• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.883-885
• /
• 2020

최근 활발히 진행되는 교통 속도 예측 연구는 기존에는 하나의 모델로 하나의 도로구간에 대해서만 예측하는 문제를 주로 다루었다. 그러나 하나의 도로구간을 하나의 속도 예측 모델로 예측할 시, 도로구간마다 모델이 존재하여야 하므로 모델의 예측 비용이 도로구간의 수만큼 증가한다. 본 논문에서는 하나의 모델을 통해 다수의 도로구간에 대한 속도를 예측하는 다중 도로구간 속도 예측 모델을 제안한다. 제안하는 다중 도로구간 속도 예측 모델은 기존의 단일 도로구간 속도 예측 모델 대비 정확도를 보존하면서, 그 예측 비용을 크게 감소시켰다.

• 지구물리
• /
• 제4권1호
• /
• pp.35-46
• /
• 2001

한반도 중부에 위치한 대전 지진관측소(TJN) 하부의 세부 지각구조를 밝혀내기 위하여 수신함수를 이용한 선형화된 역산(linearized inversion) 방법을 적용하였다. 본 방법의 비단일해(nonuniqueness)와 초기 모델 의존성의 문제를 해결하기 위해 근사 초기 속도 모델로부터 72개의 서로 다른 초기 모델을 구하여 역산을 수행한 후 결과모델들의 평균 속도 모델을 제시하는 방법을 사용하였다. 역산 결과 총 72개의 모델 중 뚜렷한 지각-맨틀 경계를 보이는 43개의 모델만이 조건에 만족하는 결과를 나타내었다. 모든 모델에서 속도 구조는 전체적으로 깊이에 따라 속도의 불연속면이나 급격한 증가없이 연속적인 변화를 하며, 모호면의 깊이는 30～32.5 km의 범위로 나타났다. 평균적인 하부 지각의 속도는 6.5 km/s, 상부 맨틀의 속도는 7.8 km/s로 뚜렷한 속도 변화를 보였다. 결과 모델 군은 중부지각(mid-crust)에서의 속도를 기준으로 약한 저속도층을 나타내는 군과 상대적으로 일정한 속도를 가지는 군으로 구분되었다. 단지 지진파형의 비교만으로 두 모델군 중 합당한 모델군의 선택은 불가능하였다. 따라서 수신 함수를 이용하여 연구 지역의 신뢰할 만한 지각 구조를 구하기 위해서는 그 지역에 대한 지질학적, 지구물리학적 추가정보와의 동반 해석이 요구된다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2014년도 추계학술대회 논문집
• /
• pp.41-43
• /
• 2014

본 논문은 전류모델과 전압모델의 장점을 취해 자속을 추정하는 고피나스(Gopinath) 모델 자속 추정기에 속도 피드백 오차가 미치는 영향에 대해 분석하였다. 속도 오차는 전류 모델의 위상 지연 및 크기 오차를 발생시키고, 이로 인해 고피나스 모델에 의해 추정 된 회전자 자속의 위상 및 크기에 오차가 발생하였다. 따라서 전류모델에 발생한 위상 지연을 통해 속도 오차를 보상하여 자속 추정 오차를 감소시키는 새로운 알고리즘을 제시하였고, 시뮬레이션 결과를 통해 검증하였다.

• 지구물리와물리탐사
• /
• 제24권2호
• /
• pp.53-66
• /
• 2021

속도 모델 구축은 탄성파 탐사 자료처리에서 필수적인 절차이다. 주시 토모그래피나 속도 분석과 같은 기존 기법들은 하나의 속도 모델을 예측하는 데 계산 시간이 오래 걸리며 역산 결과의 품질이 전문가의 판단에 크게 의존한다. 전파형 역산 또한 초기 속도 모델에 크게 의존한다는 문제가 있다. 최근 심층 신경망 기법이 복잡하고 비선형적인 문제를 푸는데 적용되는 사례가 많아지면서 널리 보급되고 있다. 이 논문에서는 심층 신경망 기법을 이용한 탄성파 속도 모델 구축 사례들을 각 연구에 사용한 신경망에 따라 분류하며 조사하였다. 또한 훈련용 인공 속도 모델 생성 사례도 포함하였다. 심층 신경망은 대량의 데이터로부터 신경망을 훈련함으로써 모델 매개변수를 자동으로 최적화한다. 따라서 기존 기법들에 비해 역산 결과에 사람의 판단이 개입될 여지가 적으며 훈련을 마친 후 하나의 속도 모델을 예측하는 비용은 무시할 수 있다. 또한, 심층 신경망은 전파형 역산과 달리 초기 속도 모델이 필요하지 않다. 여러 연구에서 계산 비용뿐만 아니라 역산 결과에서도 심층 신경망 기법이 뛰어난 성과를 달성하는 것을 보여주었다. 연구 결과들을 바탕으로 속도 모델 구축에 사용된 심층 신경망 기법의 특징에 대해 분석하고 논의하였다.

• 한국지반공학회논문집
• /
• 제35권2호
• /
• pp.29-36
• /
• 2019

본 연구에서는 필댐 사력부 전단파 속도 주상도 결정시 물성치 변동성에 의해 발생 가능한 불확실성을 평가하고, 평가된 불확실성이 반영된 국내 필댐 사력부를 위한 전단파 속도 주상도 모델을 제안하였다. 이를 위하여 평가된 불확실성을 바탕으로 국내 필댐 사력부에 존재 가능한 깊이-전단파 속도 곡선 400개를 결정하고, 이에 대한 통계분석을 통하여 깊이별 전단파 속도 상한과 하한 곡선을 결정하였다. 결정된 곡선을 바탕으로 Burger 모델 형태의 깊이별 전단파 속도 상한과 하한 주상도 모델을 결정하였다. 결정된 모델은 국내에서 많이 사용되고 있는 Sawada-Takahashi 모델과 비교하였다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2002년도 추계학술대회 논문집
• /
• pp.91-97
• /
• 2002

DEVS 형식론을 비롯한 모듈러한 시스템 모델링 방법은 복잡한 시스템을 모델링 할 때 유리하다. 반면에, 모듈러한 구성요소 모델들은 타 구성요소 모델의 상태 정보를 참조, 복사함으로써 빈번한 메시지 전달을 야기 시켜 시뮬레이션 속도가 저하되는 단점이 있다. 모델 합성법(Composition)은 여러 개의 요소모델들을 하나로 통합시키는 연산으로서 시스템 검증 분야에서 많이 사용되어져 왔다. 본 논문은 모델 합성법을 이용하여 구성요소 모델들 간에 주고받는 메시지 수를 줄이고 시뮬레이션 속도를 개선시키는 방법을 제안한다. 간단한 예제를 통하여 제안한 방법을 자세히 보여주고자 한다.

• 대한기계학회논문집
• /
• 제16권7호
• /
• pp.1391-1397
• /
• 1992

본 연구에서는 선형의 형상에 의하여 만곡부분이 존재하여 교차류의 성분이 증가하고, 이것에 의한 만곡와가 형성될 때에는 주유속 방향의 속도성분을 그것에 합당하게 개량해 줌으로서 더욱 유효한 속도분포 계산을 행할수 있으므로 Coles 유동 모델보다도 우수한 멱법칙 유동모델의 개선을 시도하였다. 그 방법으로서는 합성속 도를 멱법칙으로 가정하고 Okuno의 교차류 모델을 이용하여 새로운 주유동 방향의 유 속모델을 개선된 멱법칙의 식으로 표시하였다. 그리고 개선된 주유동 모델식을 이용 한 계산값과 다른 모델식의 계산값과 비교 검토하여 그 타당성을 조사하고, 또 만곡와 의 현상이 나타나는 Series 60(C$_{B}$=0.6)인 선형 선미 주위의 주유속 분포를 위치 별로 계산하고 이를 다른 계산결과 및 실험결과 값과 각각 비교하여, 여기서 제안된 모델이 더욱 개선되었음을 보이고, 또 그 타당성을 검토하였다.다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2008년도 하계학술대회 논문집
• /
• pp.452-454
• /
• 2008

본 논문에서는 실험적으로 구한 엔진 토크 참조 표를 이용하여 엔진의 비선형 모델을 구하고 이를 각각의 운전 점에 대해 선형화한 엔진 모델을 제시하였다. 이러한 선형화된 엔진 모델을 이용하여, 전기식 조속기를 사용한 디젤 엔진의 속도 제어에 있어 발생하는 안정성 문제를 해석하였다. 제시한 디젤 엔진 모델을 이용하여 속도제어기의 비례, 적분 미분 이득을 설정하고 이 값을 바탕으로 모의실험 및 실험을 통하여 제시한 모델의 타당성을 검증 하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.530-531
• /
• 2023

딥러닝에서 지식 증류 기법은 큰 모델의 지식을 작은 모델로 전달하여 작은 모델의 성능을 개선하는 방식이다. 지식 증류 기법은 모델 경량화, 학습 속도 향상, 학습 정확도 향상 등에 활용될 수 있는데, 교사 모델이라 불리는 큰 모델은 일반적으로 학습된 딥러닝 모델을 사용한다. 본 연구에서는 학습된 딥러닝 모델 대신에 수치 기반 시뮬레이션 모델을 사용함으로써 어떠한 효과가 있는지 검증하였으며, 수치 모델을 활용한 기상 예측 모델에서의 지식 증류는 기존 단독 딥러닝 모델 학습 대비 더 작은 학습 횟수(epoch)에서도 동일한 에러 수준(RMSE)까지 도달하여, 학습 속도 측면에서 이득이 있음을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제6권11호
• /
• pp.258-265
• /
• 2006

DEVS 형식론은 이산사건 시스템의 구조를 계층적으로 나타낼 수 있기 때문에 복잡한 시스템을 모델링 하기에 적합하며, 가독성이 좋기 때문에 유지 보수에 유리한 장점이 있다. 반면에, 계층적인 모델의 구조는 시뮬레이션 실행 시에 빈번한 메시지 전달을 야기 시켜 시뮬레이션 속도가 저하되는 단점이 있다. 본 논문에서는 계층적인 DEVS 모델들을 하나로 합성하여 빈번한 메시지 전달을 방지하고 시뮬레이션 실행 속도를 개선할 수 있는 모델 합성법을 제안한다. 제안한 방법은 시뮬레이터 실행코드를 생성하기 이전에 구성 모델들 간의 메시지 전달 관계를 해석하여 실행시간에는 모델 해석과정을 생략하도록 하는 기법으로 기존의 모델 수평화 기법보다 훨씬 뛰어난 속도 향상 결과를 보인다. 제안한 방법의 효용성을 보이기 위해 실험을 통하여 시뮬레이션 속도가 18배 정도 개선될 수 있음을 보인다.