KR102256368B1 - 범용 예측 시스템 - Google Patents

범용 예측 시스템 Download PDF

Info

Publication number
KR102256368B1
KR102256368B1 KR1020180091906A KR20180091906A KR102256368B1 KR 102256368 B1 KR102256368 B1 KR 102256368B1 KR 1020180091906 A KR1020180091906 A KR 1020180091906A KR 20180091906 A KR20180091906 A KR 20180091906A KR 102256368 B1 KR102256368 B1 KR 102256368B1
Authority
KR
South Korea
Prior art keywords
unit
information
division
divided
time interval
Prior art date
Application number
KR1020180091906A
Other languages
English (en)
Other versions
KR20200016609A (ko
Inventor
김재현
김재준
김재은
Original Assignee
김재현
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김재현 filed Critical 김재현
Priority to KR1020180091906A priority Critical patent/KR102256368B1/ko
Publication of KR20200016609A publication Critical patent/KR20200016609A/ko
Application granted granted Critical
Publication of KR102256368B1 publication Critical patent/KR102256368B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 범용 예측 시스템에 관한 것으로서, 더욱 상세하게는, 실시간으로 정보를 입력 받는 입력부(100); 상기 입력부(100)를 통해 입력 받는 정보를 특정한 시간 간격 별로 구분하는 분할부(200); 상기 분할부(200)를 통해 구분된 정보을 기반으로 상기 분할부(200)를 통해 구분된 다음 시간의 정보의 상승 또는 하락을 예측하는 처리부(300); 상기 분할부(200)를 통해 구분된 특정한 시간 간격으로 상기 입력부(100)를 통해 입력된 정보과 상기 처리부(300)를 통해 예측된 결과를 저장하는 저장부(400); 및 상기 처리부(300)를 통해 예측된 결과인 정보의 상승 또는 하락을 출력하는 출력부(500);로 구성되어, 환율과 같이 실시간으로 상승 또는 하락하는 정보의 상승 또는 하락을 분석하여 앞으로 상승 또는 하락할 것을 미리 예측하는 것을 통해 여러가지 분야의 예측을 시도할 수 있고 새로운 분야의 예측 시스템을 개발하기 전에 본 발명을 사용하여 개발의 방향을 참고할 수 있게 하는 범용 예측 시스템에 관한 것이다.

Description

범용 예측 시스템{General Purpose Prediction System}
본 발명은 범용 예측 시스템에 관한 것으로, 더욱 상세하게는, 환율과 같이 실시간으로 상승 또는 하락하는 정보의 상승 또는 하락을 분석하여 앞으로 상승 또는 하락할 것을 미리 예측하는 범용 예측 시스템에 관한 것이다.
종래의 예측 시스템은 특정한 항목을 예측하는 것으로 범용적으로 다양한 분야를 예측할 수 없다는 한계가 있다.
따라서, 새로운 분야를 예측하기 위해서는 처음부터 새롭게 예측 시스템을 만들어야 하는 문제점이 있어, 새롭게 예측 시스템을 만들기 전에 범용적인 예측 시스템을 사용하여 새로운 예측 시스템을 어떻게 만들어야 할지 판단할 수 있게 도와주는 도구가 필요하다.
이러한 필요성을 해결하기 위해 본 발명은 환율 등과 같이 실시간으로 상승 또는 하락하는 종류의 정보가 앞으로 상승 또는 하락할 것인지 예측하는 것이다.
공개특허 특2002-0087671
본 발명이 해결하려는 과제는, 상기 문제점을 해결하기 위한 것으로서, 환율과 같이 실시간으로 상승 또는 하락하는 것의 상승 또는 하락을 분석하여 앞으로 상승 또는 하락할 것을 미리 예측할 수 있게 하는 것이다.
본 발명은 범용 예측 시스템에 관한 것으로, 범용 예측 시스템에 있어서, 실시간으로 정보를 입력 받는 입력부(100); 상기 입력부(100)를 통해 입력 받는 정보를 특정한 시간 간격 별로 구분하는 분할부(200); 상기 분할부(200)를 통해 구분된 정보을 기반으로 상기 분할부(200)를 통해 구분된 다음 시간의 정보의 상승 또는 하락을 예측하는 처리부(300); 상기 분할부(200)를 통해 구분된 특정한 시간 간격으로 상기 입력부(100)를 통해 입력된 정보과 상기 처리부(300)를 통해 예측된 결과를 저장하는 저장부(400); 및 상기 처리부(300)를 통해 예측된 결과인 정보의 상승 또는 하락을 출력하는 출력부(500);를 포함한다.
이때, 상기 분할부(200)는, 상기 입력부(100)를 통해 입력 받는 정보을 특정하고 일정한 시간 간격으로 구분하는 대분할부(210); 및 상기 대분할부(210)가 특정하고 일정한 시간 간격으로 구분한 정보의 상기 시간 간격을 4등분 하는 소분할부(220);를 포함한다.
또한 이때, 상기 처리부(300)는, 상기 분할부(200)의 대분할부(210)를 통해 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 상승 또는 하락을 인식하는 인식부(310); 상기 인식부(310)가 인식한 상승 또는 하락을 기반으로 상기 상승 또는 하락의 가중치를 비교하여 상기 분할부(200)의 대분할부(210)가 구분한 다음 시간 간격의 정보의 상승 또는 하락을 예측하는 판단부(320); 및 상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과에 따라 상기 판단부(320)의 가중치를 변경하는 가중치부(330);를 포함한다.
또한 이때, 상기 인식부(310)는, 상기 분할부(200)의 대분할부(210)를 통해 특정하고 일정한 시간 간격으로 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 상승을 인식하는 상승인식부(311); 및 상기 분할부(200)의 대분할부(210)를 통해 특정하고 일정한 시간 간격으로 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 하락을 인식하는 하락인식부(312);를 포함한다.
또한 이때, 상기 판단부(320)는, 상기 인식부(310)의 상승인식부(311)를 통해 인식된 상승하는 정보의 상기 시간 간격의 가중치를 합산하는 상승판단부(321); 상기 인식부(310)의 상승인식부(311)를 통해 인식된 하락하는 정보의 상기 시간 간격의 가중치를 합산하는 하락판단부(322); 및 상기 상승판단부(321)를 통해 합산된 결과와 상기 하락판단부(322)를 통해 합산된 결과를 비교하여 상기 분할부(200)의 대분할부(210)가 구분한 다음 시간 간격의 정보의 상승 또는 하락을 예측하는 종합판단부(323);를 포함한다.
또한 이때, 상기 가중치부(330)는, 상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과 동일한 경우 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 초기화하는 참가중치부(331); 및 상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과 다른 경우 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 2배로 변경하는 거짓가중치부(332);를 포함한다.
본 발명에 따르면 환율과 같이 실시간으로 상승 또는 하락하는 정보의 상승 또는 하락을 분석하여 앞으로 상승 또는 하락할 것을 미리 예측하는 것을 통해 여러가지 분야의 예측을 시도할 수 있고 새로운 분야의 예측 시스템을 개발하기 전에 본 발명을 사용하여 개발의 방향을 참고할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 범용 예측 시스템을 나타내기 위한 블록도 이다.
도 2는 본 발명의 일 실시 예에 따른 범용 예측 시스템의 분할부(200)을 나타내기 위한 블록도 이다.
도 3은 본 발명의 일 실시 예에 따른 범용 예측 시스템의 처리부(300)을 나타내기 위한 블록도 이다.
도 4는 본 발명의 일 실시 예에 따른 범용 예측 시스템의 인식부(310)을 나타내기 위한 블록도 이다.
도 5는 본 발명의 일 실시 예에 따른 범용 예측 시스템의 판단부(320)을 나타내기 위한 블록도 이다.
도 6은 본 발명의 일 실시 예에 따른 범용 예측 시스템의 가중치부(330)을 나타내기 위한 블록도 이다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사항에 부합하는 의미와 개념으로 해석되어야 할 것이다.
또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
이하, 본 발명의 바람직한 실시 예에 따른 범용 예측 시스템에 관해 도 1 내지 6을 참고하여 상세히 설명한다.
도 1은 본 발명의 일 실시 예에 따른 범용 예측 시스템을 나타내기 위한 블록도 이다.
범용 예측 시스템에 있어서, 도 1에 도시한 바와 같이, 실시간으로 정보를 입력 받는 입력부(100)와, 상기 입력부(100)를 통해 입력 받는 정보를 특정한 시간 간격 별로 구분하는 분할부(200)와, 상기 분할부(200)를 통해 구분된 정보을 기반으로 상기 분할부(200)를 통해 구분된 다음 시간의 정보의 상승 또는 하락을 예측하는 처리부(300)와, 상기 분할부(200)를 통해 구분된 특정한 시간 간격으로 상기 입력부(100)를 통해 입력된 정보과 상기 처리부(300)를 통해 예측된 결과를 저장하는 저장부(400)와, 상기 처리부(300)를 통해 예측된 결과인 정보의 상승 또는 하락을 출력하는 출력부(500)로 이루어진다.
아울러, 상기 정보는 환율과 같이 정보로 실시간으로 상승 또는 하락하는 정보이다.
또한 아울러, 상기 출력부(500)가 상기 처리부(300)의 예측 결과를 출력하는 바람직한 실시 예는 다른 시스템에서 사용할 수 있도록 표준화된 DB로 출력하거나 사람이 감각으로 인식할 수 있도록 시각 또는 청각 또는 촉각 중 어느 하나 이상으로 출력하는 것이다.
도 2는 본 발명의 일 실시 예에 따른 범용 예측 시스템의 분할부(200)을 나타내기 위한 블록도 이다.
이때, 도 2에 도시한 바와 같이, 상기 분할부(200)는, 상기 입력부(100)를 통해 입력 받는 정보을 특정하고 일정한 시간 간격으로 구분하는 대분할부(210)와, 상기 대분할부(210)가 특정하고 일정한 시간 간격으로 구분한 정보의 상기 시간 간격을 4등분 하는 소분할부(220)로 이루어진다.
아울러, 상기 대분할부(210)가 특정하고 일정한 시간 간격으로 구분하는 바람직한 실시 예는 1시간 또는 하루 등 4로 나누어도 나머지가 없는 시간 간격이다.
도 3은 본 발명의 일 실시 예에 따른 범용 예측 시스템의 처리부(300)을 나타내기 위한 블록도 이다.
또한 이때, 도 3에 도시한 바와 같이, 상기 처리부(300)는, 상기 분할부(200)의 대분할부(210)를 통해 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 상승 또는 하락을 인식하는 인식부(310)와, 상기 인식부(310)가 인식한 상승 또는 하락을 기반으로 상기 상승 또는 하락의 가중치를 비교하여 상기 분할부(200)의 대분할부(210)가 구분한 다음 시간 간격의 정보의 상승 또는 하락을 예측하는 판단부(320)와, 상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과에 따라 상기 판단부(320)의 가중치를 변경하는 가중치부(330)로 이루어진다.
아울러, 상기 가중치의 바람직한 실시 예는 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격마다 별도이고 최초의 가중치는 모두 1이다.
도 4는 본 발명의 일 실시 예에 따른 범용 예측 시스템의 인식부(310)을 나타내기 위한 블록도 이다.
또한 이때, 도 4에 도시한 바와 같이, 상기 인식부(310)는, 상기 분할부(200)의 대분할부(210)를 통해 특정하고 일정한 시간 간격으로 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 상승을 인식하는 상승인식부(311)와, 상기 분할부(200)의 대분할부(210)를 통해 특정하고 일정한 시간 간격으로 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 하락을 인식하는 하락인식부(312)로 이루어진다.
아울러, 상기 상승인식부(311)가 정보의 상승을 인식하는 바람직한 실시 예는, 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내에서 시작 시각의 정보과 끝 시각의 정보을 비교하고 비교 결과 상기 시작 시각의 정보가 끝 시각의 정보보다 작으면 정보가 상승했다고 인식하는 것이다.
또한 아울러, 상기 하락인식부(312)가 정보의 하락을 인식하는 바람직한 실시 예는, 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내에서 시작 시각의 정보과 끝 시각의 정보을 비교하고 비교 결과 상기 시작 시각의 정보가 끝 시각의 정보보다 크면 정보가 하락했다고 인식하는 것이다.
도 5는 본 발명의 일 실시 예에 따른 범용 예측 시스템의 판단부(320)을 나타내기 위한 블록도 이다.
또한 이때, 도 5에 도시한 바와 같이, 상기 판단부(320)는, 상기 인식부(310)의 상승인식부(311)를 통해 인식된 상승하는 정보의 상기 시간 간격의 가중치를 합산하는 상승판단부(321)와, 상기 인식부(310)의 상승인식부(311)를 통해 인식된 하락하는 정보의 상기 시간 간격의 가중치를 합산하는 하락판단부(322)와, 상기 상승판단부(321)를 통해 합산된 결과와 상기 하락판단부(322)를 통해 합산된 결과를 비교하여 상기 분할부(200)의 대분할부(210)가 구분한 다음 시간 간격의 정보의 상승 또는 하락을 예측하는 종합판단부(323)로 이루어진다.
아울러, 상기 종합판단부(323)가 정보의 상승 또는 하락을 예측하는 바람직한 실시 예는, 상기 상승판단부(321)를 통해 합산된 결과와 상기 하락판단부(322)를 통해 합산된 결과를 비교하여, 상기 상승판단부(321)를 통해 합산된 결과가 상기 하락판단부(322)를 통해 합산된 결과 보다 크면 정보의 상승을 예측하고, 상기 하락판단부(322)를 통해 합산된 결과가 상기 상승판단부(321)를 통해 합산된 결과 보다 크면 정보의 하락을 예측하는 것이다.
도 6은 본 발명의 일 실시 예에 따른 범용 예측 시스템의 가중치부(330)을 나타내기 위한 블록도 이다.
또한 이때, 도 6에 도시한 바와 같이, 상기 가중치부(330)는, 상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과 동일한 경우 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 초기화하는 참가중치부(331)와, 상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과 다른 경우 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 2배로 변경하는 거짓가중치부(332)로 이루어진다.
아울러, 상기 참가중치부(331)가 가중치를 초기화하는 바람직한 실시 예는, 상기 판단부(320)의 예측 결과가 상승인 경우 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보가 상승이면 상기 상승에 해당하는 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 상기 시간 간격의 가중치를 초기의 1로 변경하고, 상기 판단부(320)의 예측 결과가 하락인 경우 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보가 하락이면 상기 하락에 해당하는 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 초기의 1로 변경하는 것이다.
또한 아울러, 상기 참가중치부(331)가 가중치를 2배로 변경하는 바람직한 실시 예는, 상기 판단부(320)의 예측 결과가 상승인 경우 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보가 하락이면 상기 하락에 해당하는 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 상기 시간 간격의 가중치를 2배로 변경하고, 상기 판단부(320)의 예측 결과가 하락인 경우 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보가 상승이면 상기 상승에 해당하는 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 2배로 변경하는 것이다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다.
100: 입력부
200: 분할부
210: 대분할부
220: 소분할부
300: 처리부
310: 인식부
311: 상승인식부
312: 하락인식부
320: 판단부
321: 상승판단부
322: 하락판단부
323: 종합판단부
330: 가중치부
331: 참가중치부
332: 거짓가중치부
400: 저장부
500: 출력부

Claims (6)

  1. 범용 예측 시스템에 있어서,
    실시간으로 정보를 입력 받는 입력부(100);
    상기 입력부(100)를 통해 입력 받는 정보를 특정한 시간 간격 별로 구분하는 분할부(200);
    상기 분할부(200)를 통해 구분된 정보를 기반으로 상기 분할부(200)를 통해 구분된 다음 시간의 정보의 상승 또는 하락을 예측하는 처리부(300);
    상기 분할부(200)를 통해 구분된 특정한 시간 간격으로 상기 입력부(100)를 통해 입력된 정보과 상기 처리부(300)를 통해 예측된 결과를 저장하는 저장부(400); 및
    상기 처리부(300)를 통해 예측된 결과인 정보의 상승 또는 하락을 출력하는 출력부(500);를 포함하고,
    상기 처리부(300)는,
    상기 분할부(200)의 대분할부(210)를 통해 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 상승 또는 하락을 인식하는 인식부(310);
    상기 인식부(310)가 인식한 상승 또는 하락을 기반으로 상기 상승 또는 하락의 가중치를 비교하여 상기 분할부(200)의 대분할부(210)가 구분한 다음 시간 간격의 정보의 상승 또는 하락을 예측하는 판단부(320); 및
    상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이 된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과인 동일 여부에 따라 상기 판단부(320)의 가중치를 변경하는 가중치부(330);를 포함하고,
    상기 판단부(320)는,
    상기 인식부(310)의 상승인식부(311)를 통해 인식된 상승하는 정보의 상기 시간 간격의 가중치를 합산하는 상승판단부(321);
    상기 인식부(310)의 상승인식부(311)를 통해 인식된 하락하는 정보의 상기 시간 간격의 가중치를 합산하는 하락판단부(322); 및
    상기 상승판단부(321)를 통해 합산된 결과와 상기 하락판단부(322)를 통해 합산된 결과를 비교하여 상기 상승판단부 (321)를 통해 합산된 결과가 상기 하락판단부(322)를 통해 합산된 결과보다 크면 상기 분할부(200)의 대분할부(210)가 구분한 다음 시간 간격의 정보의 상승을 예측하고, 상기 하락판단부(322)를 통해 합산된 결과가 상기 상승판단부(321)를 통해 합산된 결과보다 크면 상기 분할부(200)의 대분할부(210)가 구분한 다음 시간 간격의 정보의 하락을 예측하는 종합판단부(323);를 포함하고,
    상기 가중치부(330)는,
    상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이 된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과 동일한 경우 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 초기화하는 참가중치부(331); 및
    상기 판단부(320)의 예측 결과와 상기 분할부(200)의 대분할부(210)를 통해 구분되고 상기 판단부(320)의 예측에 기반이 된 시간 간격의 다음 시간 간격에 상기 입력부(100)를 통해 입력되고 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 정보의 상승 또는 하락을 비교하고 비교 결과 다른 경우 상기 판단부(320)에 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격의 가중치를 2배로 변경하는 거짓가중치부(332);를 포함하는 것을 특징으로 하는 범용 예측 시스템
  2. 제1항에 있어서,
    상기 분할부(200)는,
    상기 입력부(100)를 통해 입력 받는 정보를 특정하고 일정한 시간 간격으로 구분하는 대분할부(210); 및
    상기 대분할부(210)가 특정하고 일정한 시간 간격으로 구분한 정보의 상기 시간 간격을 4등분 하는 소분할부(220);
    를 포함하는 것을 특징으로 하는 범용 예측 시스템
  3. 삭제
  4. 제1항에 있어서,
    상기 인식부(310)는,
    상기 분할부(200)의 대분할부(210)를 통해 특정하고 일정한 시간 간격으로 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 상승을 인식하는 상승인식부(311); 및
    상기 분할부(200)의 대분할부(210)를 통해 특정하고 일정한 시간 간격으로 구분된 정보에서 상기 분할부(200)의 소분할부(220)를 통해 구분된 시간 간격 내의 하락을 인식하는 하락인식부(312);
    를 포함하는 것을 특징으로 하는 범용 예측 시스템
  5. 삭제
  6. 삭제
KR1020180091906A 2018-08-07 2018-08-07 범용 예측 시스템 KR102256368B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180091906A KR102256368B1 (ko) 2018-08-07 2018-08-07 범용 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180091906A KR102256368B1 (ko) 2018-08-07 2018-08-07 범용 예측 시스템

Publications (2)

Publication Number Publication Date
KR20200016609A KR20200016609A (ko) 2020-02-17
KR102256368B1 true KR102256368B1 (ko) 2021-05-27

Family

ID=69670617

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180091906A KR102256368B1 (ko) 2018-08-07 2018-08-07 범용 예측 시스템

Country Status (1)

Country Link
KR (1) KR102256368B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002024550A (ja) 2000-07-11 2002-01-25 Mototsugu Nagata 数式株価分析システム
JP2004334480A (ja) 2003-05-07 2004-11-25 Keio Gijuku 株価変動数値解析装置
KR101458004B1 (ko) * 2013-12-26 2014-11-04 주식회사 코스콤 인공 신경망 모형을 이용한 주가 등락 예측 시스템 및 주가 등락 예측 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000053962A (ko) * 2000-05-13 2000-09-05 양용철 주식 동시호가시의 매도매수정보를 이용한 선물지수 및주가지수 사전예측 시스템
KR20020087671A (ko) 2001-05-15 2002-11-23 (주)토마토 인터넷 환 위험관리 및 수익창출 인공지능 토탈 솔루션
KR20080048610A (ko) * 2006-11-29 2008-06-03 조재문 런 확률을 이용한 주가방향과 변동예측방법 및 시스템
KR101078868B1 (ko) * 2009-09-10 2011-11-02 최상민 금융 컨설팅 제공 방법 및 그 시스템
KR20140018531A (ko) * 2012-08-02 2014-02-13 케이티비투자증권 주식회사 주가 예측 시스템
KR101544450B1 (ko) * 2013-07-05 2015-08-24 주식회사 코스콤 소셜 데이터의 분석을 통한 감성 영향 인덱스의 생성 방법 및 그 시스템
KR20150094923A (ko) * 2014-02-12 2015-08-20 김성규 사용자 참여형 주가 예측 서비스 제공 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002024550A (ja) 2000-07-11 2002-01-25 Mototsugu Nagata 数式株価分析システム
JP2004334480A (ja) 2003-05-07 2004-11-25 Keio Gijuku 株価変動数値解析装置
KR101458004B1 (ko) * 2013-12-26 2014-11-04 주식회사 코스콤 인공 신경망 모형을 이용한 주가 등락 예측 시스템 및 주가 등락 예측 방법

Also Published As

Publication number Publication date
KR20200016609A (ko) 2020-02-17

Similar Documents

Publication Publication Date Title
US10607228B1 (en) Dynamic rule strategy and fraud detection system and method
US10681312B2 (en) Intelligent video analysis system and method
KR102315574B1 (ko) 데이터 분류 방법 및 장치와 관심영역 세그멘테이션 방법 및 장치
CN110443657B (zh) 客户流量数据处理方法、装置、电子设备及可读介质
KR102281676B1 (ko) 파형 음원 신호를 분석하는 신경망 모델에 기반한 음원 분류 방법 및 분석장치
CN111178380B (zh) 数据分类方法、装置及电子设备
CN101473207A (zh) 使用多种类型的输入对人进行标识
EP3391334A1 (en) Video analysis methods and apparatus
KR102293791B1 (ko) 반도체 소자의 시뮬레이션을 위한 전자 장치, 방법, 및 컴퓨터 판독가능 매체
CN112668632B (zh) 一种数据处理方法、装置、计算机设备及存储介质
EP3121735A1 (en) Data mining method and device
GB2598061A (en) Enhanced ensemble model diversity and learning
KR102256368B1 (ko) 범용 예측 시스템
CN111489003A (zh) 生命周期的预测方法及装置
EP3267438B1 (en) Speaker authentication with artificial neural networks
Ahmed Predictive capacity of meteorological data: Will it rain tomorrow?
US10915794B2 (en) Neural network classification through decomposition
KR20160035631A (ko) 히스토그램 기반의 움직임 검출 방법 및 그 장치
KR102529401B1 (ko) 변이 출현 빈도를 이용한 인종 예측 시스템 및 방법
KR101955056B1 (ko) 특징벡터 기반 전자문서 분류 방법
WO2017096219A1 (en) Methods and systems for determination of the number of contributors to a dna mixture
KR102464688B1 (ko) 모니터링 결과의 이벤트 등급 결정 방법 및 장치
CN111627210B (zh) 一种车流量预测方法、装置、设备及介质
KR102520305B1 (ko) 키워드 빈도수와 영역 중요도 분석 기반 딥러닝 문서 분석 시스템 및 방법
EP3373208A1 (en) Method and system for facilitating reliable pattern detection

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right