• 한국전자통신학회논문지
• /
• 제16권3호
• /
• pp.493-502
• /
• 2021

외부 환경변화에 적응하여 MPP를 추적할 수 있는 포복경 영양 번식(VPR; Vegetative Propagation by Runner) 최적화 알고리즘 기반 MPPT 알고리즘을 제시하였다. VPR 알고리즘은 영양기관을 기반으로 군집 이동 번식하는 식물 생태를 모방한 알고리즘으로 식물의 노화 및 부근(Rhizome)에 대한 주변탐색 절차를 수행하여 최적점 인근의 주변을 지속적으로 탐색할 수 있다. 따라서 VPR 기반 MPPT 알고리즘의 경우, MPPT 알고리즘이 수행되는 시점에 발생하는 외부 환경변화에 적응하여 최적점을 탐색할 수 있다. 본 논문에서는 다수의 모의실험을 통해 VPR 기반 MPPT 알고리즘의 성능을 분석하였다. 더불어 PSO(Particle Swarm Optimization) 기반 MPPT 알고리즘과 동일한 환경에서 성능 비교를 통해 성능의 우수성을 비교하였다.

• 한국수자원학회논문집
• /
• 제47권3호
• /
• pp.285-295
• /
• 2014

멀티모달 최적화 알고리듬의 일종인 ISPSO와 불확실도 분석기법인 GLUE를 결합한 ISPSO-GLUE 기법을 TOPMODEL의 불확실도 분석에 적용하였으며, 그 결과를 GLUE 기법과 비교하였다. 두 기법 모두 같은 횟수만큼 모형을 실행하였을 때 ISPSO-GLUE 기법의 누적성능이 더 좋아지는 시점을 발견할 수 있었으며, 그 이후로도 ISPSO-GLUE 기법은 GLUE 기법과는 달리 점진적인 성능의 향상을 보여 주었다. 두 기법이 비슷한 모양과 양상의 95% 불확실도 구간을 생성하였다. 하지만 ISPSO-GLUE 기법이 약5.4배 더 많은 관측치를 포함하는 것으로 나타났으며 GLUE 기법에 비해 훨씬 적은횟수의 모형실행으로도 좋은 성능의 불확실도 구간을 얻을 수 있는 것으로 나타났다. ISPSO-GLUE 기법과 비교했을 때GLUE 기법이 최대 첨두유량의 감쇠곡선 부분에서 불확실도를 과대평가하였다. 이 시간대에 대해서는 GLUE의 경우 불확실도 를 줄이기 위해 더 많은 행동모형들을 찾을 필요가 있다. ISPSO-GLUE 기법이 정량적인 성능평가에서 훨씬 많은 관측치를 포함할 수 있었다는 것은 이 기법의 가능성을 잘 보여 주었다고 할 수 있으며, 특히 계산적으로 값비싼 수문모형에서는 보다 큰 성능의 차이를 보일 것으로 기대된다.

• 반도체디스플레이기술학회지
• /
• 제21권3호
• /
• pp.45-49
• /
• 2022

The fourth industrial revolution, internet of things, and the expansion of online web services have increased an exponential growth and deployment in the number of cloud data centers (CDC). The cloud is emerging as new paradigm for delivering the Internet-based computing services. Due to the dynamic and non-linear workload and availability of the resources is a critical problem for efficient workload and resource management. In this paper, we propose the particle swarm optimization (PSO) based gated recurrent unit (GRU) neural network for efficient prediction the future value of the CPU and memory usage in the cloud data centers. We investigate the hyper-parameters of the GRU for better model to effectively predict the cloud resources. We use the Google Cluster traces to evaluate the aforementioned PSO-GRU prediction. The experimental shows the effectiveness of the proposed algorithm.

• 한국항공우주학회지
• /
• 제41권7호
• /
• pp.524-531
• /
• 2013

본 연구에서는 헬리콥터 로터 블레이드의 제작 과정 및 여러 가지 요인으로 인해 발생하는 불균형성을 해소하기 위한 RTB(Rotor Track and Balance) 알고리즘을 개발하였다. 비행 시험 결과로부터 RTB 조절 값과 트랙 및 기체 진동 사이의 상호관계를 선형모델을 이용한 회귀분석을 통하여 RTB 모델을 구축하였다. 개발된 RTB 알고리즘을 실기 시험 결과에 적용하여 RTB 모델을 검증하였고 선형화 모델만으로도 비교적 정확한 모델링이 가능함을 확인하였다. RTB 조절값 설정을 위해 최적화 문제를 정식화하고 유전자 알고리즘에 입자 군집 최적화(PSO) 알고리즘을 결합하여 빠른 수렴성을 갖는 최신의 최적화 기법을 적용하였다. 또한 최적화 해석을 통하여 얻은 RTB 조절값을 이용하여 트랙 편차와 기체 진동을 허용 기준치 아래로 감소시키고, 다양한 비행 조건에 대하여 효율적인 RTB를 수행할 수 있음을 보였다.

• 한국화재소방학회논문지
• /
• 제27권6호
• /
• pp.15-20
• /
• 2013

반발 입자 군집 최적화 알고리즘을 이용하여 시편 표면에서의 대류열전달 계수, 방사율 및 화염에 의한 열유속을 예측하였다. 콘 칼로리미터를 이용하여 여러 열유속 조건 하에서의 방무목 시편의 표면 온도와 질량감소율 및 발화시간을 측정하였다. 본 연구에서 최적화된 대류열전달계수, 방사율 및 화염에 의한 열유속을 이용하여 계산된 표면온도는 실험결과와 각 열유속에 대하여 평균오차가 2% 내로 잘 일치하였다. 본 연구에서 제시한 방법을 이용하여 실험적 방법으로 직접 측정하기 매우 어려운 화염이 발생하는 표면에서 열전달과 관련된 여러 물리량을 구할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.247-248
• /
• 2008

본 논문에서는 TYPE-2 퍼지 추론 기반의 RBF 뉴럴 네트워크(TYPE-2 Radial Basis Function Neural Network, T2RBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델의 은닉층은 TYPE-2 가우시안 활성 함수로 구성되며, 출력층은 Interval set 형태의 연결가중치를 갖는다. 여기에서 규칙 전반부 활성함수의 중심 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 Interval set 형태의 연결가중치 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 최적의 모델을 설계하기 위한 학습율 및 활성함수의 활성화 영역 결정에는 입자 군집 최적화(PSO; Particle Swarm Optimization) 알고리즘으로 동조한다. 마지막으로, 제안된 모델의 평가를 위하여 모의 데이터 집합(Synthetic dadaset)을 적용하고 근사화 및 일반화 능력에 대하여 토의한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.95-96
• /
• 2008

본 논문에서는 시계열 예측 공정의 모델링을 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 기존의 Type-1 퍼지 논리 시스템(Fuzzy Logic System, FLS)은 외부의 노이즈와 같은 불확실성에 민감한 단점이 있다. 그러나 Type 퍼지 논기 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 효과적으로 취급할 수 있다. 여기서 불확실한 정보를 표현하기 위해 규칙의 전 후반부 멤버쉽 함수로 삼각형 형태의 Type-2 퍼지 집합을 사용한다. 전반부의 경우 HCM 클러스터링을 사용하여 입력 데이터들 간의 거리를 중심으로 멤버쉽 함수를 정의하고, 후반부는 입자 군집 최적화(Particle Swarm Optimization) 알고리즘으로 멤버쉽 함수의 정점을 동조한다. 제안된 모델은 표준 모델 평가에 주로 사용되는 가스로 시계열 데이터를 적용하고, 특정 데이터로 노이즈에 영향 받은 데이터를 사용하여 수치 석인 예를 보인다.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2007년도 춘계학술대회B
• /
• pp.2476-2481
• /
• 2007

An inverse radiation analysis is presented for the estimation of the wall emissivities for an absorbing, emitting, and scattering media with diffusely emitting and reflecting opaque boundaries. In this study, a repulsive particle swarm optimization(RPSO) algorithm which is a relatively recent heuristic search method is proposed as an effective method for improving the search efficiency for unknown parameters. To verify the performance of the proposed RPSO algorithm, it is compared with a basic particle swarm optimization(PSO) algorithm and a hybrid genetic algorithm(HGA) for the inverse radiation problem with estimating the wall emissivities in a two-dimensional irregular medium when the measured temperatures are given at only four data positions. A finite-volume method is applied to solve the radiative transfer equation of a direct problem to obtain measured temperatures.

• 한국산업융합학회 논문집
• /
• 제19권4호
• /
• pp.167-175
• /
• 2016

We present a method for improving adaptability of Learning from Demonstration (LfD) strategy by combining the LfD and Particle Swarm Optimization (PSO). A trajectory generated from an LfD is modified with PSO by minimizing a fitness function that considers constraints. Finally, the final trajectory is suitable for a task and adapted for constraints. The effectiveness of the method is shown with a target reaching task with a manipulator in three-dimensional space.

• 전기학회논문지
• /
• 제58권12호
• /
• pp.2511-2519
• /
• 2009

In this paper, we introduce the methodological system design via feature selection using Principal Component Analysis and Particle Swarm Optimization algorithms. The overall methodological system design comes from three kinds of modules such as preprocessing module, feature extraction module, and recognition module. First, Histogram equalization enhance the quality of image by exploiting contrast effect based on the normalized function generated from histogram distribution values of 2D face image. Secondly, PCA extracts feature vectors to be used for face recognition by using eigenvalues and eigenvectors obtained from covariance matrix. Finally the feature selection for face recognition among the entire feature vectors is considered by means of the Particle Swarm Optimization. The optimized Polynomial-based Radial Basis Function Neural Networks are used to evaluate the face recognition performance. This study shows that the proposed methodological system design is effective to the analysis of preferred face recognition.