진동하는 구조물의 음향 방사 예측에는 키르히호프-헬름홀쯔 적분 방정식에 근본을 둔 경계 요소 해석이 널리 사용된다. 이 경계 요소 해석은 익히 알고 있듯이 구조물의 동적 거동이 정량적으로 표현될 수 있는 경우는 매우 높은 정확도의 예측 결과를 제공한다. 그러나 실제 현상에서 접할 수 있는 복잡한 구조물의 음향 방사 예측에는 많은 변수들로 인해 예측의 정확도가 감소됨은 확실하다. 다른 방법으로는 실험을 통한 임의의 음장 예측 방법인 근음장 음향 홀로그래피(nearfield acoustical holography) 방법을 들 수 있다. 이 방법은 실제로 발생되는 음향 방사로부터 마이크로폰을 이용하여 홀로그램면의 음압 또는 속도를 측정하고 키르히호프-헬름홀쯔 적분 방정식에 적용하여 임의의 홀로그램면에 투사(mapping)시켜 음장을 예측하는 방법이다. 근음장 음향 홀로그래피는 탁월한 정확성을 갖고 있으나, 측정의 복잡성과 홀로그램면을 형성하기 위한 많은 이산점(절점)의 필요성 등의 단점을 갖고 있다. 본 논문에서는 또 다른 음장 예측 방법인 실험의 장점과 유한 요소 해석의 장정을 복합시킨 모드 확장 방법(modal expansion method)을 사용하여 단순 구조물인 평판의 진동에 의한 음장을 예측해 보았다. 모드 확장 방법은 구조물의 동적 거동은 모드의 선형 조합으로 표현될 수 있다는 것에 그 원리를 둔다. 본 논문은 단순 평판을 대상으로 유한 요소 해석으로 구한 모드 정보와 실험에 의해 얻은 입의 가진 주파수에 대한 진동 표면의 속도 분포를 조합하여 속도 경계 조건을 구성, 경계 요소 해석으로 음장 예측을 수행하였으며 모드 확장 방법을 사용함에 있어 고려해야할 몇 가지 사항에 대해 다루었다.
협력적 여과(collaborative filtering) 방법을 사용하는 추천 시스템에서 예측 정확도를 높이는 방법들 중 하나는 군집화(clustering)방법이 있다. 군집화 방법은 선호도가 유사한 사용자들을 미리 같은 군집으로 만들고, 군집 내에 속한 사용자들을 이웃으로 선정하여 예측을 수행하기 때문에 군집화의 결과가 예측의 정확도에 직접적인 영향을 주게 된다. 본 연구에서는 군집화 결과의 향상을 위해 데이터를 전 처리하는 두 가지 방법과 군집화의 특성을 이용한 새로운 예측식을 제안하고, 기존 연구 방법과의 비교 실험을 통해 실험결과를 분석한다.
MPEG-4 SNHC 표준에서 사용되는 평행사변형 예측방법은 예측하고자 하는 꼭지점이 인접한 꼭지점들과 같은 평면상에 있다고 가정하여 하나의 삼각형 내에 있는 인접한 세 개의 꼭지점 좌표 값만을 이용하므로 예측 효율이 좋지 않다. 본 논문에서는 삼각형 주변의 꼭지점 좌표 값과 인접하는 삼각형 사이의 사잇각을 고려한 통합예측을 이용하여 삼차원 메쉬 모델의 기하정보를 부호화하는 방법을 제안한다. 우선 꼭지점 계층탐색 방법으로 위상학적으로 거리가 가까운 점들을 탐색하여 정렬된 값들의 기하학적 상관도를 높이고, 정렬된 삼차원 메쉬의 꼭지점 순서에 따라 주변의 꼭지점 값들을 이용하여 현재 꼭지점 값을 예측한다. 본 논문에서 제안한 통합예측 방법은 다양한 VRML 포맷의 테스트 모델에 대해서 기존의 MPEG-4 SNHC의 평행사변형 예측 방법보다 우수한 성능을 보인다.
본 논문에서는 화면내 예측의 계산 복잡도를 감소시키기 위한 방법을 제안한다. HM2.0 의 화면내 예측방법인 각도에 의한 예측(Angular prediction)은 예측 대상블록 내부의 각 샘플이 예측하기 위해 사용하는 참조샘플로부터 정수단위의 위치에 있지 않을 경우 참조 샘플들을 보간 하여 예측을 수행한다. 이러한 방법은 예측 대상 블록의 크기가 커질수록 보간 하는 횟수가 증가하고 계산 복잡도가 증가하는 단점이 있다. 제안하는 방법은 한번의 보간으로 복수의 샘플들을 예측함으로써 보간 횟수를 줄이고 결과적으로 계산의 복잡도를 줄인다. PU_32x32 에 대해 제안하는 방법을 적용하였을 경우, 보간하는 횟수는 HM2.0 대비 1/2 배 또는 1/4 배 가까이 감소하고 성능 저하는 High-Efficiency(HE)에서 0.1% 또는 0.2% 정도로 미미하게 나타났다.
본 논문은 H.264 MB Layer 비트율 제어를 위한 적응적인 MAD 예측 방법을 제안한다. 첫째, 공간 인접 MB 들 간의 유사도를 기반으로 공간예측 MAD를 구하고 둘째, 프레임의 픽셀 평균값의 차이로 장면 전환을 검출한다. 셋째, 공간예측 MAD와 시간예측 MAD에 MB의 예측 움직임 벡터를 이용한 가중치를 주어 적응적으로 MAD를 예측한다. 실험 결과를 통해 제안한 MAD 예측 방법이 JM11.0의 방법보다 더욱 우수한 예측 성능을 보임을 살펴본다.
무선 셀룰러 망에서 제한된 무선자원을 효율적으로 이용하기 위해서는 핸드오프 호가 요구하는 자원의 양을 정확히 예측하는 것이 필요하다. 본 연구에서는 미래의 핸드오프 호가 요구하는 자원의 양을 기존의 방법보다 정확히 예측함으로써 자원의 낭비를 줄일 수 있는 방법을 제안한다. 위너모델을 개선한 기존의 방법은 현재의 핸드오프 호가 사용하는 자원의 양(대역폭)을 토대로 미래의 핸드오프 호가 요구하는 자원의 양을 예측함으로써 이웃 셀의 트래픽 정보를 이용하여 자원의 양을 예측하는 방법보다 자원예측을 위한 처리과정이 훨씬 간단하다. 그러나 기존의 방법에서는 실제 요구한 양과 예측한 자원의 양의 차이인 자원의 예측 오차량의 크기가 예측시점의 경과에 따라 증가하여 자원의 낭비를 초래한다. 본 연구에서는 예측시점의 경과에 따라 예측 오차량의 크기를 감소시키는 감소 지수 파라메타를 도입하여 기존방법의 자원낭비를 줄였다. 시뮬레이션을 통하여 제안된 방법이 기존의 방법보다 원하는 핸드오프 호 손실률에서 핸드오프 호가 필요로 하는 자원의 양을 정확히 예측함으로써 자원의 이용률에서 성능이 우수함을 보인다.
본 논문에서는 H.264/AVC의 성능향상을 위해 단방향 예측에 의한 $4{\times}4$ 인트라 부호화 방법을 제안한다. 최신의 동영상 압축 표준인 H.264/AVC에서는 $16{\times}16$과 $4{\times}4$ 인트라 예측 방법을 사용하고 있다. $4{\times}4$ 인트라 예측 방법은 예측 블록의 크기가 작기 때문에 $16{\times}16$ 예측 방법과 비교하여 상대적으로 복잡한 영역에서 보다 정밀한 예측이 가능하고, $16{\times}16$ 인트라 예측 방법은 $4{\times}4$ 예측 방법에 비해 상대적으로 큰 예측 블록을 사용하여 예측 방향정보를 적게 전송함으로써 평편한 영역에서 보다 높은 효율로 부호화할 수 있는 특징이 있다. 제안하는 방법은 매크로블록(Macroblock)을 부호화하기 위해 $4{\times}4$ 블록 단위로 예측하여 예측블록의 정밀도를 높이고, 동시에 모두 같은 방향으로 예측하여 예측 방향 정보를 줄임으로써 부호화 효율을 높이는 효과가 있다. 실험 결과, 제안하는 단방향의 $4{\times}4$ 인트라 예측 방법은 기존 H.264/AVC의 $16{\times}16$ 예측 방법과의 툴 단위 성능 비교에서 약 10.47% 정도의 비트 감소를 보인다. 또한, $16{\times}16$ 및 $4{\times}4$ 예측 방법을 모두 적용한 것과 두 가지 방법에 제안한 방법을 추가로 적용했을 때의 성능 비교에서는 평균적으로 약 1.57% 정도의 비트 감소가 있음을 확인할 수 있다.
본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어취로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보 유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교 분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형의 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유 비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어취 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.
본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시접에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.
본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.