• 제목/요약/키워드: 결과값 예측 방법

검색결과 1,548건 처리시간 0.031초

가변블록에서의 움직임 특성을 이용한 부화소 단위 고속 움직임 예측 방법 (A Fast Sub-pixel Motion Estimation Algorithm Using Motion Characteristics of Variable Block Sizes)

  • 김대곤;김송주;유철중;장옥배
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (D)
    • /
    • pp.560-565
    • /
    • 2007
  • 본 논문에서는 H.264 동영상 표준의 가변 움직임 블록을 위한 고속 움직임 예측 기법을 제안한다. 움직임 예측은 H.264의 비디오 코딩 과정에서 가장 많은 연산량을 차지하는 중요한 처리과정이다. 움직임 예측과정에서 정수배 화소 단위에서의 탐색에 비하여, 부화소 단위까지의 움직임 추정은 실제 움직임 벡터를 찾아낼 수 있지만, 이를 구하기 위한 계산량이 늘어나는 문제가 있다. 본 논문에서는 기준점을 기준으로 기준점으로부터 $\pm1$ 화소 내에서 두 번째로 작은 오차 값이 있는 특성 및 부화소 단위의 화소 보간 특성을 이용하여 움직임 추정 과정에서 탐색점을 줄임으로써 연산 처리 속도를 증가시키고, 계산의 복잡도를 줄이는 알고리즘을 제안하였다. 제안한 방법에서는 정수 화소 단위에서의 가장 작은 SATD를 갖는 점과 참조 영상으로부터 추출한 PMV를 비교하여 기준점을 정한 후, 기준점 주위의 8개의 화소 위치 가운데 두 번째로 SATD값이 작은 점을 찾아 해당 방향으로 1/2 화소 단위의 움직임 추정을 수행하였고, 1/4 화소 단위에서도 1/2 화소단위에서 두 번째로 SATD가 작은 점 방향으로 움직임 추정을 실행하였다. 그 결과 기존의 JM에서 사용한 고속 움직임 예측 알고리즘에 비해 PSNR값에 큰 변화가 없고, 움직임 벡터 예측 시간 면에서 약 18%의 시간을 줄이는 결과를 보였다.

  • PDF

Cone Calorimeter를 이용한 실물화재 예측 및 위험성 평가에 관한 연구 (The Study of Estimation Actual Fire Test Result and Evaluation Fire Hazard Using a Cone Calorimeter)

  • 유상훈;문성웅;이동호
    • 한국화재소방학회:학술대회논문집
    • /
    • 한국화재소방학회 2011년도 춘계학술논문발표회 논문집
    • /
    • pp.165-169
    • /
    • 2011
  • 실제 화재의 위험성을 평가하는 가장 좋은 방법은 직접 실재 화재 조건을 모사 또는 구현하여 평가하는 방법이다. 그러나, 비용과 시간 및 환경 문제를 생각한다면 쉬운 일은 아니다. 따라서 단위 재료를 태우거나, 전산 시뮬레이션을 활용하여 화재를 예측하는 방법을 활용한다. 본 연구에서는 콘칼로리미터 실험 결과를 기초 데이터로 실제 화재 실험인 room corner test의 총열방출량을 추정하였다. 그 결과 가연물의 부피 및 밀도와 보정상수를 활용하여 실제 총열방출량에 근접한 결과값을 얻을 수 있었으며, 산출된 총열방출량을 근거로 전산시뮬레이션을 수행, 시뮬레이션 결과값을 통해 재실자의 화재 및 연기에 대한 위험성 평가를 할 수 있었다. 본 결과를 통해 화재 시뮬레이션 수행 시 가연물에 따른 화재에 의한 위험성 평가를 할 수 있을 것으로 보인다.

  • PDF

ANFIS 기반 분류모형의 설계 및 성능평가 (Design and Evaluation of ANFIS-based Classification Model)

  • 송희석;김재경
    • 지능정보연구
    • /
    • 제15권3호
    • /
    • pp.151-165
    • /
    • 2009
  • 퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는ANFIS (Adaptive Network-based Fuzzy Inference System)모형을 기반으로 하는 분류모형을 설계하고 기존의 분류기법(C5.0 의사결정나무)과 비교하여 분류 정확성 관점에서 평가한다. ANFIS 추론의 경우, 최종 결과값이 계급값이 아닌 연속형 변수값을 취하게 되므로 산출된 결과값을 이용하여 적절한 계급값을 할당하는 과정이 필요하다. 본 연구에서는 의사결정나무기법을 이용하여 계급값을 할당하는 방식과 군집분석을 이용하여 계급값을 할당하는 두 가지 방식을 제안하고 두 가지 데이터 세트에 적용하여 ANFIS를 기반으로 한 분류모형의 정확도를 평가하였다.

  • PDF

다중회귀 분석을 이용한 영화 흥행 예측 (Predicting Financial Success of a Movie Using Multiple Regression Analysis)

  • 정회윤;양형정
    • 한국컴퓨터정보학회:학술대회논문집
    • /
    • 한국컴퓨터정보학회 2013년도 제48차 하계학술발표논문집 21권2호
    • /
    • pp.275-278
    • /
    • 2013
  • 영화의 흥행 요소를 파악하여 영화의 흥행 여부를 예측하는 것은 영화의 수익성 부분에서 아주 중요하다. 영화 시장이 과거와는 다르게 증가함에 따라, 다양한 영화 흥행에 관한 예측 연구들이 개발되었다. 본 논문에서는 영화 흥행 요소들을 수집하고 다중회귀 분석을 통해서 유의수준을 만족하는 흥행 요소들을 선택한다. 그 후, 이러한 요소들을 예측 방법들의 입력값으로 사용하여 영화 흥행을 예측한다. 성능을 비교하기 위해 본 논문에서 제안한 방법과 현재 개발된 영화 흥행 예측 방법(다중회귀, 의사결정트리, 인공신경망)들을 정확도와 평균제곱근오차를 통해 예측 모형의 성능을 비교한다. 그 결과, 다중 회귀 분석을 통해 유의한 흥행요소들만을 고려한 예측 방법의 정확도가 모든 흥행 요소들을 고려한 예측 방법보다 평균 8.2% 향상되었고, 현재까지 개발된 영화 흥행 예측 방법보다 더 높은 예측 성능을 보여준다.

  • PDF

변환된 자기회귀이동평균 모형에서의 예측구간추정 (Prediction Interval Estimation in Ttansformed ARMA Models)

  • 조혜민;오승언;여인권
    • 응용통계연구
    • /
    • 제20권3호
    • /
    • pp.541-550
    • /
    • 2007
  • 시계열자료를 분석하는데 있어 중요한 목적 중에 하나가 미래값에 대한 예측이다. 일반적으로 자기회귀이동평균모형에서는 백색잡음이 정규분포를 따른다는 가정 하에서 모수의 추론과 예측 및 예측구간의 추정이 이루어지고 있다. 그러나 자료가 이러한 가정을 만족하지 않는 경우, 자료를 가정에 맞게 변환시킨 후 분석하는 방법을 생각해 볼 수 있다. 이 논문에서는 변환된 자료를 분석하여 얻은 결과를 이용하여 본래의 척도에서의 미래값에 대한 예측구간을 추정하는 문제에 대해 알아본다. 제안하는 방법에서는 먼저 적절한 변환을 이용하여 자료를 정규가정을 만족하도록 변환시키고 변환된 자료를 이용하여 미래값에 대한 예측구간을 추정한 후, 역변환을 이용하여 예측구간을 추정한다. 이 논문에서는 시계열분석에서 모델링이 상대적으로 어려운 왜도의 문제를 해결하기 위해 Yeo-Johnson 변환을 중심으로 한 방법론을 소개한다. 모의실험 결과 제안된 방법에 의한 단측예측구간의 포함확률이 변환을 사용하지 않은 구간보다 명목수준에 가까운 것을 확인하였다.

데이터 마이닝을 위한 신경망 이용 결측 값 처리 방법 (A Method Processing Missing Values for Data Mining based on Artificial Neural Network)

  • 성지애;류정우;김명원
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
    • /
    • pp.446-448
    • /
    • 2003
  • 실세계의 많은 데이터는 결측 값들을 포항하고 있기 때문에 데이터 마이닝 시스템에 완벽한 데이터를 제공하기는 불가능하다. 또한 결측 값이 존재하는 대용량의 데이터를 추천시스템에 적용하여 분석하고자 할 경우, 정확성이 떨어지는 결과를 초래할 수 있다. 따라서 데이터에 결측 값이 존재할 경우 입력 데이터를 사전에 보간하는 전처리 방법이 필요하다. 이러한 기존의 보간 전처리 방법에는 결측 값 속성을 삭제하거나 대치하는 방범이 대표적이나. 삭제 방법은 결측 값이 존재하는 데이터를 제거하는 방법으로 중요속성 삭제 및 데이터 손실을 유발하는 단점이 있어 일반적으로 결측 값을 다른 값으로 처리하는 대치 방범이 널리 사용된다. 본 논문에서는 전처리 방법 중 결측 값을 처리하는 가장 일반적인 대치 방법과 신경망을 이용한 평가 예측 처리 방법을 소개한다. 또한 신경망을 이용 결측 값을 대치하는 새로운 모델을 제안하고, 각각의 결측 값 처리방법을 비교 분석한다.

  • PDF

지방부 교차로의 도로설계 안전성 판단 알고리즘 구축을 위한 AMF 개발 (신호교차로를 중심으로) (Development of Accident Modification Factors for Road Design Safety Evaluation Algorithm of Rural Intersections)

  • 김응철;이동민;최은진;김도훈
    • 대한교통학회지
    • /
    • 제27권3호
    • /
    • pp.91-102
    • /
    • 2009
  • 도로설계 안전성을 평가하기 위해서는 도로의 설계 요소변화가 사고에 미치는 영향을 예측할 수 있어야 한다. 이를 위해 본 연구에서는 통계적 방법, 사고이력, 전문가의 판단, 그리고 기존문헌고찰 등 다양한 방법을 통하여, 설계요소의 특징과 사고율 및 사고빈도의 관계를 반영할 수 있는 AMF(Accident Modification Factor)를 개발하고자 하였다. 본 연구에서는 AMF를 좌회전전용차로, 우회전전용차로, 시거, 교차각 등의 항목을 대상으로 개발하였다. 개발된 AMF를 적용한 경우의 사고 예측값, 사고예측모형을 통한 예측값을 실제 사고데이터와 비교분석함으로써 적정성을 검토하였다. 분석결과, AMF를 적용한 예측값이 사고예측모형을 통한 예측 값보다 예측력이 우수함을 확인할 수 있었다. 이러한 결과는 사고를 예측함으로써 도로설계 안전성을 평가하는 알고리즘에 있어 AMF가 도로의 설계요소의 특성을 보다 효과적으로 반영하며, 지방부 교차로에서 각각의 해당요소가 사고에 미치는 영향을 판단할 수 있는 지표가 될 수 있음을 의미한다.

머신러닝 및 딥러닝을 활용한 강우침식능인자 예측 평가 (Evaluation of Rainfall Erosivity Factor Estimation Using Machine and Deep Learning Models)

  • 이지민;이서로;이관재;김종건;임경재
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2021년도 학술발표회
    • /
    • pp.450-450
    • /
    • 2021
  • 기후변화 보고서에 따르면 집중 호우의 강도 및 빈도 증가가 향후 몇 년동안 지속될 것이라 제시하였다. 이러한 집중호우가 빈번히 발생하게 된다면 강우 침식성이 증가하여 표토 침식에 더 취약하게 발생된다. Universal Soil Loss Equation (USLE) 입력 매개 변수 중 하나인 강우침식능인자는 토양 유실을 예측할때 강우 강도의 미치는 영향을 제시하는 인자이다. 선행 연구에서 USLE 방법을 사용하여 강우침식능인자를 산정하였지만, 60분 단위 강우자료를 이용하였기 때문에 정확한 30분 최대 강우강도 산정을 고려하지 못하는 한계점이 있다. 본 연구의 목적은 강우침식능인자를 이전의 진행된 방법보다 더 빠르고 정확하게 예측하는 머신러닝 모델을 개발하며, 총 월별 강우량, 최대 일 강우량 및 최대 시간별 강우량 데이터만 있어도 산정이 가능하도록 하였다. 이를 위해 본 연구에서는 강우침식능인자의 산정 값의 정확도를 높이기 위해 1분 간격 강우 데이터를 사용하며, 최근 강우 패턴을 반영하기 위해서 2013-2019년 자료로 이용했다. 우선, 월별 특성을 파악하기 위해 USLE 계산 방법을 사용하여 월별 강우침식능인자를 산정하였고, 국내 50개 지점을 대상으로 계산된 월별 강우침식능인자를 실측 값으로 정하여, 머신러닝 모델을 통하여 강우침식능인자 예측하도록 학습시켜 분석하였다. 이 연구에 사용된 머신러닝 모델들은 Decision Tree, Random Forest, K-Nearest Neighbors, Gradient Boosting, eXtreme Gradient Boost 및 Deep Neural Network을 이용하였다. 또한, 교차 검증을 통해서 모델 중 Deep Neural Network이 강우침식능인자 예측 정확도가 가장 높게 산정하였다. Deep Neural Network은 Nash-Sutcliffe Efficiency (NSE) 와 Coefficient of determination (R2)의 결과값이 0.87로서 모델의 예측성을 입증하였으며, 검증 모델을 테스트 하기 위해 국내 6개 지점을 무작위로 선별하여 강우침식능인자를 분석하였다. 본 연구 결과에서 나온 Deep Neural Network을 이용하면, 훨씬 적은 노력과 시간으로 원하는 지점에서 월별 강우침식능인자를 예측할 수 있으며, 한국 강우 패턴을 효율적으로 분석 할 수 있을 것이라 판단된다. 이를 통해 향후 토양 침식 위험을 지표화하는 것뿐만 아니라 토양 보전 계획을 수립할 수 있으며, 위험 지역을 우선적으로 선별하고 제시하는데 유용하게 사용 될 것이라 사료된다.

  • PDF

OLS 및 변수선택법에 의한 다중선형회귀모형 매개변수 산정 (Parameter Estimation for Multiple Linear Regession Model by OLS and Stepwise)

  • 김경탁;김주훈;박정술
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2006년도 학술발표회 논문집
    • /
    • pp.1161-1165
    • /
    • 2006
  • 본 연구는 OLS 및 변수선택법에 의해 통계학적 모형의 매개변수를 산정하여 모형의 적용성을 입증하고 하천 주요지점에 대한 홍수위 예측을 통해 홍수예보 및 예측 업무에 기여코자하는데 연구목적이 있다. 다중선형회귀모형을 구성하기 위한 독립변수는 예보지점의 수위/유출량 자료와 상류지점의 수위/유출량 자료, 그리고 유역의 선행 평균강우량 등의 자료를 독립변수로 하여 통계학적 홍수예측을 위한 다중선형 회귀모형을 각각 구성하여 적합성 여부를 판단하였다. 매개변수 산정은 OLS(Ordinary least square root method)와 변수선택(Stepwise)방법에 의해 산정하였으며, 중랑천 유역의 2002년부터 2005년까지의 수문사상 16개를 선정하여 모형에 적용한 결과 두 매개변수 산정방법 모두 30분에서 90분 예측은 상대적으로 정확한 결과를 나타내었으며, OLS 및 변수선택법에 의한 매개변수 산정결과 변수선택법에 의한 방법이 OLS 방법보다는 상관성이나 효율지수면에서 조금 더 정확한 값을 나타내고 있으나 독립변수의 일관성을 감안한다면 변수선택법보다는 OLS방법에 의한 매개변수 산정이 타당할 것으로 사료된다. 기존의 홍수예보 업무에 활용되고 있는 수문학적 홍수예측 모형인 저류함수법의 여러 매개변수 조정에 의한 홍수위 예측 방법보다는 비교적 간단한 통계적 방법에 의한 홍수위 예측 방법으로 홍수예보의 선행시간 확보가 필수적인 중랑천과 같이 유역면적이 작은 중소하천에서의 홍수예보 업무에 효과적으로 이용 가능할 것으로 사료된다.

  • PDF

DTN에서 상황인식 매트릭스 기반의 효율적인 예측 방법 (An Efficient Prediction method for DTN Routing Based on Context-awareness Matrix)

  • 정래진;오영준;이강환
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2014년도 춘계학술대회
    • /
    • pp.397-399
    • /
    • 2014
  • DTN(Delay/Disruption Tolerant Networks)은 노드의 불규칙적인 움직임으로 인한 연결단절과 불안정한 연결 상태를 극복하기 위해 효율적인 포워딩 전략이 필요하다. 제시하는 알고리즘은 노드의 속도, 방향 등의 상황정보를 활용하며 이를 통해 이후의 이동성을 예측하여 포워딩할 중계노드를 선택하기 위한 방법을 고려한다. 본 논문에서는 중계노드들의 상관관계를 분석하여 안정된 경로를 제공하기 위해 노드의 상황정보를 예측하는 EPCM(Efficient Prediction-based Context-awareness Matrix) 알고리즘을 제안한다. 이를 위해 상황 매트릭스라는 상황 분석 도구를 사용하여 시간에 따라 상황정보를 저장하고, 변화의 추이를 분석하여 노드의 속도, 방향 등의 정보를 예측하는데 활용된다. EPCM 알고리즘은 예측된 상황정보를 활용하여 노드 간 미래의 연결성을 분석하고 중계노드를 선택함으로써 안정된 포워딩 경로를 제공할 수 있고, 불필요한 포워딩으로 인한 자원 낭비를 방지할 수 있다. 제안하는 알고리즘을 시뮬레이션 해본 결과 예측된 상황정보의 값이 실제의 값에 대하여 약 2%내의 오차율을 나타내어 예측의 정확도를 확인하였다.

  • PDF