• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.25 no.11A
• /
• pp.1642-1651
• /
• 2000

위성통신시스템에서의 10GHz이상의 Ku 또는 Ka 대역은 수십 dB의 크기를 갖는 강우에 의한 감쇠 현상이 심각하여 이러한 감쇠는 위성 링크의 심각한 성능 정하를 가져온다. 본 논문은 위성통신 링크 상에서의 강우 감쇠 보상을 위한 알고리즘을 제시하고, Ku 대역의 강우 감쇠 데이터를 사용한 시뮬레이션을 통하여 그 성능을 비교 분석하였다. 예측 기법 측면에서, 적응형 알고리즘을 적용한 기법과 신호 레벨 변화량에 근거한 예측 기법은 거의 동일한 예측 오차를 보였고, 따라서, 급속한 신호레벨 변화에 적응성을 요하지 않은 강우 감쇠 예측의 경우, 알고리즘 측면에서 비교적 간단한 예측 기법으로도 충분한 성능을 얻을 수 있음을 확인하였다. 또한, 제시된 전송 방식 결정 알고리즘은 기존의 임계값 기반 알고리즘에 비해 품질 저하율이 0.6%에서 0.01% 이하로 감소하였고, 거의 동일한 전송 효율을 가지면서 약 5배의 적은 전송 방식 전환을 요구한다.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.10
• /
• pp.1-10
• /
• 2009

Precise branch predictor has a profound impact on system performance in modern processor architectures. Recent works show that prediction latency as well as prediction accuracy has a critical impact on overall system performance as well. However, prediction latency tends to be overlooked. In this paper, we propose Branch Pre-Prediction policy to tolerate branch prediction latency. The proposed solution allows that branch predictor can proceed its prediction without any information from the fetch engine, separating the prediction engine from fetch stage. In addition, we propose newly modified BTE structure to support our solution. The simulation result shows that proposed solution can hide most prediction latency with still providing the same level of prediction accuracy. Furthermore, the proposed solution shows even better performance than the ideal case, that is the predictor which always takes a single cycle prediction latency. In our experiments, IPC improvement is up to 11.92% and 5.15% in average, compared to conventional predictor system.

• Proceedings of the KIPE Conference
• /
• 2018.07a
• /
• pp.402-403
• /
• 2018

본 논문에서는 5-레그 인버터(Five-leg Inverter)를 이용하여 2대의 유도전동기를 구동하는 시스템의 모델 예측 제어 기법을 제안한다. 기존 모델 예측 제어 기법인 FS-MPC(Full-Set MPC)는 5-레그 인버터에서 가능한 32가지의 모든 스위칭 상태를 고려하기 때문에 제어 성능은 뛰어나지만 계산량이 많아지는 단점이 있다. 본 논문에서는 FS-MPC보다 제어 성능의 저하를 최소화하고 계산량은 현저히 감소시킨 모델 예측 제어 기법을 제안하며 시뮬레이션을 통해 제안하는 기법의 성능 및 타당성 검증을 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.813-816
• /
• 2019

최근 에너지 부족 문제 및 환경 문제의 해결수단으로 스마트 그리드가 많은 주목을 받고 있다. 스마트 그리드 기술은 에너지를 효율적으로 사용하는 데 도움을 주며, 이를 위해서는 더욱 정확한 전력수요 예측이 필요하다. 다양한 기계학습 기법 기반의 전력수요 예측 모델은 좋은 예측 성능을 보이지만 입력 변수의 개수가 증가할수록 처리해야 하는 데이터의 양이 기하급수적으로 증가한다는 단점이 존재한다. 또한, 불필요한 데이터를 입력 변수로 선정할 경우에는 모델의 정확도가 저하될 수도 있다. 이러한 문제를 해결하기 위해 다양한 특징 선택 기법들이 제안되었지만, 기존의 특징 선택 기법은 모델의 성능을 고려하지 않았기 때문에 실제 적용 시 오히려 모델의 성능이 저하될 수도 있다. 이에 본 논문은 유전 알고리즘을 기반으로 한 특징 선택 기법을 제안한다. 유전 알고리즘을 통해 각 모델에 맞는 최적의 입력 변수를 선택함으로써 빠른 학습 속도와 높은 정확도를 기대할 수 있다.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.5
• /
• pp.161-168
• /
• 2020

Predicting outcome of the sports enables teams to establish their strategy by analyzing variables that affect overall game flow and wins and losses. Many studies have been conducted on the prediction of the outcome of sports events through statistical techniques and machine learning techniques. Predictive performance is the most important in a game prediction model. However, statistical and machine learning models show different optimal performance depending on the characteristics of the data used for learning. In this paper, we propose a new ensemble model to predict English Premier League soccer games using statistical models and the machine learning models which showed good performance in predicting the results of the soccer games and this model is possible to select a model that performs best when predicting the data even if the data are different. The proposed ensemble model predicts game results by learning the final prediction model with the game prediction results of each single model and the actual game results. Experimental results for the proposed model show higher performance than the single models.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04d
• /
• pp.590-592
• /
• 2003

본 논문에서는 대역폭 예약을 통한 무선 단말의 이동성 예측기법, 무선 단말의 이동 패턴을 이용한 이동성 예측기법과 무선 단말의 이동 패턴과 체류시간을 이용한 이동성 예측기법에 대하여 살펴본다. 대역폭 예약을 통한 이동성 예측기법에서의 자원 낭비 해결 방안과 이동 패턴 및 단말의 체류시간을 이용한 이동성 예측기법에서의 무선 단말의 셀에 장기간 체류시 대역폭의 낭비의 해결방안 그리고 이동성 예측 실패시 패킷손실을 없앨 수 있는 방안에 대해서 제안하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.75-77
• /
• 2010

실시간 환경에서 저전력 설계의 효율적인 방법으로 동적 전압 조절 기법(Dynamic Voltage Scaling)이 있다. 동적 전압 조절 기법의 성능을 올리기 위하여 정확한 작업 시간의 예측이 필수적이며, 많은 예측 필터들이 이를 위하여 사용되었다. 하지만 각 예측 필터들은 여러 가지 다른 상황에 대하여 모두 적절하게 처리하는데 한계를 가지고 있다. 이 논문에서는 여러 가지 다른 예측필터들의 상황 별 성능을 분석하고 이를 바탕으로 동적으로 상황에 따라 예측 필터를 변화시키며 항상 최적의 성능을 가지는 새로운 예측 방법을 제안하였다. 또한 MPEG 환경에서의 시뮬레이션을 통하여 제안한 방법이 모든 상황에서 다른 예측 필터들에 비하여 높은 성능을 보이는 것을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.714-717
• /
• 2008

협업여과 추천기법에는 사용자 기반 협업여과와 아이템 기반 협업여과가 있으며, 절차는 유사도 측정, 이웃 선정, 예측값 생성 단계로 이루어진다. 유사도 측정 단계에는 유클리드 거리(Euclidean Distance), 코사인 유사도(Cosine Similarity), 피어슨 상관계수(Pearson Correlation Coefficient) 방법 등이 있고, 이웃 선정 단계에는 상관 한계치(Correlation-Threshold), 근접 N 이웃(Best-N-Neighbors) 방법 등이 있다. 마지막으로 예측값 생성 단계에는 단순평균(Simple Average), 가중합(Weighted Sum), 조정 가중합(Adjusted Weighted Sum) 등이 있다. 이처럼 협업여과 추천기법에는 다양한 기법들이 사용되고 있다. 따라서 본 논문에서는 사용자 기반 협업여과와 아이템 기반 협업여과 추천기법에 사용되는 유사도 측정 기법과 예측값 생성 기법의 최적화된 조합을 알아보기 위해 성능 실험 및 비교 분석을 하였다. 실험은 GroupLens의 MovieLens 데이터 셋을 활용하였고 MAE(Mean Absolute Error)값을 이용하여 추천기법을 비교 하였다. 실험을 통해 유사도 측정 기법과 예측값 생성 기법의 최적화된 조합을 찾을 수 있었고, 사용자 기반 협업여과와 아이템 기반 협업여과의 성능비교를 통해 아이템 기반 협업여과의 성능이 보다 우수했음을 확인 하였다.

• Journal of the Korean Society of Propulsion Engineers
• /
• v.5 no.2
• /
• pp.38-43
• /
• 2001

In this study, the technique of the performance prediction on the finocyl-type dual-thrust rocket motor is developed, and the predicted data are compared with those of the static firing tests. The prediction is carried out with the separate calculations of the grain burning area and the performance of the rocket motor. When predicting the performance of the dual-thrust rocket motor, the different correction factors should be used at the boosting and sustaining phases. Otherwise, an error of prediction will follow. Reprediction using the separate correction factors shows good agreement with the test data within 0.5% error.

• KEPCO Journal on Electric Power and Energy
• /
• v.6 no.4
• /
• pp.413-418
• /
• 2020

It is necessary to manage the prediction accuracy of the machine learning model to prevent the decrease in the performance of the grid network condition prediction model due to overfitting of the initial training data and to continuously utilize the prediction model in the field by maintaining the prediction accuracy. In this paper, we propose an automation technique for maintaining the performance of the model, which increases the accuracy and reliability of the prediction model by considering the characteristics of the power grid state data that constantly changes due to various factors, and enables quality maintenance at a level applicable to the field. The proposed technique modeled a series of tasks for maintaining the performance of the power grid condition prediction model through the application of the workflow management technology in the form of a workflow, and then automated it to make the work more efficient. In addition, the reliability of the performance result is secured by evaluating the performance of the prediction model taking into account both the degree of change in the statistical characteristics of the data and the level of generalization of the prediction, which has not been attempted in the existing technology. Through this, the accuracy of the prediction model is maintained at a certain level, and further new development of predictive models with excellent performance is possible. As a result, the proposed technique not only solves the problem of performance degradation of the predictive model, but also improves the field utilization of the condition prediction model in a complex power grid system.