http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Risk Averse Reinforcement Learning for Portfolio Optimization
Bayaraa Enkhsaikhan,Ohyun Jo(조오현) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
In this paper, we investigate investment portfolio optimization using Reinforcement Learning (RL) with risk assessment. Due to market friction, the reaction of other market participants and uncertainties, it is challenging to trade and optimize investment portfolios dynamically. The financial market is sophisticated and complex to model. Moreover, regulatory requirement and internal risk policy require investors to make risk-averse decisions for preventing catastrophic results, which is hard to recover later. One way to solve the problem is to set a high enough penalty to reward for the risk. As the experiment result suggests, the proposed Value at Risk(VaR) technique using Actor-Critic reinforcement learning could benefit faster learning and reward.
불확실한 환경에서 고차원 상태 공간을 이용한 깊은 강화학습 기반의 무선 접속 방법
이태겸(Tae Gyeom Lee),조오현(Ohyun Jo) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
본 논문에서는 고차원 상태 공간을 활용할 수 있는 깊은 강화학습을 기반으로 이동체를 위한 5G/6G 네트워크에서 UAV(Unmanned Aerial Vehicle)를 위한 무선 접속 기술을 제안한다. UAV는 높은 이동성을 갖기 때문에 채널 환경의 변화가 크고, 예측하기 힘든 정보만으로 통신을 시도할 확률이 높다. 기존에는 무선 접속을 위한 Back-off count 선택 시 제한적인 채널의 사용자 존재 여부에 관한 정보만을 활용하였으나 본 논문에서 제안하는 깊은 강화학습 방법론은 에이전트가 얻을 수 있는 정보만으로 최적의 행동을 선택하게 할 수 있으며, 높은 차원의 상태 데이터도 처리할 수 있다. 이러한 정보의 불확실성 문제와 대량의 정보저장 문제를 해결할 수 있다. 제안하는 강화학습 기반의 무선 접속 기술은 고차원으로 표현될 수 있는 위치 좌표와 SNR(Signal to Noise Ratio)을 이용한 Back-off 제어를 통해 네트워크 내에서 발생한 데이터 충돌 확률을 획기적으로 감소시킨다.
결측치 영향에 강인한 특성을 갖는 이미지화 기법 기반의 시계열 예측 모델
강승우(Seungwoo Kang),조오현(Ohyun Jo) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
실시간 감염병 전파 예측 문제나 금융현상과 같은 응용 서비스에 시계열 예측 모델들이 적용됨으로써 예측 정확도가 향상되어 활용도가 높아지고 있으며, 최근 ARIMA, DNN, LSTM과 같은 예측 기법을 이용해 데이터를 처리하기 위한 최적 모델연구가 활발해지고 있다. LSTM은 이 중에서도 시계열 예측에 매우 적합하다는 평을 많이 받고 있는 모델이다. 그러나, 연속성이라는 특성을 가진 시계열 데이터에서 결측치가 발생하면 모델 학습에 치명적인 문제가 발생할 수 있다. 본 논문에서는 이러한 문제를 최소화하기 위해 CNN 기반 시계열 예측 모델과 시계열 데이터 이미지화 방법을 제안한다. 제안하는 이미지화 방법은 짧은 시계열 구간의 데이터 셋을 사용하여 결측치에 대한 영향을 감소시키고 관련 데이터를 사용해 정확도를 보강한다. 성능 평가를 위해 LSTM기반 모델과의 비교 실험을 진행하며, 해당 문제를 해결하면서 학습 정확도 뿐만아니라 학습시간 측면에서도 제안 학습 모델이 더 우수함을 보였다.