• 경영정보학연구
• /
• 제19권1호
• /
• pp.123-145
• /
• 2017

한국의 게임시장은 전 세계 시장의 약 29%의 시장점유율을 차지할 정도로 급성장하였다. 특히, 온라인게임의 수출 규모는 24억 USD를 달성할 정도로 국가경제에서 큰 비중을 차지하고 있다. 이렇게 게임 산업이 급성장하면서 게임 산업에 대한 국가적 차원의 정책과 규제에 대해 여러 논의가 이루어지고 있다. 특히, 웹보드 게임에 대해 정부는 여러 주무 부처를 통한 셧다운제, 행정처분, 게임산업진흥법 시행령 등 다양한 규제정책을 시행하고 있는 실정이다. 이러한 배경에서 본 연구는 2012년 11월에 이루어진 웹보드 규제정책의 영향을 분석하기 위해 2010년 12월부터 2014년 11월까지 약 4년여 간의 게임 트릭스 시계열 자료를 단위근 검정, 벡터자기회귀(VAR, Vector Auto-Regression) 분석, 그랜저 인과관계 검정을 수행하였다. 이를 통해 웹보드 규제 정책 시행 전후의 웹보드 게임서비스 간의 충격 파급효과와 예측 이용시간 변화를 알아보았다. 분석 결과를 바탕으로 웹보드 규제 정책이 실질적으로 정부가 의도한 결과대로 나타냈는지 알아보고, 나아가 웹보드 게임 산업을 보다 건강하게 발전시키기 위한 전략을 제시하고자 한다.

• 한국콘텐츠학회논문지
• /
• 제18권10호
• /
• pp.78-98
• /
• 2018

2004년~2017년 8월까지 국내에 개봉된, 다양성 영화를 제외한 순수 국산 상업 극영화 855편만을 대상으로 하여 이들 영화의 감독, 제작자, 주연배우, 흥행성적을 조사하여 각각의 변수들에 대한 10분위 분석을 시행하였다. 다양성을 제외한 극영화 855편을 만드는 데에는, 감독은 509명, 제작자는 696명, 주연배우는 785여 명이 참여하였다. 프로야구 등 스포츠에는 많은 통계적 분석이 활용되고 있다. 승률, 점유율, 타율, 출루율, 도루성공률, 장타율, 삼진, 비율, 볼넷 비율, 홈런 비율 등이 스포츠 경기 결과를 예측하고, 프로선수들의 평가지표로 다뤄지고, 선수들의 연봉 협상의 참고자료가 되고 있다. 스포츠 경기처럼 우연이 많이 존재하는 영화 흥행에서도 영화의 퀄리티를 결정짓는, 창의력이 있어야 하는 인력들 즉 제작자, 감독, 주연배우 등의 평가에 10분위를 활용하여, 이들의 성과를 예측하거나 공헌도를 평가하는 데에 참고자료가 될 수는 없는지를 탐색하고자 한다. 본 연구에서는 대본 즉 시나리오에 대해서는 제작자, 배우, 감독이 선택하는 안목과 경륜을 통한 간접평가만을 담고 있다. 향후 시나리오 내러티브 분석의 정량화, 창작 인력의 성장과 쇠퇴를 볼 수 있는 시계열 분석, 창작 인력 간의 상호작용을 보는 네트워크 분석이 요구된다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.79-96
• /
• 2012

기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.

• 대한교통학회지
• /
• 제22권7호
• /
• pp.155-159
• /
• 2004

최근 교통량 예측을 위한 인공 신경망(Artificial neural networks : ANNs) 구조와 학습방법에 대한 연구가 다양하게 시도되고 있다. 이것은 신경망이 유연한 비선형 모형(non-linear model)으로 강력한 패턴 인식 능력을 가지고 있기 때문이다. 그러나, 신경망은 비선형 모형이기 때문에 많은 매개변수(parameter)를 사용하게 되면서 과적합(overfitting) 문제에 부딪히게 된다. 본 논문에서는 이러한 교통량 예측을 위한 신경망 모형에서 과적합을 해소하기 위한 방안으로 매개변수에 대한 다양한 모형선택기준(model selection criterion)에 대한 적용성에 대해서 알아보았다. 특히, AIC계열을 중심으로 모형선택기준으로 선택된 모형이 과적합 경향을 해소하고 시간적 전이성을 보장할 수 있는지를 분석하는데 본 연구의 목적을 두고 있다. 교통량 자료를 신경망 모형에 적용하여 분석한 결과, 첫째 학습자료(in-sample) 모형선택기준에 의해 선택된 모형이 검증자료(out-of-sample)의 최적의 성능을 보장하지는 못한다는 결과를 얻었다. 즉, 본 연구에서 기존의 연구에서처럼, 학습자료(in-sample)의 최적 모형이 검증자료(out-of-sample)의 성능과 직접적인 관계가 없다는 것을 알 수 있었다. 둘째 모형선택기준의 안정성을 분석한 결과 AIC3, AICC, BIC는 안정적인 모형을 선택하는 기준으로서 의미가 있는 것으로 분석되었다. 하지만, AIC4의 경우는 최상의 모형과 편차가 큰 것으로 분석되었다. 시계열 자료 분석과 예측에 있어서 모형의 불확실성은 학습 자료와 검증 자료의 상관관계에 영향을 줄 수 있음에 비춰볼 때, 앞으로 보다 많은 자료에 대한 분석이 필요하다고 판단되며, 다른 시계열 자료에 대한 분석이 요구된다. 수 없었지만, 확정적 통행배정모형으로 설정한 경우, Stackelberg게임 접근법이 Cournot-Nash게임 접근법 보다 더 우수함을 확인할 수 있었다.다.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 있었다. 그러므로 $^{99m}Tc$-transierrin이 감염 병소의 영상진단에 사용될 수 있을 것으로 기대된다.리를 정량화 하였다. 특히 선조체에서의 도파민 유리에 의한 수용체 결합능의 감소는 흡연에 의한 혈중 니코틴의 축적 농도와 양의 상관관계를 보였다

• 한국시뮬레이션학회논문지
• /
• 제31권3호
• /
• pp.55-61
• /
• 2022

현재 경찰과 소방이 범죄신고, 긴급출동과 같은 구조 상황발생 시 통화권영역 내에서는 이동통신 사업자가 구축한 네트워크,와이파이,GPS기반의 긴급 구조용 측위시스템을 활용하여 요구조자의 단말과 직접 연동하여 예상위치를 정밀 측위를 하고 있다. 그러나 산악구조의 경우 조난자가 산악지형의 음영지역에 위치하거나 단말의 방전(power off) 시에는 단말과 직접 연동하여 정밀 측위가 불가능하며 마지막 접속 기지국 정보만을 받고 있어 수색의 위치를 한정할 수 없으므로 구조 골든타임 확보가 어려운 상황이다. 본 논문에서는 개선방안으로 시계열 기지국 정보, 위치정보 및 조난자의 성별, 나이, 행동적 특성을 반영한 이동성 모델과 지능형 추론을 기반으로 하는 전파분석 및 위치추정 시뮬레이션과 같은 이동통신 포렌식 기술을 통해 조난자의 예상 위치정보의 확률에 따른 히트맵 방식의 시각화를 통해 위치정보의 정확성을 높여 소방, 수색대의 수색지역을 축소하여 신속하고 정확한 인명구조에 기여할 수 있기를 기대한다.

• 한국산학기술학회논문지
• /
• 제18권3호
• /
• pp.296-305
• /
• 2017

본 연구는 정보기술과 환경기술의 미래도시 메커니즘(Mechanism) 구조와 그에 따른 알고리즘 분석을 통해 새로운 도시의 공간을 창출하는데 목표가 있다. 본 연구의 결과는 다음과 같다. 첫째, 환경과 정보기술의 개발트렌드는 친환경개발, 에너지개발, 에너지 절감기술 개발, 광역네트워크 개발 등 4가지 유형으로 분류 할 수 있다. 둘째, 사례 상암DMC는 한국전쟁부터 1978년까지 친환경과 환경 보호적 측면에서 개발이 진행되었다. 광역네트워크 개발은 1990년부터 2000년 사이에 급속하게 진화되었다. 그러나 2010년 이후 도시공간은 다시 환경과 정보의 융합에 의해 공간이 개발되고 있다. 상암DMC의 과거 개발 트렌드는 개인적인 환경기술 개발이 중심이 되었다. 현재에는 공공의 정보기술 중심으로 추진되고 있으나 일부는 환경을 중심으로 하는 준 융합개발의 트렌드를 갖고 있다. 그러나, 미래시대의 융합은 통합적 융합개발이 될 것이라 예측한다. 셋째, 메커니즘 구조는 생성, 소멸 그리고 융합과정에 의해 발전된다. 그 생성은 불충분한 부분으로부터 보충화 될 것이다. 소멸은 불충분한 부분의 융합과정에 의해서 함축화 될 것이다. 그리고 그러한 융합은 생성과 소멸의 기준이 될 것이다. 결국 새로운 창조 도시공간은 환경과 정보기술 중심의 메커니즘 기호화 패턴 구조에 의해 계속해서 형성 될 것이다.

• 한국측량학회지
• /
• 제33권2호
• /
• pp.131-142
• /
• 2015

본 논문에서는 저가형 하천측량시스템 개발을 위해 다중의 단일주파수 GPS 수신기를 사용하여 측량선의 정밀 위치와 자세각을 동시에 결정할 수 있는 관측데이터 모델링 기법을 연구하여 기준국 2대와 이동국 3대에서 취득한 GPS 관측데이터와 이동국 기선장을 구속하는 동적네트워크 관측데이터 모델을 도출하였다. 이 모델을 기반으로 정수제약 최소제곱법에 의한 정밀 3차원 위치추정 및 자세각 결정알고리즘을 구현하고 측량구역 2km 내외에 대한 수치실험을 통해 그 정확도를 분석하였다. 동적모드에 대하여 OTF 연속미지정수결정 알고리즘을 적용한 결과 99.0% 경우에서 2초 이내에 미지정수 결정이 가능하였으며, 이때 추정위치의 평균제곱근 오차는 수평과 수직방향에 대해 각각 ±1cm와 ±2cm정도였다. 또한 측량선의 기하구조에 대한 GPS 추정 자세각 정확도는 요각, 피치각, 롤각 순서를 보였으며, 정량적으로 이동국 기선장이 3∼6m인 하천측량선을 고려 할 때 요각 ±1′ 내외, 피치 및 롤각 각각 10′과 ±20′ 이상, 이에 반해 기선장 6∼15m 정도인 수로조사선의 경우 요, 피치, 롤각에 대해 각각 ±1′, ±5′ 그리고 ±10′ 이상 확보가 가능 할 것으로 분석되었다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1589-1597
• /
• 2021

연안지역의 해저지하수 유출(SGD)은 하천과 함께 영양염류와 미량금속 등을 해양으로 유입시키는 주요 수송로 역할로써 중요성이 대두되고 있다. 이에 우리나라 육상의 연안지역인 낙동강 대권역 유역에 대해 1986년부터 2020년까지 35개년의 월별 SGD를 추정하고 계절적 변화와 시공간적 특성을 분석하였다. SGD 산출지점인 낙동강 연안유역은 SRTM(Shuttle Radar Topography Mission) DEM(Digital Elevation Model) 자료를 이용하여 210개의 유역을 추출하였으며, 우리나라에 적용가능한 가장 높은 해상도의 전지구 모델인 FLDAS(Famine Early Warning Systems Network Land Data Assimilation System) 10 km recharge를 통해 추정한 낙동강 연안유역의 연평균 SGD는 466.7 m²/yr 로 나타났다. 낙동강 연안유역 SGD는 시계열적으로 큰 변동성은 없었으나 여름에 집중되던 SGD유출이 가을철로 주요유출 시기가 확대되는 경향을 보였다. 또한 공간적으로는 큰 수계와 인접한 연안지역에서 계절에 관계없이 SGD 유출이 많고 1980년대 이후로 시간적 변화에 따라 다소 증가하고 있는 경향을 확인하였다. 이러한 결과는 낙동강 지역의 강수패턴의 시기가 확대되며, 기저유량이 많은 지역의 집수량이 높은 데에 따른 것으로 사료된다. 본 연구는 우리나라의 SGD 특성을 탐구하기 위한 모델링 기법을 제시한 선행적 연구이며 우리나라 해저지하수 유출이 해양에 미치는 영향과 연안관리를 위한 기초자료로 활용성이 기대된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.