• 제목/요약/키워드: 인공 신경망

검색결과 1,494건 처리시간 0.211초

파생 금융 상품의 가격 결정을 위한 인공 신경망 기법의 이용 (Pricing of Derivative Securities Using Artificial Neural Network)

  • 조희연;양진설
    • 지능정보연구
    • /
    • 제3권1호
    • /
    • 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.

  • PDF

DSP320C6713기반의 인공지능형 단상전력품질 진단기 개발연구 (Development of DSP Process-based Artificial-Intelligent Power Quality Equipment for Single-phase Power System)

  • 곽선근;정교범;최재호
    • 전력전자학회:학술대회논문집
    • /
    • 전력전자학회 2008년도 하계학술대회 논문집
    • /
    • 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.

  • PDF

심층 네트워크의 과계산 문제에 대한 고찰 (A study on the Problems of Overcomputation in Deep Networks)

  • 박다솔;손정우;김선중;차정원
    • 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
    • /
    • 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
    • /
    • 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.

  • PDF

인공신경망과 정상 웨이블렛 변환을 활용한 감조하천 수위 예측 (Prediction of the Water Level of the Tidal River using Artificial Neural Networks and Stationary Wavelets Transform)

  • 이정하;황석환
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2021년도 학술발표회
    • /
    • 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.

  • PDF

신규상장기업의 주가예측에 대한 연구 (A Comparative Analysis of Artificial Intelligence System and Ohlson model for IPO firm's Stock Price Evaluation)

  • 김광용;이경락;이성원
    • 디지털융복합연구
    • /
    • 제11권5호
    • /
    • pp.145-158
    • /
    • 2013
  • 본 논문에서는 첫째, 변수들 간의 선형관계를 전제로 하지 않는 인공지능시스템의 하나인 인공신경망을 이용한 평가모형을 구축하여 상장기업의 주가를 예측하고 둘째, 회계정보를 이용하여 기업 가치를 평가하는 Ohlson모형을 이용하여 상장기업의 주가를 예측하였다. 이를 신규상장기업의 주가예측에 적용하여 어느 방법이 더 주가예측의 적정성이 높은지를 평가하였다. 이에 대한 본 연구의 실증분석 결과는 다음과 같다. 첫째, 공모가를 기준으로 한 경우 Ohlson모형에 의한 추정주가는 통계적으로 차이가 있고, 인공신경망 모형에 의한 추정주가는 통계적으로 차이가 없었다. 둘째, 상장일 종가를 기준으로 한 경우 Ohlson모형에 의한 추정주가와 인공신경망 모형에 의한 추정주가는 통계적으로 차이가 없었다. 셋째, 상장 2개월 후 종가를 기준으로 한 경우 Ohlson모형에 의한 추정주가는 통계적으로 차이가 있고, 인공신경망 모형에 의한 추정주가는 통계적으로 차이가 없었다. 이상의 결과로 볼 때 인공신경망 모형에 의한 추정주가가 Ohlson모형에 의한 추정주가보다 적정하게 평가되었다.

인공신경망을 이용한 마커 검출 및 인식의 정확도 개선 (Enhancement of the Correctness of Marker Detection and Marker Recognition based on Artificial Neural Network)

  • 강선경;김영운;소인미;정성태
    • 한국컴퓨터정보학회논문지
    • /
    • 제13권1호
    • /
    • pp.89-97
    • /
    • 2008
  • 본 논문에서는 인공신경망을 이용하여 사각형 형태 마커 검출 및 인식의 성능을 향상시키는 방법을 제안한다. 본 논문의 방법에서는 입력 영상으로부터 객체의 윤곽선을 찾은 다음에 선분으로 근사화한다. 근사화된 선분으로부터 기하학적 특징을 이용하여 사각형을 찾고 워핑 기법과 확대/축소 변환을 이용하여 사각형 영상을 정사각형 형태로 정규화 한다. 정사각형 형태로 정규화 한 다음에는 주성분 분석을 적용하여 특징 벡터의 크기를 줄인 다음에 인공신경망을 이용하여 마커 영상인지 아닌지를 검사한다. 마커 영상으로 판별된 영상에 대하여 인공신경망을 이용하여 마커의 종류를 인식한다. 인식 실험 결과 인공신경망을 사용함으로써 마커 검출의 오류 줄일 수 있었고 인식의 정확도를 개선할 수 있었다.

  • PDF

도심지 지하굴착 및 터널시공 예비설계를 위한 인공신경망 개발에 관한 연구 (A study on Development of Artificial Neural Network (ANN) for Preliminary Design of Urban Deep Ex cavation and Tunnelling)

  • 유충식;양재원
    • 한국지반신소재학회논문집
    • /
    • 제19권1호
    • /
    • pp.11-23
    • /
    • 2020
  • 본 본문에서는 도심지 지하굴착 및 터널현장의 예비설계 및 지반침하를 예측이 가능한 인공신경망 개발에 대한 내용을 다루었다. 인공신경망의 개발을 위해 먼저 다양한 도심지 터널 및 지하굴착 현장 계측자료를 수집하여 데이터베이스를 구축하고 이를 인공신경망 학습에 필용한 학습데이터를 구축하는데 활용하였다. 개발된 인공신경망은 학습에 활용되지 않은 검증 데이터 세트를 및 현장계측자료를 활용하여 결정계수(R2), 평균제곱근오차(Root Mean Square Error; RMSE), 절대평균오차(Mean Absolute Error; MAE) 등 통계적 파라메타를 근거로 하여 신뢰도를 검증하였다. 개발된 인공신경망은 도심지 굴착현장의 예비 설계 및 이에 따른 주변침하를 예측하는데 효율적으로 활용될 수 있는 것으로 평가되었다.

인공신경망 Downscaling모형에 있어서 최적신경망구조 선택기법 (Optimal Network Selection Method for Artificial Neural Network Downscaling Method)

  • 강부식;류승엽;문수진
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2010년도 학술발표회
    • /
    • 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.

  • PDF

인공신경망을 이용한 DCM 처리된 연약지반 침하에 대한 연구 (A Study on Subsidence of Soft Ground Using Artificial Neural Network)

  • 강윤경;장원일
    • Journal of Advanced Marine Engineering and Technology
    • /
    • 제34권6호
    • /
    • pp.914-921
    • /
    • 2010
  • 연약지반에 구조물을 시공시 지반의 지지력 약화에 의해 지반침하가 발생한다. 이를 방지하기 위하여 연약지반의 개량이 요구될 뿐만아니라 합리적인 시공관리를 위하여 침하량 예측이 선행되어야 한다. 본 연구에서는 구조물 설계 및 시공 초기단계에서 지반의 침하량을 예측하기 위해 인공신경망을 이용하였다. 인공신경망을 이용하여 대상지역의 원지반에서 발생하는 침하량과 D.C.M공법을 적용하여 개량된 지반에서 발생하는 침하량을 예측하고, 대상지역의 침하거동 및 침하량을 Mohr-Coulomb모델을 이용한 연속체 해석 결과와 인공신경망을 수행한 결과를 비교하였다. 그 예측결과 D.C.M이 적용된 지반이 원지반보다 0.8배 감소한 침하량을 보였다. 연속체 해석과 인공신경망을 이용해 도출된 결과는 결정계수 0.79로 비교적 높은 상관관계를 보였다. 따라서 본 연구는 연약지반 개량공법의 침하량 예측이 실내실험자료를 통해 평가하는 것이 가능하다는 것을 확인하였다.

파고계산 인공신경망을 이용한 방파제 기대피해도 산정 (Calculating Expected Damage of Breakwater Using Artificial Neural Network for Wave Height Calculation)

  • 김동현;김영진;허동수;전호성;이창훈
    • 한국해안·해양공학회논문집
    • /
    • 제22권2호
    • /
    • pp.126-132
    • /
    • 2010
  • 천해파 예측 인공신경망을 이용한 방파제 기대피해도 산정방법을 개발하였다. 극치분포를 따르는 심해파고를 이용하여 방파제 위치에서의 유의파고를 얻기 위해 인공신경망을 이용하였다. 조위와 심해파를 입력받은 인공신경망이 천해유의파를 예측할 수 있도록 학습시켰으며 파랑변형 해석에 사용되는 수치모델(SWAN)의 예측결과와 대등한 성능을 보였다. 천해파 예측 인공신경망을 이용함으로써 다수의 천해파를 매우 손쉽고 빠르게 얻을 수 있었으며 결과적으로 기대피해도 해석에 사용되는 시간을 단축할 수 있었다. 또한, 파고예측 시 방파제 위치에서의 조위 변동성에 따른 기대피해도를 상호비교함으로써 조위변동성을 고려하지 않을 경우 기대피해도를 과다 또는 과소 평가할 수 있음을 확인하였다.