조현병 환자의 인지행동치료 프로그램 효과성에 관한 메타분석

황희수,이성규,성혜연 충남대학교 사회과학연구소 2022 사회과학연구 Vol.33 No.2

The purpose of this study was to suggest effective therapeutic interventions for patients with schizophrenia by comprehensively analyzing the literature on the effectiveness of cognitive-behavioral therapy programs for such patients. To this end, we conducted a meta-analysis of 15 peer-reviewed journal articles published from 2010 to 2020, which were chosen through a systematic review using the Comprehensive Meta-Analysis (CMA) software. The main study findings were as follows: First, the effect size of cognitive-behavioral therapy programs for patients with schizophrenia was 0.625, a medium level. Second, when the number of program sessions was over 10 but less than 20, the effect size was at a medium level (0.709). Third, when the frequency of the programs was twice a week, the effect size was at a high level (0.841). Fourth, the results of a meta-analysis of the comparison in the effect size by program contents show that when the dependent variable was anxiety, the effect size was big, and when the dependent variables were dysfunctional attitudes and behaviors, communications, life satisfaction, interpersonal relationships, and self-esteem, the effect size was medium. However, no statistically significant difference was found in the means of effect size for those variables. Based upon these results, this study specifically discussed the development and implementation of cognitive-behavioral therapy programs for the improvement of therapeutic interventions for patients with schizophrenia.

심층 신경회로망 모델을 이용한 일별 주가 예측

황희수 한국융합학회 2018 한국융합학회논문지 Vol.9 No.6

심층 신경회로망은 적합한 수학적 모델에 대한 어떠한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있기 때문에 최근 시계열 예측 분야에서 주목 받고 있다. 본 논문에서는 주가의 일별 종가 를 예측하기 위한 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 예측 정밀도를 높이기 위해 단일 층의 오토 인코더와 4층의 신경회로망이 결합된 구조를 갖는다. 오토인코더 층은 주가 예측에 필요한 최적의 입력 특징을 추출하고 4층의 신경회로망은 추출된 특징을 사용해 주가 예측에 필요한 동특성을 반영하여 주가를 출력한다. 제안된 심층 신경회로 망의 학습은 층별로 단계적으로 이뤄지며 최종 단계에서 전체 심층 신경회로망에 대해 한 번 더 학습이 실행된다. 본 논문에 제안된 방법으로 KOrea composite Stock Price Index (KOSPI) 일별 종가를 예측하는 심층 신경회로망을 구현하고 기존 방법과 예측 정확도를 비교, 평가한다. The application of deep neural networks to finance has received a great deal of attention from researchers because no assumption about a suitable mathematical model has to be made prior to forecasting and they are capable of extracting useful information from large sets of data, which is required to describe nonlinear input-output relations of financial time series. The paper presents a new deep neural network model where single layered autoencoder and 4 layered neural network are serially coupled for stock price forecasting. The autoencoder extracts deep features, which are fed into multi-layer neural networks to predict the next day's stock closing prices. The proposed deep neural network is progressively learned layer by layer ahead of the final learning of the total network. The proposed model to predict daily close prices of KOrea composite Stock Price Index (KOSPI) is built, and its performance is demonstrated.

공공장소에서 로봇 공연용 그린 크로마키 합성

황희수 한국융합학회 2017 한국융합학회논문지 Vol.8 No.7

공공장소에서의 로봇 공연은 전용 무대가 아닌 행사, 전시장 및 길거리 등에서 로봇 기술 홍보 및 흥미 유발을 목적으로 실시된다. 이를 위해 본 논문은 그린 크로마키 천 앞에서 동작하는 로봇에서 실시간으로 로봇 이미 지만을 추출, 다양한 무대 영상에 합성될 수 있도록 한다. 이 때 별도의 크로마키 조명 없이 환경 조명만을 사용하기 때문에 크로마키 배경의 그린 색조가 다양하고 로봇 그림자가 배경에 포함될 수 있다. 본 논문은 단순하고 명확하며 사전 설정 없이 크로마키 배경에서 전경인 로봇을 추출하는 방법을 제안한다. 이 방법은 배경과 전경의 색 차를 크게 한 후 이 정보에 대한 히스토그램을 토대로 배경을 자동으로 제거함으로써 사전 크로마키 설정이 필요 없어 현장에서 손쉬운 공연 제어가 가능하다. 시뮬레이션 결과 비교 대상 보다 1.5% 개선된 98.8%의 전경 분리 비율을 보이며 로봇 공연 영상 실험에서 로봇을 효과적으로 분리할 수 있음을 보인다. Robot performances in public places are conducted for the purpose of promoting robot technology and inducing interest in events, exhibitions, and streets instead of dedicated stages. This paper extracts robot images in real time from a robot operation in front of a green chroma key cloth, and synthesizes them on various stage images. A simple and robust method for extracting a foreground robot from a chroma key background without a user’s preset is proposed. After increasing the color difference between the background and the foreground, this method automatically removes the background based on the histogram of the difference information, thereby eliminating the need for a user’s preset. The simulation shows 98.8% of foreground extraction rate and experimental results demonstrate that the robots can effectively be extracted from the background.

Fuzzy Models for Predicting Time Series Stock Price Index

황희수,오진성 제어·로봇·시스템학회 2010 International Journal of Control, Automation, and Vol.8 No.3

Predicting stock prices with traditional time series analysis has proven to be difficult. Fuzzy models have recently been used to predict stock market prices because they are capable of extracting useful information from large sets of data without any assumption about a mathematical model. In this paper, three types of fuzzy rule formats to predict daily and weekly stock price indexes were presented. Their premises and consequences were composed of trapezoidal membership functions and novel nonlinear equations, respectively. As the most effective indicators for stock prediction, the information used in traditional candle stick-chart analysis was newly employed as input variables of our fuzzy models. The optimal fuzzy models were identified through an evolutionary process of differential evo-lution (DE). The different types of fuzzy models to predict the daily and weekly open, high, low, and close prices of the Korea Composite Stock Price Index (KOSPI) were built, and their performances were compared.

단기 전력 부하 첨두치 예측을 위한 심층 신경회로망 모델

황희수 한국융합학회 2018 한국융합학회논문지 Vol.9 No.5

스마트그리드에서 정확한 단기 부하 예측을 통한 자원의 이용 계획은 에너지 시스템 운영의 불확실성을 줄이고 운영 효율을 높이는데 있어서 매우 중요하다. 단기 부하 예측에 얕은 신경회로망을 포함한 다수의 머신 러닝 기법이 적용되어왔지만 예측 정확도의 개선이 요구되고 있다. 최근에는 컴퓨터 비전이나 음성인식 분야에서 심층 신경회로망의 뛰어난 연구 결과로 인해 심층 신경회로망을 단기 전력수요 예측에 적용해 예측 정확도를 개선하려는 시도가 주목 받고 있다. 본 논문에서는 일별 전력 부하 첨두치를 예측하기 위한 다층신경회로망 구조의 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 층별 학습이 선행된 후 전체 모델의 학습이 이루어진다. 한국전력거래소에서 얻은 4년 동안의 일별 전력 수요 데이터를 사용, 하루 및 이틀 앞선 전력수요 첨두치를 예측하는 심층 신경회로망 모델을 구축하고 예측 정확도를 비교, 평가한다. In smart grid an accurate load forecasting is crucial in planning resources, which aids in improving its operation efficiency and reducing the dynamic uncertainties of energy systems. Research in this area has included the use of shallow neural networks and other machine learning techniques to solve this problem. Recent researches in the field of computer vision and speech recognition, have shown great promise for Deep Neural Networks (DNN). To improve the performance of daily electric peak load forecasting the paper presents a new deep neural network model which has the architecture of two multi-layer neural networks being serially connected. The proposed network model is progressively pre-learned layer by layer ahead of learning the whole network. For both one day and two day ahead peak load forecasting the proposed models are trained and tested using four years of hourly load data obtained from the Korea Power Exchange (KPX).

하수처리 시스템에서의 활성오니공정 제어를 위한 퍼지제어기 설계 ( Design of Fuzzy Controller for Activated Sludge Process in Sewage Water Treatment System )

황희수,오성권,김현기,우광방 대한전자공학회 1990 대한전자공학회 학술대회 Vol.1990 No.01

Evolutionary Design of Morphology-Based Homomorphic Filter for Feature Enhancement of Medical Images

황희수,오진성 한국지능시스템학회 2009 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGE Vol.9 No.3

In this paper, a new morphology-based homomorphic filtering technique is presented to enhance features in medical images. The homomorphic filtering is performed based on the morphological sub-bands, in which an image is morphologically decomposed. An evolutionary design is carried to find an optimal gain and structuring element of each sub-band. As a search algorithm, Differential Evolution scheme is utilized. Simulations show that the proposed filter improves the contrast of the interest feature in medical images.

Daily Electric Load Forecasting Based on RBF Neural Network Models

황희수 한국지능시스템학회 2013 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGE Vol.13 No.1

This paper presents a method of improving the performance of a day-ahead 24-h load curve and peak load forecasting. The next-day load curve is forecasted using radial basis function (RBF) neural network models built using the best design parameters. To improve the forecasting accuracy, the load curve forecasted using the RBF network models is corrected by the weighted sum of both the error of the current prediction and the change in the errors between the current and the previous prediction. The optimal weights (called “gains” in the error correction) are identified by differential evolution. The peak load forecasted by the RBF network models is also corrected by combining the load curve outputs of the RBF models by linear addition with 24 coefficients. The optimal coefficients for reducing both the forecasting mean absolute percent error (MAPE) and the sum of errors are also identified using differential evolution. The proposed models are trained and tested using four years of hourly load data obtained from the Korea Power Exchange. Simulation results reveal satisfactory forecasts: 1.230% MAPE for daily peak load and 1.128% MAPE for daily load curve.

코스피 방향 예측을 위한 하이브리드 머신러닝 모델

황희수 한국융합학회 2021 한국융합학회논문지 Vol.12 No.6

과거 주가 데이터와 금융 관련 빅 데이터를 사용해 머신러닝 기법으로 주식시장을 예측하는 연구는 다양하게 있어 왔지만, HTS와 MTS를 통해 거래가 가능한 주가지수 연동 ETF가 생기면서 주가지수를 예측하는 연구가 최근 주목받고 있다. 본 논문에서는 KOSPI 연동 ETF를 거래할 목적으로 KOSPI의 상승 예측을 위한 머신러닝 모델과 하락 예측을 위한 모델을 각각 구현한다. 이들 모델은 매개변수의 그리드 탐색을 통해 최적화 된다. 또한 정밀도를 개선해 ETF 거래 수익률을 높일 수 있도록 개별 모델들을 조합한 하이브리드 머신러닝 모델을 제안한다. 예측 모델의 성능은 정확도와 ETF 거래 수익률에 큰 영향을 미치는 정밀도로 평가된다. 하이브리드 상승 예측 모델의 정확도와 정밀도는 72.1 %와 63.8 %이고 하락 예측 모델은 79.8 %와 64.3 %이다. 하이브리드 하락 예측 모델에서 정밀도는 개별 모델 보다 최소 14.3 %, 최대 20.5 % 개선되었다. 테스트 기간에 하이브리드 모델은 하락에서 10.49 %, 상승에서 25.91 %의 ETF 거래 수익률을 보였다. 인버스×2와 레버리지 ETF로 거래하면 수익률을 1.5 ~ 2배로 높일 수 있다. 하락 예측 머신러닝 모델에 대한 추가 연구로 수익률을 더 높일 수 있을 것으로 기대한다. In the past, there have been various studies on predicting the stock market by machine learning techniques using stock price data and financial big data. As stock index ETFs that can be traded through HTS and MTS are created, research on predicting stock indices has recently attracted attention. In this paper, machine learning models for KOSPI's up and down predictions are implemented separately. These models are optimized through a grid search of their control parameters. In addition, a hybrid machine learning model that combines individual models is proposed to improve the precision and increase the ETF trading return. The performance of the predictiion models is evaluated by the accuracy and the precision that determines the ETF trading return. The accuracy and precision of the hybrid up prediction model are 72.1 % and 63.8 %, and those of the down prediction model are 79.8% and 64.3%. The precision of the hybrid down prediction model is improved by at least 14.3 % and at most 20.5 %. The hybrid up and down prediction models show an ETF trading return of 10.49%, and 25.91%, respectively. Trading inverse×2 and leverage ETF can increase the return by 1.5 to 2 times. Further research on a down prediction machine learning model is expected to increase the rate of return.

중공외교 정책의 일반적 성격에 대한 고찰 : 그 배경요인을 중심으로

황희수 이화여자대학교 법정대학 정치외교학과 1985 정치외교연구 Vol.6 No.-