• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.247-249
• /
• 2012

본 연구에서는 MATLAB Simulink/Stateflow 기반으로 만든 모델의 transition의 condition을 미리 연산하고, 이를 바탕으로 모델을 최적화하는 모듈을 제안하고 이를 구현하였다. 구현한 모듈은 stateflow 내부의 transition condition의 label string을 이진트리로 구성하고, True/False를 판단한다. 그리고 condition의 True/False 판단 결과를 통해 모델의 최적화 과정을 수행한다. 제안하는 모듈을 이용하여 간단한 예시모델의 수정 과정을 보이고 테스트 커버리지가 향상되는 것을 검증하였다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.27-31
• /
• 2011

차량의 대형화 및 고속화, 그리고 기존 교량의 노후화를 고려하였을 때, 교량의 건전성 평가는 매우 중요해지고 있다. 거동을 예측하는데 사용되는 유한요소 모델의 신뢰도는 이상적인 가정과 모델링 오차, 교량의 노후화 등에 의해 실제 거동을 반영하지 못하는 경우가 많다. 유한요소 모델의 신뢰도를 높이기 위해, 실제 교량의 거동을 계측하여, 이를 기반으로 물리적 의미를 가지는 변수들과 지점의 조건을 수정하는 모델의 개선이 주로 행해진다. 이러한 모델 개선은 최적화 기법을 통해 수행된다. 본 연구에서는 목적함수간 가중치에 의한 모델 개선 결과의 영향과 다중 목적 함수 최적화 기법을 통해, 가중치의 영향을 줄이고, 다양한 개선 모델들을 구하는데 적용하였다. 팔곡 3교의 실제 계측 데이터를 이용하여 단일 다중 목적 함수 기반의 모델 개선을 수행하였다. 단일 목적 함수의 경우, 정의되는 목적함수는 주로 고유진동수와 모드 형상에 관한 차이의 가중치 합으로 표현되어 지며, 이러한 가중치에 따라, 모델 개선의 결과에 영향을 가함을 확인하였다. 다중 목적 함수 기반의 모델 개선을 통해, 구해진 모델 개선 결과를 단일 목적 함수 기반 모델 개선의 결과들과 비교하였으며, 모델 개선에 대한 다중 목적 함수 최적화 적용을 분석하였다.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.381-383
• /
• 2009

본 논문에서는 대표적인 시스템 모델링 도구중의 하나인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)를 설계하고 모델을 최적화하기 위하여 최적화 알고리즘인 PSO(Particle Swarm Optimization) 알고리즘을 이용하였다. 즉, 모델의 최적화에 주요한 영향을 미치는 모델의 파라미터들을 PSO 알고리즘을 이용하여 동정한다. 제안된 RBF 뉴럴 네트워크는 은닉층에서의 활성함수로서 일반적으로 많이 사용되어지는 가우시안 커널함수를 사용한다. 더 나아가 모델의 최적화를 위하여 각 커널함수의 중심값은 HCM 클러스터링에 기반을 두어 중심값을 결정하고, PSO 알고리즘을 통하여 가우시안 커널함수의 분포상수, 은닉층에서의 노드 수 그리고 다수의 입력을 가질 경우 입력의 종류를 동정한다. 제안한 모델의 성능을 평가하기 위해 Mackey-Glass 시계열 공정 데이터를 적용하였으며 제안된 모델의 근사화와 일반화 능력을 분석한다.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2744-2746
• /
• 2000

일반화된 회귀 신경망을 이용하여 반도체 공정 최적화를 위한 플라즈마를 모델링한다. 플라즈마는 Box-W린son 실험계획표에 의해 특성화되었으며, 여기에서 변화시킨 인자로는 소스전력, 압력, 척지지대의 위치, 그리고 염소의 유량이다. 총 24회의 실험이 수행이 되었으며, 플라즈마 변수는 Langmuir Probe를 이용하여 측정하였다. 측정된 주요 플라즈마 변수로는 전자밀도, 전자온도, 그리고 플라즈마 전위이다. 폭변수를 점진적으로 증가시켜 회귀신경망을 최적화하였으며. 최적화된 모델은 통계적인 반응표면모델과 비교하였다. 비교 결과, 회귀신경망은 반응표면모델에 상응하는 예측능력을 보이고 있음을 알 수 있었다.

• The Bulletin of The Korean Astronomical Society
• /
• v.37 no.2
• /
• pp.174.2-174.2
• /
• 2012

위성의 방열판 설계 과정은 수치해석을 위해 위성을 모델링한 열모델에서 분할 격자인 노드를 기준으로 방열판 위치와 형상, 크기를 조절하면서 한계 온도조건을 만족할 때까지 설계 엔지니어의 판단에 의존하여 열해석을 반복하는 것이 보편적인 방식이다. 대부분 방열판 면적을 줄이기 위한 추가적인 노력을 하지 않기 때문에 필요 이상의 과도한 방열판 설계를 하는 경우가 많은 것이 사실이다. 이러한 방열판 설계에서 최소한의 방열판 면적을 사용하여 한계 온도를 만족하도록 설계를 최적화 한다면 무엇보다 전체 위성 열설계의 효율성과 경제성을 높일 수 있는 바탕이 될 수 있을 것이다. 위성의 방열판 설계는 방열판 영역 내에서 동일한 면적을 가지더라도 위치나 형상에 따라 그 효과가 상당히 차이가 날 수 있기 때문에 실제 방열판 설계에서는 이러한 점을 고려하는 것이 필수적이다. 먼저 위성은 열해석에 알맞는 격자 크기로 분할된 노드로 이루어진 열모델로 모델링되어 개발된다. 방열판이 설계되는 방열판 영역 역시 격자 모양의 노드로 분할되기 때문에 열해석을 이용하여 방열판 설계를 한다면 노드 크기를 기준으로 노드 분할 형태에 따라 설계를 한다. 그래서 위성 열모델에서 방열판 영역의 각 노드가 방열판 노드 여부에 따라 모자이크와 같은 분포의 방열판 설계를 하게 되므로 방열판 노드 분포의 최적화가 방열판 최적 설계를 의미하게 된다. 본 연구에서는 방열판 설계 최적화를 위해 일반적인 위성 프로그램의 열제어 개발에서 사용하는 위성 열모델과 열해석 프로그램을 최적화 기법과 동일한 언어로 다시 개발해야 하는 부담 없이 그대로 최적화 기법과 연동할 수 있도록 하는 방법을 제안하고, 실제 소형의 검증용 위성 열모델을 개발하여 여러 가지 해석 조건에 따른 방열판 최적 설계 결과를 비교하고 검토함으로써 이러한 접근 방식을 검증해보고자 하였다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2001.10a
• /
• pp.97-100
• /
• 2001

제조 기업의 가치사슬 최적화를 위한 전략적, 운영상 의사결정 문제는 수리적 모델을 이용한 DSS의 효과적인 활용을 통하여 해결 될 수 있다. 의사결정 프로세스는 필연적으로 공급사슬의 여러 성과 목표와 관련 조직간의 Trade-off 및 연계관계(Interaction)가 고려되므로 복수의 DSS 활용이 필요하게 된다. 이와 관련하여 본 논문에서는 공급 사슬 전체의 최적화를 위한 다수의 전략적 목표 및 의사결정 프로세스, 연계된 수리적 모델들을 정의하고, 관련 조직 및 성과 지표 별 부분적 최적화(Local Optimality)를 지양하고 전체최적화 (Global Optimality)를 달성하기 위한 DSS Logic을 철강산업 프로세스를 대상으로 수리적 모델들의 분할(Decomposition) 및 통합개념을 통하여 제시하였다.

• The Journal of the Acoustical Society of Korea
• /
• v.29 no.1
• /
• pp.56-61
• /
• 2010

This paper describes optimization methods of acoustic models in HMM-based continuous speech recognition. Most of the conventional speech recognition systems use the same number of Gaussian mixture components for each HMM state. However, since the number of data samples available for each state is different from each other, it is possible to reduce the overall number of model parameters and the computational cost at the decoding step by optimizing the number of Gaussian mixture components. In this study, we introduced the Gaussian mixture weight term at the merging stage of Gaussian components in the minimum description length (MDL) based acoustic modeling optimization. Experimental results showed that the proposed method can obtain better ASR accuracy than the previous optimization method which does not consider the Gaussian mixture weight term.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.12
• /
• pp.125-132
• /
• 2010

In vocabulary recognition has unseen tri-phone appeared when recognition training. This system has not been created beginning estimation figure of model parameter. It's bad points could not be created that model for phoneme data. Therefore it's could not be secured accuracy of Gaussian model. To improve suggested Gaussian model to optimized method of model parameter using probability distribution. To improved of confidence that Gaussian model to optimized of probability distribution to offer by accuracy and to support searching of phoneme data. This paper suggested system performance comparison as a result of recognition improve represent 1.7% by out-of vocabulary rejection algorithm using normalization confidence.

• Proceedings of the KIEE Conference
• /
• 2005.07d
• /
• pp.2525-2527
• /
• 2005

큰 지연시간을 갖는 고차계 시스템에 대하여 일반적으로 적용할 수 있는 PID 제어기의 동조방법중 한 가지 방법으로써 축소모델을 이용하는 방법이 있다. 이 방법은 큰 지연시간을 갖는 고차계 공정을 SOPTD(Second Order Plus Time Delay Model)로 축소를 하여 SOPTD의 고정된 형태의 모델에 대하여 PID 제어기를 동조하는 방법이다. SOPTD로 모델을 축소하는 방법과 최적화 PID 파라미터를 동조하는 방법이 제시되었다. 본 논문에서는 기존의 최적화 PID 제어구조에 RLSE를 추가하여 실시간으로 축소모델의 계수를 보정해주는 최적화 적응형 PID 제어구조를 제안하였고, 기존의 제어구조보다 우수한 적응성을 가짐을 시뮬레이션을 통하여 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.475-478
• /
• 2005

본 논문에서는 자기구성 퍼지다항식 뉴럴 네트워크(SOFPNN)를 구성하고 있는 퍼지 다항식뉴론(FPM)의 구조와 파라미터를 유전자 알고리즘을 이용하여 최적화시킨 새로운 개념의 진화론적 최적 고급 자기구성 퍼지 다항식 뉴릴 네트워크를 소개한다. 기존의 자기구성 퍼지 다항식 뉴럴 네트워크에서 모델을 설계할 때에는 설계자의 주관적인 특징과 시행착오에 의해서 모델을 구축하였다. 이러한 설계자의 경험을 배제하고 객관적이고 효율적인 모델을 구축하기 위해서 본 논문에서는 FPH의 파라미터들을 최적화 알고리즘인 유전자 알고리즘을 이용하여 동조하였다. 즉, 모델을 구축하는데 기본이 되는 FPN의 각각의 파라미터들-입력변수의 수, 다항식 차수, 입력변수, 멤버쉽 함수의 수, 그리고 멤버쉽 함수의 정점-을 동조함으로써 기존의 모델에 비해서 구조적으로 그리고 파라미터적으로 최적화된 네트워크를 생성할 수 있다. 뿐만 아니라 주어진 데이터의 특성을 모델 구축에 반영하고자 멤버쉽 함수의 정점 역시 유전자 알고리즘으로 동조하였다. 실험적 예제를 통하여 제안된 모델의 성능을 확인한 결과 기존의 퍼지모델 및 신경망 모델에 비해서 아주 우수한 근사화 능력과 일반화 능력을 가짐을 알 수 있다.