http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임성식 서경대학교 산업기술연구소 2011 産業技術硏究所論文集 Vol.26 No.-
본 논문에서는 통계청에서 제공된 소비자물가지수를 이용한 인플레이션율과 실업률 자료에 시계열모형을 적용한 인플레이션율 예측력을 비교분석하였다. 3개 시계열모형들의 2011년 1월에서 5월까지 월별예측을 실시한 결과 , , 모든 통계량 기준에서 ADL 모형에 의한 예측력이 가장 우월한 것으로 나타났다. 이는 ADL 모형에 의한 인플레이션예측이 다른 모형에 비해 보다 정확할 수 있다는 것을 의미한다.
임성식 서경대학교 산업기술연구소 2013 産業技術硏究所論文集 Vol.31 No.-
주택가격은 정부의 부동산 정책이나 국내외의 경기상황과 같은 여러 외부 변수에 의해 많은 영향을 받는다. 본 연구에서는 주택가격지수를 예측하기 위한 모형구축에서 주택가격지수에 중요한 영향을 미치는 외부변수들을 파악 하고 이들을 활용하여 향후 주택가격지수를 효율적으로 예측하기 위한 시계 열모형을 찾는데 있다. 실제 자료를 이용하여 분석한 예측결과 전이함수모형 이 다른 모형에 비해 우월한 것으로 나타났다.
임성식 서경대학교 산업기술연구소 2012 産業技術硏究所論文集 Vol.29 No.-
본 논문에서는 통계청의 고용률 시계열자료에 외부 충격요인 발생한 경우 개입모형을 이용하여 외부요인의 효과에 대한 크기와 그 효과의 지속여부 및 ARIMA 모형과의 예측력을 비교하였다. 개입분석을 위해 97년 12월 IMF사 태를 개입변수로 고려하였으며, 분석 결과 IMF 사태는 2002년 졸업하였지만 고용률에 있어서는 현재까지 그 영향을 미치고 있는 것으로 나타났다. 모형 성능비교를 통해 외부 충격요인이 있는 경우 개입모형에 의한 예측력이 보다 우월한 것으로 나타났다.
임성식 서경대학교 산업기술연구소 2013 産業技術硏究所論文集 Vol.31 No.-
주택가격은 정부의 부동산 정책이나 국내외의 경기상황과 같은 여러 외부 변수에 의해 많은 영향을 받을 수 있다. 따라서 본 연구에서는 주택가격지수 에 영향을 미치는 경제상황을 나타내는 변수들과의 상호 관련성을 상관분석 을 통하여 살펴보고 또한 주택가격지수에 중요한 영향을 미치는 설명변수들 의 영향정도를 회귀분석을 통하여 분석하였다. 실제 자료를 이용하여 회귀분 석결과 통화량과 경기동행지수, 금리, 실업률과 고용율 등이 주택가격에 주로 영향을 미치는 것으로 나타났다.
개입모형을 이용한 EEG 신호의 다변량 분석에 관한 연구
임성식,김진호,김치용,황민철,Im, Seong-Sik,Kim, Jin-Ho,Kim, Chi-Yong,Hwang, Min-Cheol 대한인간공학회 1999 大韓人間工學會誌 Vol.18 No.1
The objective of the study is to discriminate EEG(electroencephalogram) due to emotional changes. Emotion was evoked by the series of auditory stimuli which were selected from the natural sounds in the sound effect collection of compact disc. Seventeen university students participated and experienced positive or negative emotions by six auditory stimuli with intermission between stimuli. Temporal EEG ($T_3$, $T_4$, $T_5$, and $T_6$) was recorded at the same time and a subjective test was performed on the eleven point scales after the experiment. The maximum and minimum scores of the EEG among six stimuli EEG were analyzed for discrimination of emotion. The EEG signals were transformed into feature objects based on scalar intervention model coefficients. Auditory stimulus was considered as intervention variable. They were classified by Discriminant Analysis for each channel. The features showed results with the best classification accuracy of 91.2 % in $T_4$ for auditory stimuli. This study could be extended to establish an algorithm which quantifies and classifies emotions evoked by auditory stimulus using time-series models.