• 에너지공학
• /
• 제23권4호
• /
• pp.263-271
• /
• 2014

터빈 사이클의 성능 상태량을 결정하기 위한 보정 열 성능 분석은 발전소의 향상된 경제성 운전을 위해 요구된다. 본 연구에서는 유용하고 정확한 성능 분석을 위해서 산업 표준인 ASME PTC를 기분으로 하여 성능 데이터를 사용하여 주급수 유량의 영역별 판정 알고리듬을 개발하고 각 영역별 추정 알고리즘을 개발하였다. 추정 알고리즘은 측정 상태량의 상관관계를 기반으로 형상 분류를 제시하고, 이를 기반으로 서포트 벡터 머신 모델링을 이용하여 추정 모델을 구성하였으며, 서포트 벡터 머신 모델링의 우수성을 검증하기 위하여 신경 회로망 모델, 커널 회귀 모델과 비교하였다. 주급수 유량의 형상 분류 및 추정 모델은 터빈 사이클에서 정확한 보정 열 성능 분석을 제공함으로써 향상된 성능 분석에 기여할 것이다.

• 대한기계학회논문집B
• /
• 제37권6호
• /
• pp.551-558
• /
• 2013

서포트 벡터 머신(Support Vector Machine, SVM)은 학습용 데이터 집합이 확보되어 있을 경우, 매우 강력한 분류 알고리즘이다. 따라서 패턴인식은 물론 기계학습 분야에서 결함진단 도구의 하나로 이용되고 있다. 본 논문에서는 최적 특징과 SVM 을 이용하여 볼 베어링의 결함유형과 결함의 정도를 진단한 결과를 기술하였다. SVM 학습용 특징데이터에는 12 개의 시간영역 특징과 9 개의 주파수영역 특징들이 포함되어 있으며 이들 특징들은 다양한 베어링 결함조건에서 측정된 진동신호와 진동신호의 이산 웨이블렛 변환신호로부터 추출되었다.

• 한국산학기술학회논문지
• /
• 제17권5호
• /
• pp.364-371
• /
• 2016

본 논문에서는 차량이 주차된 지형의 조건에 따라 적용되는 도어 개폐 보조력 예측 모델을 제시하였다. 경사도, 사용자의 힘 등의 조건에 따른 개폐력 설정을 위하여 작동 보조력에 대한 학습 모델을 구현하여 비교하였고, 예측 모델의 학습을 위하여 축소모형을 제작하여 실험을 통해 학습데이터를 얻을 수 있는 실험 모델을 구성하였다. 실제 보상력 데이터를 학습, 반영하여 적정 값을 도출할 수 있는 학습 알고리즘을 개발하고, 이를 적용할 수 있는 시스템을 개발하였다. 학습 방법 중에서 인공신경망(Artificial Neural Network, ANN)과 서포트 벡터 머신(Support Vector Machine, SVM) 알고리즘을 적용하여 비교 검증하였다. 실제 측정값과 비교 검증한 결과, 차량의 도어 개폐 보조력 예측을 위해서 서포트 벡터 머신의 상대적으로 높은 적용성을 확인할 수 있었으며, 이 예측 모델을 활용하여 경사, 사용자의 힘에 따라 도어 개폐 구동 모터가 보상해야 할 적정한 힘을 예측하여 시간에 따라 구동함으로써 사용자가 평지와 같은 힘으로 문을 제어할 수 있는 시스템 구성을 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.119-125
• /
• 2021

전력 그리드 시스템이 ICT 기술의 발달로 지능화됨에 따라 그리드에 연결된 사용자의 전력 사용량 정보를 획득하고 분석할 수 있게 되었다. 본 논문에서는 스마트 그리드에서 경제적 손실을 일으키는 주된 원인인 에너지 절도 문제를 특징 선택과 서포트 벡터 머신을 이용해서 해결한다. 본 논문에서 제안하는 시스템의 데이터 전처리 과정은 다섯 단계다. 전처리 단계에서 필터링 기반 특징 선택 방법인 분산 분석 기반 방식과 상호의존정보 기반 방식을 활용해 특징을 선택한다. 시뮬레이션 결과 입력 데이터의 특징을 그대로 이용하는 것보다 상호의존정보 기반 특징 선택을 이용하면 적은 입력 특징을 이용해 서포트 벡터 머신 기반 분류기로부터 더 높은 분류 성능을 얻어 낼 수 있다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.727-730
• /
• 2023

전세계적으로 온실가스 및 미세먼지 저감을 위한 탄소중립 정책에 따라 전기차보급이 확대될 전망이다. 전기자동창의 운용은 열악한 환경에서 사용되고 충전과 방전 등을 거듭할수록 에너지밀도가 낮아지고 내부분리막의 손상등의 이유로 건전성이 떨어짐에 따라 차량의 주행거리가 줄고, 충전 속도가 느려지는 이유로 대략 5~10년 정도 사용한 배터리들은 폐배터리로 분류하며 이 같은 이유로 배터리 화재 및 폭발 등의 위험성이 높아 지게 됩에 따라 배터리의 진단 및 SOH의 추정이 필수적이라 할 수 있다. 배터리 SOH추정은 매우 중요한 요소로 현재는 배터리 충방전을 반복하면서 소요되는 시간, 온도, 전압을 측정하여 배터리의 상태를 평가하는데 정확도가 낮다. 불안정한 폐배터리를 다수의 반복적 충전과 방전을 통해 진단하는 과정에서 화재 및 폭발의 취약점을 보완하여 신뢰성이 높은 폐배터리의 상태데이터를 취득할 수 있는 기반을 마련하고 본 논문에서는 리튬이온 배터리의 SOH예측을 위해 테슬라 폐배터리를 이용한 방전 용량 측정을 바탕으로 획득한 데이터를 서포트 벡터 머신 기반으로 예측하고자 하였다.

• 인터넷정보학회논문지
• /
• 제12권5호
• /
• pp.87-100
• /
• 2011

본 논문에서는 비디오 요약을 시각적으로 특징이 있고 주관적으로 중요한 비디오 세그먼트 집합을 구하는 새로운 요약 방식을 기술한다. 시각적으로 특징이 있는 데이터 포인트를 찾기 위해 novelty detection으로 잘 알려져 있는 OC-SVM(One-Class Support Vector Machine)을 사용할 수 있다. 그러나 OC-SVM의 처리과정에 비디오 세그먼트에 대한 사용자의 주관적인 중요도를 반영하기는 어렵다. OC-SVM의 처리과정에 사용자의 주관적 중요성을 반영하기 위해서, 본 논문에서는 OC-SVM의 퍼지 버전을 유도한다. IFOC-SVM(Importance-based Fuzzy One-Class Support Vector Machine)은 비디오 세그먼트의 중요도에 따라 각 데이터 포인트에 가중치를 부여하고 데이터 분포의 서포트를 측정한다. 이때, 구해진 서포트 벡터는 비 오 세그먼트의 중요도와 시각적 특징 관점에서 비디오의 내용을 축약하여 표현한다. 제안된 알고리즘의 성능을 증명하기 위하여 가상의 데이터들과 다양한 종류의 비디오들을 가지고 실험하였다. 실험 결과는 제안하는 방법의 성능이 다른 비디오 요약의 성능보다 우수함을 보여주었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.53-54
• /
• 2018

최근 화력 발전소 보일러 튜브의 노후화로 인해서 불시정지 빈도수 및 재가동 시간이 늦춰지고 있다. 이는 막대한 경제적, 사회적 손실로 이어지며, 이를 예방하기 위해서는 상태기반 정비가 필요하다. 현재의 상태기반 정비는 센서, 신호 수집장치, 신호 분석단계를 거쳐 전문가가 진단하기 때문에 즉각적으로 대응하기 어려운 문제점이 있어서 설비의 재가동 시간이 늦춰지고 있다. 따라서 본 논문에서는 전문가의 도움 없이 자동으로 상태를 진단하기 위해서 머신러닝 기법 중 하나인 서포트 벡터 머신(SVM)을 이용한 진단 알고리즘을 구현하고, 이를 탑재한 진단장치를 개발하여 비전문가들도 즉각적으로 대응할 수 있게 하여 불시정지 시간과 빈도수를 줄이고자 한다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.206-216
• /
• 2013

감성은 학습, 행동, 의사결정, 상호대화를 포함한 인간의 일상생활에 중요한 요소이다. 본 논문에서는 시스템의 복잡도를 줄이기 위하여 생체신호로부터 최소한의 중요한 특징만을 추출하여 사용하는 감성 분류기를 설계하고자 한다. 생체신호는 맥파, 피부온도, 피부전도도, 뇌파신호(전두엽, 두정엽)를 사용하였으며, 4가지 감정(보통, 슬픔, 공포, 행복)은 영화 관람을 통하여 유도하였다. 측정한 생체신호로부터 추출한 24개의 특징으로부터 최적의 특징 집합의 결정은 서포트벡터머신 기반 적합도 함수를 사용하는 유전알고리즘을 적용하였다. 최적의 4감정 분류 정확도는 96.4%이었으며, 서포트벡터머신만을 사용하였을 경우보다 17% 높았다. 선택된 최소에러 특징은 맥파 심박변이도의 평균, NN50, 맥파 유도 맥파 전달 시간의 평균, 피부전도도의 평균과 두정엽 뇌파의 ${\delta}$, ${\beta}$ 주파수 대역에너지였다. 실험을 통하여 두정엽 뇌파, 맥파, 피부전도도의 조합이 고정밀 감정 장비에 적합하였으며, 79% 성능을 보인 맥파와 피부전도도의 조합이 간단한 감성장비에 적절하게 적용할 수 있다.

• 전자공학회논문지CI
• /
• 제46권1호
• /
• pp.112-120
• /
• 2009

얼굴 등록자 인증은 얼굴 인식을 기반으로 인증하고자 하는 사람이 등록자인지, 아닌지를 판별하는 것으로, 기본적으로 2클래스 분류 문제이다. 서포트 벡터 머신(Support Vector Machine, 이하 SVM)은 2 클래스 분류 문제에 효과적인 것으로 잘 알려져 있다. 얼굴 등록자 인증의 분류에 사용되었던 기존의 SVM들은 각 클래스 (등록자 클래스, 미등록자 클래스) 구성원의 얼굴 이미지로부터 추출된 이미지 특징 벡터를 이용하여 훈련되고 인증된다. 이렇게 훈련 세트 구성원들의 이미지 특징 벡터들로 훈련된 SVM은 인증시의 얼굴 이미지가 SVM 훈련 세트의 얼굴 이미지들의 조명, 자세, 표정들과 다른 인증 환경의 경우나 등록자의 가입 및 탈퇴 등으로 등록 클래스나 미등록 클래스의 구성과 크기에 변동이 생기는 인증 환경의 경우에, 강인한 성능을 보이기 어려웠다. 본 논문에서는 강인한 얼굴 등록자 인증을 위하여, 효과적인 클래스 구별 특징 벡터 기반 SVM을 제안한다. 훈련과 인증에 사용되는 특징 벡터는 2개의 클래스를 잘 구별할 수 있는 특성을 반영하도록 선택되었기 때문에 이를 이용하여 훈련된 제안된 SVM은 등록자 클래스 구성의 변화 및 얼굴 이미지에 있어서의 조명, 얼굴 자세, 얼굴 표정의 변화에 덜 영향을 받는다. 실험을 통해 제안된 SVM에 기반을 둔 얼굴 등록자 인증 방법이 기존 SVM에 기반을 둔 방법보다 성능이 더 나으며, 등록자 클래스 구성의 변화에도 강인함을 보였다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.192-207
• /
• 2020

탄성파 탐사를 수행할 때 경제적, 환경적 제약 또는 탐사 장비의 문제 등에 의해 탄성파 자료의 일부가 규칙적 또는 불규칙적으로 손실되는 경우가 발생하게 된다. 이러한 자료 손실은 탄성파 자료 처리와 해석 결과에 부정적인 영향을 주기 때문에 사라진 탄성파 자료를 복원할 필요가 있다. 탄성파 자료 복원을 위해 재탐사 또는 추가적인 탐사를 진행하는 경우 시간적, 경제적 비용이 발생하기 때문에, 많은 연구자들이 사라진 탄성파 자료를 정확히 복원하기 위한 보간 기법 연구를 진행해왔다. 최근에는 머신러닝 기술 발달에 따라 머신러닝 기법을 활용한 연구들이 진행되고 있고, 다양한 머신러닝 기술들 중에서도 서포트 벡터 회귀, 오토인코더, 유넷, 잔차넷, 생성적 적대 신경망 등의 알고리즘을 활용한 탄성파 자료의 보간 연구가 활발하게 진행되고 있다. 이 논문에서는 이러한 연구들을 조사하고 분석하여 복잡한 신경망 모델뿐 아니라 상대적으로 구조가 간단한 서포트 벡터 회귀 모델을 통해서도 뛰어난 보간 결과를 얻을 수 있다는 것을 확인했다. 추후 머신러닝 기법들을 사용하는 탄성파 자료 보간 연구들에서 오픈소스로 공개된 실제 자료를 이용하며 데이터 증식, 전이학습, 기존 기법을 이용한 규제 등의 기술을 활용하면 탄성파 자료 보간 성능을 향상시킬 수 있을 것으로 기대된다.