• Journal of the Korea Convergence Society
• /
• v.12 no.8
• /
• pp.279-286
• /
• 2021

The purpose of this study is to compare the predictive power of the Bagging and Boosting algorithm of ensemble method based on the motion information that occurs in woman handball matches and to analyze the availability of motion information. To this end, this study analyzed the predictive power of the result of 15 practice matches based on inertial motion by analyzing the predictive power of Random Forest and Adaboost algorithms. The results of the study are as follows. First, the prediction rate of the Random Forest algorithm was 66.9 ± 0.1%, and the prediction rate of the Adaboost algorithm was 65.6 ± 1.6%. Second, Random Forest predicted all of the winning results, but none of the losing results. On the other hand, the Adaboost algorithm shows 91.4% prediction of winning and 10.4% prediction of losing. Third, in the verification of the suitability of the algorithm, the Random Forest had no overfitting error, but Adaboost showed an overfitting error. Based on the results of this study, the availability of motion information is high when predicting sports events, and it was confirmed that the Random Forest algorithm was superior to the Adaboost algorithm.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.323-326
• /
• 2020

태양광 발전은 이산화탄소 배출로 인한 기후 변화에 대응하는 주요 수단으로 인식되어 수요와 필요성이 급격하게 증가하고 있다. 최적의 태양광 발전 시스템의 운영을 위해서는 정교한 전력수요 및 태양광 발전량 예측 모델이 요구되며, 온도 및 일사량은 태양광 발전량 예측 모델의 필수적인 입력 변수이다. 하지만, 한국 기상청의 동네예보는 일사량에 관한 예측값을 제공하지 않아 정교한 태양광 발전량 예측 모델을 구축하는 것은 어렵다. 이를 위해 일사량 예측 기법에 관한 많은 연구사례가 보고되고 있지만, 다수의 연구들은 충분한 데이터 셋을 이용하여 일사량 예측 모델을 개발하였다. 초기 태양광 발전 시스템 운영을 위해서는 불충분한 데이터 셋을 이용한 예측 모델 개발이 필요하나 이에 대한 사례는 불충분하다. 본 논문은 실제 태양광 발전 시스템에서 수집된 불충분한 데이터 셋을 이용한 단기 일사량 예측 기법을 제안한다. 먼저, 기상청 동네예보의 다양한 기상 요인들을 이용하여 일사량 예측 모델을 위한 입력 변수를 구성한다. 다음으로, 조건부 랜덤 포레스트를 이용하여 일사량 예측 모델을 구성하며, 설명 가능한 일사량 예측뿐만 아니라 더욱더 많은 데이터 셋을 학습하기 위해 시계열 교차검증을 수행한다. 실험 결과, 제안한 기법은 다른 예측 기법들보다 높은 예측 정확도를 보일 뿐만 아니라 설명 가능한 예측 결과를 제시할 수 있음을 보여준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.682-684
• /
• 2002

RNA 분자의 pseudoknot 구조는 이차 구조의 loop에 있는 염기와 이 loop 외부에 있는 염기와의 결합으로 생성되는 삼차 구조 요소이다. pseudoknot은 삼차 구조 형성에 필수적인 구조 요소일 뿐만 아니라, RNA 분자의 기능에 중요한 영향을 미친다. pseudoknot을 포함한 RNA 구조를 예측하는 문제는 매우 어려우며 많은 계산을 필요로 한다. 현재까지, 병렬 구조를 갖는 수퍼 컴퓨터에서 유전자 알고리즘을 이용한 프로그램의 예측 결과가 가장 우수하다고 알려져 있다. 그러나 이 프로그램은 수퍼 컴퓨터에서만 운용되기 때문에 일반 연구자가 쉽게 사용하기 어려운 단점이 있다. 본 논문은 유전자 알고리즘을 이용한 PC 기반의 pseudoknot 예측 프로그램에 대하여 기술한다. 실헙 결과는 PC 기반에서도 유전자 알고리즘을 이용하여 pseudoknot을 포함한 RNA 구조를 효과적으로 예측하고 있음을 보인다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2003.04a
• /
• pp.187-190
• /
• 2003

태백산 광화대는 1960년대부터 광물자원에 대한 조사 및 개발이 활발하게 이루어지고 있는 지역으로 지질관련 자료들이 많이 축적되어 있으므로 자료의 이용이 용이하고 예측 모델링을 적용한 결과와 기존 결과의 비교가 가능한 지역이다. 본 연구에서는 태백산 광화대 지역의 금속광상의 부존가능지역 예측을 위하여 지화학 자료를 이용하여 주제도를 작성하였다. 부존가능지역 예측을 위하여 사용한 기법은 GIS 기반의 예측 기법 중하나인 Weights of Evidence 모델링 기법으로 연구지역에 시범 적용함으로써 국내 환경에의 적용 가능성을 검토하고 구조선과 광상간의 공간적 상관성을 확인하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1991.06a
• /
• pp.113-116
• /
• 1991

본 논문에서는 고속 도로 주변에서 교통 소음 대책으로 사용되는 방음벽 효과에 대해 교통 소음 모델에 의한 예측값과 실측값을 비교하였다. 도로 교통 소음로서는 일본 음향 학회 모델, 국립 환경원 모델, 조한인 모델을 대상으로 하였다. 세가지 모델의 예측값과 실측값의 비교 결과, 갓길(노견)에서는 일본 음향 학회 모델과 국립 환경원 모델에 의한 예측값이 실측값과 $\pm$3.5dB(A) 차이로 비슷한 결과를 보였으며, 소음 측정 지점이 음원과 먼 경우는 속도가 빠를수록 일본 음향 학회 모델은 예측값과 실측값의 차이가 커졌다. 조한인 모델은 시가지 도로에서는 잘 맞지만 고속 도로에 적용하기에는 적합하지 않았다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.28 no.11
• /
• pp.601-612
• /
• 2001

In superscalar processors, value prediction is a technique that breaks true data dependences by predicting the outcome of an instruction in order to exploit instruction level parallelism(ILP). A value predictor looks up the prediction table for the prediction value of an instruction in the instruction fetch stage, and updates with the prediction result and the resolved value after the execution of the instruction for the next prediction. However, as the instruction fetch and issue rates are increased, the same instruction is likely to fetch again before is has been updated in the predictor. Hence, the predictor looks up the stale value in the table and this mostly will cause incorrect value predictions. In this paper, a stride value predictor with the capability of speculative updates, which can update the prediction table speculatively without waiting until the instruction has been completed, is proposed. Also, the performance of the scheme is examined using Simplescalar simulator for SPECint95 benchmarks in which our value predictor is added.

• Ecology and Resilient Infrastructure
• /
• v.5 no.3
• /
• pp.125-133
• /
• 2018

Artificial neural network (ANN) is a powerful model to predict time series data and have been frequently adopted to predict groundwater level (GWL). Many researchers have also tried to improve the performance of ANN prediction for GWL in many ways. Dummies are usually used in ANN as input to reflect the seasonal effect on predicted results, which is necessary for improving the predicting performance of ANN. In this study, the effect of Dummy on the prediction performance was analyzed qualitatively and quantitatively using several graphical methods, correlation coefficient and performance index. It was observed that results predicted using dummies for ANN model indicated worse performance than those without dummies.

• Journal of the Korean Institute of Gas
• /
• v.24 no.1
• /
• pp.56-65
• /
• 2020

Forecasting of coming fire accidents is quite a challenging problem cause normally fire accidents occur for a variety of reasons and seem randomness. However, if fire accidents that cause critical losses can be forecasted, it can expect to minimize losses through preemptive action. Classifications using machine learning were determined as appropriate classification criteria for the forecasting cause it classified as a constant damage scale and proportion. In addition, the analysis of the periodicity of a critical fire accident showed a certain pattern, but showed a high deviation. So it seems possible to forecast critical fire accidents using advanced prediction techniques rather than simple prediction techniques.

• Journal of the Korean earth science society
• /
• v.40 no.3
• /
• pp.259-271
• /
• 2019

A statistical downscaling method was adopted in order to establish the high-resolution wave prediction system in the East Sea coastal area. This system used forecast data from the Global Wave Watch (GWW) model, and the East Sea and Busan Coastal Wave Watch (CWW) model operated by the Korea Meteorological Administration (KMA). We used the CWW forecast data until three days and the GWW forecast data from three to seven days to implement the statistical downscaling method (inverse distance weight interpolation and conditional merge). The two-dimensional and station wave heights as well as sea surface wind speed from the high-resolution coastal prediction system were verified with statistical analysis, using an initial analysis field and oceanic observation with buoys carried out by the KMA and the Korea Hydrographic and Oceanographic Agency (KHOA). Similar to the predictive performance of the GWW and the CWW data, the system has a high predictive performance at the initial stages that decreased gradually with forecast time. As a result, during the entire prediction period, the correlation coefficient and root mean square error of the predicted wave heights improved from 0.46 and 0.34 m to 0.6 and 0.28 m before and after applying the statistical downscaling method.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.135-140
• /
• 2007

이탈 고객 예측은 데이터 마이닝에서 다루는 주요한 문제 중에 하나이다. 이탈 고객 예측은 일종의 분류(classification) 문제로 의사결정나무추론, 로지스틱 회귀분석, 인공신경망 등의 기법이 많이 활용되어왔다. 일반적으로 이탈 고객 예측을 위한 모델은 고객의 인구통계학적 정보와 계약이나 거래 정보를 입력변수로 하여 이탈 여부를 목표변수로 보는 형태로 분류 모델을 생성하게 된다. 본 연구에서는 고객과의 지속적인 접촉으로 발생되는 추가적인 사건 정보를 활용하여 연관성 규칙을 생성하고 이 결과를 기존의 방식으로 생성된 분류 모델과 결합하는 이탈 고객 예측 방법을 제시한다. 제시한 방법의 유용성을 확인하기 위해서 특정 국내 신용카드사의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 제시된 방법이 기존의 전통적인 분류 모델에 비해서 향상된 성능을 보이는 것을 확인할 수 있었다. 제시된 예측 방법의 장점은 기존의 이탈 예측을 위한 입력 변수들 이외에 고객과 회사간의 접촉을 통해서 생성된 동적 정보들을 통합적으로 활용하여 예측 정확도를 높이고 실시간으로 이탈 확률을 갱신할 수 있다는 점이다.