• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.33-34
• /
• 2012

토석류 퇴적 모델은 토석류에 의한 피해지 예측을 위해 그 효용성이 입증된 모델이지만 이를 이용하기 위해서는 몇 가지 파라미터를 필요로 한다. 파라미터를 자동으로 추정하기 위한 방법은 여러 가지가 있지만 토석류에 의한 피해지 예측을 위한 데이터는 충분히 양을 확보하기가 어려우므로 기존의 학습 기법을 적용하는데 어려움이 있다. 본 논문에서는 인공 신경망을 학습시키는 과정에서 기존 샘플로부터 의사 샘플을 생성하고 이를 학습에 사용함으로써 보다 안정적인 학습이 가능한 의사 샘플 신경망을 제안하였다. 제안한 의사 샘플 신경망은 해공간을 평탄화시킴으로써 잘못된 국부 최적해에 빠질 확률을 줄여주고 따라서 보다 안정적인 파라미터 추정이 가능하다는 사실을 실험을 통해 확인할 수 있다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.34 no.7
• /
• pp.873-879
• /
• 2010

It is common to predict structural dynamic design parameters due to the change of design parameter, but to predict the amount of changed design parameter where the mass and stiffness are being modified are rarely found in previous literature. In this study, the changed design parameter in a proportional damping system is predicted by using sensitivity coefficients and an iterative method. The sensitivity coefficients are determined from the changes in eigenvectors; these changes are due to modification. This method is applied to a three-story shear structure. To validate the prediction of the changed design parameter, the results are compared to the reanalysis results; both results are in good agreement.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.620-623
• /
• 2010

구조요소의 설계에서 유한요소해석은 매우 효과적인 방법이며 정확한 해석 기술을 요구한다. 그러나 제조 공정이나 환경에 따라 달라지는 재료 물성이나 불확실성을 내포하는 피로 물성을 확정적인 값으로 이용하는 등 입력 변수의 부정확한 정보로 인해 유한요소해석 결과를 신뢰하지 못하는 경우가 자주 발생한다. 실제 시험을 통해 설계의 결과를 예측하는 것은 경제적인 측면과 시간소요 면에서 한계가 따르기에 신뢰할 수 있는 유한요소해석 방법이 요구된다. 본 연구에서는 고주기의 피로 해석을 위해 유한요소해석을 이용하여 스프링의 응력-수명(S-N) 파라미터를 역 추정하고 수명을 예측해 보았다. 이를 위해 실제 산업현장에서 쓰이는 자동차 서스펜션 코일 스프링을 예제로 사용하였다. 시험 모델에 대해 불확실성을 고려한 베이지안 접근법을 이용하여 입력변수의 파라미터를 역 추정하였으며, 마코프체인몬테카를로(Markov Chain Monte Carlo) 기법을 이용하여 얻어진 피로 물성 파라미터의 샘플 데이터를 이용해서 유한요소해석을 실시하고 신뢰수준 내에서 새로운 구조요소의 피로수명을 예측하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.225-226
• /
• 2014

본 연구에서는 회귀분석을 통해 오피스 건물의 에너지 사용량을 예측하는 시스템을 개발하고 이를 실증하는 실험적 연구를 수행하였다. 회귀분석의 파라미터로는 외기온도, 에너지 사용량 등이 사용되었으며 예측 정확도 향상을 위해 파라미터를 확장해서 실험하였다. 에너지 사용량 예측에 대한 검증을 위해서 실시간 데이터 수집과 분석을 위한 시스템을 개발하였으며, 해당 시스템을 이용해 수원 소재 오피스 건물에서 실증한 결과에 따르면 겨울철 에너지 사용량에 대한 예측 오차율이 10% 미만으로 나타났다.

• 한국항공운항학회:학술대회논문집
• /
• 2016.05a
• /
• pp.26-29
• /
• 2016

본 논문에서는 멀티로터 시스템의 모델리을 위한 방법으로 파라미터 추정법을 제시하였으며 이를 위해 실제 비행데이터를 이용한다. 파라미터 추정법으로는 예측오차 기법과 순화최소자승법이 사용되었고 그 결과를 나타내었다.

• The Journal of the Acoustical Society of Korea
• /
• v.20 no.5
• /
• pp.48-53
• /
• 2001

In speaker verification based on LPC analysis the prediction residues are ignored and LPCC(LPC cepstrum) are only used to compose feature vectors. In this study, LPCC and RCEP (residual cepstrum) extracted from residues are used as feature parameters in the various environmental speaker verification. We propose the weighting function which can enlarge inter-speaker variation by weighting pitch, speaker inherent vector, included in residual cepstrum. Simulation results show that the average speaker verification rate is improved in the rate of 6％ with RCEP and LPCC at the same time and is improved in the rate of 2.45% with the proposed weighted RCEP and LPCC at the same time compared with no weighting.

• Journal of the Korea Society of Computer and Information
• /
• v.24 no.11
• /
• pp.51-59
• /
• 2019

Due to the exponential growth of access information on the web, the need for predicting web users' next access has increased. Various models such as markov models, deep neural networks, support vector machines, and fuzzy inference models were proposed to handle web access prediction. For deep learning based on neural network models, training time on large-scale web usage data is very huge. To address this problem, deep neural network models are trained on cluster of computers in parallel. In this paper, we investigated impact of several important spark parameters related to data partitions, shuffling, compression, and locality (basic spark parameters) for training Multi-Layer Perceptron model on Spark standalone cluster. Then based on the investigation, we tuned basic spark parameters for training Multi-Layer Perceptron model and used it for tuning Spark when training Multi-Layer Perceptron model for web access prediction. Through experiments, we showed the accuracy of web access prediction based on our proposed web access prediction model. In addition, we also showed performance improvement in training time based on our spark basic parameters tuning for training Multi-Layer Perceptron model over default spark parameters configuration.

• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.1
• /
• pp.1-6
• /
• 2013

For predicting defect-prone module in software, SVM classifier showed good performance in a previous research. But there are disadvantages that SVM parameter should be chosen differently for every kernel, and algorithm should be performed iteratively for predict results of changed parameter. Therefore, we find these parameters using Genetic Algorithm and compare with result of classification by Backpropagation Algorithm. As a result, the performance of GA-SVM model is better.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.2
• /
• pp.130-135
• /
• 2004

This paper presents a new design methods of the short-term load forecasting system (STLFS) using the data mining. The structure of the proposed STLFS is divided into two parts: the Takagi-Sugeno (T-S) fuzzy model-based classifier and predictor The proposed classifier is composed of the Gaussian fuzzy sets in the premise part and the linearized Bayesian classifier in the consequent part. The related parameters of the classifier are easily obtained from the statistic information of the training set. The proposed predictor takes form of the convex combination of the linear time series predictors for each inputs. The problem of estimating the consequent parameters is formulated by the convex optimization problem, which is to minimize the norm distance between the real load and the output of the linear time series estimator. The problem of estimating the premise parameters is to find the parameter value minimizing the error between the real load and the overall output. Finally, to show the feasibility of the proposed method, this paper provides the short-term load forecasting example.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2001.11a
• /
• pp.87-90
• /
• 2001

본 연구에서는 감성 평가 시스템에 가장 적합한 파라미터를 찾기 위하여 3가지 뇌파 파라미터를 이용하여 감정 분류 실험을 하였다. 뇌파 파라미터는 선형예측기계수(linear predictor coefficients)와 FFT 스펙트럼 및 AR 스펙트럼의 밴드별 상호상관계수(cross-correlation coefficients)를 이용하였으며, 감정은 relaxation, joy, sadness, irritation으로 설정하였다. 뇌파 데이터는 대학의 연극동아리 학생 4명을 대상으로 수집하였으며, 전극 위치는 Fp1, Fp2, F3, F4, T3, T4, P3, P4, O1, O2를 사용하였다. 수집된 뇌파 데이터는 전처리를 거친 후 특징 파라미터를 추출하고 패턴 분류기로 사용된 신경회로망(neural network)에 입력하여 감정 분류를 하였다. 감정 분류실험 결과 선형예측기계수를 이용하는 것이 다른 2가지 보다 좋은 성능을 나타내었다.