• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.419-430
• /
• 2020

본 연구는 기존 전력량 예측 모델의 구조를 변경하여 모델의 예측 능력을 향상 시킬 수 있는 방법에 관하여 연구하였다. 전기에 대한 수요는 그 어느 때보다 증가하고 있다. 산업 부문에서는 그 어느 부문 보다 전기 소모량이 많음으로, 더욱 정확한 공장 지역의 전력량 소모 예측 모델이 잉여 에너지 생산을 줄이기 위해 주목을 받고 있다. 우리는 2개의 개별 encoder와 한개의 decoder를 사용하여, 장기와 단기 데이터를 모두 사용하는 double encoder-decoder 모델을 제안한다. 우리는 제안된 모델을 세홍(주)의 생산 구역에서 2019년 1월 1일부터 2019년 6월 30일 까지 모집된 전력 소모량 데이터에서 평가 하였다. double encoder-decoder 모델은 기존의 encoder-decoder 모델을 사용했을 때와 비교하여 약 10 %의 평균 절대 비율 오차의 감소를 기록 하였다. 본 결과는 제안한 모델이 encoder-decoder 모델에 비해 생산 지역의 전력 사용량의 예측을 더 정확하게 하는 모델임을 보여준다.

• 한국멀티미디어학회논문지
• /
• 제7권9호
• /
• pp.1304-1311
• /
• 2004

SMIL(Synchronized Multimedia Integration Language)은 각종 멀티미디어 데이터들 간의 동기화를 지원해 주며 데이터 요소들의 화면 구성을 편리하게 해줌으로써 인터넷 환경의 가상강의, 방송 등에서 널리 활용되고 있다. 응용분야가 다양하게 확대됨에 따라 각각의 환경에 융통성 있게 적용할 수 있는 체계의 필요성이 증대되고 있는 추세이며 이에 따라 SMIL 기능도 계속적으로 진화되고 있다. 본 논문에서는 SMIL의 주요 기능을 객체 지향적 방법론에 따라 분석, 모델링 한 후 서비스 컴비네이터 (service combinator) 개념의 클래스 모델을 제안하여 설계함으로써 필요시 사용자들이 자기 환경에 맞게 튜닝 할 수 있도록 하였다.

• 한국멀티미디어학회논문지
• /
• 제11권4호
• /
• pp.525-543
• /
• 2008

최근 들어 소프트웨어 개발에 있어서 사용자 인터페이스가 차지하는 비중이 급증하고 있다. 이로 인해 스윙, MFC, Web 2.0 등과 같은 다양한 사용자 인터페이스 개발 관련 기술들이 소개되고 있다. 그러나 현재 대부분의 소프트웨어 개발에 있어서는 사용자 인터페이스 부분과 비즈니스 부분을 별도로 개발하는 프로세스로 진행되고 있다. 이로 인해 통합 과정에서의 어려움, 개발 기간의 연장, 개발 모델의 재사용성의 저하등과 같은 문제점들이 발생하고 있다. 즉, UI 모델링이 체계적이고 계층적이지 못하며, UI 모델링과 비즈니스 모델링간의 일관성있는 통합 기법을 제공치 않아, 구축 모델의 확장성과 재사용성의 저하를 초래하고 있다. 본 논문은 이를 해결하기 위해 개발 단계의 추상화 수준에 따른 계층적 메타모델을 사용해서 단일화되고 체계적인 UML 기반의 사용자 인터페이스 모델링 프로세스를 제시한다. 이를 위해, 개발의 성숙도에 준거하여 PIM/PSM으로 UI 모델의 모델링 요소를 계층화하여 메타모델을 제시한다. 3 단계 모델링(개념/명세/상세)에 의해 UI 및 비즈니스 메타모델을 적용해서 UI 모델링과 비즈니스 모델링이 통합된 계층적인 모델링 프로세스를 정립한다. 제시한 프로세스를 인터넷 쇼핑몰에 적용해 봄으로써 실효성을 제시한다. 실험 결과를 통해 계층적 UI 메타모델 및 프로세스가 체계적이고 계층적인 UI 모델을 구축할 수 있다. 이는 모델의 품질과 재 사용성을 향상시킬 수 있었다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권4호
• /
• pp.87-92
• /
• 2019

본 연구에서는 머신 러닝 기법을 활용하여 공장에서 발생하는 에너지 사용량에 대한 데이터 분석 및 패턴 추출에 대해 다룬다. 통계학이나 기존의 방법들은 몇 가지 물리적 특성을 반영하는 수학적 모델을 구축하는 반면, 머신 러닝을 통한 접근방법은 데이터 학습을 통하여 모델의 계수들을 결정하게 된다. 기존의 방법들은 특정한 구조를 갖는 수학적 모델을 구축해야 한다는 어려움이 있으며 과연 데이터의 특징들을 잘 반영하는지에 대한 의문이 존재했다. 그러나 머신 러닝을 통한 방법은 사람이 구축하기 어려운 작업들을 용이하게 구축한다는 장점을 가지고 있기 때문에 데이터 간의 관계를 파악하기에 더 효율적이라는 장점을 가지고 있다. 공장의 에너지 소비에 직접적으로 영향을 끼치는 요소들이 존재하며 이러한 전력 소비는 시간에 따른 데이터로 나타나게 된다. 각 요소들로부터 발생하는 소비 전력을 계측하고 데이터 베이스를 구축하기 위해 각 요소에 센서를 장착하였다. 취득된 데이터에 대해 전처리 과정 및 통계적인 분석을 거친 뒤, 머신 러닝을 통해 패턴을 분석하는 과정을 거쳤다. 이를 통해 공장에서 발생하는 소비 전력 데이터에 대한 패턴 분석을 진행하였다.