• Asia pacific journal of information systems
• /
• 제19권2호
• /
• pp.117-137
• /
• 2009

Recently, intelligent traffic information systems have enabled people to forecast traffic conditions before hitting the road. These convenient systems operate on the basis of data reflecting current road and traffic conditions as well as distance-based data between locations. Thanks to the rapid development of ubiquitous computing, tremendous context data have become readily available making vehicle route planning easier than ever. Previous research in relation to optimization of vehicle route planning merely focused on finding the optimal distance between locations. Contexts reflecting the road and traffic conditions were then not seriously treated as a way to resolve the optimal routing problems based on distance-based route planning, because this kind of information does not have much significant impact on traffic routing until a a complex traffic situation arises. Further, it was also not easy to take into full account the traffic contexts for resolving optimal routing problems because predicting the dynamic traffic situations was regarded a daunting task. However, with rapid increase in traffic complexity the importance of developing contexts reflecting data related to moving costs has emerged. Hence, this research proposes a framework designed to resolve an optimal route planning problem by taking full account of additional moving cost such as road traffic cost and weather cost, among others. Recent technological development particularly in the ubiquitous computing environment has facilitated the collection of such data. This framework is based on the contexts of time, traffic, and environment, which addresses the following issues. First, we clarify and classify the diverse contexts that affect a vehicle's velocity and estimates the optimization of moving cost based on dynamic programming that accounts for the context cost according to the variance of contexts. Second, the velocity reduction rate is applied to find the optimal route (shortest path) using the context data on the current traffic condition. The velocity reduction rate infers to the degree of possible velocity including moving vehicles' considerable road and traffic contexts, indicating the statistical or experimental data. Knowledge generated in this papercan be referenced by several organizations which deal with road and traffic data. Third, in experimentation, we evaluate the effectiveness of the proposed context-based optimal route (shortest path) between locations by comparing it to the previously used distance-based shortest path. A vehicles' optimal route might change due to its diverse velocity caused by unexpected but potential dynamic situations depending on the road condition. This study includes such context variables as 'road congestion', 'work', 'accident', and 'weather' which can alter the traffic condition. The contexts can affect moving vehicle's velocity on the road. Since these context variables except for 'weather' are related to road conditions, relevant data were provided by the Korea Expressway Corporation. The 'weather'-related data were attained from the Korea Meteorological Administration. The aware contexts are classified contexts causing reduction of vehicles' velocity which determines the velocity reduction rate. To find the optimal route (shortest path), we introduced the velocity reduction rate in the context for calculating a vehicle's velocity reflecting composite contexts when one event synchronizes with another. We then proposed a context-based optimal route (shortest path) algorithm based on the dynamic programming. The algorithm is composed of three steps. In the first initialization step, departure and destination locations are given, and the path step is initialized as 0. In the second step, moving costs including composite contexts into account between locations on path are estimated using the velocity reduction rate by context as increasing path steps. In the third step, the optimal route (shortest path) is retrieved through back-tracking. In the provided research model, we designed a framework to account for context awareness, moving cost estimation (taking both composite and single contexts into account), and optimal route (shortest path) algorithm (based on dynamic programming). Through illustrative experimentation using the Wilcoxon signed rank test, we proved that context-based route planning is much more effective than distance-based route planning., In addition, we found that the optimal solution (shortest paths) through the distance-based route planning might not be optimized in real situation because road condition is very dynamic and unpredictable while affecting most vehicles' moving costs. For further study, while more information is needed for a more accurate estimation of moving vehicles' costs, this study still stands viable in the applications to reduce moving costs by effective route planning. For instance, it could be applied to deliverers' decision making to enhance their decision satisfaction when they meet unpredictable dynamic situations in moving vehicles on the road. Overall, we conclude that taking into account the contexts as a part of costs is a meaningful and sensible approach to in resolving the optimal route problem.

• 지능정보연구
• /
• 제16권2호
• /
• pp.129-141
• /
• 2010

의류 인터넷 쇼핑몰들은 판매 상품의 포장과 배송을 위한 상품 창고를 운영하고 있다. 상품들은 동일 브랜드끼리 상자에 담긴 후 선반에 일렬로 보관된다. 상품의 반출 및 상품 관리의 편의상, 상자들은 동일 브랜드끼리 묶여져 선반에 진열되어 있어야 한다. 따라서, 새로운 상품들이 입고될 경우 상품들은 동일 브랜드끼리 상자에 담긴 후 선반 위에 있는 기존 상자들 중에서 동일 브랜드의 상자 옆에 배치되어야 한다. 그런데, 선반 위의 빈 곳이 새로 입고되는 상자를 넣을 수 있을 만큼 충분하지 않다면, 옆의 다른 브랜드의 상자들을 옆으로 밀어서 공간을 확보한 후 새로운 상자를 배치함으로써 동일 브랜드 상자끼리 붙어있도록 해야 한다. 우리의 문제는 이와 같이 새로운 상품을 입고할 때 동일 브랜드의 상자들끼리 붙어 있도록 하면서 다른 브랜드의 상자를 옆으로 옮길 경우, 그 횟수를 최소화하는 것이다. 이 문제의 최적해를 구하기 위해서 우리는 이 문제를 우선 정수계획법으로 모형화하였다. 그런데, 정수계획법 문제는 분기한정법(Branch and Bound) 기법으로 해결하여야 하나, 그 경우 문제해결 시간이 너무 오래 걸리는 문제가 발생한다. 따라서, 본 연구에서는 위 재배치 문제를 할당 문제(Assignment Problem)로 완화하여 모형화함으로써 만족할만한 준최적해를 구하는 방법론을 제시하고, 실험에 의하여 그 타당성을 검토하였다. 또한, 이 방법론 하에서 실제 의류 인터넷 쇼핑몰의 컴퓨팅 환경을 고려할 때 해결 가능한 문제의 최대 크기를 도출하고, 그 크기 이내에서 입고 계획을 생성하는 시스템을 구현하였다.

• Asia pacific journal of information systems
• /
• 제24권2호
• /
• pp.233-253
• /
• 2014

Can the stock market really be predicted? Stock market prediction has attracted much attention from many fields including business, economics, statistics, and mathematics. Early research on stock market prediction was based on random walk theory (RWT) and the efficient market hypothesis (EMH). According to the EMH, stock market are largely driven by new information rather than present and past prices. Since it is unpredictable, stock market will follow a random walk. Even though these theories, Schumaker [2010] asserted that people keep trying to predict the stock market by using artificial intelligence, statistical estimates, and mathematical models. Mathematical approaches include Percolation Methods, Log-Periodic Oscillations and Wavelet Transforms to model future prices. Examples of artificial intelligence approaches that deals with optimization and machine learning are Genetic Algorithms, Support Vector Machines (SVM) and Neural Networks. Statistical approaches typically predicts the future by using past stock market data. Recently, financial engineers have started to predict the stock prices movement pattern by using the SNS data. SNS is the place where peoples opinions and ideas are freely flow and affect others' beliefs on certain things. Through word-of-mouth in SNS, people share product usage experiences, subjective feelings, and commonly accompanying sentiment or mood with others. An increasing number of empirical analyses of sentiment and mood are based on textual collections of public user generated data on the web. The Opinion mining is one domain of the data mining fields extracting public opinions exposed in SNS by utilizing data mining. There have been many studies on the issues of opinion mining from Web sources such as product reviews, forum posts and blogs. In relation to this literatures, we are trying to understand the effects of SNS exposures of firms on stock prices in Korea. Similarly to Bollen et al. [2011], we empirically analyze the impact of SNS exposures on stock return rates. We use Social Metrics by Daum Soft, an SNS big data analysis company in Korea. Social Metrics provides trends and public opinions in Twitter and blogs by using natural language process and analysis tools. It collects the sentences circulated in the Twitter in real time, and breaks down these sentences into the word units and then extracts keywords. In this study, we classify firms' exposures in SNS into two groups: positive and negative. To test the correlation and causation relationship between SNS exposures and stock price returns, we first collect 252 firms' stock prices and KRX100 index in the Korea Stock Exchange (KRX) from May 25, 2012 to September 1, 2012. We also gather the public attitudes (positive, negative) about these firms from Social Metrics over the same period of time. We conduct regression analysis between stock prices and the number of SNS exposures. Having checked the correlation between the two variables, we perform Granger causality test to see the causation direction between the two variables. The research result is that the number of total SNS exposures is positively related with stock market returns. The number of positive mentions of has also positive relationship with stock market returns. Contrarily, the number of negative mentions has negative relationship with stock market returns, but this relationship is statistically not significant. This means that the impact of positive mentions is statistically bigger than the impact of negative mentions. We also investigate whether the impacts are moderated by industry type and firm's size. We find that the SNS exposures impacts are bigger for IT firms than for non-IT firms, and bigger for small sized firms than for large sized firms. The results of Granger causality test shows change of stock price return is caused by SNS exposures, while the causation of the other way round is not significant. Therefore the correlation relationship between SNS exposures and stock prices has uni-direction causality. The more a firm is exposed in SNS, the more is the stock price likely to increase, while stock price changes may not cause more SNS mentions.

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.

• 한국의학물리학회지:의학물리
• /
• 제25권2호
• /
• pp.79-88
• /
• 2014

내부표적체적을 기반으로 계획된 간암 환자의 세기조절방사선치료에서 호흡에 의한 장기의 움직임 영향을 적용하여 체내 실제 종양 부피와 중요 장기 부피에서의 선량분포를 재계산하고, 호흡동조 방식의 세기조절방사선치료 계획 결과와 비교를 통한 선량적 특성을 분석하였다. 내부표적체적은 MIM 프로그램을 사용하여 형성하였고, 호흡에 의한 장기 움직임을 모사할 수 있는 구동 팬텀을 사용하였다. 체내 선량분포는 세기조절방사선치료의 품질보증 과정에서 2차원 다이오드 검출기 배열 장치인 MapCHECK2로 측정한 조사면 별 측정 결과를 기반으로 3DVH 프로그램으로 재계산 하였다. 내부표적체적 기반의 세기조절방사선치료 수행 시 계획표적체적에 충분히 처방선량이 조사되었지만, 선량의 균일도는 호흡동조 방식의 세기조절방사선치료와 비교 시 열등한 결과를 보였다. 상대적으로 더 큰 조사면을 사용하는 내부표적체적 기반의 세기조절방사선치료에서 손상위험장기체적에 더 높은 선량이 조사됨을 확인할 수 있었지만, 척수에 증가된 선량은 부작용 발생확률에 큰 영향을 주지 않는 적은 양이었고, 정상 간이나 신장 부위의 증가된 선량도 최적화 과정에서 좀 더 선량감소 조건을 강화한다면 큰 영향이 없을 것으로 평가되었다. 호흡동조 방식의 세기조절방사선치료가 치료계획에서는 더 좋은 선량분포를 보이고 있으나, 실제 구현 과정에서 다엽콜리메이터의 움직임 오류로 인한 선량의 오차와 치료시간의 증가 측면의 단점이 있으므로, 환자 호흡 상태 및 손상위험장기의 선량제한 값에 대한 사전 분석을 통해 환자 별 최적의 세기조절방사선치료 기법을 선정하여 적용하는 것이 타당하다고 생각된다.

• Investigative Magnetic Resonance Imaging
• /
• 제16권1호
• /
• pp.67-75
• /
• 2012

목적 : 뇌에 분포하는 동맥혈관을 관찰할 때 흔히 자기공명 뇌혈관 데이터(Magnetic Resonance Angiography, MRA)를 이용한다. 하지만 뇌혈관 데이터의 경우 관찰하고자 하는 부위의 혈관을 직접적으로 관찰하기 어렵다. 이러한 3차원 데이터를 2차원 디스플레이 장치에 나타내기 위해 최대강도투사(Maximum Intensity Projection, MIP) 영상이 흔히 이용된다. 데이터의 투사방향에 위치한 복셀들 중 최대값을 가지는 복셀을 투사하여 최대강도투사 영상을 얻게 된다. 혈관의 경우 큰 복셀값을 가지기 때문에 영상에서 밝게 나타난다. 하지만 투사방향에 중첩되어 있는 일부 혈관들이 투사하는 과정에서 최대값을 가지는 혈관들에 가려져 나타나지 않게 되기 때문에 깊이 정보를 잃게 된다. 또한 정해진 위치에서의 투사영상 밖에 얻을 수 없다는 단점이 있다. 본 논문에서는 기존의 최대강도투사 영상이 가지는 이러한 단점들을 개선하여 뇌혈관의 분포를 3차원 공간상에서 최적화 된 입체영상으로 보는 새로운 방법을 제안하였다. 대상 및 방법 : 우리는 4개의 채널 코일과 3.0T 자기공명영상장치 (Siemens Tim Trio MRI scanner)를 이용하여 피험자의 머리를 고정시키고 3차원 위상대조 (Phase-Contrast, PC) 시퀀스를 적용하여 3차원 뇌혈관 데이터를 얻었다. 얻어진뇌혈관 데이터의 중심점을 기준으로 3차원 공간 회전 알고리즘을 적용하여 회전된 새로운 데이터를 얻은 다음 이 데이터를 기준 수평면상에 투사하여 뇌혈관에 대한 2차원 최대강도투사 영상을 구한다. 이 때 입체영상 구현을 위해 두 눈과 데이터의 중심이 이루는 수렴각에 맞게 뇌혈관 데이터를 각각 공간 회전시킨 후 투사하여 각각의 눈에 적합한 영상들을 구하고 이를 적청안경방식 (anaglyph)을 이용하여 관찰함으로써 최적의 입체감을 가지는 최대강도투사 영상을 얻는다. 결과 : 결과 영상을 살펴보면 우선 기존의 방법들에서는 불가능했던 뇌혈관 데이터의 다양한 위치에서의 최대강도투사 영상이 가능해졌다는 것을 알 수 있다. 또한 관찰자와 데이터 사이의 거리와 두 눈 사이의 거리를 고려하여 보다 사실적인 입체감을 가지는 입체 최대강도투사 영상을 얻었다. 결론적으로 관찰자가 바라보는 방향과 관찰자와 데이터 사이의 거리에 따른 최적의 입체영상을 얻을 수 있었다. 결론 : 제안하는 방법은 단일 최대강도투사 영상을 관찰자의 위치를 고려하여 입체영상으로 변환시킴으로써 최적의 입체감을 가지는 입체 투사 영상을 구하였다. 그리고 구면좌표계 상에서 뇌혈관 데이터의 다양한 투사방향에서의 최대강도투사 영상을 나타낼 수 있었다. 추후 알고리즘 최적화와 병렬연산 프로세스가 적용된다면 진단과 수술 계획에 필요한 뇌혈관의 입체 정보들을 실시간으로 제공해 줄 수 있을 것으로 예상된다.

• 대한교통학회지
• /
• 제22권3호
• /
• pp.145-157
• /
• 2004

국내 실시간 신호제어시스템은 주요교차로의 검지체계에서 산출되는 포화도 정보 및 실시간 신호운영자료를 토대로 차기 주기길이를 설계하고 있다. 이러한 국내 실시간 신호제어시스템의 주기길이 설계모형에 의해 설계되는 차기주기길이는 교통량이 증가하면 주기길이도 증가한다는 주기길이 결정 기본원리를 따르고 있으나 해당 주기길이 설계모형으로 결정되는 주기길이가 과연 지체최소화 주기인지 검토가 요구된다. 또한 국내 실시간 신호제어시스템의 주기길이 설계모형에는 운영자 결정 변수가 있어 차기 주기길이 설계가 비효율적일 수 있으므로 운영자 결정 변수를 제외한 주기길이 설계모형 개발이 필요하다. 이에 본 연구에서는 (1)국내 실시간 신호제어시스템의 주기길이 설계모형을 검토하고, (2)운영자 결정변수를 제외한 주기길이 설계모형을 개발한다. 국내 실시간신호제어시스템의 주기길이 설계모형을 검토한 결과 (1)교차로의 운영상태가 비포화일 경우 지체최소화 주기보다 큰 주기길이를 설계하는 것으로 검토되었고, (2)교차로의 현재 신호주기가 90초 이상일 경우 목적 운영포화도(Target operational volume-to-capacity ratio)가 0.90을 유지하는 반면 신호주기가 90초 미만일 경우 목적운영포화도가 0.90보다 작아지는 것으로 검토되었다. 본 연구는 이러한 점을 고려, 신경망을 이용하여 운영자 결정변수를 제외한 국내 실시간 신호제어시스템을 위한 지체 최소화 주기길이 설계 모형을 개발하였다. 모형 검증결과 본 연구에서 개발된 신경망 모형은 국내 실시간 신호 제어시스템과는 달리 지체최소화 주기길이와 유사한 패턴으로 주기길이를 설계한다는 결과를 도출하였다.택배서비스시장도 성장한 것으로 나타났다. 특히 정부주도에 의한 정보화추진이 전자상거래를 촉진시켜 택배서비스시장에 영향을 미친 것으로 분석되었다.수 있는 Load Balancing System을 제안한다.할 때 가장 효과적인 라우팅 프로토콜이라고 할 수 있다.iRNA 상의 의존관계를 분석할 수 있었다.수안보 등 지역에서 나타난다 이러한 이상대 주변에는 대개 온천이 발달되어 있었거나 새로 개발되어 있는 곳이다. 온천에 이용하고 있는 시추공의 자료는 배제하였으나 온천이응으로 직접적으로 영향을 받지 않은 시추공의 자료는 사용하였다 이러한 온천 주변 지역이라 하더라도 실제는 온천의 pumping 으로 인한 대류현상으로 주변 일대의 온도를 올려놓았기 때문에 비교적 높은 지열류량 값을 보인다. 한편 한반도 남동부 일대는 이번 추가된 자료에 의해 새로운 지열류량 분포 변화가 나타났다 강원 북부 오색온천지역 부근에서 높은 지열류량 분포를 보이며 또한 우리나라 대단층 중의 하나인 양산단층과 같은 방향으로 발달한 밀양단층, 모량단층, 동래단층 등 주변부로 NNE-SSW 방향의 지열류량 이상대가 발달한다. 이것으로 볼 때 지열류량은 지질구조와 무관하지 않음을 파악할 수 있다. 특히 이러한 단층대 주변은 지열수의 순환이 깊은 심도까지 가능하므로 이러한 대류현상으로 지표부근까지 높은 지온 전달이 되어 나타나는 것으로 판단된다.의 안정된 방사성표지효율을 보였다. $^{99m}Tc$-transferrin을 이용한 감염영상을 성공적으로 얻을 수 있었으며, $^{67}Ga$-citrate 영상과 비교하여 더 빠른 시간 안에 우수한 영상을 얻을 수

• 지능정보연구
• /
• 제25권4호
• /
• pp.53-65
• /
• 2019

영상 기반의 보안 시스템의 증가함에 따라 각 용도마다 다른 다양한 객체들에 대한 처리들이 중요해지고 있다. 객체 추적은 객체 인식, 검출과 같은 작업들과 함께 필수적인 작업으로 다뤄진다. 이 객체 추적을 달성하기 위해서 다양한 머신러닝이 적용될 수 있다. 성공적인 분류기로써 전체 에러율 최소화(total-error-rate minimization) 기반의 방법론이 사용될 수 있다. 이 전체 에러율 최소화 기반의 방법론은 오프라인 학습을 기반으로 하고 있다. 객체 추적은 실시간으로 처리하며 갱신해야하는 것이 필수적이므로 온라인 학습(online learning)을 기반으로 하는 것이 적합하다. 온라인 전체 에러율 최소화 방법론이 개발되었지만 점근적으로 재가중되는(approximately reweighted) 작업이 포함되어 에러를 누적시킬 수 있다는 단점이 있다. 본 논문에서는 정확하게 재가중되는(exactly reweighted) 방법론을 제안하면서 온라인 전체 에러율 최소화가 달성되었다. 이 제안된 온라인 학습 방법론을 객체 추적에 적용하여 총 8개의 데이터베이스에서 다른 추적 방법론들 보다 좋은 성능이 달성되었다.