• 한국항만경제학회지
• /
• 제32권2호
• /
• pp.123-135
• /
• 2016

본 연구는 자료포락분석법(DEA)을 이용하여 기업의 경영관리비용인 접대비, 광고 선전비, 인건비를 중심으로 국내 해운기업의 경영효율성을 평가하고자 하였다. 분석의 대상은 2010년부터 2014년까지 국내증시에 상장된 해운기업이다. 투입변수로 접대비, 광고 선전비, 인건비를 설정하였으며 산출변수는 매출액과 당기순이익으로 하였다. 본 연구에서는 기술효율성, 순수기술효율성, 규모효율성 및 규모수익을 도출하였으며 비효율 DMU의 효율성 개선방안을 제시하였다. 효율성 측정 결과 CCR모형의 기술효율성 분석에서 6개의 DMU와 BCC모형의 순수기술효율성 분석에서 8개의 DMU가 효율적인 상태인 것으로 나타났다. 규모의 수익측면에서는 전체 DMU의 24%인 6개의 DMU가 규모수익체증상태이며, 전체 DMU의 52%인 13개 DMU가 규모수익체감상태인 것으로 나타났다. 기술효율성 분석결과 복수의 효율적인 상태의 DMU가 존재하여 초효율성 분석을 실시한다. 본 연구에서는 초효율성 분석 결과 가장 효율성이 높은 DMU의 효율성 수준은 1.314, 다음은 1.243으로 나타났다. 이는 광고 선전비, 접대비, 인건비 투입에서 각각 31.4%, 24.3% 증가시키더라도 현재의 효율적인 상태를 유지할 수 있다는 것을 의미한다. 본 연구는 해운기업의 접대비와 광고 선전비, 인건비의 효율성을 평가하고, 초효율성 분석을 통해 의사결정단위의 순위를 파악하였으며 비효율 의사결정단위의 비효율성 개선을 위한 목표치를 제시하였다는데 의의가 있다.

• 대한교통학회지
• /
• 제23권2호
• /
• pp.161-172
• /
• 2005

본 연구에서는 버스 노선망 설계 과정에서 다양한 평가지표의 정략적 산출이 가능하고 관련 주체들의 입장과 시각을 반영할 수 있는 버스 노선체계 평가모형(BTRAEM: Bus Transit Route Analysis & Evaluation Model)을 개발하였다. 우리나라 대도시 버스 노선망의 서비스 수준을 평가하고 노선체계를 새롭게 정비하는데 있어 가장 큰 문제점은 평가지표를 정량화 할 수 있는 자료기반의 미흡과 노선망 분석체계 알고리즘의 한계로 계획가의 직관이나 경험에 의존하거나 교통수요분석 프로그램(EMME/2)에 기반하여 평가지표를 산출하여 노선망을 평가하고 있다는 것이다. 이러한 배경 하에서 이 연구에서는 평가모형의 정립을 위해서 국외의 버스 노선망 평가모형의 개발추이를 검토하고, 평가모형에 적용할 번스 노선망 설계 문제의 목적함수와 제약조선을 정의하였다. 또한 평가모형의 구동을 위해서 요구되는 입${\cdot}$출력자료구조와 정량화된 평가지표자료를 구축하였다. 마지막으로 버스 이용자들의 대중교통 노선 선택 및 통행배분모형을 평가모형내에 반영하였다. Visual-C++로 구현된 버스 노선망 평가모형을 Mandl's Transit Network에 적용한 결과, 노선망 구조의 성능을 특징짓는 변수들에 대한 의미있는 결과값이 도출되었다. 향후 이 연구에서 개발된 버스 노선망 평가모형은 다양한 버스 노선망 대안에 대해서 관련 이해당사자들의 입장과 시각을 균형 있게 반영할 수 있고 다양한 목표를 조화시킬 수 있는 평가가 가능하리라 기대된다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1217-1227
• /
• 2018

본 연구에서는 순환신경망을 이용한 댐 유입량 예측모형의 적용성 검토를 목적으로 하고 있으며, 이를 위해 소양강댐 유역 및 충주댐 유역을 대상으로 그간 댐 운영을 통해 축적된 기상 및 수문 빅데이터를 활용하여 인공신경망 모형과 엘만 순환신경망 모형을 구축하였다. 모형의 학습과 예측을 위하여 유역별 유입량, 강우량, 기온, 일조시간, 풍속자료가 입력자료로 사용되었고 10일간 일별 댐유입량 자료가 모델의 출력자료로 구조화 하여 학습을 진행한 후 검증을 목적으로 2016년 7월 ~ 2018년 6월까지 2개년에 대한 댐 유입량 예측을 수행하였다. 학습된 모형의 유입량 예측 결과를 비교분석한 결과, 소양강댐 유역에서는 인공신경망 모형과 순환신경망 모형 간 예측성능은 큰 차이를 보이지 않았으며, 충주댐 유역에서는 순환신경망 모형의 예측 결과가 인공신경망 모형에 비해 비교적 우수한 성능을 보임에 따라 엘만 순환신경망을 이용하여 댐 유입량 예측모형을 구축할 경우 예측성능은 기존의 인공신경망 모형과 비슷하거나 다소 우수할 것으로 판단된다. 또한 엘만 순환신경망은 갈수기 댐 유입량 예측에 있어서 인공신경망에 비해 예측결과의 재현성이 우수한 것으로 나타났으며, 엘만 순환신경망 학습에 있어 다중 은닉층 구조가 단일 은닉층 구조보다 예측 성능 향상에 효과적인 것으로 분석되었다.

• 한국음향학회지
• /
• 제41권6호
• /
• pp.610-620
• /
• 2022

음향 벡터센서는 한 위치에서 음향압력 뿐만 아니라 입자속도 및 가속도와 같은 벡터량을 동시에 수신할 수 있기 때문에 수중음향 통신 시스템의 단일입력다중출력 수신기로써 사용가능하다. 한편, 단일 벡터센서로 수신되는 벡터 신호는 송·수신기 간 방위각과 다중경로 각 요소의 전파각도에 따라 서로 다른 채널 특성을 갖기 때문에 다른 통신성능을 야기한다. 본 논문에서는 단일 벡터센서를 이용한 수중음향 통신 시스템의 성능 향상을 위한 채널 파라미터 기반 가중 방법을 제안한다. 제안 방법의 검증을 위해 Korea Reverberation Experiment(KOREX-17) 중에 수행된 통신실험 데이터를 사용하였다. 음향 송신기는 수신기로부터 멀어지면서 통신신호를 전송했으며 단일 벡터 수신기는 음향압력 신호와 x, y, 및 z 가속도 신호를 측정했다. 수신된 가속도 신호는 압력등가 입자속도 신호로 변환되어 음향압력 신호와 함께 다중채널 통신 시스템의 입력값으로 사용되었다. 통신 복조를 위해 시변 채널에 강인한 블록기반 시역전 기법이 활용되었으며, 통신 결과로부터 단일 벡터센서를 이용한 수중음향 통신 시스템에 대한 채널 파라미터 기반 가중 방법의 유효성이 입증되었다.

• 대한토목학회논문집
• /
• 제26권6B호
• /
• pp.597-603
• /
• 2006

본 연구의 목적은 인공위성 자료와 지상의 관측자료간의 비선형 특성을 가장 잘 반영할 수 있는 신경망 모형을 이용하여 단시간 강우량 정보를 사전에 예측하여, 하천제방의 붕괴로 인한 상습 침수지역에서의 홍수범람 양상을 실시간으로 예측함으로써 홍수재해로부터의 피해를 최소화시키는데 있다. 강우예측 신경망 모형은 현재의 대기상태를 나타내는 인공위성 자료와 실시간으로 전송되는 자동기상관측소 자료를 입력자료로 하여 현재부터 3시간 및 6시간 선행시간까지의 면적평균강우량을 예측할 수 있도록 구성하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 면적평균강우량으로부터 홍수량을 산정하고, 이를 이용하여 하천의 제방붕괴로 인한 제내지에서의 범람양상을 예측할 수 있도록 1차원 흐름모형과 연계한 동역학적 홍수범람 모형을 개발하였다. 개발된 홍수범람 모형은 본류와 지류의 여러 지점에서 제방이 붕괴될 경우, 하도의 홍수위 및 제내지에서의 침수위와 침수면적이 일괄적으로 모의될 수 있도록 구성하였다.

• 사물인터넷융복합논문지
• /
• 제10권3호
• /
• pp.19-24
• /
• 2024

최근 빅데이터, 클라우드 컴퓨팅, 인공지능 등 대용량 데이터 처리 기술의 발전에 따라 데이터센터와 엔터프라이즈 환경에서 고성능 저장장치에 대한 요구가 증가하고 있다. 특히 저장장치의 빠른 데이터 응답 속도는 전체 시스템 성능을 좌우하는 핵심 요소이다. 이에 NVMe(Non-Volatile Memory Express) 인터페이스 기반 SSD(Solid State Drive)가 주목받고 있으나, 다수 호스트의 대량 데이터 입출력 요청을 동시에 처리하는 과정에서 새로운 병목 현상이 발생하고 있다. SSD는 일반적으로 호스트 요청을 내부 큐에 순차적으로 쌓아 처리하는 방식을 취한다. 이때 긴 전송 길이 요청이 먼저 처리되면 짧은 요청들이 장기간 대기하여 평균 응답 시간이 증가한다. 이 문제를 해결하기 위해 데이터 전송 시간제한과 데이터 분할 전송 방법이 제안되었으나 근본적인 해결책이 되지 못했다. 본 논문에서는 저장장치 내부 데이터 처리 스케줄링 전략인 DQBS(Dual Queue Based Scheduling Scheme)를 제안한다. 이 방식은 이중 큐 기반의 스케줄링 전략으로 하나의 큐에서는 요청 순서를, 다른 큐에서는 전송 길이를 기준으로 데이터 전송 순서를 관리한다. 그리고 요청 시간과 전송 길이를 종합적으로 고려하여 효율적인 데이터 전송 순서를 결정한다. 이를 통해 대기 시간이 긴 요청과 짧은 요청을 균형있게 처리할 수 있어 전체 평균 응답 시간을 단축시킬 수 있다. 실제 시뮬레이션 결과, 제안 기법은 기존 순차 처리 방식 대비 월등히 향상된 성능을 보였다. 본 연구는 고성능 SSD 환경에서 데이터 전송 효율을 극대화하는 스케줄링 기법을 제시하여, 차세대 고성능 저장 시스템의 발전에 기여할 수 있을 것으로 기대된다.

• 벤처창업연구
• /
• 제19권4호
• /
• pp.87-101
• /
• 2024

본 연구는 국내 대학의 창업지원 효율성을 분석함으로써 자원의 효율적인 활용을 위한 시사점 제공을 목적으로 연구되었다. 대학 창업지원의 1차 목표라고 할 수 있는 창업자 수에 미치는 요인을 파악하기 위해 다중회귀분석을 진행하여 5개의 유효한 독립변수를 식별하였다(창업강좌 수, 창업경진대회 개최횟수, 창업캠프 개최횟수, 창업전담 교직원 수, 창업지원 운영비). 이렇게 식별된 5개의 독립변수를 투입변수로, 창업자 수를 산출변수로 하여 DEA 분석기법을 통해, 2023년 기준(2024년 6월 공시) 각 대학별 창업지원의 효율성을 분석하였다. 국내 4년제 150개교 대상으로 분석한 결과, CCR과 BCC에서 모두 완전한 효율성을 보인 학교는 9개교였고, 비효율을 나타낸 나머지 141개교 중에서 비효율의 원인이 규모인 곳은 5개교, 기술인 곳은 2개교, 규모와 기술 모두가 원인인 곳은 134개교 분석되었다. 규모의 수익 효과로는 CRS가 9개교, IRS가 79개교, DRS가 62개교로 분석되었다. 또한 비효율을 보인 대학의 효율화를 위해 참고점이 될 수 있는 준거집단(λ)을 확인하였고, 각 변수별 효율성을 지니기 위한 목표 값(Projection, 투영점)도 함께 제시하였다. DEA 모델 자체의 한계점에도 불구하고, 본 연구를 통해 각 대학은 창업지원에 대한 비효율의 원인을 파악하고 구체적인 개선점을 도출하여 효율성 제고를 꾀할 수 있다. 이로써 본 연구는 보다 효율적인 자원관리를 가능케 하고, 대학 창업지원의 궁극적인 목적인 지역경제 고도화와 고용창출에도 긍정적인 영향을 끼칠 수 있다는 점에서 시사점을 가진다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.139-157
• /
• 2016

앙상블 분류기란 개별 분류기보다 더 좋은 성과를 내기 위해 다수의 분류기를 결합하는 것을 의미한다. 이와 같은 앙상블 분류기는 단일 분류기의 일반화 성능을 향상시키는데 매우 유용한 것으로 알려져 있다. 랜덤 서브스페이스 앙상블 기법은 각각의 기저 분류기들을 위해 원 입력 변수 집합으로부터 랜덤하게 입력 변수 집합을 선택하며 이를 통해 기저 분류기들을 다양화 시키는 기법이다. k-최근접 이웃(KNN: k nearest neighbor)을 기저 분류기로 하는 랜덤 서브스페이스 앙상블 모형의 성과는 단일 모형의 성과를 개선시키는 데 효과적인 것으로 알려져 있으며, 이와 같은 랜덤 서브스페이스 앙상블의 성과는 각 기저 분류기를 위해 랜덤하게 선택된 입력 변수 집합과 KNN의 파라미터 k의 값이 중요한 영향을 미친다. 하지만, 단일 모형을 위한 k의 최적 선택이나 단일 모형을 위한 입력 변수 집합의 최적 선택에 관한 연구는 있었지만 KNN을 기저 분류기로 하는 앙상블 모형에서 이들의 최적화와 관련된 연구는 없는 것이 현실이다. 이에 본 연구에서는 KNN을 기저 분류기로 하는 앙상블 모형의 성과 개선을 위해 각 기저 분류기들의 k 파라미터 값과 입력 변수 집합을 동시에 최적화하는 새로운 형태의 앙상블 모형을 제안하였다. 본 논문에서 제안한 방법은 앙상블을 구성하게 될 각각의 KNN 기저 분류기들에 대해 최적의 앙상블 성과가 나올 수 있도록 각각의 기저 분류기가 사용할 파라미터 k의 값과 입력 변수를 유전자 알고리즘을 이용해 탐색하였다. 제안한 모형의 검증을 위해 국내 기업의 부도 예측 관련 데이터를 가지고 다양한 실험을 하였으며, 실험 결과 제안한 모형이 기존의 앙상블 모형보다 기저 분류기의 다양화와 예측 성과 개선에 효과적임을 알 수 있었다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.151-164
• /
• 2024

상수도 공급을 위한 정수장에서 전염소 또는 중염소 공정이 도입된 수처리 공정의 염소농도 관리에 필요한 공정제어를 위하여 AI 기술을 활용한 수질예측 기법이 연구되고 있다. 본 연구에서는 정수장 수처리 공정에서 실시간으로 관측, 생산되고 있는 수량·수질자료를 이용하여 염소소독 공정제어 자동화를 목적으로 침전지 후단의 잔류염소 농도를 예측하기 위한 AI 기반 예측모형을 개발하였다. AI 기반 예측모형은 과거 수질 관측자료를 학습하여 이후 시점의 수질에 대한 예측이 가능한 기법으로, 복잡한 물리·화학·생물학적 수질모형과 달리 간단하고 효율적이다. 다중회귀 모형과 AI 기반 모형인 랜덤포레스트와 LSTM을 이용하여 정수장의 침전지 후단 잔류염소 농도를 예측하여 비교하였다. 최적의 잔류염소 농도 예측을 위한 AI 모형의 입출력 구조로는 침전지 전단의 잔류염소 농도, 침전지 탁도, pH, 수온, 전기전도도, 원수의 유입량, 알칼리도, NH₃ 등을 독립변수로, 예측하고자 하는 침전지 유출수의 잔류염소 농도를 종속변수로 선정하였다. 독립변수는 침전지 후단의 잔류염소에 영향이 있는 정수장에서 확보가 가능한 관측자료중에서 분석을 통해 선별하였으며, 분석 결과 연구대상 정수장인 정수장에서는 중회귀모형, 신경망모형, 모델트리 및 랜덤포레스트 모형을 비교한 결과 랜덤포레스트에 기반한 모형오차가 가장 낮게 도출되는 결과를 얻을 수 있었다. 본 연구에서 제시하는 침전지 후단의 적정 잔류염소 농도 예측값은 이전 처리단계에서 염소주입량의 실시간 제어가 가능토록 할 수 있어 수처리 효율 향상과 약품비 절감에 도움이 될 것으로 기대된다.