• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.384-387
• /
• 2010

지상파 방송이 아날로그에서 디지털 방송으로 전환됨에 따라 아날로그 TV 방송신호와 디지털 TV(DTV) 방송신호간의 생성과 복조방식이 상이함에 따라 전파환경에 의한 방송품질의 변화가 예상된다. 따라서 DTV 방송신호의 수신을 위한 전파 음영지역 해소가 품질 확보에 필수적인 관심사로 대두되고 있으며, 이에 대한 대책으로 타당성 및 신뢰성 있는 전계강도 예측 방법에 근거하여 적정지역의 송신소 및 중계기 설치가 전파 품질 개선에 크게 기여할 것으로 여겨진다. 본 논문에서는 국제적으로 30 MHz ~ 3000 MHz 대역 지상파 방송서비스의 전파특성 예측에 활발히 이용되는 ITU-R 권고 P.1546 전파모델을 이용하여 점-대-지역 전계강도 예측을 위한 계산 방법을 제시하고, 수치 계산 결과를 비교 및 분석한다. 제시된 방법은 DTV 수신지역의 전계강도 예측을 통한 신호의 품질 분석은 물론, 양호한 전파환경 구축에 필요한 중계기 위치설정, 인접대역에 의한 간섭 및 양립성 분석 등에 직접 활용이 가능하다.

• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 1993.11a
• /
• pp.22-30
• /
• 1993

증기분사 가스터빈 시스템의 성능예측 모델을 상용모사기인 ASPEN 코드를 이용하여 개발하였다. 압축기 및 터빈은 등엔트로피 과정으로, 연소기는 Thermal NOx 생성을 수반하는 연소모형으로서 가정하였다. 또한 터빈 냉각을 위한 추출공기량과 냉각공기가 터빈 성능에 미치는 영향은 적절한 상관 관계식을 도입하여 평가하였다. 본 예측 모델을 이용하여 예측된 결과와 실험결과간의 비교를 통하여 모델의 타당성을 제시하였고, 증기 분사량 및 터빈 냉각변수 변화에 따른 예측결과를 통하여 가스터빈 시스템 설계기준을 제시하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04d
• /
• pp.614-616
• /
• 2003

기존의 비디오 코딩에서는 연속된 프레임의 시간적인 상관성을 제거하기 위한 방법으로 이전 프레임의 정보를 이용하여 현재 프레임을 예측하는 움직임 예측기법을 많이 사용하고 있다. 정지 화상에 비해서 대용량의 특성을 지니는 비디오 데이터는 이런 움직임 예측을 통해서 대부분의 압축이 일어나게 된다. 하지만 움직임 예측기법은 않은 계산과정을 요구하므로, 전체적인 부호기 복잡도를 높이는 단점을 지닌다. 반면 30-WT는 움직임 예측을 하지 않으므로, 부호기의 복잡도를 줄일 수 있다. 하지만. 기존의 30-WT기법들은 부호화를 위한 메모리 요구사항과 복호를 위한 수신측의 지연시간이 가장 큰 단점으로 지적되었다. 따라서, 본 논문에서는 메모리 요구사항과 수신측의 지연시간을 최소로 할 수 있는 효율적이고, 확장가능한 3D-WT 기법을 소개한다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.17 no.7
• /
• pp.139-148
• /
• 2012

An ensemble of classifiers is to employ a set of individually trained classifiers and combine their predictions. It has been found that in most cases the ensembles produce more accurate predictions than the base classifiers. Combining outputs from multiple classifiers, known as ensemble learning, is one of the standard and most important techniques for improving classification accuracy in machine learning. An ensemble of classifiers is efficient only if the individual classifiers make decisions as diverse as possible. Bagging is the most popular method of ensemble learning to generate a diverse set of classifiers. Diversity in bagging is obtained by using different training sets. The different training data subsets are randomly drawn with replacement from the entire training dataset. The random subspace method is an ensemble construction technique using different attribute subsets. In the random subspace, the training dataset is also modified as in bagging. However, this modification is performed in the feature space. Bagging and random subspace are quite well known and popular ensemble algorithms. However, few studies have dealt with the integration of bagging and random subspace using SVM Classifiers, though there is a great potential for useful applications in this area. The focus of this paper is to propose methods for improving SVM performance using hybrid ensemble strategy for bankruptcy prediction. This paper applies the proposed ensemble model to the bankruptcy prediction problem using a real data set from Korean companies.

• The Journal of the Acoustical Society of Korea
• /
• v.28 no.3
• /
• pp.239-244
• /
• 2009

This paper is to develop the Korean Phonotactic Probability Calculator (KPPC) that anticipates the phonotactic probability in Korean. KPPC calculates the positional segment frequecncy, position-specific biphone frequency and position-specific triphone frequency. And KPPC also calculates the Neighborhood Density that is the number of words that sound similar to a target word. The Phonotactic Calculator that was developed in University of Kansas can be analyzed by the computer-readable phonemic transcription. This can calculate positional frequency and position-specific biphone frequency that were derived from 20,000 dictionary words. But KPPC calculates positional frequency, positional biphone frequency, positional triphone frequency and neighborhood density. KPPC can calculate by korean alphabet or computer-readable phonemic transcription. This KPPC can anticipate high phonotactic probability, low phonotactic probability, high neighborhood density and low neighborhood density.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1994.06c
• /
• pp.175-178
• /
• 1994

본 논문에서는 선형 예측 방법과 다중 대역 여기 방법의 장점을 조합하여 낮은 전송률에서 고품질의 합성음을 제공하는 LP-SMBE 부호기를 제안한다. LP-SMBE 부호기에서는 선형 예측 방법과 단순화된 여기 신호 추정방법을 이용하여 성도 특성 정보와 여기 신호를 분리 추정한다. 제안한 단순화된 여기 신호 추정 방법은 정규화된 스펙트럼 영역에서 원음 스펙트럼과 합성 스펙트럼을 비교하여 여기 신호를 추정한다. 이 방법은 기존 MBE 방법의 여기 신호 추정 방법보다 연산량이 적고, 여기 신호르 F보다 정확히 추정할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1107-1108
• /
• 2011

본 논문에서는 전력용 변압기 온도상승을 예측하기 위해 CFD 상용 프로세서인 Fluent를 이용하였다. 온도상승의 원인이 되는 전력손실은 자계 상용 프로세서인 Maxwell을 이용하였으며, 자계해석에 의해 얻은 전력손실을 유체역학과 열전달을 동시에 고려한 열유동해석의 열원으로 적용하였다. 해석의 정확도를 향상시키기 위해 변압기 권선의 형상을 실제형상과 유사하게 모델링하였으며, 해석결과의 타당성을 검증하기 위해 온도 상승 시험을 통해 얻은 측정값과 비교하였다.

• Proceedings of the Korean Institute of Industrial Safety Conference
• /
• 2001.11a
• /
• pp.135-140
• /
• 2001

산업이 고도화 첨단화 됨에 따라 전력의 안정성과 신뢰성이 중요한 문제로 인식되고 있고, 한 순간의 정전도 허용하지 않는 전력설비의 열화진단이 점점 중요한 과제로 제기되고 있다 특히 전력 설비에서 가장 중요한 것은 변압기의 신뢰성으로 절연지의 성능에 크게 영향을 받으며, 이것은 권선의 절연 특성에 상당한 영향을 준다. 그러므로 절연지의 열화상태 파악은 변압기 권선에서 발생할 수 있는 주요 문제를 예측하는데 필수적이며, 이런 문제의 사전예측은 치명적인 고장과 다른 설비에 대한 2차적 손상을 피할 수 있다.(중략)

• Journal of Korea Water Resources Association
• /
• v.34 no.3
• /
• pp.275-285
• /
• 2001

Since the majority of streamflow during dry periods is provided by groundwater storage, the streamflow depends on a basin moisture state recharged from rainfall during wet periods. This hydrologic characteristics dives good condition to predict long-term streamflow if the basin state like groundwater recharge is known in advance. The objective of this study is to examine groundwater recharge effect to monthly streamflow, and to attempt monthly streamflow prediction using estimated groundwater recharge. The ground water recharge is used as an independent variable with streamflow and precipitation to construct multiple regression models for the prediction. Correlation analysis was performed to assess the effect of groundwater carry-over to streamflow and to establish the associations among independent variables. The predicted streamflow shows that the multiple regression model involved groundwater recharge gives improved results comparing to the model only using streamflow and precipitation as independent variables. In addition, this paper shows that the prediction model with the effect of groundwater carry-over taken into account can be developed using only precipitation.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.11
• /
• pp.155-160
• /
• 2023

This paper presents a method for predicting blood pressure using the photoplethysmography signals. First, after measuring the optical blood flow signal, artifacts are removed through a preprocessing process, and a signal for learning is obtained. In addition, weight and height, which affect blood pressure, are measured as additional information. Next, a system is built to estimate systolic and diastolic blood pressure by learning the photoplethysmography signals, height, and weight as input variables through an artificial intelligence algorithm. The constructed system predicts the systolic and diastolic blood pressures using the inputs. The proposed method can continuously predict blood pressure in real time by receiving photoplethysmography signals that reflect the state of the heart and blood vessels, and the height and weight of the subject in an unconstrained method. In order to confirm the usefulness of the artificial intelligence-based blood pressure prediction system presented in this study, the usefulness of the results is verified by comparing the measured blood pressure with the predicted blood pressure.