• Journal of the Korean Society of Fisheries and Ocean Technology
• /
• v.33 no.3
• /
• pp.234-240
• /
• 1997

터보 챠저의 반동도와 터빈 노즐유량의 변화를 행하여 엔진의 성능을 향상시킬 수 있었다. 터빈의 에너지 손실과 그 영향을 미치는 반동도 및 터빈 입구의 유로의 변화, 그리고 블레이드에서 역 유동에 대한 개선 조건도 제시하였다.

• Proceedings of the Korean Institute of Communication Sciences Conference
• /
• 2004.07a
• /
• pp.454-454
• /
• 2004

• Proceedings of the Korean Society of Fisheries Technology Conference
• /
• 2001.05a
• /
• pp.79-80
• /
• 2001

본 연구는 고속 활주형선의 어선 적용을 위해 경제성 및 운항ㆍ조업성능 등을 고려하여 .자료조사를 수행하고 기본 치수를 선정하였으며, 본 연구의 목적은 선정된 우수선형의 실선적용을 위해 실해역에서 발생할 수 있는 여러 조건들을 가정하여 발생 가능한 문제들을 예측하고 이를 방지 또는 개선하는 데 있다. (중략)

• JOURNAL OF ELECTRICAL WORLD
• /
• no.10 s.202
• /
• pp.27-36
• /
• 1993

전력계통의 분석은 첫 번째로 특수조건하에서 기존 또는 계획된 전력계통의 성능을 예측 하거나 개선하는데 사용되는 기술로서, 이 기술을 산업체의 전력계통에 적용할 때 안정성, 신뢰성, 고품질의 전력 그리고 초기투자와 운전비의 절감과 같은 전력계통 설계의 목적을 달성 하는데 크게 공헌하게 된다. 산업체의 전력계통 분석은 주로 단락사고, 보호설비의 협조, 전력조류, 전동기의 기동, 접지, 과도적 과전압, 역률개선, 기타의 설계 등을 위한 계산이 포함된다. 전력계통 분석은 전력계통을 신설 또는 개조할 때는 물론이고 기존시설의 부하나 용량이 현저하게 변경되었을 때 또는 기존시설의 고장을 진단할 때에 반드시 실행되어야한다.

• Information Systems Review
• /
• v.9 no.1
• /
• pp.85-103
• /
• 2007

The purpose of this study is to evaluate the performance of collaborative filtering recommender algorithms for better prediction accuracy of the customer's preference. The accuracy of customer's preference prediction is compared through the MAE of neighborhood based collaborative filtering algorithm and correspondence mean algorithm. It is analyzed by using MovieLens 1 Million dataset in order to experiment with the prediction accuracy of the algorithms. For similarity, weight used in both algorithms, commonly, Pearson's correlation coefficient and vector similarity which are used generally were utilized, and as a result of analysis, we show that the accuracy of the customer's preference prediction of correspondence mean algorithm is superior. Pearson's correlation coefficient and vector similarity used in two algorithms are calculated using the preference rating of two customers' co-rated movies, and it shows that similarity weight is overestimated, where the number of co-rated movies is small. Therefore, it is intended to increase the accuracy of customer's preference prediction through expanding the number of the existing co-rated movies.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.407-408
• /
• 2013

동영상 압축 표준인 HEVC(High Efficiency Video Coding)는 ITU-T(VCEG)와 ISO-IEC(MPEG)에서 JCT-VC라는 팀을 이루어 공동으로 표준화를 완성단계에 이르고 있다. 이 표준에서는 동영상 압축의 대표적 기술인 인트라 예측 방법을 사용하며, 기존 H.264/AVC 보다 더욱 다양한 방향의 예측을 통한 부호화 및 복호화의 효율을 가져온다. 제안하는 방법은 다양한 방향의 화소 예측에 사용되는 필터링 방법을 개선하여, 영상에 특성에 맞추어 DCT-IF 필터와 선형 필터를 적응적으로 영상의 특징에 맞추는 화소 예측 방법을 통해 기존 방법보다 약 2% 이상의 성능 향상을 가져오는 방법이다.

• Annual Conference of KIPS
• /
• 2010.11a
• /
• pp.848-851
• /
• 2010

IEEE 802.11 DCF(Distributed Coordination Function)의 성능은 채널에 접근하기 위하여 경쟁하는 단말수에 큰 영향을 받는다. 이에 경쟁하는 단말 수를 예측하기 위하여 많은 방법들이 제안되고 있지만 기존의 방법들은 채널 오류를 고려하지 않고 있다. 따라서 본 논문에서는 기존의 제안된 방법들 중 ARMA(Auto Regressive Moving Average) 필터(Filter)가 적용된 경쟁 단말 수 예측 방법을 수정 및 개선하여 채널 오류를 반영한 단말 수 예측 방법을 제시하였다. 시뮬레이션 결과 제안된 방법은 채널 오류가 존재하는 환경에서 효과적으로 경쟁하는 단말 수를 예측할 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.143-143
• /
• 2023

최근 대청댐('17), 평림댐('19) 등 광역 취수원에서 망간의 먹는 물 수질기준(0.05mg/L 이하) 초과 사례가 발생되어, 다수의 민원이 제기되는 등 취수원의 망간 관리 중요성이 부각되고 있다. 특히, 동절기 전도(Turn-over)시기에 고농도 망간이 발생되는 경우가 많은데, 현재 정수장에서는 망간을 처리하기 위해 유입구간에 필터를 설치하고 주기적으로 교체하는 방식으로 처리하고 있다. 그러나 단기간에 고농도 망간 다량 유입 시 처리용량의 한계 등 정수장에서의 공정관리가 어려워지므로 사전 예측에 의한 대응 체계 고도화가 필요한 실정이다. 본 연구는 광역취수원인 주암댐을 대상으로 망간 예측의 정확도 향상 및 예측기간 확대를 위해 다양한 머신러닝 기법들을 적용하여 비교 분석하였으며, 독립변수 및 초매개변수 최적화를 진행하여 모형의 정확도를 개선하였다. 머신러닝 모형은 수심별 탁도, 저수위, pH, 수온, 전기전도도, DO, 클로로필-a, 기상, 수문 자료 등의 독립변수와 화순정수장에 유입된 망간 농도를 종속변수로 각 변수에 해당하는 실측치를 학습데이터로 사용하였다. 그리고 데이터기반 모형의 정확도를 개선하기 위해서 성층의 수준을 판별하는 지표로서 PEA(Potential Energy Anomaly)를 도입하여 데이터 분석에 활용하고자 하였다. 분석 결과, 망간 유입률은 계절 주기에 따라 농도가 달라지는 것을 확인하였고 동절기 전도시점과 하절기 장마기간 난류생성 시기에 저층의 고농도 망간이 유입이 되는 것을 분석하였다. 또한, 두 시기의 망간 농도의 변화 패턴이 상이하므로 예측 모델은 각 계절별로 구축해 학습을 진행함으로써 예측의 정확도를 향상할 수 있었다. 다양한 머신러닝 모델을 구축하여 성능 비교를 진행한 결과, 동절기에는 Gradient Boosting Machine, 하절기에는 eXtreme Gradient Boosting의 기법이 우수하여 추론 모델로 활용하고자 하였다. 선정 모델을 통한 단기 수질예측 결과, 전도현상 발생 시기에 대한 추종 및 예측력이 기존의 데이터 모형만 적용했을 경우대비 약 15% 이상 예측 효율이 향상된 것으로 나타났다. 본 연구는 머신러닝 모델을 활용한 망간 농도 예측으로 정수장의 신속한 대응 체계 마련을 지원하고, 수처리 공정의 효율성을 높이는 데 기여할 것으로 기대되며, 후속 연구로 과거 시계열 자료 활용 및 물리모형과의 연결 등을 통해 모델의 신뢰성을 제고 할 계획이다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.5
• /
• pp.221-226
• /
• 2021

Collaborative filtering based recommender systems recommend user-preferrable items based on rating history and are essential function for the current various commercial purposes. In order to determine items to recommend, prediction of preference score for unrated items is estimated based on similar rating history. Previous studies usually employ two methods individually, i.e., similar user based or similar item based ones. These methods have drawbacks of degrading prediction accuracy in case of sparse user ratings data or when having difficulty with finding similar users or items. This study suggests a new rating prediction method by integrating the two previous methods. The proposed method has the advantage of consulting more similar ratings, thus improving the recommendation quality. The experimental results reveal that our method significantly improve the performance of previous methods, in terms of prediction accuracy, relevance level of recommended items, and that of recommended item ranks with a sparse dataset. With a rather dense dataset, it outperforms the previous methods in terms of prediction accuracy and shows comparable results in other metrics.

• Journal of IKEEE
• /
• v.28 no.3
• /
• pp.451-457
• /
• 2024

This paper proposes a method for predicting agricultural product prices by utilizing various variables such as price, climate factors, demand, and import volume as data, and applying the Long Short-Term Memory (LSTM) model. The analysis of prediction performance using the LSTM model, which learns the long-term dependencies of time series data, showed that integrating diverse data improved performance compared to traditional methods. Furthermore, even when predicting without price data as a dependent variable, meaningful results were achieved using only independent variables, indicating the potential for further model development. Moreover, it was found that using a multi-variable model could further enhance prediction performance, suggesting that this complex approach is effective in improving the accuracy of cabbage price predictions.