• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.544-549
• /
• 2000

슈퍼스칼라 프로세서의 성능을 향상시키기 위해서는 데이터 종속성에 의한 장애를 제거해야 한다. 최근 여러 논문들은 이러한 데이터 종속성을 제거하기 위해서 명령의 결과 값을 예상하는 메커니즘이 연구되고 있다. 결과 값 예상 메커니즘 중 여러 예측기를 하이브리드해서 사용하는 방법은 각각 하나의 예측기만을 사용하는 방법보다 더 좋은 성능을 얻을 수 있다. 그러나 종전의 하이브리드 예측기는 명령어를 중복해서 저장하여 많은 하드웨어 크기를 요구한다. 본 논문에서는 여러 예측기의 장점을 이용하여 높은 성능을 얻을 수 있는 새로운 하이브리드 예측 메커니즘을 제안한다. 또한 예상하기 어려운 명령어를 동적으로 찾아내어 예상하지 않음으로서 잘못 예상한 misprediction 페널티를 줄이고 예상 정확도를 높인다. 시뮬레이션 결과 SPECint95 벤치마크 프로그램에 대해 제안한 하이브리드 예측기에서 예측율은 평균 79%에서 90%로 향상하였고, misprediction rate는 평균 12%에서 2%로 낮추었다

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1243-1247
• /
• 2011

센서 네트워크는 많은 수의 센서들로 구성되며 물질세계와 상호작용하여 실시간 감시를 할 수 있는 큰 규모의 네트워크이다. 현실 세계의 물리적 변화를 지속적으로 감시하기 위하여 센서 네트워크에 속해 있는 각 센서들은 주기적으로 측정값을 읽어서 기지국(base station)에 전달하는 기능을 수행한다. 이러한 경우, 각 센서들의 지속적인 통신에 따른 에너지 낭비가 발생하여 센서 네트워크 전체의 수명을 단축시키게 된다. 따라서 데이터 모니터링에 있어서 예측을 통한 근사 데이터 수집을 통해 센서 네트워크의 수명을 연장하고자 하는 연구들이 진행되고 있다. 그러나 현재의 예측을 통한 근사 데이터 수집은 측정값의 변화가 클수록 예측 모델의 갱신이 잦다. 따라서 본 논문에서는 지연 갱신을 이용한 효율적인 예측 모델 갱신 기법을 제안한다. 제안된 기법에서는 예측이 실패하였을 경우 즉시 예측 모델을 갱신하는 대신 문제가 되는 구간의 측정값들을 지연, 근사화하여 전송함으로써 예측 모델의 잦은 갱신을 방지할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.395-395
• /
• 2022

본 연구는 머신러닝 기반의 상수도 모니터링 시스템의 예측 모델을 개발하고, 예측 모델의 적용이 가능성을 검토하였다. 상수도모니터링 시스템은 상수관망에 설치된 센서에서 수집된 자료를 모니터링 할 수 있어 운영자의 상수도 시설물의 관리 편의성을 높일 수 있다. 특히 수리학적 모델을 적용하여 계산된 값과 측정된 값을 비교해 이상치가 발생하면 운영자에게 이를 알려주므로 시스템내의 문제점을 빠르게 확인할 수 있다. 그러나 수리학적 모델은 입력자료가 증가됨에 따라 계산시간이 많이 소요되는 문제가 있고, 계산된 값의 정확도가 낮아지므로. 이러한 문제를 보완하기 위해 머신러닝 기반의 예측 모델을 개발하여 이를 해결하고자 하였다. 예측 모델은 GS 이니마 브라질(GS Inima Brazil)에서 운영중인 아라사투바(Aracatuba) 지역 주사라(Jussara) DMA(District Metered Area)의 2018년 1월에서 7월까지의 운영자료를 이용하였으며, 상수도 모니터링 시스템에서 상수관로 수압에 영향을 미치는 영향 인자들을 분석하고, 하이퍼파라미터 최적화를 통한 수압 예측 모델을 개선하였다. 금회 연구는 머신러닝 기반의 모델을 통하여 상수관망의 시간변화에 따른 장래 예측 수압을 검토할 수 있었다는데 큰 의의가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.186-186
• /
• 2022

강수 및 침투 등으로 발생하는 지하수위의 변동을 예측하는 것은 지하수 자원의 활용 및 관리에 필수적이다. 지하수위의 변동은 지하수 자원의 활용 및 관리뿐만이 아닌 홍수 발생과 지반의 응력상태 등에 직접적인 영향을 미치기 때문에 정확한 예측이 필요하다. 본 연구는 인공신경망 중 다층퍼셉트론(Multi Layer Perceptron, MLP)을 이용한 지하수위 예측성능 향상을 위해 MLP의 구조 중 Optimizer를 개량하였다. MLP는 입력자료와 출력자료간 최적의 상관관계(가중치 및 편향)를 찾는 Optimizer와 출력되는 값을 결정하는 활성화 함수의 연산을 반복하여 학습한다. 특히 Optimizer는 신경망의 출력값과 관측값의 오차가 최소가 되는 상관관계를 찾는 연산자로써 MLP의 학습 및 예측성능에 직접적인 영향을 미친다. 기존의 Optimizer는 경사하강법(Gradient Descent, GD)을 기반으로 하는 Optimizer를 사용했다. 하지만 기존의 Optimizer는 미분을 이용하여 상관관계를 찾기 때문에 지역탐색 위주로 진행되며 기존에 생성된 상관관계를 저장하는 구조가 없어 지역 최적해로 수렴할 가능성이 있다는 단점이 있다. 본 연구에서는 기존 Optimizer의 단점을 개선하기 위해 지역탐색과 전역탐색을 동시에 고려할 수 있으며 기존의 해를 저장하는 구조가 있는 메타휴리스틱 최적화 알고리즘을 이용하였다. 메타휴리스틱 최적화 알고리즘 중 구조가 간단한 화음탐색법(Harmony Search, HS)과 GD의 결합모형(HS-GD)을 MLP의 Optimizer로 사용하여 기존 Optimizer의 단점을 개선하였다. HS-GD를 이용한 MLP의 성능검토를 위해 이천시 지하수위 예측을 실시하였으며 예측 결과를 기존의 Optimizer를 이용한 MLP 및 HS를 이용한 MLP의 예측결과와 비교하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.550-551
• /
• 2021

측위 기술은 증강현실, 스마트 팩토리, 자율주행 등에서 중요한 기능을 수행하고 있다. 측위 기술 중에서 비콘을 이용한 측위 방법은 RSSI(Receiver Signal Strength Indicator) 값의 편차로 인하여 도전적인 과제로 여겨져 왔다. 본 연구는 수신기의 RSSI 값을 입력으로 하고 거리를 목표 값으로 하는 신경망을 학습시켜서 이동하는 객체에 대한 위치를 예측하였다. 이를 수행하기 위해 RSSI 대비 거리 실측값을 수집하였다. 수집한 데이터로 합성 데이터를 만들기 위한 신경망을 도입하였다. 이 신경망을 바탕으로 거리 대비 RSSI 값을 예측하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.120-120
• /
• 2019

국내에서는 예측 불가능한 재난으로 인한 침수 피해 발생사례가 증가하였다. 따라서 침수 피해 예측이 더욱 중요해지고 있는 실정이다. 기존에는 주로 수치모형을 통한 침수예측을 하였고, 정보통신기술도 발달해왔지만 아직까지 수치모의에 많은 시간이 소요되기 때문에 침수 피해의 실시간 예측이 힘든 상황이다. 이에 국립재난안전연구원(2017)에서 침수예측을 위한 보간 모델인 SIND(Scientific Interpolation for Natural Disaster) Model을 개발하였다. 이는 보간을 이용한 모델이기 때문에 그동안 사용해왔던 물리 모형보다 간단하다. 그러나 정확한 값이 아닌 보간을 이용한 모델이기 때문에 정확도를 검토할 필요가 있다. 따라서 본 연구에서는 Mapping분야에서 사용하는 CRITIC(CRiteria Importance Through Intercriteria Correlation) 기법을 활용하여 지도의 정확도 검토를 수행하였다. CRITIC은 형상기준, 위치기준, 면적기준을 이용하여 형상유사도를 산정하는 방법이며, 이 기법을 활용하여 국가가 제공한 침수예상도(국립해양조사원, 2010)와 SIND모델 결과 지도를 비교하였다. 형상기준은 지도의 형상을 나타내는 형상지수를 비교하고, 위치기준은 지도의 무게중심의 일치정도, 면적기준은 형상 면적을 비교하는 것이다. 지도는 총 300여개의 매칭 객체 쌍을 가지고 수행하였고, 위험도 등급은 Grade 1부터 Grade 5 까지 분류하여 나타내었다. 연구 대상지역은 ${{\bigcirc}{\bigcirc}}$시이다. 그 결과, 형상유사도는 약 200여개의 매체쌍이 0.80 이상의 값을 나타냈고, 나머지 매체 쌍은 0.75이하의 값을 나타내었다. 위험도 등급이 낮을수록 형상유사도 값은 크게 나타나고, 위험도 등급이 높을수록 형상유사도 값이 작게 나타나는 경향을 보였다. 이는 위험도 등급이 높은 곳의 경우, 해안선의 복잡한 지형형태 때문으로 판단된다. Mapping 분야에서 형상유사도 적합성 기준이 0.75이므로 결과는 60%이상이 정확하다고 판단할 수 있다. 따라서 본 연구에서 검토를 수행했던 간단한 방정식을 이용한 SIND 모델은 정확하다고 판단할 수 있다. 다만, 복잡한 지형과 현재 고려되고 있는 영향인자 외에 다양한 구조물 등을 고려한다면 형상유사도가 향상될 것이라 기대된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (D)
• /
• pp.251-254
• /
• 2008

H.264/AVC의 확장 표준으로 제정된 SVC는 공간적 확장성의 압축 효율을 높이기 위해 기존 H.264/AVC에서 제공하는 인트라 예측과 인터 예측뿐만 아니라 계층 간 예측을 추가로 수행한다. SVC 표준의 인트라 예측 과정은 부호화가 가능한 모든 모드를 부호화한 후에 최적의 RD(Rate Distortion) 값을 갖는 모드를 선택하기 때문에 계층 간 예측이 추가되어 연산량이 더욱 증가되는 문제점이 있다. 본 논문에서는 공간적 향상 계층에서 인트라 예측 시 연산량을 효과적으로 감소시킬 수 있는 빠른 인트라 예측 모드 결정 방법을 제안한다. 매크로블록 내 경계의 평탄 여부를 조사하여 미리 Intra_BL 모드를 결정하는 방법으로 모드 선택에 따른 RD 값 비교 과정을 줄임으로써 SVC 표준의 인트라 예측 방법보다 연산량이 크게 감소되었다.

• 한국지구과학회지
• /
• 제23권7호
• /
• pp.587-596
• /
• 2002

경험적 직교함수(EOF)분석법과 다중회귀법에 기초하여 지연상관된 광역규모 예측인자로부터 3개월 이전에 계절 강수량을 예측할 수 있는 슈퍼앙상블 모델이 개발되었다. 이 모델의 예측성이 교차검증법에 의해 평가되었다. 관측값과 예측값사이의 상관계수는 봄철에 0.73, 여름철에 0.61, 가을철에 0.69, 겨울철에 0.75로 나타났다. 이러한 값은 유의수준 ${\alpha}$=0.00에서 유의한 값이다. 수퍼 앙상블 방법의 범주형 예측성이 3개 범주로 나누어진 사례에 대해서 평가되었다. 3개 범주는 계절 누적강수량의 상위 33.3%를 과우해, 하위 33.3%를 소우해, 그 나머지를 평년해로 구분하였다. 범주형 예측의 적중률은 계절에 따라 42%에서 74%로 나타났다.

• 한국항공우주학회지
• /
• 제43권7호
• /
• pp.626-634
• /
• 2015

본 연구에서는 이산화탄소의 적외선 스펙트럼을 예측하였다. 이를 위해 필요한 흡수계수는 line-by-line 기법을 적용해 계산하였으며 계산에 필요한 분광상수들은 복사 데이터베이스인 HITEMP2010과 CDSD-4000 데이터베이스를 활용하였다. 이산화탄소가 대표적으로 방출하는 2.7과 4.3, $15{\mu}m$ 밴드 영역에 대해 예측을 수행하였으며 타 연구자가 실험을 통해서 획득한 스펙트럼과 비교하여 결과를 검증하였다. 이산화탄소의 적외선 스펙트럼 예측 결과, 전반적으로 HITEMP2010 기반의 예측값과 CDSD-4000 기반의 예측값이 실험과 잘 일치하는 것을 확인하였으나 $4.3{\mu}m$ 밴드 영역에서는 CDSD-4000 기반의 예측값이 HITEMP2010 기반의 예측값보다 실험값과 더 잘 일치하는 것을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.31-34
• /
• 2024

태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.