• Proceedings of the Acoustical Society of Korea Conference
• /
• 1991.06a
• /
• pp.122-128
• /
• 1991

본 연구는 오디토리움에서 일어나는 음향특성을 설계단계에서 미리 예측함으로써 그 설계가 음향학적 요구에 적합한지를 효과적으로 검토할 수 있는 컴퓨터시뮬레이션모델을 개발하고자 한다. 개발된 모델에 의해 음향설계단계에서 이루어지는 방대하고 반복적인 계산작업을 효율적으로 처리할 수 있게 함으로써 음향평가에 소요되는 시간과 오차를 줄일 수 있게 되었으며, 실내음장에서의 초기 시간차, 음압분포, 잔향시간, 그리고 적정 암소음유지를 위한 구조체의 차음성능을 예측하고 다목적홀의 설계사례와 비교하여 컴퓨터를 이용한 음향설계기법의 실용성 및 타당성을 검토하였다.

• Proceedings of the Korean Society of Propulsion Engineers Conference
• /
• 1999.04a
• /
• pp.10-10
• /
• 1999

선형 및 비선형 GPA 기법을 이용한 가스터빈 엔진의 성능예측 및 진단을 연구하고 전형적 산업용 가스터빈 엔진인 TB5000에 적용하여 최적의 계측변수를 정의하였다. 선형 GPA는 가스가 지나가는 구성품의 계측가능한 온도, 압력, 연료유량, 로터 회전수 등과 같은 종속변수와 효율, 유량과 같은 측정불가능한 독립변수의 관계 방정식을 열역학 법칙, 연속방정식, 질량 및 에너지 보존법칙, 구성품 성능곡선 등으로부터 유도하는 것이며 비선형 GPA는 독립변수와 종속변수의 비선형 관계를 충분히 고려하기 위해 선형 GPA를 반복적으로 적용하는 방법이다. 본 연구에서 반복기법은 Newton-Raphson 반복기법을 사용하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.205-207
• /
• 2020

This paper proposes a novel deep learning-based method to upsample a depth map. Most conventional methods estimate high-resolution depth map by modifying pixel value of given depth map using high-resolution color image and low-resolution depth map. However, these methods cause under- or over-shooting problems that restrict performance improvement. To overcome these problems, the proposed method iteratively performs grid warping scheme which shifts pixel values to restore blurred image for estimating high-resolution depth map. Experimental results show that the proposed method improves both quantitative and visual quality compared to the existing method.

• The Journal of the Korea Contents Association
• /
• v.12 no.4
• /
• pp.31-39
• /
• 2012

DVC(Distributed Video Coding) techniques have been attracting a lot of research works since these enable us to implement the light-weight video encoder and to provide good coding efficiency by introducing the feedback channel. However, the feedback channel causes the decoder to increase the decoding complexity and requires very high decoding latency because of numerous iterative decoding processes. So, in order to reduce the decoding delay and then to implement in a real-time environment, this paper proposes several parity bit estimation methods which are based on the temporal correlation, spatial correlation and spatio-temporal correlations between LDPCA frames on each bit plane in the consecutive video frames in pixel-domain Wyner-Ziv video coding scheme and then the performances of these methods are compared in fast DVC scheme. Through computer simulations, it is shown that the adaptive spatio-temporal correlation-based estimation method and the temporal correlation-based estimation method outperform others for the video frames with the highly active contents and the low active contents, respectively. By using these results, the proposed estimation schemes will be able to be effectively used in a variety of different applications.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.6 no.1
• /
• pp.12-23
• /
• 2003

The expansion of internet and the development of communication technology have brought about an explosive increasement of data. Further progress has led to the increasing demand for efficient and effective data analysis tools. According to this demand, data mining techniques have been developed to find out knowledge from a huge amounts of raw data. This paper suggests a generalization based classification method which explores rules from real world data appearing repeatedly. Also, it analyzed the relation between weather data and forest fire, and efficiently predicted through it as a prediction model by applying the suggested generalization based classification method to forest fire data. Additionally, the proposed method can be utilized variously in the important field of real life like the analysis and prediction on natural disaster occurring repeatedly, the prediction of energy demand and so forth.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.7 no.2
• /
• pp.158-164
• /
• 2002

This paper presents a proper parallel control method using a conventional control and a repetitive control for improving the output voltage waveform of uninterruptable power supply. Although first-order prediction control method shows a good characteristics to rectifier load, it is not sufficient to reduce steady state errors generated in nonlinear loads such as rectifier loads and phase controled loads. So we also employed a repetitive control method. A repetitive control method can eliminate steady state errors in the distorted output voltage caused by cyclic loads. The presented control scheme is verified through simulation and experiment. Experimental results Implemented on a single phase PWM inverter equipped with a LC output filter with 3 kVA, 60 Hz are shown.

• Magazine of the Korea Concrete Institute
• /
• v.2 no.2
• /
• pp.73-80
• /
• 1990

The current analytical techniques for R/C elements under severe dynamic repeated loads, like earth¬quake or impact, have two major problems; one is that the effects of strain rate are not considered and the other one is the current analytical model was developed based on flexural behavior only. This study develops computer software that can idealize the flexural and shear behavior of R/C elements using several parameters and also can consider the effects of strain rate. The analytical results using the developed technique were compared with serveral experimental results and they were generally satisfied.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11a
• /
• pp.946-948
• /
• 2005

H.264/AVC는 SoC/IEC MPEG와 ITU-T Video Coding Experts Group에서 함께 발표한 비디오 코딩을 위한 가장 최근의 표준이다. 기존의 표준들 보다 적은 비트로 높은 압축률과 좋은 화질을 제공하고 있다. 그러나 1/4 화소 움직임 예측과 보상의 지원과 7가지의 가변블록에 대한 움직임예측과 블록모드별 RD(Rate-Distortion)를 수행하고 CAVLC등 H.264/AVC 표준에서 채택한 여러 가지 비디오 압축방식으로 인해 그 복잡도가 훨씬 증가하였다. 이 논문에서 H.264/AVC의 복호화기에서 복잡도의 약 $40\%$ 이상을 차지하는 움직임보상 모듈을 효율적으로 수행하고 최적화하기 위한 방법을 제안한다. 예측된 모션벡터에 따라 창조하는 프레임에서 매크로블록을 만들어 내는 움직임 보상 과정을 수행하는 데 있어서 접근 지연시간이 큰 외부 메모리 창조를 선인출 메커니즘을 이용하여 미리 예측하여 수행함으로써 전체 수행시간을 줄이는 기법을 적용하였다. 이를 통하여 가변길이 복호화 모듈과 움직임 보상모듈을 수정하여 반복적으로 읽고, 쓰기를 수행해야 하는 횟수를 줄였다. 실험 결과 본 논문에서 제안하는 방법을 이용하여 복호화 과정을 수행했을 때 PSNR(Peak Signal to Noise Ratio)의 손실은 전혀 없으면서 복호화기의 전체 실행시간을 약 $5\%$ 향상시키고, 핵심 모듈인 움직임 보상과정에서 약 $20\%$ 정도 실행시간을 향상시키는 등 높은 성능 향상을 보였다.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.20 no.3
• /
• pp.347-352
• /
• 2007

Eigenvalue reduction schemes approximate the lower eigenmodes that represent the global behavior of the structures. In the previous study, we proposed a two-level condensation scheme (TLCS) for the construction of a reduced system. In the first step, the selection of candidate elements by energy estimation, Rayleigh quotient, through Ritz vector calculation. In the second step, the primary degrees of freedom are selected by the sequential elimination method from the degrees of freedom connected to the candidate elements in the first step. In the present study, we propose TLCS combined with iterative improved reduced system (IIRS) to increase accuracy of the higher modes in the intermediate range. Also, it is possible to control the accuracy of the eigenvalues and eigenmodes of the reduced system. Finally, numerical examples demonstrate the performance of the proposed method.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.248-248
• /
• 2020

토양수분은 증발산, 유출, 침투 등 물수지 요소들과 밀접한 연관이 있는 주요한 변수 중에 하나이다. 토양수분의 정도는 토양의 특성, 토지이용 형태, 기상 상태 등에 따라 공간적으로 상이하며, 특히 기상 상태에 따라 시간적 변동성을 보이고 있다. 기존 토양수분 측정은 토양시료 채취를 통한 실내 실험 측정과 측정 장비를 통한 현장 조사 방법이 있으나 시간적, 경제적 한계점이 있으며, 원격탐사 기법은 공간적으로 넓은 범위를 포함하지만 시간 해상도가 낮은 단점이 있다. 또한, 모델링을 통한 토양수분 예측 기술은 전문적인 지식이 요구되며, 복잡한 입력자료의 구축이 요구된다. 최근 머신러닝 기법은 수많은 자료 학습을 통해 사용자가 원하는 출력값을 도출하는데 널리 활용되고 있다. 이에 본 연구에서는 토양수분과 연관된 다양한 기상 인자들(강수량, 풍속, 습도 등)을 활용하여 머신러닝기법의 반복학습을 통한 토양수분의 예측 가능성을 분석하고자 한다. 이를 위해 시공간적으로 토양수분 실측 자료가 잘 구축되어 있는 청미천과 설마천 유역을 대상으로 머신러닝 기법을 적용하였다. 두 대상지에서 2008년~2012년 수문자료를 확보하였으며, 기상자료는 기상자료개방포털과 WAMIS를 통해 자료를 확보하였다. 토양수분 자료와 기상자료를 머신러닝 알고리즘을 통해 학습하고 2012년 기상 자료를 바탕으로 토양수분을 예측하였다. 사용되는 머신러닝 기법은 의사결정 나무(Decision Tree), 신경망(Multi Layer Perceptron, MLP), K-최근접 이웃(K-Nearest Neighbors, KNN), 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest), 그래디언트 부스팅 (Gradient Boosting)이다. 토양수분과 기상인자 간의 상관관계를 분석하기 위해 히트맵(Heat Map)을 이용하였다. 히트맵 분석 결과 토양수분의 시간적 변동은 다양한 기상 자료 중 강수량과 상대습도가 가장 큰 영향력을 보여주었다. 또한 다양한 기상 인자 기반 머신러닝 기법 적용 결과에서는 두 지역 모두 신경망(MLP) 기법을 제외한 모든 기법이 전반적으로 실측값과 유사한 형태를 보였으며 비교 그래프에서도 실측값과 예측 값이 유사한 추세를 나타냈다. 따라서 상관관계있는 과거 기상자료를 통해 머신러닝 기법 기반 토양수분의 시간적 변동 예측이 가능할 것으로 판단된다.