• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2004.07b
• /
• pp.1117-1120
• /
• 2004

경제적인 공정분석과 최적화를 위해서는 컴퓨터를 이용한 플라즈마 예측모델이 요구되고 있다. 본 연구에서는 일반화된 회귀 신경망 (GRNN)을 이용하여 플라즈마 증착공정 모델을 개발한다. GRNN의 예측성능은 패턴층 뉴런의 가우시안 함수를 구성하는 학습인자, 즉 spread에 의존한다. 종래의 모델에서는 모든 가우시안 함수의 spread가 동일한 값에서 최적화되었으며, 이로 인해 모델의 예측성능을 향상시키는 데에는 한계가 있었다. 본 연구에서는 유전자 알고리즘 (GA)를 이용하여 다변수 spread를 최적화하는 기법을 개발하였으며, 그 성능을 PECVD 공정에 의해 증착된 SiN 박막의 증착률에 적용하여 평가하였다. $2^{6-1}$ 부분인자 실험계획법에 의해 수집된 데이터를 이용하여 신경망을 학습하였고, 모델적합성 점검을 위해 별도의 12번의 실험을 수행하였다. 가우시안 함수의 spread는 0.2에서 2.0까지 0.2간격으로 증가시켰으며, 최적화한 GA-GRNN모델의 예측성능은 6.6 ${\AA}/min$이었다. 이는 종래의 방식으로 최적화한 모델의 예측성능 (13.5 ${\AA}/min$)과 비교하여 50.7% 향상된 예측성능이며, 이러한 향상은 제안한 GA-GRNN 모델이 플라즈마 공정 모델의 예측성능을 증진하는데 매우 효과적임을 보여준다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.10 no.10
• /
• pp.1863-1868
• /
• 2006

In this paper we propose the communication system model which improve the performance of OFDM based DSRC system by adopting selective pilot overlay channel estimation scheme. Assuming AWGN and fading channel environment, the performance of OFDM system according to IEEE802.11p physical layer being standardized for OFDM based DSRC is obtained, and the performance of proposed OFDM based DSRC system adopting selective pilot overlay channel estimation scheme is compared with the conventional system. from the simulation results, it is shown that proposed system is superior to conventional one due to reducing channel estimation error.

• The Journal of the Acoustical Society of Korea
• /
• v.17 no.1
• /
• pp.9-16
• /
• 1998

본 논문에서는 낮은 비트율 CELP 음성 부호화기의 장구간 예측기의 성능 향상 방 법을 제안한다. 비트율을 낮추기 위해서는 분석 구간의 길이가 길어져야하며 이에 따라 장 구간 예측기의 성능이 저하되어 장구간 예측 후에도 준 주기성 성분이 상당량 존재하므로 백색 잡음으로 구성된 통계 코드북만으로는 이를 모델링하기 어려워진다. 제안 방법에서는 다중 대역 필터와 다중 펄스열을 이용하여 한 번 더 필터링(이차 장구간 예측)함으로써 장 구간 예측 후의 신호가 통계 코드북에 적합한 백색 잡음 형태로 되도록 모델링한다. 제안된 방법의 성능을 평가하기 위해 4.8kbps 비트율로 양자화한 후, 기존에 제안된 같은 전송률의 MBCELP와 DoD-CELP와 비교하였다. 실험 결과 제안된 방법이 기존 부호화기들에 비해 주/객관적인 음질에서 우수한 성능을 보여준다.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2782-2784
• /
• 2001

최대수요전력 제어기의 실시간 부하전력예측을 위하여 Newton 보외법을 적용하였다. 기존의 선형기법에 비하여 실제 데이터에 가까운 부하전력을 예측할 수 있었다. 이 새로운 알고리즘을 적용함으로써 부하예측을 보다 정확히 할 수 있어 빈번한 부하차단이나 우발적인 차단을 방지하여 설비 운용의 신뢰성을 높일 수 있다. 개선된 알고리즘은 마이컴으로 제어되는 실제 시스템에 적용하여 보다 나은 성능을 얻을 수 있었다.

• Proceedings of the KSME Conference
• /
• 2001.06e
• /
• pp.789-794
• /
• 2001

In this study, a program for the off-design performance prediction of multi-stage axial-compressors is developed based on stage-stacking method. To account for the increased losses at off-design conditions, generalized performance curve is applied. The purpose of this study is to investigate the influence of the choice of generalized performance curve and stator exit angle. For this purpose, we tested various generalized performance curves and stator exit angles. In conclusion, Muir's pressure coefficient curve gives a good prediction results regardless of the efficiency curve for a low-stage compressors. On the other hand, for high-stage compressors, The combination of Muir's pressure coefficient curve and Stone's efficiency curve gives a optimistic results. Stator exit angle has a small effect on overall performance curve.

• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.149-152
• /
• 2008

본 연구는 협업 추천 시스템에 적용되는 상품에 대한 고객의 선호도 예측 알고리즘 중 메모리기반 협업필터링 알고리즘의 선호도 예측 특성에 대하여 연구하였다. 메모리기반의 협업필터링 알고리즘은 선호도 예측 대상 고객과 유사한 성향을 가질 것으로 예상되는 고객들의 선호도 평가를 기반으로 특정 상품에 대한 선호도 예측이 이루어진다. 일반적으로 시스템을 이용하는 고객들과 선호성향이 다른 고객들은 선호도 예측 성과가 낮은 것으로 알려져 있으며 이들이 추천시스템의 선호도 예측 정확도를 떨어뜨리는 원인으로 알려져 있다. 본 연구에서는 고객이 상품들에 평가한 선호도 평가의 패턴이 선호도 예측 정확도와 관련성이 높음을 보여 선호도 예측 알고리즘의 개선에 기초 자료를 제공하고자 한다. 고객의 선호도 평가 패턴은 과거 고객이 평가한 자료로부터 얻을 수 있는 사전정보로써 선호도 예측 알고리즘을 적용하기 이전에 이용할 수 있는 정보이다. 본 연구에서는 사전정보를 이용하여 고객의 선호도 예측 오차의 특성을 연구함으로써 이들의 선호도 예측 정확도를 개선시킬 수 있는 알고리즘의 보정방법에 대하여 연구한다. 알고리즘의 보정방법을 선호도 예측 이전에 고객의 선호도 평가 특성으로 판단하여 적용함으로써 사전정보를 이용한 선호도 예측 정확도를 향상시키기 위한 접근법은 기존의 이웃 구성의 접근법과 다른 방법을 취함으로써 알고리즘 개선의 새로운 방향을 제시할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.985-985
• /
• 2012

최근 지구온난화 및 기후변화로 인해 단시간에 높은 강우강도를 가지고 발생하는 집중호우 홍수 등의 위험기상으로 인한 인명 및 재산피해가 빈번하게 발생하고 있어 초단기 및 단기 강수 예측에 대한 중요성이 부각되고 있다. 단기 강수예측모델은 다양한 관측자료의 사용과 자료동화기법의 개발로 예측능력이 크게 향상되었지만 수치모델의 고유특성인 스핀업(spin-up) 문제로 1~6시간까지 강수예측성능에 한계를 보인다. 반면 초단기 강수예측모델은 레이더기반으로 외삽법을 이용하여 1~3시간까지 높은 정확도의 강수예측을 하지만 강수에코의 생성 소멸의 물리과정을 포함하지 않아 3시간 이후의 정확도가 낮다. 이러한 단기 및 초단기 강수예측모델의 장점을 반영하여 최적 강수예측 자료 생산을 위한 연구를 수행하였다. 이를 위해 초단기 및 단기 강수예측모델의 예측성능을 평가하였으며 모델의 예측성능 기반의 최적 강수자료 병합기법을 개발하였다. 향후 최적 강수예측 자료 생산체계가 구축되면 수문관련 유관기관에서 하천관리에 사용하는 유량예측모델에 시 공간적 고해상도의 강수예측정보를 제공하여 수문분야의 유량예측 정확도 행상에 기여할 것으로 기대된다.

• Journal of the Korean Institute of Gas
• /
• v.11 no.3
• /
• pp.13-18
• /
• 2007

The multivariate statistical analysis, using the multiple linear regression(MLR), have been applied to analyze and predict the flash points of binary systems. Prediction for the flash points of flammable substances is important for the examination of the fire and explosion hazards in the chemical process design. In this paper, the flash points are predicted by MLR based on the physical properties of pure substances and the experimental flash points data. The results of regression and prediction by MLR are compared with the values calculated by Raoult's law and Van Laar equation.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.366-366
• /
• 2022

유역의 하천유량과 같은 수문 시계열을 모의 또는 예측하기 위한 수문 모델링에서 최근 기계 학습 방법을 활용한 연구가 활발하게 적용되고 있는 추세이다. 이러한 데이터 기반 모델링 접근법은 입출력 자료에서 관찰된 패턴을 학습하며, 특히, 장단기기억(Long Short-Term Memory, LSTM) 네트워크는 많은 연구에서 수문 시계열 예측에 대한 적용성이 검증되었으나, 장기간의 고품질 관측자료를 활용할 때 더 나은 예측성능을 보인다. 그러나 우리나라의 경우 장기간 관측된 고품질의 하천유량 자료를 확보하기 어려운 실정이다. 따라서 본 연구에서는 LSTM 네트워크의 학습 시 가용한 모든 유역의 자료를 통합하여 학습시켰을 때 하천유량 예측성능을 개선할 수 있는지 판단해보고자 하였다. 이를 위해, 우리나라 13개 댐 유역을 대상으로 대상 유역의 자료만을 학습한 모델의 예측성능과 모든 유역의 자료를 학습한 모델의 예측성능을 비교해 보았다. 학습은 2001년부터 2010년까지 기상자료(강우, 최저·최고·평균기온, 상대습도, 이슬점, 풍속, 잠재증발산)를 이용하였으며, 2011년부터 2020년에 대해 테스트 되었다. 다지점 통합학습을 통해 테스트 기간에 대해 예측된 각 유역의 일 하천유량의 KGE 중앙값이 0.74로 단일지점 학습을 통해 예측된 KGE(0.72)보다 다소 개선된 결과를 보여주었다. 다지점 통합학습이 하천유량 예측에 큰 개선을 달성하지는 못하였으며, 추가적인 가용 자료 확보와 LSTM 구성의 개선을 통해 추가적인 연구가 필요할 것으로 판단된다.

• Journal of the Korea Convergence Society
• /
• v.13 no.5
• /
• pp.237-247
• /
• 2022

This study predicts the economic activity level of the elderly in Korea using various machine learning methods. While the previous studies mainly focused on testing the relationship between the economic activity level and the life satisfaction or the social security system, this study aims at the accurate prediction on the economic activity level of the elderly using various machine learning methods and the forecast combination. Dependent variables such as the activity rate, employment rate, etc and independent variables such as the income, average wage, etc compose the dataset in this study. Five different machine learning methods and two forecast combinations are applied to the given dataset. The prediction performances of the machine learning method and the forecast combination varied across the dependent variables and prediction intervals, but it was found that the forecast combination was relatively superior to other methods in terms of the stability of prediction. This study has significance in that it accurately predicted the economic activity level of the elderly and achieved the stability of the prediction, raising practicality from a policy perspective.