• The Korean Journal of Applied Statistics
• /
• v.29 no.1
• /
• pp.171-180
• /
• 2016

Basel committee suggests using Value-at-Risk (VaR) and expected shortfall (ES) as a measurement for market risk. Various estimation methods of VaR and ES have been studied in the literature. This paper compares semi-parametric methods, such as conditional autoregressive value at risk (CAViaR) and conditional autoregressive expectile (CARE) methods, and a Gaussian quasi-maximum likelihood estimator (QMLE)-based method through back-testing methods. We use unconditional coverage (UC) and conditional coverage (CC) tests for VaR, and a bootstrap test for ES to check the adequacy. A real data analysis is conducted for S&P 500 index and Hyundai Motor Co. stock price index data sets.

• Electronics and Telecommunications Trends
• /
• v.28 no.5
• /
• pp.184-197
• /
• 2013

본고에서는 탈추격형 연구방법을 정립하는 데 중요한 요소가 되는 R&D 전주기 프로세서를 제안하였다. 이를 위해 연구방법의 개념 정립에 필요한 R&D 관련 기본 개념들과 과거 추격형 R&D의 연구방법론으로 활용되었던 시스템 개발 프로세스를 소개하였다. 향후 새롭게 정립되어야 할 탈추격형 R&D의 개념을 정의하고 그 특성으로써 기술의 아이디어 생성부터 시장에서 활용되는 기술 수명 전주기에 걸쳐 프로세스 활동을 정립하였다. 또한 연구개발 기획 시부터 산업화에 이르는 R&D 전주기 프로세스에서 강점과 약점을 비교하여 탈추격형 R&D에서 특히 보강되어야 할 주요 활동과 프로세스를 구성하는 각 단계에서의 수행해야 할 주요 활동을 제시하였다. 이를 통하여 탈추격형 R&D를 실행하기 위한 연구방법으로써 적용할 수 있는 연구방법론의 기반을 마련하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.171-173
• /
• 1999

공간 데이터베이스에서 사용되는 데이터는 그 양이 방대하고 복잡하여 이를 효율적으로 저장, 관리하는 색인이 필요하다. 여러 공간 색인 방법들 중에서 R-tree는 삽입과 삭제가 빈번히 발생하는 동적인 환경에서 효율적인 질의 성능을 보이는 것으로 알려져 있다. R-tree는 삽입되는 데이터의 순서에 따라 트리의 구조가 달라질 수 있는데, 주어진 데이터가 수정이 자주 발생하지 않는다며 데이터 입력 순서를 결정하여 질의 성능이 가장 좋은 트리를 구성할 수 있다. 본 논문에서는 데이터가 자주 수정되지 않는 환경에서 노드간의 중첩을 가장 최소화 할 수 있는 데이터 입력 순서를 결정하기 위해 클러스터링을 이용한 새로운 방법인 CSR-tree를 제안하고자 한다. CSR-tree는 일반 R-tree와 hilbert packed R-tree 방법보다 향상된 질의 성능을 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.632-636
• /
• 2006

본 연구에서는 레이더 강수를 산정하는 기법을 비교.분석하고자 하였다. 레이더 강수산정기법의 비교는 레이더 반사도를 강우강도로 변환시키는 두가지 Z-R 관계식 산정방법을 기준으로 구분하여 수행하였다. Z-R 관계식 산정방법 중 첫번째는 지상강우계와 대응되는 레이더 격자 사이의 관계를 통해서 Z-R 관계식을 산출하여 레이더 강수를 산정하는 Least-Square Fitting 방법이고, 두번째 방법은 강우량계에서 관측된 강우량과 이에 근접한 영역에서 얻은 레이더 반사도 자료 각각의 확률밀도함수를 대응시켜 Z-R 관계식을 산출하는 WPMM(Window Probability Matching Method)을 적용하는 방법이다. 이 두 방법의 비교를 위해 2003년 6월에서 8월사이의 두 강우사상을 선택하여 Z-R 관계식을 산정하였으며, 산정된 Z-R 관계식으로 추정된 레이더 강수의 기상학적 검증을 통해 정성적.정량적으로 검토하였다. 한반도 전역에 대하여 산정된 레이더 추정강수를 검토한 결과 대체적으로 정확도 및 상관성 측면에서 WPMM 방법이 Least-Square Fitting 방법보다 정확한 것으로 나타났다. 또한, 도시 유역의 홍수예경보에 적합한 레이더 강수산정기법을 파악하고자 중랑천 유역의 레이더 강수를 수문학적으로 분석한 결과 WPMM 방법이 보다 유효한 것으로 검토되었다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.441-445
• /
• 2020

토큰화(Tokenization)는 사람이 작성한 자연어 문장을 기계가 잘 이해할 수 있도록 최소 단위인 토큰으로 분리하는 작업을 말하여, 이러한 토큰화는 자연어처리 전반적인 태스크들의 전처리에 필수적으로 사용되고 있다. 최근 자연어처리 분야에서 높은 성능을 보이며, 다양한 딥러닝 모델에 많이 활용되고 있는 SentencePiece 토큰화는 여러 단어에서 공통적으로 출현하는 부분단어들을 기준으로, BPE 알고리즘을 이용하여 문장을 압축 표현하는 토큰화 방법이다. 본 논문에서는 한국어 기반 특허 문헌의 초록 자연어 데이터를 기반으로 SentencePiece를 비롯한 여러 토큰화 방법에 대하여 소개하며, 해당 방법을 응용한 기계번역 (Neural Machine Translation) 태스크를 수행하고, 토큰화 방법별 비교 평가를 통해 특허 분야 자연어 데이터에 최적화된 토큰화 방법을 제안한다. 그리고 본 논문에서 제안한 방법을 사용하여 특허 초록 한-영 기계번역 태스크에서 성능이 향상됨을 보였다.

• The Korean Journal of Applied Statistics
• /
• v.31 no.4
• /
• pp.517-528
• /
• 2018

We provide R scripts to detect outliers in multivariate data and visualization. Detecting outliers is provided using three approaches 1) Robust Mahalanobis distance, 2) High Dimensional data, 3) density-based approach methods. We use the following techniques to visualize detected potential outliers 1) multidimensional scaling (MDS) and minimal spanning tree (MST) with k-means clustering, 2) MDS with fviz cluster, 3) principal component analysis (PCA) with fviz cluster. For real data sets, we use MLB pitching data including Ryu, Hyun-jin in 2013 and 2014. The developed R scripts can be downloaded at "http://www.knou.ac.kr/~sskim/ddpoutlier.html" (R scripts and also R package can be downloaded here).

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.228-230
• /
• 2022

딥러닝 기반의 인공지능 기술이 발달함에 따라 이상 탐지 방법에도 딥러닝이 적용되었다. 네트워크 트래픽으로부터 요약 및 집계된 Feature 를 학습하는 방법과 Packet 자체를 학습하는 등의 방법이 있었다. 그러나 모두 정보의 제한적으로 사용한다는 단점이 있었다. 본 연구에서는 Http Request에 대한 사전학습 기반의 효과적인 이상 탐지 방법을 제안한다. 사전학습에 고려되는 토큰화 방법, Padding 방법, Feature 결합 방법, Feature 선택 방법과 전이학습 시 Numerical 정보를 추가하는 방법을 소개하고 각 실험을 통해 최적의 방법을 제안한다.

• Journal of the Korean Magnetics Society
• /
• v.5 no.5
• /
• pp.846-853
• /
• 1995

In order to study electronic structures for locally disordered systems, we have developed a first-principle self-con-sistent-spin-polarized real space band method (TB-LMTO-R), which combines the tight-binding(TB) linear-muffin-tin orbital(LMTO) band rrethod and the recursion(R) rrethod. The TB-LMTO-R rrethod has been applied to fer-romagnetic bec Fe, hcp Co, and fcc Ni. With varying cluster sizes, recursion coefficients, and the order of the TB-Hamiltonian, we have calculated the local density of states(LDOS) and magnetic moments. It is found that the calculation with 5,000 atoms cluster, 40 continued fractions, and the second-order TB-Hamiltonian yields a conver¬gent result in agreement with those from the conventional LMTO. In this way, we have demonstrated a physical transparency of the TB-LMTO-R method as a real space description.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.445-448
• /
• 2012

본 연구는 R&D 정보 시각화를 위한 네비게이션 선행연구이다. 지금까지 R&D서비스에서는 연구 기획 단계에서부터 사업화에 이르기까지 기존의 연구 성과에 대한 조사 분석을 포함해서 해당 연구 주제에 대하여 기술동향, 시장분석, R&D정책 등 다양한 정보를 종합적이고 전략적으로 활용할 수 있는 정보 서비스가 부족하거나 제한적이었다. 이런 문제를 해결하기 위하여 본 논문에서는 서비스 디자인 방법론에 입각하여 R&D정보서비스의 서비스 디자인 프로세스를 사용하여 R&D 담당자와 UX 디자이너가 참여하는 사용성 평가와 서비스 디자인 방법론 수행 후 사용자 니즈를 분석해 보았다. 국가R&D정보와 관련된 정보처리기술 및 정보자원에 대해서는 기존 KISTI에 가지고 있는 국가R&D정보와 NDSL를 연계하고 이를 활용하여 연구자의 R&D활동에 관련된 문제해결을 지원하는 서비스 체제를 구축하고자 한다. 본 논문에서는 국가R&D정보 서비스 체제 구축을 위해 서비스 디자인 방법론과 사용자 분석을 통해 R&D정보 서비스의 개선 방향을 알아본다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.277-280
• /
• 2019

본 논문에서는 화학분야 특허 문서에 존재하는 도표(TABLE) 데이터를 인공지능 기술을 활용하여 자동으로 추출하고 정형화된 형태로 가공하는 방법을 제안한다. 특허 문서에서 도표 데이터는 실시예에서 실험결과나 비교결과를 간결하고 가시적으로 표현하기 위하여 주로 사용되나, 셀의 속성을 정의하는 헤더부분과 수치가 표현되는 값 부분의 경계가 모호하여 구조화하는데 어려움이 있다. 본 논문에서 제안하는 방법은 소량의 학습데이터를 구축하고 기계학습을 통해 도표에 존재하는 셀의 속성을 예측하고, 예측된 속성을 토대로 조성과 물성 정보를 자동으로 구분하여 추출하는 방법을 제시한다. 제시된 방법을 활용하여 화학 분야 조성물 특허의 도표데이터에 시뮬레이션 결과 각 항목별 98.17%의 속성 예측 정확도를 나타내었으며 기존 규칙기반 연구보다 작업난이도, 예측정확도에서 우수한 성과를 보인다.