• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 한국방사선학회논문지
• /
• 제14권3호
• /
• pp.203-209
• /
• 2020

본 연구는 렉셀 감마나이프 퍼펙션 모델에서 다양한 무게를 가진 자동환자이송장치의 안정성 즉 정렬됨 평가를 위함이다. 퍼펙션 자동환자이송장치의 정렬됨을 평가하기 위해서 부산, 경남 소재 3개 대학병원에서 교정된 서비스 다이오드 테스트 도구를 사용하여 다중 빔의 방사선 초점과 감마나이프 교정 중심점의 일치성에 대한 방사상 편차 △r을 측정하여 평균하였다. 자동환자이송장치 상에 무게 없이 모든 콜리메이터 4, 8, 16 mm에 대한 중심 다이오드에 조사와 4 mm 콜리메이터에 대한 짧은 다이오드와 긴 다이오드에 조사한 경우를 살펴보면 중심 다이오드에 4, 8, 16 mm 콜리메이터 각각 조사 시 검증 차이 즉 방사상 편차의 평균은 각각 0.058 ± 0.023, 0.079 ± 0.023, 0.097 ± 0.049 mm로 나타났고, 중심 다이오드, 짧은 다이오드와 긴 다이오드에 4 mm 콜리메이터 조사 시 방사상 편차의 평균은 각각 0.058 ± 0.023, 0.078 ± 0.01, 0.070 ± 0.023 mm로 나타났다. 무게 없이 짧은 다이오드와 긴 다이오드에 8, 16 mm 조사 시 방사상 편차의 평균은 각각 0.07 ± 0.003(8 mm sd), 0.153 ± 0.002 mm(16 mm sd)와 0.031 ± 0.014(8 mm ld), 0.175 ± 0.01 mm(16 mm ld)로 측정되었다. 다양한 무게 50 ~ 90 kg을 자동환자이송장치에 올린 경우 4, 8, 16 mm에 대한 중심 다이오드에 조사 시 방사상 편차의 평균은 각각 0.061±0.041 ~ 0.075±0.015, 0.023±0.004 ~ 0.034±0.003, 0.158±0.08 ~ 0.17±0.043 mm를 나타냈다. 또한 동일한 상황에서 4, 8, 16 mm에 대한 짧은 다이오드에 조사 시 방사상 편차의 평균은 각각 0.063±0.024 ~ 0.07±0.017, 0.037±0.006 ~ 0.059±0.001, 0.154±0.03 ~ 0.165±0.07 mm로 나타났다. 그리고 4, 8, 16 mm에 대한 긴 다이오드에 조사 시 방사상 편차의 평균이 각각 0.102±0.029 ~ 0.124±0.036, 0.035±0.004 ~ 0.054±0.02, 0.183±0.092 ~ 0.202±0.012 mm로 측정되었다. 수행된 모든 검증 결과는 제조사의 허용 편차 기준에 적합함을 확인할 수 있었다. 실제 치료 환경을 흉내 낸 자동환자이송장치에 올린 다양한 무게에 따른 정렬됨의 측정 결과 무게 의존성은 무시할 수 있음을 알 수 있었다. 저자들은 다양한 무게에 따른 자동환자이송장치의 검증 테스트가 렉셀 감마나이프 퍼펙션의 통상적인 정도관리를 위하여 적합한 것으로 확인하였다.