• The Journal of the Korea institute of electronic communication sciences
• /
• v.5 no.3
• /
• pp.256-261
• /
• 2010

In this paper, a new nonlinear predictor using general regression neural network(GRNN) is proposed for the subband coding of moving pictures. The performance of a proposed nonlinear predictor is compared with BMA(Block Match Algorithm), the most conventional motion estimation technique. As a result, the nonlinear predictor using GRNN can predict well more 2-3dB than BMA. Specially, because of having a clustering process and smoothing noise signals, this predictor well preserves edges in frames after predicting the subband signal. This result is important with respect of human visual system and is excellent performance for the subband coding of moving pictures.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.1
• /
• pp.24-30
• /
• 2003

In this paper, we propose a novel predictive control method, which uses a wavelet neural network as a predictor, for the control of chaotic systems. In our method, we use the gradient descent method for training the parameter of a wavelet neural network. The control signals are directly obtained by minimizing the difference between a reference signal and the output of a wavelet neural network. To verify the efficiency of our method, we apply it to the Doffing and the Henon system, which are a representative continuous and discrete time chaotic system respectively, and compare with the results of generalized predictive control using multi-layer perceptron.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.129-129
• /
• 2011

본 연구에서는 강수예보의 선행시간을 확보하기 위하여 기상청 지상관측망 자료뿐만 아니라 MTSAT-1R 위성영상자료와 수치예보모형인 RDAPS(Regional Data Assimilation and Prediction System) 자료를 활용하고, 입력자료 사이의 물리적인 비선형 상관관계를 효과적으로 고려하기 위하여 인경신경망 기법을 적용한 단시간 강수예측모형을 개발하고자 하였다. 또한 강수의 변화특성을 반영하기 위하여 장마기(6월, 7월)와 태풍기(8월, 9월)로 세분화하여 인공신경망 구축을 위한 학습훈련을 수행하였다. 구축된 모형은 서울지점을 대상으로 선행시간 3, 6, 9, 12시간에 대해서 강수예측을 수행하였다. 2006부터 2008년까지 학습훈련 후 2009년 서울지점의 강수예측결과, 장마기의 상관계수는 각 선행시간에 대해서 0.6998, 0.6498, 0.4434, 0.2961, RMSE(Root Mean Square Error)는 0.7605, 2.8431, 3.1973, 4.2147, 태풍기 상관계수는 0.5368, 0.5089, 0.4164, 0.2392, RMSE는 1.2218, 2.3144, 3.9153, 5.2145로 나타났다. 각 선행시간별로 장마기의 예측결과가 태풍기보다 다소 정확하게 도출되었으며, 선행시간 9시간 이후부터는 정확도가 급격히 낮아지는 결과를 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.688-690
• /
• 2002

고성능 슈퍼스칼라 프로세서에서는 명령어 수준 병렬성(Instruction Level Parallelism, ILP)의 장애인 명령어간의 종속 관계 중 데이터 종속관계를 극복하기 위해 값 예측기를 이용하여 모험적으로 명령어들을 실행한다. 값 예측 시에 필요한 테이블 참조와 값 예측 실패 시 실행되는 잘못된 명령어의 실행은 프로세서의 부가적인 전력 소모를 요구한다. 본 논문에서는 값 예측기와 Cai-Lim의 전력모델을 슈퍼스칼라 프로세서 사이클 수준 시뮬레이터인 SimpleScalar 3.0 툴셋에 삽입하여 전력 소모량을 측정하고 분석한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.11 no.1
• /
• pp.209-213
• /
• 2010

In this paper, an efficient predictor for entropy coding is proposed. It adaptively selects one of two prediction errors obtained by MED(median edge detector) or GAP(gradient adaptive prediction). The reduced error is encoded by existing entropy coding method. Experimental results show that the proposed algorithm can compress higher than existing predictive methods.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.35S no.10
• /
• pp.166-174
• /
• 1998

Neural networks, having highly nonlinear dynamics by virtue of the distributed nonlinearities and the learing ability, have the potential for the adaptive prediction of nonstationary signals. This paper describes the nonlinear prediction of these signals in two ways; using a nonlinear module and the cascade combination of nonlinear and linear modules. Fully-connected recurrent neural networks (RNNs) and a conventional tapped-delay-line (TDL) filter are used as the nonlinear and linear modules respectively. The dynamic behavior of the proposed predictors is demonstrated for chaotic time series adn speech signals. For the relative comparison of prediction performance, the proposed predictors are compared with a conventional ARMA linear prediction model. Experimental results show that the neural networks based adaptive predictor ourperforms the traditional linear scheme significantly. We also find that the cascade combination predictor is well suitable for the prediction of the time series which contain large variations of signal amplitude.

• Journal of Energy Engineering
• /
• v.4 no.3
• /
• pp.387-393
• /
• 1995

본 연구에서는 단기 전력수요예측에 있어서 필요한 데이터의 수와 계산시간을 경감하면서 보다 정확성을 기할 수 있는 앨고리즘의 개발을 위하여 이에 적합한 칼만필터링 앨고리즘을 고찰하였다. 또한 칼만필터 앨고리즘을 토대로 필터의 모형화를 통하여 단기 전력수요를 예측할 수 있는 실시간 동적예측 모형을 구축하고 그 적용 가능성을 시험하였다.

• Proceedings of the Korean Society of Propulsion Engineers Conference
• /
• 1995.11a
• /
• pp.147-156
• /
• 1995

전자파가 착화기에 미치는 영향을 간단한 안테나 이론을 바탕으로 예측하였다. 구룡을 중심으로 위험 정도를 예측하였으며 주변 전자파 강도는 MIL.-STD-461에 RS전계를 적용하였다. ‘Worst case’에서 구룡 무기체계는 특정 주파수 대역에서 ‘위험’이 있음이 예측되었으며 그에 따른 개선 방향을 제시하였다.

• Journal of Broadcast Engineering
• /
• v.18 no.6
• /
• pp.808-815
• /
• 2013

In this paper, we propose a novel fast and low-complexity Motion Estimation (ME) algorithm for Ultra High Definition (UHD) High Efficiency Video Coding (HEVC). Motion estimation occupies 77~81% of the amount of computation in HEVC. After all, the main key of video codec implementation is to find a fast and low-complexity motion estimation algorithm and architecture. We analyze the previous motion estimation algorithms and propose three optimal algorithm to reduce the computation proportion for HEVC. The proposed algorithm uses only 0.36% of the amount of operations compared to full search algorithm while maintaining compression performance with slight loss of 1.1%.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.