• Journal of Intelligence and Information Systems
• /
• v.3 no.1
• /
• pp.1-12
• /
• 1997

파생금융상품이란 주식이나 채권과 같은 기준자산에 대해서 발행되는 2차 금융상품으로써 기존의 재무이론에서는 수리적 모형에 기반을 둔 가격결정모형을 이용하여 가치를 평가하였다. 그러나 이러한 전통적인 가격결정모형은 복잡한 현실세계를 단순화시키기 위한 제반 가정을 요구하기 때문에 이러한 가정이 현실에 부적합한 경우에는 모형가격이 실제가격으로부터 커다란 괴리를 갖게 된다. 본 연구에서는 전통적인 가격결정방법의 단점을 극복할 수 있는 자료 의존적인 인공신경망기법을 제시하고 대표적인 파생금융상품인 국내 전환사채의 가격결정에 적용해 봄으로써 그 가능성을 제시하였다. 인공신경망기법을 전환사채의 가격결정에 적용한 결과 전통적 가격결정방법에 비해 평균절대오차를 70%정도 줄일 수 있다.

• Proceedings of the KIPE Conference
• /
• 2008.06a
• /
• pp.66-68
• /
• 2008

본 논문은, 전력계통 내의 순시 파형으로부터 전력품질 자동진단을 위한 인공지능형 단상전력품질 진단기를 제안한다. 진단하는 전력품질은 전압강하(Sag), 전압상승(Swell), 과도현상(Transient) 및 전고조파함유율(THD) 이다. 인공지능 구현을 위해서 인공신경망 이론을 이용하였으며, 시뮬레이션 및 TI DSP 320C6713 사용하여 하드웨어를 구현하였다. 인공신경망의 학습을 위하여, 00변전소에서 일년(2007년)동안 측정한 데이터 중에서 Sag, Swell, Transient 특성이 명확히 관측된 150주기의 파형과 정상상태의 50주기 파형으로 구성된 총 200주기의 데이터를 사용하였다. 측정된 파형을 1/60[sec.]마다 256번 샘플링하여, FFT 및 웨이블렛 변환을 시행하여 얻어진 값을 인공신경망 학습에 사용하였다. 상용프로그램 PSIM을 이용하여 인공신경망 학습을 시뮬레이션하였으며, DSP 프로세서를 이용하여 하드웨어로 구현하여 검증하였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.120-124
• /
• 2019

딥러닝은 자연어처리, 이미지 처리, 음성인식 등에서 우수한 성능을 보이고 있다. 그렇지만 복잡한 인공신경망 내부에서 어떠한 동작이 일어나는지 검증하지 못하고 있다. 본 논문에서는 비디오 캡셔닝 분야에서 인공신경망 내부에서 어떠한 동작이 이루어지는지 검사한다. 이를 위해서 우리는 각 단계에서 출력층을 추가하였다. 출력된 결과를 검토하여 인공 신경망의 정상동작 여부를 검증한다. 우리는 한국어 MSR-VTT에 적용하여 우리의 방법을 평가하였다. 이러한 방법을 통해 인공 신경망의 동작을 이해하는데 도움을 줄 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.357-357
• /
• 2021

홍수로 인한 침수피해 발생을 최소화하기 위해 정확한 하천의 수위 예측과 리드타임 확보가 매우 중요하다. 특히 조석현상의 영향을 받는 감조하천의 경우 기존의 물리적 수문모형의 적용이 제한되어 하천수위 예측의 정확도가 떨어지기도 한다. 따라서 본 연구에서는 이러한 감조하천 수위 예측의 정확도를 높이기 위해 조석현상을 분리하고 인공신경망을 활용하는 하이브리드 모델을 제안 하였으며 다중 선형회귀분석과 비교 분석하였다. 감조하천에 위치한 교량의 수위데이터에서 Stationary Wavelet Transform으로 조석현상을 분리하였으며, 이외의 수위에 영향을 주는 time series data와 인공신경망(ANN)을 활용하여 1시간, 2시간, 3시간 후의 수위를 예측하였다. 하이브리드 모델은 96% 이상의 정확도를 보였으며 다중 선형회귀 분석과 비교하여도 높은 정확성을 보여주었다.

• Journal of Digital Convergence
• /
• v.11 no.5
• /
• pp.145-158
• /
• 2013

I estimate stock prices of listed companies using financial information and Ohlson model, which is used for the evaluation of company value. Furthermore, I use the artificial neural network, one of artificial intelligence systems, which are not based on linear relationship between variables, to estimate stock prices of listed companies. By reapplying this in estimating stock prices of newly listed companies, I evaluate the appropriateness in stock valuation with such methods. The result of practical analysis of this study is as follows. On the top of that, the multiplier for the actual stock price is accounted by generating the estimated stock prices based on the artificial neural network model. As a result of the comparison of two multipliers, the estimated stock prices by the artificial neural network model does not show statistically difference with the actual stock prices. Given that, the estimated stock price with artificial neural network is close to the actual stock prices rather than the estimated stock prices with Ohlson model.

• Journal of the Korea Society of Computer and Information
• /
• v.13 no.1
• /
• pp.89-97
• /
• 2008

In this paper, we present a method for the enhancement of marker detection correctness and marker recognition speed by using artificial neural network. Contours of objects are extracted from the input image. They are approximated to a list of line segments. Quadrangles are found with the geometrical features of the approximated line segments. They are normalized into exact squares by using the warping technique and scale transformation. Feature vectors are extracted from the square image by using principal component analysis. Artincial neural network is used to checks if the square image is a marker image or a non-marker image. After that, the type of marker is recognized by using an artificial neural network. Experimental results show that the proposed method enhances the correctness of the marker detection and recognition.

• Journal of the Korean Geosynthetics Society
• /
• v.19 no.1
• /
• pp.11-23
• /
• 2020

In this paper development artificial neural networks (ANN) for preliminary design and prediction of urban tunnelling and deep excavation-induced ground settlement was presented. In order to form training and validation data sets for the ANN development, field design and measured data were collected for various tunnelling and deep-excavation sites. The field data were then used as a database for the ANN training. The developed ANN was validated against a testing set and the unused field data in terms of statistical parameters such as R², RMSE, and MAE. The practical use of ANN was demonstrated by applying the developed ANN to hypothetical conditions. It was shown that the developed ANN can be effectively used as a tool for preliminary excavation design and ground settlement prediction for urban excavation problems.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1605-1609
• /
• 2010

CGCM3.1 SRES B1 시나리오의 2D 변수들을 입력값으로 인공신경망 모형을 이용한 스케일 상세화기법으로 강부식(2009)은 소양강댐 유역의 월 누적강수 경향분석을 실시하였다. 원시 GCM 시나리오를 스케일 상세화 시키기 위한 기법의 하나로 인공신경망 모형을 사용할 수 있는데, 이 경우 GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면 근처에서의 일평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수를 잠재적인 예측인자로 사용하여 신경망을 구성하게 된다. 입력변수세트의 구성은 인공신경망의 계산 효율을 좌우하는 중요한 요소라 할 수 있다. 본 연구에서는 변수의 물리적 특성을 고려하여 순차적인 변수선택을 통한 신경망 입력변수 세트를 구성하고 입력세트 간의 학습성과 비교를 통하여, 최적 입력변수 선정 및 신경망의 학습효과를 높일 수 있는 방법에 대해 연구하였다. 물리적 상관성이 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 하여 순차적인 케이스를 학습해본 결과 huss와 ps를 입력변수로 하는 케이스에 대해서 적은 오차와 높은 상관성을 보였다, 또한, 신경망의 학습 효과를 높이기 위해 홍수기와 비홍수기로 구분하여 학습한 결과 홍수기와 비홍수기로 구분하여 신경망을 구성하였을 경우가 향상된 모의값을 나타내었다. 기후변화모의자료는 CCCma(Canadian Center for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 관측값으로는 AWS에서 제공된 일 누적강수를 사용하였다. 인공신경망의 학습기간은 1997년부터 2000년이며, 검증기간은 2001년부터 2004년으로 구성하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• v.34 no.6
• /
• pp.914-921
• /
• 2010

When industrial structures are constructed on soft ground, ground subsidence is occurred by problems of bearing capacity. To protect ground subsidence have to improve soft ground, and have to predict settlement estimation for reasonable construction. Artificial Neural Networks(ANN) is adopted for prediction of settlement of construction during the initial design. In the study, Artificial Neural Networks are applied to predict the settlement estimation of initial condition ground and ground improved by D.C.M method. Also, this study compares results of Artificial Neural Networks and results of continuum analysis using Mohr-Coulomb models. In result, settlements of initial condition ground decreased over 0.7 times. Also, by comparing ANN and continuum analysis, coefficient of determination was comparatively high value 0.79. Thought this study, it was confirmed that settlements of improvement ground is predicted using laboratory experiment data.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.22 no.2
• /
• pp.126-132
• /
• 2010

An approach to calculating expected damage of breakwater assisted by artificial neural network was developed. Wave height in front of a breakwater was predicted by a trained artificial neural network with inputs of wave height in deep ocean and tidal level. Prediction results by the neural network can be comparable to that by professional numerical model for wave transformation. Using the wave prediction neural network, it was very easy and fast to obtain a number of significant waves at breakwater and finally analysis time for expected damage can be shortened. In addition, the effect of considering tidal level in the calculation of expected damage was revealed by comparing the expected damages with and without tidal variation. Therefore, it was pointed out that tidal variation should be considered to improve prediction accuracy.