• 한국엔터테인먼트산업학회논문지
• /
• 제15권7호
• /
• pp.181-192
• /
• 2021

이 연구의 목적은 만성 뇌졸중 환자의 낙상 전조 동작과 다양한 신체 기능과의 관련성을 알아봄으로써 뇌졸중 환자의 낙상 연구에 관한 기초 자료를 제공하고자 실시하였다. 연구 대상은 뇌졸중으로 편마비 진단을 받고 N병원에서 입원 치료를 받고 있는 환자 중 연구에 동의한 환자 75명을 대상으로 실시한 결과 낙상 유무에 따른 일반의학적 특성에서 성별, 연령, 신장, 체중, BMI, 진단명, 마비 유형, 유병 기간에서는 차이가 없었으나 보행 보조 도구 사용(독립보행, 네발 지팡이, 외발 지팡이)에서는 비낙상군이 1회 낙상군과 다발성 낙상군과 비교하여 차이가 있는 것으로 나타났다. 낙상 전조 동작에 영향을 주는 요인을 알아본 결과 일어서기에서는 STS, FM-하지 운동 기능 순이었으며, 일어서기 시도에서는 FM-하지 운동 기능, STS, 연령, TIS-동적 균형, OLST-마비측 순이었다. 일어선 직후 균형 잡기에서는 FM-하지 운동 기능이 영향을 주었고, 서서 균형 잡기에서는 FM-하지 운동 기능, OLST-마비측, TIS-협응력 순이었다. 살짝 밀기에서는 FM-총합이 영향을 주었으며, 서서 눈 감고 균형 잡기에서는 STS, 연령, OLST-비마비측, FM-하지 운동 기능, TIS-정적 균형, OLST-마비측, TIS-동적 균형 순이었다. 360도 회전하기에서는 TIS-협응력, FM-하지 운동 기능, FM-상지 운동 기능 순이었다. 이상의 결과로 볼 때, 만성 뇌졸중 환자의 낙상 전조 동작과 다양한 신체 기능과의 관련성을 확인함으로써 낙상을 예방하기 위한 마비측 하지 근력 강화와 더불어 정상적인 보행 주기 및 체중 부하에 입각한 집중적인 균형, 체간조절, 보행 대칭성 훈련 등이 필요하며, 외적인 자극에 대한 최적의 운동 반응을 유도할 수 있는 고유수용성 감각 훈련이 병행되어야 할 것이다.

• 한국ITS학회 논문지
• /
• 제21권5호
• /
• pp.171-182
• /
• 2022

구조물을 안전하게 관리하기 위해서는 우선적으로 건전한 유지가 전제되어야 한다. 이 같은 구조물의 건전성을 결정하는 요인 중에서 가장 대표적인 예로는 균열을 들 수 있다. 여러 가지 원인에 의해 발생하는 균열은 다양한 종류와 형태로 구조물에 손상을 입힌다. 무엇보다 이러한 균열이 방치될 경우 위험도가 증가하여 안전사고로 이어질 수 있다. 이러한 문제점을 경감하기 위하여 최근 들어 딥러닝과 컴퓨터 비전 기술을 활용하여 손상을 점검하는 방법들이 소개되고 있다. 이 같은 방법들은 대체로 충분한 양의 학습 데이터가 필요한 것이 사실이다. 하지만, 학습을 위한 영상 데이터의 충분한 확보가 어렵다는 점은 딥러닝 균열 탐지 알고리즘의 성능에 부정적인 영향을 미친다. 따라서 본 논문에서는 이에 대한 문제의식을 바탕으로 영상 변환 기법을 활용하여 균열 영상 데이터를 증강하는 방법을 제시했다. 이는 아스팔트 균열 영상을 콘크리트 균열 영상으로 변환하거나 혹은 이와 반대로 콘크리트 균열 영상을 아스팔트 균열 영상으로 변환하여 딥러닝 신경망 모델을 학습하기 위한 영상 데이터를 확보하는 방법이다. 이를 통해 학습 데이터의 다양성을 향상시켜 강건한 균열 탐지 알고리즘 개발에 기여할 수 있기를 기대한다.

• 문화기술의 융합
• /
• 제8권5호
• /
• pp.697-703
• /
• 2022

최근 Covid-19 및 불안한 국제정세로 인한 경기 침체로 많은 투자자들이 투자의 한 수단으로써 파생상품시장을 선택하고 있다. 하지만 파생상품시장은 주식시장에 비해 큰 위험성을 가지고 있으며, 시장 참여자들의 시장에 대한 연구 역시 부족한 실정이다. 최근 인공지능 분야의 발달로 파생상품시장에서도 기계학습이 많이 활용되고 있다. 본 논문은 해외선물에 분 단위로 거래하는 스캘핑 거래의 분석을 위해 기계학습 기법 중 하나인 강화학습을 적용하였다. 데이터 세트는 증권사에서 거래되는 해외선물 상품들 중 4개 상품을 선정해, 6개월간 1분봉 및 3분봉 데이터의 종가, 이동평균선 및 볼린저 밴드 지표들을 이용한 21개의 속성으로 구성하였다. 실험에는 DNN 인공신경망 모델과 강화학습 알고리즘인 DQN(Deep Q-Network), A2C(Advantage Actor Critic), A3C(Asynchronous A2C)를 사용하고, 학습 데이터 세트와 테스트 데이터 세트를 통해 학습 및 검증 하였다. 에이전트는 스캘핑을 위해 매수, 매도 중 하나의 행동을 선택하며, 행동 결과에 따른 포트폴리오 가치의 비율을 보상으로 한다. 실험 결과 에너지 섹터 상품(Heating Oil 및 Crude Oil)이 지수 섹터 상품(Mini Russell 2000 및 Hang Seng Index)에 비해 상대적으로 높은 누적 수익을 보여 주었다.

• 한국전산구조공학회논문집
• /
• 제35권6호
• /
• pp.375-380
• /
• 2022

고속철도 교량은 열차 하중에 의한 공진으로 인한 동적응답 증폭의 위험이 존재하므로 설계기준에 따른 동적해석을 통한 주행안전성 및 승차감 검토를 반드시 수행하여야 한다. 그러나 주행안전성 및 승차감 산정 절차는 열차의 종류별로 임계속도를 포함하여 설계속도의 110km/h까지 10km/h 간격으로 동적해석을 일일이 수행해야 하므로 많은 시간과 경비가 소요된다. 이 연구에서는 딥러닝 알고리즘을 활용하여 별도의 동적해석 없이 주행안전성 및 승차감을 사전에 예측할 수 있는 딥러닝 기반 예측 시스템 개발하였다. 제안된 시스템은 철도교량의 열차별, 속도별 동적해석 결과를 학습한 후 학습 완료된 신경망을 기반으로 한 예측 시스템이며, 열차속도, 교량 특성 등의 입력파라미터에 따른 주행안전성 및 승차감 산정 결과를 사전에 예측할 수 있다. 제안된 시스템의 성능을 확인하기 위하여 단경간 직선 단순보 교량을 대상으로 한 주행안전성 및 승차감 예측을 수행하였고, 주행안전성 및 승차감 산정을 위한 상판 연직변위 및 상판 연직가속도를 높은 정확도로 예측할 수 있음을 확인하였다.

• 산업과 과학
• /
• 제2권3호
• /
• pp.22-28
• /
• 2023

본 연구에서는 변동성 전략과 Fear and Greed 지수를 통하여 미국 주식의 매매를 자동으로 하는 연구를 진행하였다. 주식 시장의 변동성은 주가 변동을 유발할 수 있는 일반적인 현상이다. 투자자는 예상되는 변동성 수준에 따라 주식을 사고 파는 변동성 전략을 구현함으로써 이러한 변동성을 이용할 수 있다. 이 논문의 목적은 주식 시장에서 수익을 창출하는 변동성 전략의 효과를 탐구한다. 본 연구는 주식시장의 2차 데이터를 활용한 정량적 연구 방법론을 채택하여, 데이터에는 2016년부터 2020년까지 5년 동안 뉴욕증권거래소(NYSE)에 상장된 S&P 500 인텍스 주식에 대한 일일 주가 및 일일 변동성 측정치가 포함하였다. 전략은 변동성이 낮은 기간에서 주식을 사고 높은 변동성 기간에서 주식을 매도하는 것을 포함하였다. 결과는 변동성 전략이 샘플 기간 동안의 벤치마크 수익률 7.5%에 비해 연평균 9.2%의 긍정적인 수익률을 창출하였다. 따라서 전략이 샘플 기간의 5년 중 4년에서 벤치마크 수익률을 능가한다는 것을 나타났다. 이 전략은 2020년 COVID-19 대유행과 같이 시장 변동성이 높은 기간 동안 특히 잘 수행되어 벤치마크 수익률 5.5%에 비해 14.6%의 수익률을 기록하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.31-31
• /
• 2023

During December 2022, the northeast monsoon, which dominates the south and the Gulf of Thailand, had significant rainfall that impacted the lower southern region, causing flash floods, landslides, blustery winds, and the river exceeding its bank. The Golok River, located in Narathiwat, divides the border between Thailand and Malaysia was also affected by rainfall. In flood management, instruments for measuring precipitation and water level have become important for assessing and forecasting the trend of situations and areas of risk. However, such regions are international borders, so the installed measuring telemetry system cannot measure the rainfall and water level of the entire area. This study aims to predict 72 hours of water level and evaluate the situation as information to support the government in making water management decisions, publicizing them to relevant agencies, and warning citizens during crisis events. This research is applied to machine learning (ML) for water level prediction of the Golok River, Lan Tu Bridge area, Sungai Golok Subdistrict, Su-ngai Golok District, Narathiwat Province, which is one of the major monitored rivers. The eXtreme Gradient Boosting (XGBoost) algorithm, a tree-based ensemble machine learning algorithm, was exploited to predict hourly water levels through the R programming language. Model training and testing were carried out utilizing observed hourly rainfall from the STH010 station and hourly water level data from the X.119A station between 2020 and 2022 as main prediction inputs. Furthermore, this model applies hourly spatial rainfall forecasting data from Weather Research and Forecasting and Regional Ocean Model System models (WRF-ROMs) provided by Hydro-Informatics Institute (HII) as input, allowing the model to predict the hourly water level in the Golok River. The evaluation of the predicted performances using the statistical performance metrics, delivering an R-square of 0.96 can validate the results as robust forecasting outcomes. The result shows that the predicted water level at the X.119A telemetry station (Golok River) is in a steady decline, which relates to the input data of predicted 72-hour rainfall from WRF-ROMs having decreased. In short, the relationship between input and result can be used to evaluate flood situations. Here, the data is contributed to the Operational support to the Special Water Resources Management Operation Center in Southern Thailand for flood preparedness and response to make intelligent decisions on water management during crisis occurrences, as well as to be prepared and prevent loss and harm to citizens.

• 지능정보연구
• /
• 제29권3호
• /
• pp.419-437
• /
• 2023

국내 씬파일러(Thin Filer)의 수가 1200만명을 넘어서며, 금융 업계에서 씬파일러의 신용을 정확히 평가하여 우량고객을 선별해 대출을 공급하는 시도가 많아지고 있다. 특히, 차주의 신용정보에 존재하는 비선형성을 반영하여 채무불이행을 예측하기 위해서 다양한 머신러닝 알고리즘을 활용한 연구가 진행되고 있다. 그 중 그래프 신경망 구조(Graph Neural Network)는 일반적인 신용정보 외에 대출자 간의 네트워크 정보를 반영할 수 있다는 점에서 데이터가 부족한 씬파일러의 채무 불이행 예측에서 주목할 만하다. 그러나, 그래프 신경망을 활용한 기존의 연구들은 신용정보에 존재하는 다양한 범주형 변수를 적절히 처리하지 못했다는 한계가 있었다. 이에 본 연구는 범주형 변수의 맥락적 정보를 추출할 수 있는 트랜스포머 메커니즘(Transformer mechanism)과 대출자 간 네트워크 정보를 반영할 수 있는 그래프 합성곱 신경망(Graph Convolutional Network)를 결합하여 효과적으로 씬파일러의 채무 불이행 예측이 가능한 TeGCN (Transformer embedded Graph Convolutional Network)를 제안한다. TeGCN는 일반 대출자 데이터셋과 씬파일러 데이터셋에 대하여 모두 베이스 라인 모델 대비 높은 성능을 보였으며, 특히 씬파일러 채무 불이행 예측에 우수한 성능을 달성했다. 본 연구는 범주형 변수가 많은 신용정보와 데이터가 부족한 씬파일러의 특성에 적합한 모델 구조를 결합하여 높은 채무 불이행 예측 성능을 달성했다는 시사점이 있다. 이는 씬파일러의 금융소외문제를 해결하고 금융업계에서 씬파일러를 대상으로 추가적인 수익을 창출하는데 기여할 수 있을 것이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.41-43
• /
• 2022

최근 코로나-19의 유행에 따른 전염병 예방 및 차단을 위해 비접촉 생체 정보 취득 및 분석 기술이 주목을 받고 있다. 습식 및 부착형 생체정보 취득 방법은 정확하게 생체정보를 측정 할 수 있는 장점이 있지 만 밀 접촉에 따른 전염이 높아지는 위험성을 내포하고 있다. 이러한 문제점을 해결하기 위해 사람의 지문, 얼굴, 홍채, 정맥, 음성, 서명 등의 생체 정보를 자동화된 장치로 추출하는 비접촉 방식은 빅데이터와 AI 기술 적용으로 데이터 처리 속도가 빨라지고 인식 정확도가 높아지면서 다양한 산업에서 활용이 증가하고 있다. 그러나, 비접촉식 생체 데이터 취득 기술의 정확도가 개선되었지만, 비접촉 방법은 측정 대상 객체를 둘러싸고 있는 외부 온도, 습도, 조도 등의 주위 환경에 많은 영향을 받아 측정정보가 왜곡되는 현상이 발생하고 또한 정확도가 떨어지는 단점이 있다. 본 논문에서는 생체정보 분석을 위한 개인화 정보(이미지, 신호 등)의 해석을 위한 맥락기반 생체신호 모델링 기법을 제안 한다. 맥락기반 생체정보 모델링 기법은 성능 개선을 위해 생체정보 측정의 정황 정보와 사용자 정보를 복합적으로 고려하는 모델을 제시한다. 제안 모델은 예측 값 확률을 최대화할 수 있는 맥락기반 신호 해석을 통한 특징 확률분포를 기반으로 신호 정보를 분석한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.562-565
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통 안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만장의 대형차, 소형차, 중형차 별 적재 불량 차량과 일반차량으로 구분 된 데이터 셋 중 종류별로 제공되는 CCTV, 블랙박스, 카메라 시점의 적재 불량 차량 데이터 셋을 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.

• 한국ITS학회 논문지
• /
• 제21권1호
• /
• pp.240-257
• /
• 2022

자율주행 차량은 레이더, 라이다 카메라 등 다양한 로컬 센서들을 활용하여 주변 환경을 인지하고 판단하여 주행한다. 하지만 로컬 센서만을 활용하여 주행할 경우 인지 범위 한계로 장애물에 가려진 보행자나 자전거와 같은 VRU(Vulnerable Road User, 취약 도로 사용자)의 거동 정보를 예측하기 어렵다. 본 논문에서는 이러한 로컬 센서의 한계를 극복하기 위해 V2X 통신 정보를 활용한 VRU 충돌 회피 알고리즘을 개발하였다. 알고리즘은 인프라로부터 충돌 위험이 있는 VRU의 정보를 전달 받아 미래 거동을 예측하고 주변 환경에 따라 적절하게 조향 및 제동 회피를 수행하도록 설계하였다. 개발된 알고리즘을 검증하기 위하여 다양한 조건의 시나리오에서 시뮬레이션을 수행하였으며, 그 결과, 기존 로컬 센서 정보만을 활용하였을 때보다 개선된 충돌 회피 성능을 보일 뿐만 아니라, 차량의 안정성 또한 확보할 수 있음을 확인하였다.