딥러닝은 대용량의 데이터의 분류 및 예측하는 방법으로 각광받고 있다. 데이터의 양이 많아지면서 신경망의 구조는 더 깊어 지고 있다. 이때 초기값이 지나치게 클 경우 층이 깊어 질수록 활성화 함수의 기울기가 매우 작아지는 포화(Saturation)현상이 발생한다. 이러한 포화현상은 가중치의 학습능력을 저하시키는 현상을 발생시키기 때문에 초기값의 중요성이 커지고 있다.이런 포화현상 문제를 해결하기 위해 Glorot과 Bengio (2010)과 He 등 (2015) 층과 층 사이에 데이터가 다양하게 흘러야 효율적인 신경망학습이 가능하고 주장했다. 데이터가 다양하게 흐르기 위해서는 각 층의 출력에 대한 분산과 입력에 대한 분산이 동일해야 한다고 제안했다. Glorot과 Bengio (2010)과 He 등 (2015)는 각 층별 활성화 값의 분산이 같다고 가정해 초기값을 설정하였다. 본 논문에서는 절단된 코쉬 분포와 절단된 정규분포를 활용하여 초기값을 설정하는 방안을 제안한다. 출력에 대한 분산과 입력에 대한 분산의 값을 동일하게 맞춰주고 그 값이 절단된 확률분포의 분산과 같게 적용함으로써 큰 초기값이 나오는 걸 제한하고 0에 가까운 값이 나오도록 분포를 조정하였다. 제안된 방법은 MNIST 데이터와 CIFAR-10 데이터를 DNN과 CNN 모델에 각각 적용하여 실험함으로써 기존의 초기값 설정방법보다 모델의 성능을 좋게 한다는 것을 보였다.
정보는 효과적으로 활용되어 이윤 창출에 기여하고, 신속하고 올바른 경영 판단을 지원하며, 재사용이 가능해야 하는 중요한 자원이다. 최근의 정보 시스템들은 사용자들의 다양한 요구를 반영하여 기업의 경쟁력을 높이고, 급변하는 환경 변화에 적응하기 위해 점차 대형화, 복잡화 되고 있으며 정보 품질의 중요성도 점차 강조 되고 있는 추세이다. 사용자들이 원하는 정보 제공에 있어 가장 큰 문제점은 저 품질의 데이터를 기반으로 하는 낮은 품질의 정보 제공에 있다. 낮은 정보 품질에 의해 기업 경영이 이루어질 경우 기업의 전략 수립, 전략 수행, 고객과 경쟁 기업에 대한 경영 집중력 분산 등 기업의 경영에 있어 경쟁력이 떨어 질 수밖에 없다. 낮은 품질의 정보는 부정확한 데이터를 개선하거나 조정하기 위한 시간 및 비용을 증가 시키고, 특정 현황에 대한 정확한 정보를 제공 받기가 어려워진다. 이러한 문제점들을 해결하기 위해서는 데이터에 대한 명확한 이해, 데이터 관리 체계 확립, 그리고 체계적인 데이터 관리 수행 등을 통하여 고품질의 데이터를 획득 할 수 있게 해야 한다. 현재까지 정보 품질과 관련된 연구 및 방법론은 부분적으로 진전이 있으나, 정보 품질 관리 전반에 대한 체계적인 방법론은 존재하지 않는 실정이다. 따라서 본 논문에서는 정보 품질 관리를 위한 프로세스들을 도출하고 정보 품질과 관련된 평가 요소를 도출하여 이를 정보 품질 보증 프로세스 단계인 CMM(Capacity Maturity Mode]) 5단계를 참조하여 제시한다. 본 논문은 정보 품질 개선 관리 프로세스 정립을 통해 기업의 정보 품질 관련 전략을 수립 하고, 경쟁력 있는 기업 또는 조직 활동에 이바지 하며, 품질 좋은 정보 활용에 따른 경쟁력 있는 운영에 이바지 하고자한다.
정부는 신용평가시스템을 객관화하여 회생가능성이 있는 기업은 자금을 지원하고, 회생가능성이 없는 기업은 조기에 구조조정을 추진하는 방안을 발표하였다. 이러한 정부발표는 자본시장을 통한 구조조정의 기반을 강화하여 신속한 구조조정이 이루어질 수 있는 기틀을 마련함으로써 재무건전성이 낮은 중견건설사는 구조조정 위험에 확대될 수 있다. 본 연구는 2019년 기준으로 주택사업에 집중된 10개 중견건설사를 선정하여 은행의 재무심사기법을 통해 재무건전성을 분석하였고, 이러한 분석결과를 통해 구조조정 위험에 노출될 가능성이 높음을 확인할 수 있었다. 2020년에는 경제성장률 하락과 부동산규제 강화로 건설업 성장률이 전반적으로 하락될 것으로 판단되어 자본금 납입비율이 낮은 중견건설사는 안정적인 신용등급을 유지할 가능성이 낮아 구조조정에 포함될 가능성이 높다. 본 연구는 중견건설사가 구조조정 위험에서 벗어날 수 있도록 공신력 있는 연구기관의 자료를 활용하여 KCSI 평가모델을 설정하였고, 실무전문가 설문조사를 통해 각 항목마다 차별화된 위험비율을 나타냈다. 이러한 연구결과는 중견건설사 경영진에게 신용리스크 저감방안을 실천하도록 제언할 수 있었고, 구조조정 위험에 벗어날 수 있는 기틀을 마련하였다.
최근 발생한 코로나 19 바이러스의 확산으로 국내 대학들은 비대면 원격교육을 전면적으로 시행하게 되었다. 이에 따라 교육부는 비대면 원격교육을 향후 미래의 혁신적인 교육 방안으로 유지해 나갈 수 있도록 장려하겠다는 견해를 밝혔으며 다양한 비대면 원격강의 모델 제시가 필요하다. 그러나 현재까지는 실질적인 강의 모델 개발에 관한 연구가 활발하게 이루어지지 않으며 디자인 분야, 특히 모바일 홈페이지 제작에 대한 사례 연구는 많지 않다. 이에 따라 본 연구는 새로운 디자인 실습 환경 개선방안으로 도메인 생성 및 온라인 마케팅 서비스를 제공하는 모두(modoo) 프로젝트를 제시하고자 한다. 연구자는 본 연구를 통해 혼합형(블렌딩) 수업 방식을 활용할 것을 제안하고, 프로젝트 기반과 플립드 러닝 방식이 적절히 결합하였을 때 교육효과가 배가될 수 있음을 알 수 있었다. 연구 방법으로는 강의 내용과 강의 운영의 두 영역으로 나누어 진행하였으며, 강의평가를 통해 그 효과를 평가하였다. 연구 결과 수업 만족도는 대면 교육과 비교해 5% 이상 상승하여 활용도가 커질 가능성을 확인하였다.
이 연구에서는 국내 연안어장을 대상으로 조식동물 및 서식지에 대한 수중영상 기반의 인공지능 학습자료를 구축하고, state-of-the-art (SOTA) 모델인 High Resolution Network-Object Contextual Representation(HRNet-OCR)과 Shifted Windows-L (Swin-L)을 이용하여, 조식동물 서식지 수중영상의 의미론적 분할을 수행함으로써 화소 또는 화소군 간의 공간적 맥락(상관성)을 반영하는 보다 실제적인 탐지 결과를 제시하였다. 조식동물 서식지인 감태, 모자반의 수중영상 레이블 중 1,390장을 셔플링(shuffling)하여 시험평가를 수행한 결과, 한국수산자원공단의 DeepLabV3+ 사례에 비해 약 29% 향상된 정확도를 도출하였다. 모든 클래스에 대해 Swin-L이 HRNet-OCR보다 판별율이 더 좋게 나타났으며, 특히 데이터가 적은 감태의 경우, Swin-L이 해당 클래스에 대한 특징을 더 풍부하게 반영할 수 있는 것으로 나타났다. 영상분할 결과 대상물과 배경이 정교하게 분리되는 것을 확인되었는데, 이는 Transformer 계열 백본을 활용하면서 특징 추출능력이 더욱 향상된 것으로 보인다. 향후 10,000장의 레이블 데이터베이스가 완성되면 추가적인 정확도 향상이 가능할 것으로 기대된다.
2020년 코로나19 발발 이후 한국 경제를 포함한 국제 시장 환경은 급속하게 변하고 있고 한국 금융시장의 중요 경제 지표인 원/달러 환율도 요동치고 있다. 대외 의존도가 높은 한국 경제에서 환율에 대한 이해는 항상 중요한 연구 과제였고, 특히 코로나 확산이 환율에 미치는 연구는 시기적으로 많은 경제 학자들의 관심사이기도 하다. 따라서 본 연구는 코로나19 발발 이후 환율과 경제 지표의 관계를 분석하고 환율 예측을 위한 단변량 다변량 예측 모형을 구축하여 모형의 예측 성능을 비교 검증을 하였다. 코로나 전후 기간을 세 기간으로 나눠서 기간 1은 코로나 발발전과 초기, 기간 2는 코로나 대확산, 기간 3을 코로나 안정기로 나누고 기간 1의 환율 데이터를 학습한 SARIMA 모형과 같은 기간의 경제 변수와 환율 데이터를 학습한 ARDL 모형의 예측 성능을 비교하였다. 기간별 RMSE기준으로 SARIMA 모형은 기간 2에서 예측 성능이 뛰어나고 ARDL 모형은 기간 3에서 예측 성능이 가장 우수한 것으로 나타났다. 연구 결론은 환율과 경제 변수의 통상적인 관계가 나타나는 기간 3에서는 변수 관계를 반영하는 ARDL 모형이 좀 더 예측 성능이 좋은 모델이고 기존의 전형적인 환율과 경제 변수의 패턴에서 벗어난 과도기 시기인 기간 2에는 과거 환율 추이만 반영하는 SARIMA 모형이 좀 더 우수한 예측 성능을 보여주는 모델로 검증되었다.
경찰의 기본임무는 국민의 생명과 신체 및 재산을 보호하는 것이다. 그 중에서 범죄로부터 국민을 보호하는 것은 가장 중요한 경찰의 활동이다. 그러나, 최근 수원에서 일어난 부녀자 납치 살인사건 같은 사례에서 보듯이 경찰의 범죄신고체제에 큰 문제가 있음이 드러났다. 이번 사건을 계기로 경찰의 범죄신고와 처리체제에 어떠한 문제가 있는지 그에 대한 개선방안은 무엇인지를 선행연구를 바탕으로 문헌적 법정책적 연구를 시도하였다. 이를 세가지 분야별로 나누어 보면, 법률적인 면에서 '긴급가택출입권'의 확보, 위치정보보호의 보호 및 이용, 신원보호대상자의 정보보호, 112허위신고 문제가 있고, 제도적인 면에서 112신고센타 근무자의 전문성의 확보와 자질향상, 지방경찰청별 통합지령제도, 다양한 긴급신고전화의 정비 문제 등이 있으며, 기술적인 면에서 112신고체제의 표준소프트웨어 개발, 위치추적 범위 축소방안, 112신고센타의 업무부담경감 등 여러 과제가 있다. 나아가, 이러한 과제를 법과 제도적 기술적인 측면에서 구체적 해결방안을 종합적으로 모색하고자 시도하였다. 경찰이 시민과 사회의 안전을 지키는 든든한 버팀목으로서 새롭게 거듭나는 환골탈퇴의 노력이 지속된다면 언젠가는 시민의 지지를 받는 협력치안의 성공적인 모델이 만들어 질수 있을 것이다.
This study consists of the stimuli of a female model in her twenties with twenty-three different facial make-up and survey on the differences of them for the development of make-up color system, based on the color-sense on the Korean's skin-tone and make-up color, to enforce the efficiency of beauty education. The result of this study and the suggestion is as followed. Firstly, Familiarity, Intelligence, Fitness, Charm, Tradition and Youth were came out as the result of factor analysis of make-up color image perception. Secondly, the stimulus of bare face was evaluated as more familiar and intelligent than the one with image make-up but perceived as unhealthy and not untraditional. Thirdly, skin tone had a big impact on both in lip color that's been applied in monotonous make-up and in image make-up that had been applied in contrastive make-up. Through these results, it is confirmed that the skin tone and make-up colors were influential variables in the research on facial image perception and preference against a female model in her 20s, and also the image test and preference can be changed according to the color contrasts. This research will be used as a basic tool for the development of make-up color applying system with image perception of statics of population variables and preference research. Also it aims to suggest the alternatives to perform the present collage make-up education for more systematic and organized education.
Predicting accurate electricity prices is an important task in the electricity trading market. To address the electricity price forecasting problem, various approaches have been proposed so far and it is known that linear regression-based approaches are the best. However, the use of such linear regression-based methods is limited due to low accuracy and performance. In traditional linear regression methods, it is not practical to find a nonlinear regression model that explains the training data well. If the training data is complex (i.e., small-sized individual data and large-sized features), it is difficult to find the polynomial function with n terms as the model that fits to the training data. On the other hand, as a linear regression model approximating a nonlinear regression model is used, the accuracy of the model drops considerably because it does not accurately reflect the characteristics of the training data. To cope with this problem, we propose a new electricity price forecasting method that divides the entire dataset to multiple split datasets and find the best linear regression models, each of which is the optimal model in each dataset. Meanwhile, to improve the performance of the proposed method, we modify the proposed localized linear regression method in the map and reduce way that is a framework for parallel processing data stored in a Hadoop distributed file system. Our experimental results show that the proposed model outperforms the existing linear regression model. Specifically, the accuracy of the proposed method is improved by 45% and the performance is faster 5 times than the existing linear regression-based model.
터널 설계 시 지반조사를 통한 암반분류 결과는 공사기간 및 공사비 산출, 그리고 터널안정성 평가에 지대한 영향을 미친다. 국내에서 지금까지 완공된 3,526개소의 터널들의 설계 및 시공을 통해 관련 기술들은 지속적으로 발전되어 왔지만, 터널 설계 시 암질 및 암반등급을 보다 정확하게 평가하기 위한 방법에 대한 연구는 미미하여 평가자의 경험 및 주관에 따라 결과의 차이가 큰 경우가 적지 않다. 따라서 본 연구에서는 암석샘플에 대한 주관적 평가를 통한 기존의 인력에 의한 암반분류 대신, 최근 지반분야에서도 그 활용도가 급증하고 있는 머신러닝 알고리즘을 이용하여 시추조사에서 획득한 다양한 암석 및 암반정보를 분석하여 보다 신뢰성있는 RMR에 의한 암반분류 모델을 제시하고자 하였다. 국내 13개 터널을 대상으로 11개의 학습 인자(심도, 암종, RQD, 전기비저항, 일축압축강도, 탄성파 P파속도 및 S파 속도, 영률, 단위중량, 포아송비, RMR)를 선정하여 337개의 학습 데이터셋과 60개의 시험 데이터셋을 확보하였으며, 모델의 예측성능을 향상시키기 위해 6개의 머신러닝 알고리즘(DT, SVM, ANN, PCA & ANN, RF, XGBoost)과 각 알고리즘별 다양한 초매개변수(hyperparameter)를 적용하였다. 학습된 모델의 예측성능을 비교한 결과, DT 모델을 제외한 5개의 머신러닝 모델에서 시험데이터에 대한 RMR 평균절대오차 값이 8 미만으로 수렴되었으며, SVM 모델에서 가장 우수한 예측성능을 나타내었다. 본 연구를 통해 암반분류 예측에 대한 머신러닝 기법의 적용 가능성을 확인하였으며, 향후 다양한 데이터를 지속적으로 확보하여 예측모델의 성능을 향상시킨다면 보다 신뢰성 있는 암반 분류에 활용될 수 있을 것으로 기대된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.