• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.505-508
• /
• 2021

반도체 회로의 미세화로 단위 공정이 증가하면 TAT(turn-around time) 증가에 따른 제조 비용이 늘어난다. 반도체 공정 중 포토 공정은 마스크의 회로를 웨이퍼에 전사하는 공정으로 전사를 담당하는 노광장비의 성능에 의해 회로의 정확성이 결정된다. 이런 정확성을 검증하는 계측공정은 회로의 미세화가 진행될수록 필요성은 증가하나 TAT 증가의 주된 요인으로 최근 기계학습을 사용한 다양한 예측 모형들의 개발로 계측 결과를 예측하는 실험들이 진행되고 있다. 본 논문은 노광장비 센서들의 이상값을 감지하여 분류 후 계측공정을 진행하는 LFDC(Lithography Fault Detection and Classification) 시스템의 문제인 분류 성능이 떨어지는 것을 해결하기 위해 XGBoost를 사용하여 계측공정을 진행하지 않고 노광장비 센서의 이상값을 학습된 학습기를 통해 분류하여 포토 공정을 재진행하거나 다음 공정을 진행하는 방법을 실험하였다. 실험에서 사용된 계측 결과 예측 모형은 89%의 정확도를 확보하였고 반도체 데이터 특성인 심각한 불균형의 데이터에 대해서도 같은 정확도를 얻었다. 이런 결과는 노광장비 센서들의 이상값에 대해 89%는 정상으로 판단하였고 정상으로 판단한 웨이퍼를 실제 계측 시 예측과 같은 결과를 얻었다. 계측 결과 예측 모형을 사용하면 실제 계측을 진행하지 않고 노광장비 센서들의 이상값에 대한 판정을 할 수 있어 TAT 단축으로 제조 비용감소, 계측 장비 부하 감소 및 효율 향상을 할 수 있다. 하지만 본 논문에서는 90%의 성능을 보이는 계측 결과 예측 모형으로 여전히 10%에 대해서는 실제 계측이 필요한 문제에 대해 추후 더 연구가 필요하다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.12a
• /
• pp.197-200
• /
• 2000

최대 수용전력 시계열 데이터를 수집하여 카오스적 성질을 분석하고 퍼지 제어기로부터 추론되어진 제어 값으로 특정 플랜트의 단기예측을 수행하는 카오스 퍼지 제어기를 구성하고 시뮬레이션을 통하여 실제 데이터와의 오차 검토를 통하여 카오스 퍼지 제어기의 강인성을 검증하고 이 시스템을 통하여 얻어진 결과와 실제 데이터를 비교함으로써 제어기의 성능을 평가한다.

• Journal of the Institute of Electronics Engineers of Korea TE
• /
• v.39 no.2
• /
• pp.44-50
• /
• 2002

Conventional acoustic echo cancelers using ES(Exponentially weighted Stepsize) algorithm have simple operational configuration and fast convergence speed batter then NLMS algorithm, but they are very weak in external noise because ES algorithm updates filter taps using an average energy reduction rate of room impulse response in specific acoustical condition. So, a new configuration of acoustic echo canceler with stepsize generator and selector is proposed in this thesis. The proposed stepsize generator and selector improve conventional acoustic echo canceler's weakness in external noise and improve the system robustness. The stepsize generator generates additional stepsize value using moving averager, which is the residual noise energy of error signal multiplied by constant ${\gamma}$. The stepsize selector selects the stepsize value that has better performance in an acoustic echo canceler using a coefficient decision factor ${\Delta}_{differ}$ The simulation results show that the proposed algorithm reduces residual error by 5[dB] to 10[dB], improves misadjustment regardless of external noise's SNR. 

• Korean Journal of Cognitive Science
• /
• v.33 no.1
• /
• pp.51-75
• /
• 2022

Transcranial direct current stimulation (tDCS) is a non-invasive brain stimulation that is able to alter neuronal activity in particular brain regions. Many studies have researched how tDCS modulates neuronal activity and reorganizes neural networks. However it is difficult to conclude the effect of brain stimulation because the studies are heterogeneous with respect to the stimulation parameter as well as individual difference. It is not fully in agreement with the effects of brain stimulation. In particular few studies have researched the reason of variability of brain stimulation in response to time so far. The study investigated individual variability of brain stimulation based on circadian rhythm and chronotype. Participants were divided into two groups which are morning type and evening type. The experiment was conducted by Zoom meeting which is video meeting programs. Participants were sent experiment tool which are Muse(EEG device), tdcs device, cell phone and cell phone holder after manuals for experimental equipment were explained. Participants were required to make a phone in frount of a camera so that experimenter can monitor online EEG data. Two participants who was difficult to use experimental devices experimented in a laboratory setting where experimenter set up devices. For all participants the accuracy of 98% was achieved by SVM using leave one out cross validation in classification in the the effects of morning stimulation and the evening stimulation. For morning type, the accuracy of 92% and 96% was achieved in classification in the morning stimulation and the evening stimulation. For evening type, it was 94% accuracy in classification for the effect of brain stimulation in the morning and the evening. Feature importance was different both in classification in the morning stimulation and the evening stimulation for morning type and evening type. Results indicated that the effect of brain stimulation can be explained with brain state and trait. Our study results noted that the tDCS protocol for target state is manipulated by individual differences as well as target state.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.19 no.7
• /
• pp.20-25
• /
• 2005

In this paper, the short-term load forecasting of transformers is performed by artificial neural networks. Input parameters of the proposed algorithm are peak loads of pole-transformer of previous days and their maximum and minimum temperatures. The proposed algorithm is tested for one of transformers in Seoul, Korea. Test results show that the proposed algorithm improves the accuracy of the load forecasting of transformer compared with the conventional algorithm. The reposed algorithm can help to prevent some damages by over-loads of transformers.

• Journal of Korean Society of Transportation
• /
• v.26 no.5
• /
• pp.131-141
• /
• 2008

The objective of this study is to propose methods for determining optimal representative value and the optimal size of historical data for reliable travel time forecasting. We selected values with the smallest mean of forecasting errors as the optimal representative value of travel time pattern data. The optimal size of historical data used was determined using the CVMSE(Cross Validated Mean Square Error) method. According to the results of applying the methods to point vehicle detection data of Korea Highway Corporation, the optimal representative value were analyzed to be median. Second, it was analyzed that 60 days' data is the optimal size of historical data usedfor travel time forecasting.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1160-1164
• /
• 2008

본 연구에서는 유역유출예측시스템인 RRFS(Rainfall Runoff Forecasting System)를 이용하여 금강유역에 대해 기법별 월단위 유출예측을 수행하였다. 적용된 유출예측기간은 '07년 1월부터 12월까지이며 월단위로 유출예측이 수행되었으며, 유출예측 검증을 위한 주요지점으로는 금강유역 내에 있는 용담댐 지점, 대청댐 지점 그리고 공주지점이다. 본 연구에 적용된 유출예측기법으로는 1) 과거 관측 월유출량 자료를 이용한 유출량 예측 기법, 2) ESP 기법을 통한 유출량 예측 기법, 3) 기상전망을 고려한 ESP 유출량 예측 기법, 4) 기상수치예보 자료를 이용한 유출량 예측 기법이다. ESP 기법에서는 통계분석을 통해 얻어진 월별 ESP 확률분포를 이용하여 '02년부터 '07년까지 과거 실측 월별 유출량에 대한 ESP 확률범위를 결정하였으며, 이를 이수기(1월$\sim$6월 그리고 10월$\sim$12월)와 홍수기(7월$\sim$9월)로 분리한 후 각각에 대한 ESP 확률값을 최종적으로 결정하여 유출예측에 적용하였다. 또한 기상전망을 고려한 ESP 기법에서는 기상청에서 제공하는 강수전망(N:평년, A:많음, B:적음)에 대한 정보를 고려하여 ESP 확률을 결정하여 유출예측을 수행하였다. 그림 1과 2는 예로서 4월과 10월에 대해 예측기법에 따른 주요지점별 유출예측결과를 비교한 것이며, 기법별 유출예측결과에 대한 비교분석결과 전반적으로 기상전망을 고려한 ESP 유출량 예측기법이 가장 우수한 것으로 나타났다.

• Composites Research
• /
• v.30 no.1
• /
• pp.15-20
• /
• 2017

In this study, LIPCA-S2 actuator with a piezoelectric single crystal layer and a carbon/epoxy layer was designed and evaluated to increase actuation performance of piezo-composite unimorph actuator. A curvature change model generated by the induced strain of a piezoelectric layer was used to predict the tip displacement of the piezo-composite unimorph cantilever. However, we found that there was big difference between the predicted and the measured tip displacement of LIPCA-S2 cantilever actuator when we used the previous linear prediction model. A new prediction model considering the change of piezoelectric strain coefficient and elastic modulus for the compression stress variation of the PMN-29PT single crystal layer was used and it was found that the difference between the predicted and the measured tip displacement reduced considerably.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.2
• /
• pp.46-56
• /
• 1999

A predictive controller is designed based upon stochastic methods for compensation time-delay effect on a system which has inherent time-delay caused by the spatial separation between controllers and actuators. The predictive controller estimates current outputs through linear prediction methods and probability functions utilizing previous outputs, and minimizes the malicious phenomena caused by the time-delay in precision control systems. To demonstrate effectiveness of this control methodology, we applied this algorithm for the control of a tele-operated DC servomotor. The experimental results show that this predictive controller is superior to the PID controller in terms of convergence-characteristics, and show that this controller expands the maximum allowable time-delay for a system maintaining the stability. Since the proposed predictor does not require models of plants - it requires only stochastic information for outputs --, it is a general scheme which can be applied for the control of systems which are difficult to model or the compensator of PID control.