• 한국식품영양학회지
• /
• 제24권1호
• /
• pp.124-131
• /
• 2011

청국장으로부터 펩티드 생산 가능성을 알아보기 위하여 청국장을 $40^{\circ}C$에서 180시간 발효시키면서 성분 변화와 펩티드의 형태를 분석하였다. pH는 초기에 7.07을 나타낸 이후 24시간에 pH 7.41, 이후 점차 증가하여 180시간에 pH 8.63을 나타냈다. 산도는 12시간에 0.2, 24시간에 0.5를 나타낸 이후 0.1로 고정되었다. 총당은 초기에 1.54 mg/$m\ell$이었으나, 점차 저하하여 48시간에 0.76 mg/$m\ell$, 120시간에 1.0 mg/$m\ell$, 180시간에 0.8 mg/$m\ell$이었다. 환원당은 초기에 0.14 mg/$m\ell$, 24시간에 0.88 mg/$m\ell$, 48시간에 0.64 mg/$m\ell$, 72시간에 0.26 mg/$m\ell$를 나타내고 180 시간까지 변화가 거의 없었다. 유리 아미노산 양은 초기에 $0.19\;{\mu}M/\ell$, 72시간에 $4.88\;{\mu}M/\ell$, 120시간에 $5.5\;{\mu}M/\ell$이었고, 이후 급격하게 저하하여 180시간에 $0.23\;{\mu}M/\ell$이었다. 280 nm에서의 단백질과 펩티드의 흡광도는 48시간에 12.40, 120시간에 31.12, 180시간에 31.12였다. HPLC 분석 결과, 발효가 진행될수록 큰 분자량의 단백질은 여러 크기의 펩티드와 아미노산으로 분해되었고, 48시간 후는 유형이 거의 같았다. Protease 활성은 발효 36시간에 0.011 unit/$m\ell$로 가장 높았고, 이후 저하하였다. 이상과 같이 청국장은 발효 100시간 후 부터 아미노산의 탈아미노화가 많이 시작되었으므로 펩티드 같은 유용물질은 발효 100시간 이내에 생산하는 것이 바람직한 것으로 나타났다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.