임베디드 소프트웨어를 위한 프로파일 레포팅 뷰어의 설계 및 구현

고방원(BangWon Ko),신경호(KyoungHo Shin),김상헌(SangHeon Kim),유재우(CheaWoo Yoo) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2

본 논문은 임베디드 소프트웨어 개발자가 임베디드 소프트웨어 개발시 쉽고 편리하게 테스트 및 프로파일의 결과를 분석하고 개발의 효율성을 높일 수 있도록 직관적인 GUI를 가지는 레포팅 뷰어를 설계 및 구현한다. 제안하는 레포팅 뷰어는 프로파일 결과 테이터 처리기와 GUI 레포트 생성기로 구성된다. 결과 데이터 처리기는 임베디드 소프트웨어의 성능 프로파일링을 통해 생성된 문자 스트링 형태의 저수준 결과를 XML 문서로 구조화 하여 객체 형태의 API를 제공한다. 레포트 생성기는 결과 데이터 처리기에 의해 생성된 API 객체를 이용하여 다양한 그래픽 기반 프로파일 레포트 뷰를 출력한다. 사용자는 제안하는 레포팅 뷰어가 제공하는 객체 형태의 API를 통해 자신이 원하는 프로파일 레포트 화면을 구성할 수 있기 때문에 기존 소프트웨어보다 더욱 다양하고 직관적인 레포트 뷰(view)를 생성할 수 있다. 따라서 사용자는 보다 빠르고 다양한 방법으로 성능 분석과 코드 수정이 가능하여 효율적이고 신뢰성 있는 임베디드 소프트웨어를 개발할 수 있다.

Visitor 디자인 패턴을 이용한 XML Pull Parser Generator의 설계

고방원(BangWon Ko),곽동규(DongKyu Kwak),유재우(ChaeWoo Yoo) 한국정보과학회 2006 한국정보과학회 학술발표논문집 Vol.33 No.1

기존에 사용되고 있는 XML 파싱 모델에는 Object 모델과 Push 모델이 있다. Object 모델은 문서 내의 컨텐츠를 트리 구조로 변화하기 때문에 메모리의 사용이 많아지고 Push 모델의 경우 문서 내의 컨텐츠를 이벤트 처리하는 각각의 메서드를 이용함으로써 이벤트 처리의 지연 및 지연을 위한 메로리를 추가로 사용하는 등의 단점이 있다. 이를 해결하기 위해 Pull 모델이 등장했으나 DTD를 지원하지 않음으로서 XML 문서의 유효성을 검증할 방법이 없으며 파서의 기능이 미약하다. 본 논문에서는 Visitor 패턴을 이용하여 기존의 Pull 파서들이 가지지 못하던 XML 문서의 유효성 검증문제를 해결하고, 파서에 부가적인 기능을 하는 모듈을 추가하여 Interpreter 시스템으로 확장 가능한 파서를 생성해주는 XML Pull Parser Generator를 제안한다.

결측치 비율이 높은 시계열 데이터 분석 및 예측을 위한 머신러닝 모델 구축

고방원(Bangwon Ko),한용희(Yong Hee Han) 한국정보전자통신기술학회 2024 한국정보전자통신기술학회논문지 Vol.17 No.3

본 연구는 결측치 비율이 높은 시계열 데이터를 효과적으로 분석하고 예측할 수 있는 머신러닝 모델을 구축하기 위해 다양한 결측치 처리 방법을 비교 분석하였다. 이를 위해 PSMF(Predictive State Model Filtering), MissForest, IBFI(Imputation By Feature Importance) 방법을 적용하였으며, 이후 LightGBM, XGBoost, EBM(Explainable Boosting Machines) 머신러닝 모델을 사용하여 예측 성능을 평가하였다. 연구 결과, 결측치 처리 방법 중에서는 MissForest와 IBFI가 비선형적 데이터 패턴을 잘 반영하여 가장 높은 성능을 나타냈으며, 머신러닝 모델 중에서는 XGBoost와 EBM 모델이 LightGBM 모델보다 더 높은 성능을 보였다. 본 연구는 결측치 비율이 높은 시계열 데이터의 분석 및 예측에 있어 비선형적 결측치 처리 방법과 머신러닝 모델의 조합이 중요함을 강조하며, 실무적으로 유용한 방법론을 제시하였다. In this study, we compared and analyzed various methods of missing data handling to build a machine learning model that can effectively analyze and predict time series data with a high percentage of missing values. For this purpose, Predictive State Model Filtering (PSMF), MissForest, and Imputation By Feature Importance (IBFI) methods were applied, and their prediction performance was evaluated using LightGBM, XGBoost, and Explainable Boosting Machines (EBM) machine learning models. The results of the study showed that MissForest and IBFI performed the best among the methods for handling missing values, reflecting the nonlinear data patterns, and that XGBoost and EBM models performed better than LightGBM. This study emphasizes the importance of combining nonlinear imputation methods and machine learning models in the analysis and prediction of time series data with a high percentage of missing values, and provides a practical methodology.

패킷 처리 프로그래밍을 위한 언어의 설계와 컴파일러의 구현

최예지 ( Yeji Choi ),고방원 ( Bangwon Ko ),신경희 ( Kyounghee Shin ),유재우 ( Chaewoo Yoo ) 한국정보처리학회 2012 한국정보처리학회 학술대회논문집 Vol.19 No.1

본 논문은 하드웨어에 독립적이고 패킷 처리 프로그래밍 개발의 효율성을 높이기 위하여 eFlowC 언어와 eFlowC 컴파일러를 제안한다. eFlowC 언어는 C 언어 기반의 고급언어이다. 그리고 기존의 C 문법에 패킷 처리 관련 기능을 위한 새로운 라이브러리를 추가하였다. eFlowC 컴파일러는 eFlowC 언어로 작성된 프로그램을 입력으로 받는다. 그리고 결과물로 가상 기계 목적 코드를 생성한다. 가상 기계 목적 코드는 언어 번역기의 입력 파일로 언어 번역기를 통하여 다양한 하드웨어 기계어로 번역이 가능하다.

머신러닝 기반 시계열 예측 시스템 비교 및 최적 예측 시스템 구현

한용희(Yong Hee Han),고방원(Bangwon Ko) 한국정보전자통신기술학회 2024 한국정보전자통신기술학회논문지 Vol.17 No.4

본 연구는 시계열 데이터를 효과적으로 예측하기 위해 데이터를 Seasonal-Trend Decomposition on Loess을 통해 추세, 계절성, 잔차 성분으로 분해한 후 추세 성분에는 ARIMA, 계절성 성분에는 Fourier Series Regression, 잔차 성분에는 XGBoost를 적용하는 하이브리드 예측 모델을 제안하였다. 또한, ARIMA, XGBoost, LSTM, EMD-ARIMA, CEEMDAN-LSTM 모델을 포함한 성능 비교 실험을 수행하여 각 모델의 예측 성능을 평가하였다. 실험 결과, 제안된 하이브리드 모델은 MAPE, MAAPE, RMSE 지표에서 각각 3.8%, 3.5%, 0.35로 가장 좋은 평가 지표 값을 보이며 기존의 단일 모델보다 우수한 성능을 보였다. In order to effectively predict time series data, this study proposed a hybrid prediction model that decomposes the data into trend, seasonality, and residual components using Seasonal-Trend Decomposition on Loess, and then applies ARIMA to the trend component, Fourier Series Regression to the seasonality component, and XGBoost to the remaining components. In addition, performance comparison experiments including ARIMA, XGBoost, LSTM, EMD-ARIMA, and CEEMDAN-LSTM models were conducted to evaluate the prediction performance of each model. The experimental results show that the proposed hybrid model outperforms the existing single models with the best performance indicator values in MAPE(3.8%), MAAPE(3.5%), and RMSE(0.35) metrics.

가상의 네트워크 프로세서 환경에서 프로그램 테스트를 위한 가상머신

홍순호 ( Soonho Hong ),곽동규 ( Donggyu Kwak ),고방원 ( Bangwon Ko ),유재우 ( Chae-woo Yoo ) 한국정보처리학회 2012 한국정보처리학회 학술대회논문집 Vol.19 No.1

최근 인터넷 사용자 증가와 네트워크를 기반의 응용 프로그램이 다양하게 개발되고 있다. 또한 스마트 폰과 테블릿 PC 의 대중화로 누구나 쉽게 인터넷을 통해 정보검색 서비스를 이용할 수 있다. 따라서 갈수록 증가하는 패킷에 대한 제어와 이동, 삭제 등과 같은 처리를 빠르게 하기 위해 네트워크 프로세서(Network Processor)가 개발되었다. 네트워크 프로세서는 패킷 제어와 이동, 삭제를 수행하는데 최적화되어 있다. 하지만 네트워크 프로세서를 개발한 회사마다 교차개발환경 툴과 개발언어가 서로 다르기 때문에 소스코드 재사용 및 확장이 어렵다. 또한 네트워크 프로세서에서 동작하는 프로그램을 테스트 하기 위해 하드웨어 장비가 필요하고 네트워크 프로세서에 종속적인 개발환경과 언어를 배우는 것은 프로그래머에게 큰 부담을 준다. 본 논문에서는 네트워크 프로세서에 최적화된 기능을 언어 레벨에서 정의한 eFlowC 언어를 사용하고 범용 컴퓨터에서 테스트 및 실행을 할 수 있는 가상머신을 제안한다. 그리고 가상머신 중간언어를 사용하여 가상머신이 설치된 범용 컴퓨터에서 소스코드 재사용 및 확장을 가능하게 한다. 따라서 범용 컴퓨터에서 프로그램 테스트를 통해 신뢰성 높은 프로그램을 작성할 수 있다.

지수분포조합을 이용한 최저사망 보증옵션의 가치평가

배태한 ( Taehan Bae ),( Tran Thi Thanh Huong ),고방원 ( Bangwon Ko ) 한국리스크관리학회 2015 리스크 管理硏究 Vol.26 No.3

본 논문에서는 변액연금 최저사망보증옵션의 가치평가와 관련하여 지수분 포조합,a combination of exponentials,의 적용가능성에 대해 살펴보았다. 이미 알려진 바와 같이 지수분포조합들은 0 이상의 값을 가지는 모든 확률 변수들의 분포함수들에 대해 조밀한 부분집합을 구성한다. 또한 사망이 지수분포를 따른다고 가정할 때 다양한 최저사망보증옵션에 대한 명시적인 형태의 가격공식들이 알려져 있다. 본 논문에서는 이러한 알려진 사실들을 활용하여 지수분포조합으로 장래생존분포를 근사시킨 뒤 최저사망보증옵션에 대한 근삿값을 도출해 보았다. Makeham의 사망법칙 하에서 산출된 수치적 분 결과는 지수분포조합이 유용한 근사방법임을 보여준다. This paper explores the applicability of a combination of exponentials to the valuation of guaranteed minimum death benefits (GMDBs) embedded in variable annuities. As is well known, the class of combinations of exponentials forms a weakly dense subset among the distributions of all nonnegative random variables. Moreover, explicit pricing formulas for various GMDBs are available under a simplified exponential mortality model. Motivated by these two facts, we first approximate the future lifetime distributions by using a combination of exponentials and then approximate GMDB option prices. Comparing with the numerical integration under the Makeham law of mortality, our numerical result shows that the approximation can be quite useful.

가산자료 모형을 이용한 정액형 입원보험 가입자의 의료이용량 실증분석

이우주 ( Woojoo Lee ),김정환 ( Jeonghwan Kim ),김영대 ( Yeongdae Kim ),고방원 ( Bangwon Ko ) 한국보험학회 2019 保險學會誌 Vol.117 No.-

이 연구에서는 정액형 입원보험에 가입한 사람들을 대상으로, 가입금액에 따른 입원일수를 가산자료 모형을 이용하여 분석하였다. 실증분석을 위해 2015년도 말 정액형 입원보험을 유지하고 있는 45세에서 64세 사이의 여성가입자를 고려하였으며, 해당년도 입원보험금이 청구된 입원일수를 취합하여 고액가입자의 의료이용 실태를 파악하고자 하였다. 분석결과 가입금액은 연령에 상관없이 입원일수와 상당한 연관성을 가지고 있었으며, 통계적인 모형화가 가능할 정도로 특징적인 패턴을 나타내는 것을 확인할 수 있었다. 물론 이러한 결과로부터 정액형 입원보험 가입자의 도덕적 해이를 속단하기에는 무리가 따르지만, 입원보험료를 산출할 때 성별이나 나이 등과 더불어 가입금액의 크기를 반영할 필요가 있다고 판단된다. 향후 관련 연구에서 대용량 가산자료를 분석하는데 활용할 수 있도록 일반화 가법모형 및 R 코드를 소개하였다. In this paper, we analyze fixed-amount-type hospital insurance data using count data models to investigate the effect of the sum insured on the number of days staying in hospital. For the empirical analysis, we gather the contract information regarding the female insureds aged from 45 to 64 at the end of year 2015, and utilize the accident statistics related to the insurance claims to see how the insured behaves as the sum insured increases. According to our empirical analysis, the sum insured exhibits a considerable association with the number of days staying in hospital irrespective of age, and the pattern was so prominent to be statistically modeled. It might be too hasty to view this as a result of the insureds’ moral hazard, but it seems necessary to reflect the amount of sum insured together with the insured’ sexuality or age for the premium calculation. For the future application of generalized additive model (GAM) to large-scale count data in insurance, we explain the GAM model and the associated R-code at the appendix.