• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1539-1540
• /
• 2008

운전자의 경험과 판단에 전적으로 의존하는 빙축열 시스템의 기존 운전방식에서는 운전자의 그릇된 판단과 미숙한 운전으로 인해 과잉 축열이나 냉방공급량 부족현상이 자주 초래된다. 본 논문에서는 경제적이고 효율적인 빙축열 시스템의 운용을 위해 다음날의 구간별 온도, 습도와 냉방부하를 예측하는 자기구성퍼지모델 구축방안을 제안한다. 제안된 방법의 성능과 실제 적용가능성을 검증학기 위하여 한국전력 속초 생활연수원을 대상으로 제안된 방법과 신경회로망, 퍼지모델, 선형회귀모델 등을 이용한 기존의 방법을 적용하여 구한 냉방부하, 온도, 습도의 예측정확도를 비교 분석한다.

• Journal of Digital Contents Society
• /
• v.19 no.7
• /
• pp.1357-1363
• /
• 2018

In addition to advances in information technology, machine learning approach is applied to a variety of applications, and is expanding to a variety of areas. In this paper, we propose a software analysis method that applies linear regression to analyse software similarity from the code distribution of the software. The characteristics of software can be expressed by instructions contained within the program, so the distribution information of instructions is used as learning data. In addition, a learning procedure with the learning data generates a linear regression model for software similarity analysis. The proposed method is evaluated with real world Java applications. The proposed method is expected to be used as a basic technique to determine similarity of software. It is also expected to be applied to various software analysis techniques through machine learning approaches.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.13 no.4
• /
• pp.405-415
• /
• 2000

Time series of wind-induced pressure on a structure are modeled using autoregressive moving average (ARMA) model. In an AR process, the current value of the time series is expressed in terms of a finite, linear combination of the previous values and a white noise. In a MA process, the value of the time series is linearly dependent on a finite number of the previous white noises. The ARMA process is a combination of the AR and MA processes. In this paper, the ARMA models with several different combinations of the AR and MA orders are fitted to the wind-induced pressure time series, and the procedure to select the most appropriate ARMA model to represent the data is described. The maximum likelihood method is used to estimate the model parameters, and the AICC model selection criterion is employed in the optimization of the model order, which is assumed to be a measure of the temporal complexity of the pressure time series. The goodness of fit of the model is examined using the LBP test. It is shown that AR processes adequately fit wind pressure time series.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.34 no.4
• /
• pp.399-405
• /
• 2010

The grasping motion of a person's hand for a simplified degree of freedom was modeled by using the photographic motion measured by a high-speed camera. The mathematical expression of distal interphalangeal (DIP) motion was developed by using relation models of the metacarpophalangeal (MCP) and proximal interphalangeal (PIP) motions to reduce the degree of freedom. The mathematical expression for humanoid-hand operation obtained using a learning algorithm with a neural network and using a kernel regression model were compared. A feasible model of hand operation was obtained on the basis of comparative data analysis by using the kernel regression model.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.203-206
• /
• 2002

동적 시스템의 동정은 시스템의 관측된 데이터를 가지고 동적 모델의 수학적 모델을 찾는 문제를 다루는 것이다. 기존의 고전적인 방법으로는 차분 방정식(ARX 또는 ARMAX) 또는 상태 공간 표현에 관한 계수들을 추정하기 위해서 회귀 기법 등을 사용하였다. 그러나 이러한 고전적인 방법들은 파라미터가 비선형이고, 실세계 문제에서 모델링 오차나 측정 잡음을 수반하게 되면 탐색의 어려움을 가지게 된다. 따라서 이러한 문제점을 극복하고자 퍼지 이론이나 신경망 이론 둥이 이용되었으나 본 논문에서는 비선형 동적 시스템의 파라미터 동정에 최근 복잡한 최적화 문제를 해결하는 도구로 점점 관심을 받고 있는 유전 알고리즘을 동정 알고리즘으로 제안하고, 비선형 동적 시스템의 파라미터 동정에 유전 알고리즘을 응용한 몇 가지 예를 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.1156-1159
• /
• 2021

수도권을 중심으로 한 부동산 가격 상승이 지속적으로 진행되고 있다. 한국은행에서는 기준금리 인상으로 과열된 부동산 시장의 안정을 바라고 있다. 하지만 기준금리 인상이 부동산 시장에 미치는 영향이 크지 않다고 보는 시각도 많다. 이에 본 논문에서는 머신러닝과 딥러닝을 이용하여 서울 지역의 부동산 매매지수를 예측하고 기준금리를 추가 변수로 이용하여 결과를 비교하였다. 실험 결과 선형적으로 증가 중인 시장 특성상 전통적 모델인 선형회귀가 우수한 성능을 보였으며, 기준 금리를 변수로 추가한 경우 예측력이 근소하게 증가하였으나 그 영향은 크지 않음을 볼 수 있었다.

• Journal of Advanced Navigation Technology
• /
• v.23 no.6
• /
• pp.561-569
• /
• 2019

Solar photovoltaic can provide electrical energy with only radiation, and its use is expanding rapidly as a new energy source. This study predicts the short and long-term PV power generation using actual converter output data of photovoltaic system. The prediction algorithm uses multiple linear regression, support vector machine (SVM), and deep learning such as deep neural network (DNN) and long short-term memory (LSTM). In addition, three models are used according to the input and output structure of the weather element. Long-term forecasts are made monthly, seasonally and annually, and short-term forecasts are made for 7 days. As a result, the deep learning network is better in prediction accuracy than multiple linear regression and SVM. In addition, LSTM, which is a better model for time series prediction than DNN, is somewhat superior in terms of prediction accuracy. The experiment results according to the input and output structure appear Model 2 has less error than Model 1, and Model 3 has less error than Model 2.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.9
• /
• pp.13-20
• /
• 2022

It's proposed and analyzed ML(Machine Learning) models to predict vehicle FC(Fuel Consumption) in real-time. The test driving was done for a car to measure vehicle speed, acceleration, road gradient and FC for training dataset. The various ML models were trained with feature data of speed, acceleration and road-gradient for target FC. There are two kind of ML models and one is regression type of linear regression and k-nearest neighbors regression and the other is classification type of k-nearest neighbors classifier, logistic regression, decision tree, random forest and gradient boosting in the study. The prediction accuracy is low in range of 0.5 ~ 0.6 for real-time FC and the classification type is more accurate than the regression ones. The prediction error for total FC has very low value of about 0.2 ~ 2.0% and regression models are more accurate than classification ones. It's for the coefficient of determination (R²) of accuracy score distributing predicted values along mean of targets as the coefficient decreases. Therefore regression models are good for total FC and classification ones are proper for real-time FC prediction.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1995.06a
• /
• pp.175-178
• /
• 1995

기존이 연속 출력 분포형 HMM은 시계열의 과도적 변화에 대하여 표현 능력이 부족하다는 단점이 있다. 이것을 보완하기 위해 본 논문에서는 음성의 동적 변화를 반영하기 위한 특징 파라메타로서 여러 개의 프레임을 결합하여 세그멘트를 구성하여 각각에 대해 한 개의 벡터를 만들었다. 이것을 그대로 이용하면 세그멘트의 프레임수에 대응하는 파라메타의 차원수가 증가하기 때문에 학습 데이터가 불충분한 경우 모델의 파라메타를 잘 추정할 수 없으므로 K-L 전개로서 파라메타의 차원을 압축하여 파라메타수를 감소시켰다. 인식실험은 한국어 단음절에 대하여 멜켑스트럼ㅇ르 K-L 전개로 압축한 벡터를 이용한 결과와 멜켑스트럼, 멜켑스트럼 선형회귀계수를 파라메타로 이용한 경우를 비교하였다. 실험결과 K-L 전개로 압축한 벡터만을 이용한 경우는 멜켑스트럼 + 선형회귀계수를 파라메타로 이용한 경우보다 인식율이 낮앗으나 멜켑스트럼 + K-L 전개로 압축한 경우와 거의 동등한 결과를 얻을 수 있었다.

• Proceedings of the Korean Institute of Building Construction Conference
• /
• 2019.11a
• /
• pp.16-17
• /
• 2019

In order to measure the amount of carbon dioxide emitted from the construction sites, many literature which have been conducted have proposed methodologies for calculating coefficients based on actual data collections for estimating the emission formula. The existing data collected under controlled conditions not on site measurement were too limited to apply in actual sites. The purpose of this study is to conduct analysis based on the data measured in fields and to present predictive models using artificial neural network and nonlinear regression analysis for appropriate predictions and practical applications.