• 한국재난정보학회 논문집
• /
• 제9권2호
• /
• pp.188-194
• /
• 2013

철도의 고속화가 진행됨에 따라 보다 경제적인 고속선용 교량 시스템의 개발을 위한 연구가 활발히 진행되고 있다. 이 논문에서는 기존의 프리스트레싱기법에 새로운 방식으로 추가적인 프리스트레스를 도입할 수 있는 바이프리스트레싱기법을 이용한 신형식 거더를 소개하였다. 추가적인 인장력은 단면 상부에 설치된 강봉 사이에 쐐기형 핀바를 삽입하여 도입할 수 있다. 신형식 거더가 적용된 철도교량의 고속선 적용성은 동적해석을 통한 안정성 검토를 통하여 수행하였다. 동적안정성 검토는 30m, 35m 및 40m 경간의 교량시스템에 대한 KTX 이동하중해석을 통하여 수행하였다. 검토 결과 개발된 교량은 구조적 안정성, 주행안전성, 승차감 확보를 위하여 검토되고 있는 제한값을 모두 만족하는 것으로 나타났다.

• 디지털융복합연구
• /
• 제16권7호
• /
• pp.381-391
• /
• 2018

본 논문은 지하철 PSD(Platform Screen Door)광고의 효과증진을 위하여, 동적 대상은 정적 대상에 비해 강한 시선 유인 효과를 가진다는 이론적 배경을 전제로, 동적 이미지를 활용한 새로운 형태의 PSD광고를 제안하는 것에 연구의 목적이 있다. 이를 위해 스크린도어와 전동차의 관계 분석을 통해, 효율적인 동적 이미지 구현을 위한, 위치적, 시각적 요소들을 도출하였다. 그 후, 이러한 요소들을 적용한 예시광고를 제작, 3D 프로그램 상에 적용함으로서, 동적 PSD광고의 구현 과정을 확인하였다. 연구결과, 시간차를 이용한 이미지 합성을 통해서 동적 시각효과를 보여줄 수 있는 새로운 형태의 PSD광고 제작이 가능함을 확인할 수 있었고, 이미지들의 조합과 적용에 따라 다양한 시각적 표현이 가능하기에, 본 연구의 제안이 PSD광고라는 광고매체에 다양성을 부여할 수 있음을 또한 확인하였다.

• 한국음향학회지
• /
• 제40권2호
• /
• pp.139-147
• /
• 2021

본 논문은 데이터의 일부만 레이블링이 되어있는 약지도 학습을 기반으로 하는 음향 이벤트 검출 시스템을 소개 및 구현하고, 시뮬레이션을 통해 각 파라미터가 성능에 미치는 영향을 분석하였다. 음향 이벤트 검출 시스템은 음향 신호 내에 존재하는 이벤트의 종류, 시작/종료 시점을 추정하는 시스템으로, 이를 학습시키기 위해서는 음향 이벤트 신호와 그 종류, 시작/종료 시점에 대한 모든 정보가 제공되어야 한다. 하지만 이를 모두 표기하여 학습데이터를 만드는 것은 매우 큰 비용이 들어가며, 특히 시작/종료 시점을 정확히 표기하는 것은 매우 어렵다. 따라서 본 논문에서 다루는 약지도 학습 문제에서는 이벤트의 종류와 시작/종료 시점이 모두 표기된 "강하게 표기된 데이터"와, 이벤트의 종류만 표기된 "약하게 표기된 데이터", 그리고 아무런 표기가 되어 있지 않은 "미표기 데이터"를 이용하여 음향 이벤트 검출 시스템을 학습시킨다. 최근 이러한 문제에서는 평균-교사 모델을 이용한 음향 이벤트 검출 시스템의 성능이 우수하며, 따라서 널리 사용되고 있다. 다만, 평균-교사 모델은 많은 파라미터를 가지고 있고, 이는 성능에 영향을 다소 미칠 수 있으므로 신중하게 선택되어야 한다. 본 논문에서는 DCASE 2020 Task 4의 데이터를 이용하여 특징 값의 종류, 이동 평균 파라미터, 일관성 비용함수의 가중치, 램프-업 길이, 그리고 최대 학습율 등 5가지의 값에 대해 성능 분석을 진행하였으며, 각 파라미터에 대한 영향 및 최적 값에 대해 고찰하였다.

• 만화애니메이션 연구
• /
• 통권26호
• /
• pp.1-30
• /
• 2012

애니메이션의 목적은 움직임을 통해 재미있는 스토리를 관객에게 전달하는 것이라고 할 수 있다. 이러한 목적을 달성하기 위해 애니메이션은 탄생 이후 지금까지 100여년 이상의 시간동안 수많은 기술들을 도입하면서 다양한 내러티브 방법과 시각 표현 방법을 개발해 왔다. 또한 표현 기술력이 발달하면서 애니메이션을 구성하는 모든 요소들도 점점 체계화되어 왔고, 동시에 현실 그 이상의 세계를 표현할 수 있도록 해 주었다. 말 그대로 애니메이션을 제작하는 감독이 상상하는 모든 것들을 스크린을 통해 관객이 눈으로 볼 수 있는 시대가 된 것이다. 그리고 현재에는 애니메이션을 관람하는 관객이 마냥 프레임 안에서 움직이는 그림에 의해 즐거움을 느끼게 되는 시대를 넘어서도록 많은 노력이 이루어지고 있다. 즉, 수동적으로 바라보는 애니메이션을 넘어 관객이 직접 느끼며, 체감하는 애니메이션으로 목적성이 변화하고 있다는 것이다. 이런 과정에서 그 중심에 3D 입체라는 기술이 애니메이션의 새로운 즐거움을 표현할 수 있도록 해주고 있다. 얼마 전, 국내에서도 극장용 3D 입체 애니메이션이 제작되었으나, 해외의 3D 입체 애니메이션과 같은 완성도 높은 영상미를 기대했던 관객에게 새로운 즐거움을 주지 못해 흥행 면에서 이렇다 할 성적을 거두지 못하였다. 이것은 국내의 입체 애니메이션 제작 산업이 아직 초보적인 단계에 불과하여 3D 입체 애니메이션 제작에 대한 인력 및 기술, 경험이 절대적으로 부족한 상태에서 제작되었기 때문이다. 그리고 대부분의 입체에 대한 연구가 재현 기술적 문제에 집중되어 있어 관객들이 직접적으로 접하게 되는 영상 그 자체에 대한 연구 또한 부족하거나 미흡한 실정인 것도 커다란 문제라 할 수 있다. 이러한 국내 상황 속에서 2010년에 개봉되었고, 현재까지 최고의 3D 입체 애니메이션 흥행작으로 손꼽히고 있는 드림웍스 작품인 <드래곤 길들이기>의 입체영상 화면은 연구될 가치가 충분하다 할 수 있다. 따라서 본 논문은 양질의 국내 3D 입체 애니메이션 제작 및 전문 인력 양성 시기초자료로 활용되고자 풍부한 입체감을 전달하기 위해 화면을 담아내는 시각적 연출을 중심으로 이론적 고찰과 사례를 분석하여 연구하였다. 그 결과 3D 입체 애니메이션은 새로운 분야가 아닌 기존 영상미학의 원리를 기반으로 입체영상의 특성이 적용되어져 확장되고 변화된 영역인 것을 알 수 있었다. 이러한 연구를 통해 실재감 재현을 위한 3D 입체 애니메이션 콘텐츠 제작에 필요한 이론적 기초연구의 토대를 구축하는데 도움이 될 것으로 본다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.69-88
• /
• 2022

최근 코로나19 팬데믹으로 인해 전 세계 경제와 외교 상황에 급격한 변화가 일어나고 있으며, 수출 의존도가 높은 한국은 이러한 변화에 큰 영향을 받고 있다. 본 연구에서는 기업의 수출전략 수립 및 의사결정 지원을 위해 차년도 수출액 예측 모델을 구축하고, 모델의 예측 결과를 바탕으로 수출 유망국가 추천 방식을 제안한다. 본 연구에서는 모델이 다양한 정보를 학습할 수 있도록 국가별, 품목별, 거시경제 변수 등 선행 연구에서 중요하게 사용된 변수를 다방면으로 수집하였다. 수집한 데이터를 분석한 결과, 국가와 품목에 따라서 수출액의 분포가 매우 비대칭적인 것을 확인할 수 있었다. 따라서, 모델의 예측 성능을 향상시키고 설명력을 확보하기 위해서 분리학습 방식을 사용하였다. 분리학습은 전체 데이터를 동질적인 하위 그룹으로 분리하고 개별 모델을 구축하는 방식으로, 본 연구에서는 수출액을 기준으로 5개 구간으로 데이터를 분리하였다. 모델 학습 과정에서 구간별 특성을 반영하여 구간1부터 구간4까지는 LightGBM을 사용하고, 구간5는 지수이동평균을 사용하였으며 이를 통해 모델의 예측 성능을 향상시킬 수 있었다. 모델의 설명력 확보를 위해서 추가로 구간별 모델의 SHAP-value를 계산하고 중요도가 높은 변수를 제시했다. 또한, 본 연구에서는 예측 모델을 기반으로 2단계 수출 유망국가 추천 방식을 제안했다. 효율적인 수출 전략 수립을 위해서 BCG 매트릭스와 국가별 점수 산출 방식을 사용하였고, 품목별 유망 국가 순위와 수출 관련 주요 정보들을 제공하였다. 본 연구는 다양한 정보를 학습한 머신러닝 모델로 여러 국가와 품목에 대한 예측을 실시하고, 이 과정에서 분리학습 방식으로 예측 성능을 향상시켰다는 점에서 의의가 있다. 또한, 현재 무역 관련 서비스들이 과거 데이터에 기반한 정보를 제공하고 있음을 고려할 때, 본 연구에서 제안한 예측 모델과 유망국가 추천 방식은 기업들의 미래 수출 전략 수립 및 동향 파악에 유용하게 사용될 수 있을 것으로 기대된다.