 Nov. 1997
• /
• pp.105-108
• /
• 1997

Previous studies in stock market predictions using artificial intelligence techniques such as artificial neural networks and case-based reasoning, have focused mainly on spot market prediction. Korea launched trading in index futures market (KOSPI 200) on May 3, 1996, then more people became attracted to this market. Thus, this research intends to predict the daily up/down fluctuant direction of the price for KOSPI 200 index futures to meet this recent surge of interest. The forecasting methodologies employed in this research are the integration of genetic algorithm and artificial neural network (GAANN) and the integration of genetic algorithm and case-based reasoning (GACBR). Genetic algorithm was mainly used to select relevant input variables. This study adopts the categorical data preprocessing based on expert's knowledge as well as traditional data preprocessing. The experimental results of each forecasting method with each data preprocessing method are compared and statistically tested. Artificial neural network and case-based reasoning methods with best performance are integrated. Out-of-the Model Integration and In-Model Integration are presented as the integration methodology. The research outcomes are as follows; First, genetic algorithms are useful and effective method to select input variables for Al techniques. Second, the results of the experiment with categorical data preprocessing significantly outperform that with traditional data preprocessing in forecasting up/down fluctuant direction of index futures price. Third, the integration of genetic algorithm and case-based reasoning (GACBR) outperforms the integration of genetic algorithm and artificial neural network (GAANN). Forth, the integration of genetic algorithm, case-based reasoning and artificial neural network (GAANN-GACBR, GACBRNN and GANNCBR) provide worse results than GACBR.

• 과학기술학연구
• /
• 제1권2호
• /
• pp.399-422
• /
• 2001

인지과학에서 최근 논의되고 있는 인지 이론들은 인지에 대한 적절한 모형을 제공하지 못하고 있다. 전통적인 인공지능 이론은 추리나 문제 해결과 같은 과제에는 적절한 것처럼 보이지만 문자와 음성 인식과 같은 패턴 인식 분야에서는 여전히 비효율적이다. 연결주의는 전통적인 인공지능 이론과는 정반대의 양상을 보이고 있다. 연결주의 체계는 패턴 인식에는 강하지만 추리에는 약하다. 한편 최근에 제시된 상황화 된 행동 이론은 전통적인 인공지능과 연결주의에서 기본적으로 전제되고 있는 표상의 개념을 부정하고 실제 세계에서 직접 유래되는 지각에 바탕을 둔 모형을 제시하지만 인간의 인지를 효과적으로 설명하고 있지 못하다. 인지 모형들이 갖고 있는 이러한 한계점들을 강조하여 나는 이 글에서 인공지능, 연결주의, 상황화된 행동 이론을 각각 좌뇌 모형, 우뇌 모형, 로봇 모형이라고 부르고 그러한 한계 상황을 벗어날 수 있는 방법으로서 모형들간의 양립가능성을 이용한 통합적 인지 모형의 구축을 모색한다.

• 융합보안논문지
• /
• 제20권3호
• /
• pp.115-123
• /
• 2020

사이버공격은 최근 몇 년간 더욱 더 진화하고 있다. 이렇게 고도화, 정교화된 사이버위협에 대응하기 위한 최선의 대책 중 하나는 사이버 공격을 사전에 예측하는 것이다. 사이버위협을 예측하기 위해서는 많은 정보와 노력이 요구되며 최근 정보획득의 핵심인 공개출처정보(Open Source Intelligence, OSINT)를 활용한다면 사이버위협을 보다 정확히 예측할 수 있을 것이다. 공개출처정보를 활용하여 사이버위협을 예측하기 위해서는 공개출처정보로부터 사이버위협 데이터베이스의 구축과 구축된 DB에서 사이버위협을 평가할 수 있는 요소를 선정하는 것이 선행되어야 한다. 이를 위해 데이터마이닝 기법을 활용하여 DB를 구축하고, 축적된 DB 요소 중 핵심요소에 대한 중요도를 AHP 기법으로 분석한 선행연구를 기초로 하였다. 본 연구에서는 공개출처정보로부터 축적된 사이버공격 DB를 활용하여 사이버위협을 정량화할 수 있는 방안을 제시하고 인공신경망을 기반으로 한 사이버위협 예측 모델을 제안한다.

• International Journal of Advanced Culture Technology
• /
• 제11권3호
• /
• pp.310-314
• /
• 2023

The purpose of this study is to predict the remaining capacity of lithium-ion batteries and evaluate their performance using five artificial intelligence models, including linear regression analysis, decision tree, random forest, neural network, and ensemble model. We is in the study, measured Excel data from the CS2 lithium-ion battery was used, and the prediction accuracy of the model was measured using evaluation indicators such as mean square error, mean absolute error, coefficient of determination, and root mean square error. As a result of this study, the Root Mean Square Error(RMSE) of the linear regression model was 0.045, the decision tree model was 0.038, the random forest model was 0.034, the neural network model was 0.032, and the ensemble model was 0.030. The ensemble model had the best prediction performance, with the neural network model taking second place. The decision tree model and random forest model also performed quite well, and the linear regression model showed poor prediction performance compared to other models. Therefore, through this study, ensemble models and neural network models are most suitable for predicting the remaining capacity of lithium-ion batteries, and decision tree and random forest models also showed good performance. Linear regression models showed relatively poor predictive performance. Therefore, it was concluded that it is appropriate to prioritize ensemble models and neural network models in order to improve the efficiency of battery management and energy systems.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2008년도 춘계학술대회
• /
• pp.129-134
• /
• 2008

Dividend is one of essential factors determining the value of a firm. According to the valuation theory in finance, discounted cash flow (DCF) is the most popular and widely used method for the valuation of any asset. Since dividends play a key role in the pricing of a firm value by DCF, it is natural that the accurate prediction of future dividends should be most important work in the valuation. Although the dividend forecasting is of importance in the real world for the purpose of investment and financing decision, it is not easy for us to find good theoretical models which can predict future dividends accurately except Marsh and Merton (1987) model. Thus, if we can develop a better method than Marsh and Merton in the prediction of future dividends, it can contribute significantly to the enhancement of a firm value. Therefore, the most important goal of this study is to develop a better method than Marsh and Merton model by applying artificial intelligence techniques.