• The Journal of the Acoustical Society of Korea
• /
• v.9 no.6
• /
• pp.5-13
• /
• 1990

본 논문에서는 16Kbps 및 32 Kbps 전송속도에서 ADM의 음질을 개선하기 위하여 두 가지 방 식을 적용한다. 첫째로, 고차 예측기 또는 적응 예측기를 ADM에 활용한다. ADM의 경우에 2차 또는 3 차 예측기를 사용하면 16Kbps 전송속도에서는 별로 개선이 없지만 32Kbps 전송속도에서는 SQNR\sub SEG\척도로 약 3-4dB의 상당한 이득이 얻어진다. 또한 ADM에 적응 예측기를 활용하면 최대 성능은 SZNR\sub SEG\ dir 2dB 정도 개선되지만 양자화 잡음의 축적 때문에 동작 범위가 매우 좁아진다. 둘 째로, 지연 결정 방식을 ADM에 이용한다. 지연 결정 방식을 2차 예측기를 갖고 있는 ADM에 적용하면 약 2dB 정도 개선되지만 양자화 잡음의 축적 때문에 동작 범위가 매우 좁아진다. 둘째로 지연 결정 방 식을 ADM 에 이용한다. 지연 결정 방식을 2차 예측기를 갖고 있는 ADM에 적용하면 1차 예측기를 갖 고 있는 ADMDP 적용했을 때 보다 16또는 32Kbps일 때 SQNR\sub SEG\척도로 재래의 ADM 보다 약 5dB 정도의 성능 개선이 얻어진다.

• 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.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.555-556
• /
• 2015

MPEG 의 Royalty-Free 비디오 코덱의 하나로 표준화 중인 IVC(Internet Video Coding)에서는 화면내(intra) 예측부호화에서 부호화 이득을 위하여 $4{\times}4$ 블록 예측 및 $4{\times}4$ 블록 변환을 포함하고 있다. 반면, 화면간(inter) 예측부호화에서는 $16{\times}16$ 블록에서 최소 $8{\times}8$ 블록까지의 가변크기 블록에 대한 예측만 가능하다. 보다 복잡한 영상의 경우 보다 작은 블록에 대한 화면간 예측을 통하여 부호화의 성능 개선을 개선할 수 있다. 본 논문에서는 기존의 화면간 예측의 블록 크기를 $4{\times}4$ 블록까지 확장하여 화면간 예측부호화 성능을 개선한다. 실험결과 제안기법은 기존의 ITM 12.0 대비 다양한 테스트 시퀀스의 휘도성분에서 평균적으로 비트율 절감의 이득은 없으나 대부분의 클래스에서 성능개선을 보였고 추가적인 최적화가 필요함을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.345-345
• /
• 2023

기후변화에 대응하기 위한 가뭄과 홍수 등의 수재해 관리체계 수립의 필요성이 높아지고 있어, 기후예측모형과 연계하여 수문 및 에너지 순환과정에서 하천유출에 대한 기후변화 영향예측이 가능한 지표수문모형(Land Surface Model, LSM)의 개발과 적용이 요구되고 있다. 또한, LSM은 연속적이고 장기적인 유출을 모의할 수 있어 수재해에 관한 예측과 정보 제공에 유용하므로, 최근 수재해 예측시스템 구축을 위한 주요한 도구로 관심을 받고 있다. 이에 따라, 본 연구에서는 기후모형 CWRF(Climate-Weather Research and Forecasting Model)와 연계되어 물-에너지 순환모의가 가능한 최신 LSM 중 하나인 Common Land Model(CoLM)을 우리나라 유역의 장기하천유출모의에 적용하고자 한다. 대부분의 LSM은 지상의 물과 에너지 순환과정이 각 단일 격자의 수직적인 모의과정으로 제한되고 있었지만, 현재 지속적인 개선을 통해 많은 LSM에서 보다 현실적인 물과 에너지 변화를 모의하고자 노력하고 있다. 그러나, 지속적인 모형의 개선에도 불구하고(또는 그로 인해) 정교한 수학적 프로세스를 통합하여 개선된 최신 LSM은 오히려 복잡한 매개변수 체계, 매개변수 추정, 입력자료, 초기 및 경계조건 등에서 비롯된 불확실성이 존재하고 있다. 따라서, 모형의 주요 매개변수값의 추정은 모의결과의 성능과 안정성을 확보하기 위한 LSM의 모의에서 필수적인 과정 중 하나이다. 유역의 특성에 따라 결정되는 모형 매개변수는 관련자료의 부재 또는 관측의 부정확성으로 인해 검보정 과정을 통해 결정되어야 하므로, 유역의 수문특성을 최대한 반영하고 모형의 성능과 안정성을 확보하기 위해 모의목적에 따라 적절한 검보정 목적함수의 선정도 요구된다. CoLM과 같이 다양한 매개변수가 사용되는 LSM에서는 모의결과에 대한 불확실성을 줄이고, 모의목적에 따른 모형의 예측도 향상을 위해서 모의결과에 민감한 주요 매개변수의 검보정이 과정이 중요하다. 따라서, 본 연구에서는 격자기반 지표수문모형인 CoLM을 이용하여 우리나라 유역의 장기하천유출을 모의하는 과정에서 CoLM의 주요 매개변수 검보정에 필요한 적절한 목적함수의 적용을 통해 CoLM 장기하천유출 모의결과의 예측성능을 개선하고자 한다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1644_1645
• /
• 2009

본 논문은 비정상 시계열 예측을 위한 다중모델 퍼지 시스템과, 제안된 시스템의 최적화를 위한 유전 알고리즘의 응용을 다룬다. 일반적으로, 퍼지 예측시스템의 성능은 비선형 데이터가 가지고 있는 다양한 패턴이나 법칙성, 경향 등을 잘 분석하고 시스템에 반영함으로써 개선될 수 있다. 따라서, 본 논문은 원형 시계열의 특성을 보다 잘 반영할 수 있는 그들의 차분데이터를 시스템에 적용하며, 생성 가능한 차분 데이터들 중 원형 시계열의 특징에 가까운 일부를 추출하여 다중모델 퍼지 예측 시스템을 구현함으로써 다양한 원형시계열의 패턴이나 법칙성 등이 고려될 수 있도록 하였다. 다중 모델 퍼지 시스템의 각각의 예측기에는 구조가 간단한 k-means 클러스터링 기법을 적용하여 구현의 용이성을 꽤하였으며, 성능평가를 통해 선택된 최종 예측기는 RCGKA(real-coded genetic k-means clustering algorithms)를 통해 더욱 최적화된 규칙기반을 가지게 함으로써 예측성능이 개선될 수 있도록 하였다. 본 논문에 사용된 최적화 기법인 RCGKA에는 또한 성능이 우수한 다양한 유전연산자를 도입하여 더욱 예측기 성능이 강화될 수 있도록 하였으며, 시뮬레이션을 통해 제안된 예측시스템의 효용성을 증명하였다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1996.05b
• /
• pp.154-159
• /
• 1996

원자력발전소에는 원자로냉각재펌프와 같이 원심펌프가 많이 쓰이고 대부분의 펌프가 탈설계점에서 운전되고 있다. 이러한 펌프의 성능을 예측하거나 개선하고자 할 때 성능해석코드는 매우 유용하다. 본 연구에서는 기존성능해석프로그램의 문제점인 탈설계점에서의 성능예측 정확도가 많이 떨어지는 점을 개선하고 기존해석방법론을 검토하여 유량변화에 관계없이 일정한 값을 갖는 Slip factor의 문제점을 보안, 유량에 따라 적절히 보상하는 Slip factor를 고려하였고 각종 손실구조 및 적절한 손실모델을 도출하여 새로운 프로그램을 개발하였다. 또한 이 프로그램을 이용한 계산결과를 실험자료 및 기존의 상용코드 해석결과와 비교한 결과, 극저유량운전범위를 제외하고는 전유량 범위에 걸쳐 매우 양호한 결과를 얻었다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.10
• /
• pp.2676-2685
• /
• 1998

In order to improve the branch prediction accuracy and to reduce the BTB miss rate, this paper proposes a two-level BTB structure that adds small-sized victim BTB to the convetional BTB. With small cost, two-level BTB can reduce the BTB miss rate as well as improve the prediction accuracy of the hybrid branch prediction strategy which combines dynamic prediction and static prediction. Through the trace-driven simulation of four bechmark programs, the performance improvement by the proposed two-level BTB structure is analysed and validated. Our proposed BTB structure can improve the BTB miss rate by 26.5% and the misprediction rate by 26.75%

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.186-186
• /
• 2022

강수 및 침투 등으로 발생하는 지하수위의 변동을 예측하는 것은 지하수 자원의 활용 및 관리에 필수적이다. 지하수위의 변동은 지하수 자원의 활용 및 관리뿐만이 아닌 홍수 발생과 지반의 응력상태 등에 직접적인 영향을 미치기 때문에 정확한 예측이 필요하다. 본 연구는 인공신경망 중 다층퍼셉트론(Multi Layer Perceptron, MLP)을 이용한 지하수위 예측성능 향상을 위해 MLP의 구조 중 Optimizer를 개량하였다. MLP는 입력자료와 출력자료간 최적의 상관관계(가중치 및 편향)를 찾는 Optimizer와 출력되는 값을 결정하는 활성화 함수의 연산을 반복하여 학습한다. 특히 Optimizer는 신경망의 출력값과 관측값의 오차가 최소가 되는 상관관계를 찾는 연산자로써 MLP의 학습 및 예측성능에 직접적인 영향을 미친다. 기존의 Optimizer는 경사하강법(Gradient Descent, GD)을 기반으로 하는 Optimizer를 사용했다. 하지만 기존의 Optimizer는 미분을 이용하여 상관관계를 찾기 때문에 지역탐색 위주로 진행되며 기존에 생성된 상관관계를 저장하는 구조가 없어 지역 최적해로 수렴할 가능성이 있다는 단점이 있다. 본 연구에서는 기존 Optimizer의 단점을 개선하기 위해 지역탐색과 전역탐색을 동시에 고려할 수 있으며 기존의 해를 저장하는 구조가 있는 메타휴리스틱 최적화 알고리즘을 이용하였다. 메타휴리스틱 최적화 알고리즘 중 구조가 간단한 화음탐색법(Harmony Search, HS)과 GD의 결합모형(HS-GD)을 MLP의 Optimizer로 사용하여 기존 Optimizer의 단점을 개선하였다. HS-GD를 이용한 MLP의 성능검토를 위해 이천시 지하수위 예측을 실시하였으며 예측 결과를 기존의 Optimizer를 이용한 MLP 및 HS를 이용한 MLP의 예측결과와 비교하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2002.05a
• /
• pp.540-544
• /
• 2002

본 논문에서는 IEEE802.11a의 규격에 따라 OFDM 무선 LAN 모뎀과 프레임 포맷을 구성하여 시뮬레이션에 의해 BER 성능을 분석하고 수정된 채널 예측 알고리즘을 적용하여 채널예측성능이 개선됨을 보인다. 실내 무선채널로서는 AWGN과 TDL 모델을 적용한 지연확산채널을 고려한다. 우선 AWGN 환경에서 규격에 제시된 전송속도 및 부호율에 따른 OFDM 무선 LAN 시스템의 성능을 분석하고, 다음으로 실내무선채널 환경에서 채널추정이 불완전한 경우에 대한 성능을 분석한다. 기존의 채널추정방식으로서 프리앰블내의 2개의 Long 훈련심볼을 이용하여 채널을 추정하는 경우에 대한 성능을 분석하고, 이를 수정하여 Long 훈련심볼 뿐만 아니라 전체 10개의 Short 훈련심볼 중 8개의 훈련심볼들을 채널추정에 부가적으로 사용하는 방식을 채용한 경우의 성능을 분석하여 기존의 방식과 비교한다. 시뮬레이션 결과에 대한 분석으로부터 수정된 채널추정방식을 적용하는 경우, 잡음을 억제하는 효과가 높아지므로 채널추정오차를 감소시켜서 성능이 개선됨을 확인하였다.