목적: 국소적으로 진행된, 절제 불가능한 췌장암 치료에 있어 고식적 방사선 치료와 비교하여 Cyberknife(CK)를 이용한 정위 방사선 치료의 생존율 및 급성 독성에 대해 분석하고자 하였다. 대상 및 방법: 2003년 4월부터 2004년 4월까지의, Eastern Cooperative Oncology Group (ECOG) 활동도 3 이하이며 CT 및 PET/CT로 평가하여 원격 전이 없는 국소 진행된 췌장암 환자 19명을 대상으로 하였다 대상 환자는 점차 방사선량을 증가시키는 방법으로 33 Gy, 36 Gy, 39 Gy를 3분할로 각각 6명, 4명, 9명에서 CK를 이용한 정위 방사선 치료를 시행하였으며, 생존율 및 Radiation Therapeutic Oncology Group (RTOG) acute radiation morbidity criteria에 의한 위장관 독성을 분석하였다 또한 나이, 성별, ECOG 수행 점수, 항암 치료, 우회로 조성술(bypass surgery) 여부, 방사선량, CAl9-9, 계획용 표적 체적(planning target volume, PTV), CT상 주위 장기 및 혈관 침범 여부 등을 Log Rank test를 이용하여 예후 인자를 평가하였다. 결과: 본 연구에서 중앙 생존 기간은 11개월, 1년 생존율은 36.8%였다. 추적 조사 기간 중(범위 $3{\sim}20$개월, 중앙값 10개월) 유의한 위장관 급성 독성은 관찰되지 않았다 단일 인자 분석에서 계획용 표적 체적만이 유의한 예후 인자로 80cc 이하인 경우가 80cc 이상인 경우보다 생존율이 높았으며(p-value < 0.05), 나이, 성별, ECOG 수행 점수, 항암 치료, 우회로 조성술, CAl9-9 수치, 주위 장기 및 혈관 침범 여부 등에서는 통계적으로 유의한 차이를 보이지 않았다. 다인자 분석에서는 65세 이하인 경우와 PTV 80 co 이하인 경우에서 생존율이 높았다. 결론: 고식적 방사선 치료, 고선량 입체조형 방사선 치료(high dose conformal radiation therapy), 수술 중 방사선 치료(intraoperative radiation therapy) 또는 세기 조절 방사선 치료(Intensity modulated radiation therapy, IMRT)를 이용한 최근의 결과와 비교하여 CK를 이용한 정위 방사선 치료는 생존율 측면에서 비슷하거나 나은 결과를 보였다. 또한 심각한 부작용은 관찰되지 않았으며 짧은 기간의 치료로 환자에게 편의를 제공할 수 있어 결과적으로 삶의 질을 향상시킬 수 있을 것이다. 따라서, 이 새로운 치료 방법은 국소 진행된, 절제 불가능한 췌장암 환자에서 심각한 부작용 없는 효과적인 치료가 될 것으로 생각된다. 또한 계획용 표적 체적은 CK 치료의 유용한 예후 인자로 사용될 것이다.
목적: 갑상샘눈병증과 정상안, 정상안압녹내장 환자의 황반하 맥락막 두께를 비교해 보고자 한다. 대상과 방법: 정상군 70안, 갑상샘눈병증군 74안, 정상안압녹내장군 60안을 대상으로 하였다. 모든 환자는 스펙트럼영역 빛간섭단층촬영의 Enhanced Depth Imaging 방법으로 중심와 맥락막두께를 측정하였다. 평균 중심와 맥락막 두께는 중심와아래, 중심와 아래에서 각각 1.5 mm 비측 및 이측의 세 지점의 평균으로 정의하였다. 일반화 추정 방정식을 통하여 맥락막 두께에 미치는 변수를 알아보았다. 결과: 평균 중심와 맥락막 두께는 정상 $252.07{\pm}55.05{\mu}m$, 갑상샘눈병증 $281.01{\pm}60.06{\mu}m$, 정상안압녹내장 $241.66{\pm}55.00{\mu}m$로 유의한 차이를 보였다(p=0.013). 중심와아래, 비측, 이측 중심와 맥락막 모두 정상안압녹내장에서 갑상샘눈병증에 비해 얇았다(p=0.014, 0.012, and 0.034). 갑상샘눈병증에서 나이, 성별, 굴절률, 안압을 보정한 후에도 정상안압녹내장군에 비해 맥락막 두께가 유의하게 두꺼웠다(${\beta}=32.61$, p=0.017). 결론: 갑상샘눈병증군에서 정상안압녹내장군과 정상군보다 유의하게 두꺼운 맥락막을 보였고 평균 망막신경섬유층 두께는 정상안압녹내장군이 갑상샘눈병증군보다 유의하게 얇았다. 갑상샘눈병증 환자에서의 두꺼운 맥락막이 녹내장 진행에 있어 어떠한 효과를 가지는지 향후 추가적인 연구가 필요할 것으로 보인다.
면 단위의 고해상도 토양 수분 측정이 가능한 Cosmic-Ray Neutron Probe(CRNP)를 이용한 토양수분 관측 데이터는 위성기반의 큰 공간해상도를 지닌 토양 수분 자료와 지점 관측 토양 수분 자료를 연결하는 통로의 역할을 수행할 것으로 기대된다. 이러한 CRNP 센서를 이용하여 토양 수분을 산출하기 위해서는 측정된 중성자 강도의 교정이 필요한데 기존의 교정 방법은 관측 기간의 단일 교정 중성자 강도($N_0$)를 이용하여 장기간의 토양 수분 관측에 어려움이 있다. 또한 기존 방법을 이용한 $N_0$는 시간에 따라 변동하는 인자들에 의해 영향을 고려하지 못하며 이로 인해 CRNP 센서를 이용한 토양 수분 관측 값에 불확실성을 초래한다. 이를 극복하기 위해 새로운 교정 방법(Dynamic-$N_0$ 교정 방법)을 제시한다. Dynamic-$N_0$ 교정 방법은 시간에 따른 $N_0$의 변동을 고려함으로써 토양 수분 관측 값을 개선하는 방법으로 비선형 회귀 모델을 이용하여 $N_0$의 시계열 자료를 구하여 토양 수분 산출에 이용한다. 본 연구에서는 Dynamic-$N_0$ 교정 방법을 이용하여 산출된 토양 수분을 지점 기반 토양 수분 및 기존의 교정방법을 이용한 토양 수분 산출 값과 비교하였으며 결과적으로 상관계수를 0.7에서 0.72로 개선하였다. RMSE와 Bias는 각각 $0.036m^3m^{-3}$에서 $-0.026m^3m^{-3}$으로, $-0.006m^3m^{-3}$에서 $-0.001m^3m^{-3}$으로 개선되었다. Dynamic-$N_0$ 교정 방법의 기존의 방법 대비 탁월한 성능은 CRNP 센서 주변의 수소 공급원에 의하여 $N_0$의 변동이 발생했음을 시사한다. 그러나 몇몇 중성자 강도에 영향을 미치는 수소 공급원들에 대한 고려가 구체적으로 이뤄지지 않았는데 이는 향후 연구를 통해 Cosmic-Ray를 이용한 토양 수분 관측이 보다 개선될 수 있음을 보여준다.
양조용 발효제 비율을 달리한 현미 술덧을 정치배양하여 현미식초를 제조하여 품질특성을 조사하였다. 그 결과, 발효과정에서 알코올 함량은 (B) 9.1%, (C) 8.8%, (D) 8.6%, (E) 8.5%로 조효소제 비율이 높을수록 감소하였고 (A)는 7.7%로 가장 낮게 나타났다. 또한 적정산도는 모든 구간에서 0.7% 정도로 나타났다. 정치배양 현미식초의 최종 적정산도는 (BV)가 약 5.2%로 가장 높게 나타났다. 초기 pH는 3.6~4.0으로 나타났고 발효가 진행됨에 따라 꾸준히 감소 하였으며, 발효 15일 이후에는 거의 변화가 없었다. 유기산 함량 변화를 조사한 결과, acetic acid는 모든 첨가구에서 비슷한 함량을 나타내었고, 기타 유기산들은 단일 첨가구(AV, EV)보다 혼합 첨가구(BV, CV, DV)에서 더 높게 나타났다. 따라서 누룩 단일 첨가구에 비하여 누룩 및 조효소제 혼합 첨가구의 알코올 발효능 및 식초의 품질이 더 우수한 것으로 나타났다. 향후, 숙성과정에서 변화를 거치면서 향기성분, 관능적 특성에 차이가 있을 것으로 예상되어 다양한 식초의 품질인자에 관한 연구가 요구된다.
본 연구에서는 mDixon 기법과 T2 TSE, T2 SPIR 기법을 비교하여 3번 허리뼈 체부, 등 지방, 척수, 뇌척수액 위치에서 검사 시간, 신호대잡음비, 대조도대잡음비의 차이를 알아보고자 하였다. 성인 30명을 대상으로 신호대잡음비에 영향 인자를 고정하고 요추 시상면을 mDixon검사와 T2 TSE, T2 SPIR 검사를 한 후 비교하였다. mDixon의 검사 시간은 115초, T2 TSE는 60초, T2 SPIR는 60초였다. mDixon T2영상은 T2 TSE 영상보다 3번 허리뼈 체부에서 신호대잡음비가 높았고, 등 지방과 뇌척수액에서는 SNR이 낮았으며(p<0.05), 척수에서는 비슷한 신호대잡음비을 가졌다(p>0.05). 3번 허리뼈 체부와 등 지방의 대조도대잡음비는 mDixon T2영상이 높았으며, 뇌척수액과 척수의 대조도대잡음비는 T2 TSE가 높았다(p<0.05). mDixon T2 FS영상은 T2 SPIR영상보다 3번 허리뼈 체부, 등 지방에서 낮았고, 척수, 뇌척수액에서는 높았다(p<0.05). 3번 허리뼈 체부와 등 지방의 대조도대잡음비는 mDixon T2 FS영상이 높았으며(p<0.05), 뇌척수액과 척수의 대조도 대잡음비는 두 영상이 차이가 없었다(p>0.05). mDixon 기법이 기존의 T2 TSE, T2 SPIR 기법에 비해 검사 시간, 각 부위의 신호대잡음비, 대조도대잡음비에서 보다 우수한 영상이라 하기 어려웠다. 하지만 본 연구는 단순 요추통증환자를 대상으로 제한하였다는 한계로, 기존의 연구에서 보고된 금속물 삽입, 척추 종양, 골절 환자 등 특정 환자군의 설정을 통한 추가 연구들이 필요할 것으로 사료된다.
중앙은행은 수익률곡선을 바탕으로 미래 수익률에 대한 시장의 기대를 추론한다. 통화 정책의 유효성 제고를 위하여, 시장이 예상하는 미래 수익률의 움직임을 정확히 파악할 필요가 있기 때문이다. 이에 따라 그동안 수익률곡선과 시장기대를 정확하게 추정하기 위한 다양한 모형들이 활용되었다. 이와 함께 채권시장의 발달로 채권시장과 거시경제간의 상호 연관성이 높아지면서 수익률 곡선에 영향을 미치는 거시변수가 무엇인지 파악하는 것이 매우 중요해졌다. 그러나 수익률 결정요인에 관한 다양한 이론이 있는 만큼 그동안의 선행연구에서는 수익률곡선 추정 모형에 포함되는 거시변수들이 서로 달랐다. 이는 수익률곡선을 추정하는 데 있어 어떤 변수를 포함한 모형이 바람직한가에 관한 문제, 즉 모형 불확실성이 존재한다는 것을 의미한다. 이러한 상황에서 본 연구는 수익률곡선과 미래 수익률에 대한 시장기대를 정교하게 추정하기 위해 동태적 Nelson-Siegel 모형에 베이지안 변수선택 방법을 적용하였다. 베이지안 변수선택은 모형에 포함되는 중요한 변수를 선험적으로 결정하는 데 따르는 문제들을 완화하고 모형 불확실성을 추정에 효율적으로 반영하는 포괄적인 방법이라는 점에서 바람직한 추정방법이 될 수 있다. 베이지안 변수선택 모형과 선행연구의 모형들을 비교한 결과 모형에 어떤 거시변수를 포함하느냐에 따라 도출되는 미래 수익률에 대한 시장기대가 상당히 다르게 나타났다. 이는 모형 불확실성이 추정결과에 큰 영향을 미치며 이를 추정에 반영하는 것이 타당하다는 것을 의미한다. 베이지안 변수선택 모형의 예측력이 선행연구의 다른 모형들보다 우월한 것으로 나타난 점도 이를 뒷받침한다. 따라서 모형 불확실성이 추정에 영향을 미치는 상황에서 수익률곡선과 시장기대 추정의 정확성 제고를 위해 베이지안 변수선택 모형을 활용하는 것이 바람직할 것으로 판단된다.
본 연구에서는 초본계 바이오매스인 잔디 예지물의 혐기소화 원료 가치를 평가하기 위하여 잔디 3종 (Poa pratensis, PP; Zoysia japonica, ZJ; Agrostis stolonifera, AS)의 생화학적 메탄퍼텐셜을 측정하였으며, 사일리지 저장기간 (0, 30, 60, 90, 120, 180일)에 따른 잔디 예지물 (PP)의 생화학적 메탄퍼텐셜 변화를 분석하여 사일리지 저장기간이 잔디 예지물의 혐기소화에 미치는 영향을 평가하고자 하였다. Parallel first-order kinetics model에 의한 생화학적 메탄퍼텐셜 (Bu-P)은 PP, ZJ, AS에서 각각 0.330, 0.297, 0.261 Nm3/kg-VSadded이었으며, PP의 잔디 예지물이 메탄생산을 위한 혐기소화 원료로서 가장 적합하였다. PP의 잔디 예지물 사일리지의 Bu-P는 저장기간 0일 0.269 Nm3/kg-VSadded에서 저장기간 180일 0.217 Nm3/kg-VSadded로 약 19% 감소하였다. 또한, 잔디 예지물 사일리지 저장기간 0일에 NDF, ADF, BP 함량은 각각 67.59, 39.68, 3.02%인 반면, 180일에는 각각 77.12, 54.65, 6.24%로 나타나 저장기간 180일에 잔디 예지물 사일리지에서 세포벽 구성 물질의 함량이 크게 증가하였다. 잔디 예지물을 효율적으로 혐기소화 하기 위해서는 사일리지 저장 방식 외에도 사일리지 제조과정에서 초기 수분함량, 효소 또는 알칼리 처리와 같은 전처리 방법, 잔류 농약에 의한 혐기소화 저해 영향 등에 관한 추가적인 연구가 요구된다.
Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.
한국(韓國)에서 농업관계연구(農業關係硏究) 기관(機關)에 의해 벼도열병(病) 방제(防除)에 관(關)한 실질적(實質的)인 연구(硏究)가 시작(始作)된 것은 전북일부지방(全北一部地方)에 목도열병(病)이 격발(激發)한 다음해인 1927년(年)부터였다. 과거 55년간(年間)에 걸쳐 많은 수도관계학자(水稻關係學者), 특(特)히 식물병리학자(植物病理學者)들의 노력(努力)에도 불구하고 도열병(病)은 아직도 가장 피해(被害)가 심(甚)하고 광범위(廣範圍)하게 발생(發生)하고 있는 병(病)중의 하나이다. 벼도열병(病)은 병원균(病原菌)의 특이(特異)한 병원성(病原性)의 변이(變異)때문에 방제(防除)가 매우 어렵다. 지난 70 년 동안의 병발생(病發生) 추이조사(推移調査)에서 도열병(病)의 발생(發生) 양상(樣相)에는 잎도열병형(病型), 목도열병형(病型), 지속적(持續的)인 발생형(發生型)의 3가지 각기 다른 발생(發生) 양상(樣相)이 존재(存在)함을 알았다. 일반적(一般的)으로 도열병(病) 발생(發生)은 잎도열병(病) 발생(發生)은 적어도 목도열병(病)은 심(甚)한 소위 잎도열병(病)과 목도열병(病)의 불연속현상(不連續現象)이 존재(存在)하는 특징(特徵)이 있다고 한다. 따라서 수량(收量)에 직접 영향(影響)을 미치는 목도열병(病)의 방제(防除)에 주의를 기울여야 한다. 과거 70 년 동안의 도열병(病)에 관(關)한 광범(廣範)한 조사(調査)와 연구(硏究)에서 도열병(病) 발생(發生)을 야기(惹起)시키는 주요인(主要因)은 병진항성(病振抗性)의 역전(逆轉), 질소질비료(窒素質肥料)의 과용(過用)과 만식(晩植), 그리고 지속적(持續的)인 강우(降雨)등으로 밝혀졌다. 그동안 한국(韓國)에서는 주(主)로 그룹 A에 속하는 곡양도(穀良都), 다마금(多摩錦), 은방주(銀坊主), 풍옥(豊玉) 둥 일본형(日本型) 수도품종(水稻品種)이 30 년이상(年以上) 재배(栽培)되어 왔다는 사실이 학자(學者)들에 의해 주목(注目)되어 왔다. 도열병(病)의 경우 동일(同一)그룹내(內) 품종간(品種間)의 포장지항성 차이(差異)는 매우 적으나 때로는 역학적(疫學的)으로 상당한 차이가 발견(發見)되기도 해서 도열병(病)의 성공적(成功的)인 방제(防除)를 위해서는 포장지항성 연구(硏究)에 보다 많은 관심을 기울여야 하겠다. IR 계통(系統) 품종(品種)들에 대(對)해 질소비료과용(窒素肥料過用)은 잎도열병(病)보다 목도열병(病) 발생(發生)에 더 조장(助長)하며 질소비료(窒素肥料) 소량시비시(少量施肥時)에도 IR 계통(系統) 품종(品種)들의 목도열병(病) 발생(發生) 비교적 심(甚)했고 도열병(病) 발생(發生)에 대(對)한 저온(低溫)의 영향(影響)은 매우커서 잎도열병반(病斑)의 전염능력(傳染能力)과 수잉기(穗孕期)의 엽초내 목도열병(病)의 감염(感染)을 현저히 증가(增加)시켰다. 출수전(出穗前) 3회(回), 출수후(出穗後) 2회(回)의 약제살포(藥劑撒布)가 도열병방제(病防除)에 가장 효과적(效果的)인 것으로 추정(推定)되었으며 도열병(病)에 대(對)해 완벽(完壁)한 단독(單獨) 방제방법(防除方法)은 없고 1950년경에 작성(作成)된 혼합방제법(混合防除法)이 수도(水稻)가 재배(栽培)되는 한 가장 효과적(效果的)일 것이다.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.