• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04a
• /
• pp.639-641
• /
• 2000

캐쉬를 사용하는 분산 공유 메모리 시스템에서는 캐쉬들 사이의 일관성 유지를 위한 지연 시간이 성능에 큰 영향을 미친다. 최근에는 각 공유 메모리의 일반적인 접근 패턴을 학습하여 일관성 유지의 예측적 수행을 가능하게 하는 메모리 공유 패턴 예측기가 연구되고 있다. 기존의 메모리 공유 패턴 예측기는 패턴 정보를 저장하기 위해서 모든 메모리 블락마다 예측 테이블들을 할당하지만 실제로 성능 향상에 도움을 주는 테이블들은 소수에 불과하다. 본 논문에서는 적은 양의 패턴 저장 공간을 사용하면서 기존의 예측기와 유사한 성능을 낼 수 있는 캐쉬 구조의 메모리 공유 패턴 예측기를 제안한다, 제안된 예측기에서는 좋은 성능을 내는 예측 테이블들을 선택적으로 저장하게 하는 효율적인 테이블 교체 기법이 요구된다. 본 논문에서는 LRU 교체 기법을 캐쉬 구조의 예측기에 적용시켰을 때의 문제점을 분석하고 제안된 예측기의 특성에 적합한 테이블 교체 기법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10e
• /
• pp.355-357
• /
• 2002

이동 컴퓨팅 환경에서는 무선 단말기 사용자의 이동에 따른 접속 단절 현상이 발생할 수 있다. 이러한 이동 컴퓨팅 환경에서 끊김 없는 핸드오프와 효율적인 호 수락 제어를지원하기 위해서 사용자의 이동성 예측이 중요하다. 따라서, 본 논문에서는 사용자의 이동성을 규칙적인 패턴과 임의적인 패턴으로 분류하고, 규칙적인 이동패턴을 예측하기 위하여 사용자의 과거 이동경로를 분석ㆍ압축하며 임의적인 이동패턴은 GPS의 정보를 이용하여 이동성을 예측한다. 이러한 예측 기법은 무선 단말기 사용자의 속도가 매우 빠르거나, 셀룰러망의 셀의 크기가 작은 경우에 보다 효율적으로 이동성을 예측할 수 있다는 장점이 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.248-248
• /
• 2016

본 연구에서는 동아시아 가뭄에 대한 발생원인과 예측가능성을 진단하기 위하여 대기순환패턴과의 상관성 분석을 실시하였으며, 원격상관 패턴에 의한 동아시아 가뭄의 시공간적 변화특성을 분석하였다. 또한 통계적 기법인 EEMD(Ensemble Empirical Mode Decomposition) 분석을 적용하여 원격상관패턴과 동아시아 가뭄의 예측가능성을 검토하였다. 본 연구는 동아시아 가뭄특성을 진단하고 가뭄예측기법의 개발을 통하여 현실적인 적응전략 수립에 유용하게 활용 될 것으로 기대된다.

• Journal of Korean Society of Transportation
• /
• v.16 no.4
• /
• pp.153-166
• /
• 1998

본 연구에서는 도시 가로망에서의 구간 통행시간을 예측하기 위하여 time-frequency 분석의 일종인 웨이브렛변환과 RBF신경망 모형을 이용한 예측모형을 개발하였다. 웨이브렛 변환을 이용한 시계열 자료 분석을 통해서 통행시간에 내재되어 있는 다양한 패턴의 특징을 추출함으로써 오전/오후의 첨두현상, 신호교차로의 현시주기 등 주기적으로 발생되는 요인들에 의해서 통행시간 시계열 자료의 패턴에 나타나는 규칙성을 분석해 내었다. 분석된 패턴정보에 대한 규명은 카오스 이론을 근간으로한 시간지연좌표를 이용하여 시계열 자료의 규칙성을 시각적으로 판별하여 예측모형 구축에 활용하도록 하였다. 또, RBF신경망을 이용하여 예측범위의 공간적/시간적 확대에 따른 모형 구축에 소요되는 시간을 최소화하도록 하였으며, 시내버스 노선의 정류장간 운행시간 예측을 통해서 기존 연구에서 제기되었던 현실세계의 단순화, 다단계 예측시 정확성 등의 문제를 해결하였다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입하여 링크 통행시간의 패턴정보 예측에 활용할 경우, 기존의 예측모형에 비해서 훨씬 정확한 예측이 가능한 것으로 나타났으며, RBF 신경망은 짧은 학습시간에도 불구하고 역전파 신경망보다 우수한 예측력을 갖고 있는 것으로 밝혀졌다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04d
• /
• pp.590-592
• /
• 2003

본 논문에서는 대역폭 예약을 통한 무선 단말의 이동성 예측기법, 무선 단말의 이동 패턴을 이용한 이동성 예측기법과 무선 단말의 이동 패턴과 체류시간을 이용한 이동성 예측기법에 대하여 살펴본다. 대역폭 예약을 통한 이동성 예측기법에서의 자원 낭비 해결 방안과 이동 패턴 및 단말의 체류시간을 이용한 이동성 예측기법에서의 무선 단말의 셀에 장기간 체류시 대역폭의 낭비의 해결방안 그리고 이동성 예측 실패시 패킷손실을 없앨 수 있는 방안에 대해서 제안하였다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1860-1861
• /
• 2007

주식 예측은 주식 시장이 생긴 이래로 투자자들이나, 금융 전문가들 사이에서 매우 중요한 일이 되어 왔다. 그러한 중요성으로 인해 엘리오트 파동이론과 같은 많은 주식 예측 기법이 제시되었고, 또한 이러한 예�G의 자동화를 위해 인공지능분야에서도 많은 연구가 있어왔다. 주가 예측에 패턴인식 방법을 적용한 기존의 연구로는 주로 ANN(Artificial Neural Network)방식과 은닉 마코프 모델(HMM, Hidden Markov Model)이 있었고, 본 논문에서는 HMM을 이용한 방법을 제안한다. HMM은 시간 순차적인 패턴을 가지는 모델의 인식에 좋은 성능을 보여 주로 음성인식 분야에서 많이 이용되고 있다. 주식 변화 역시 시간 순차적 흐름에 따라 기울기의 변화가 어느 정도 일정한 패턴을 가지는 성질이 있고, 이것은 HMM을 이용한 패턴인식으로 주식의 앞으로의 변화를 예측하기에 적합한 요인이 된다. 본 논문에서는 이를 위해 다음과 같은 과정을 걸쳤다. 첫 번째로 실존 회사의 장기간의 주식 테이터를 기반으로 여러 개의 HMM모델을 학습 하였다. 두 번째로 예측하고자 하는 기간 이전의 주식 변화 데이터를 입력으로 하여, 이전에 이와 유사한 패턴이 있었는지를 HMM을 통해 알아냈다. 마지막으로 이렇게 알아낸 패턴을 이용하여 앞으로의 주식 변화를 예측하였다. 실험은 실제 주식 변화와 예측값의 비교를 통해 정확도를 검증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.281-284
• /
• 2000

시계열 예측에 있어서 과거의 측정치 보다 최근의 측정치가 미래의 측정치 예측에 중요한 영향을 미친다. 시계열 예측에 있어서 최근의 측정치와 과거의 측정치가 미래의 값을 예측하는 인자로서 차별화 되어 학습해야 할 것이다. 기존의 시계열에 대한 신경망 접근에서는 최근의 측정치에 대한 학습 패턴과 과거의 측정치에 대한 학습 패턴을 동일하게 학습하였다. 이 논문에서는 과거의 학습패턴과 최근의 학습 패턴을 학습 횟수 면에서 차별화 하였다. 이러한 학습을 이 논문에서는 차별학습이라 한다. 차별학습에서는 주어진 학습 패턴을 시간 순으로 나열하고 일정 개수로 분할한다. 시간의 역순에 의해 등차 또는 등비의 형태로 학습 횟수를 설정한다. 각 학습 패턴의 분말집단을 시간의 역순으로 일정 횟수를 감소시켜 학습 횟수를 설정하는 등차차별학습과 일정 비율로 감소시켜 학습횟수를 설정하는 등비차별학습을 소개한다. 기존의 신경망 접근 방법과 이 논문에서 제안한 신경망 접근방법을 비교하기 위해 Mackay-Galss 공식에 의해 인공적으로 생성된 시계열 데이터를 예로 사용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.318-318
• /
• 2022

이상 기후로 인한 집중호우, 폭우로 홍수 피해의 규모가 커지고 있다. 이러한 기후변동에 따른 불확실성 증가로 홍수 발생의 예측 및 대비가 어려운 실정이다. 이를 위해 홍수를 유발하는 전조 기후 패턴을 찾아낼 수 있다면 중장기 홍수 선행예측을 통한 대비가 가능하다. 본 연구에서는 인공지능 기법을 활용하여 홍수 발생 시의 기후패턴을 학습시키고 홍수 유발 기후패턴을 판별하는 알고리즘을 개발하고자 하였다. 이를 바탕으로 국내 홍수 발생에 영향을 미치는 기후패턴을 사전에 감지하여 중장기 홍수 예측의 기초자료를 제시하였다. 본 연구에서 제시된 기법을 분석한 결과, 홍수 예측 선행시간을 확보하는데 활용이 가능함을 확인하였으며 향후 국제협력사업 등을 통해 저개발 국가의 홍수 재난 대응에 기여할 수 있을 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.256-258
• /
• 2002

이동 컴퓨팅 환경에서는 무선 단말기 사용자의 이동에 따른 접속 단절 현상이 발생할 수 있다. 이러한 이동 컴퓨팅 환경에서 끊김없는 핸드오프와 효율적인 호 수락 제어를 지원하기 위해서 사용자의 이동성 예측이 중요하다. 따라서, 본 논문에서는 사용자의 이동성을 규칙적인 패턴과 임의적인 패턴으로 분류하고, 규칙적인 이동패턴을 예측하기 위하여 사용자의 과거 이동 경로를 분석하며 임의적인 이동패턴은 GPS의 정보를 이용하여 이동성을 예측한다. 이러한 예측 기법은 무선 단말기 사용자의 속도가 매우 빠르거나, 셀룰러망의 셀의 크기가 작은 경우에 보다 효율적으로 이동성을 예측할 수 있다는 장점이 있다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2004.11a
• /
• pp.139-148
• /
• 2004

사용자의 지리적 위치에 따른 서비스를 제공하는 위치기반서비스는 유비쿼터스 컴퓨팅의 중요한 응용으로 여러 위치 감지기술과 다양한 시험 및 상용 서비스들이 개발되어 왔다. 하지만 기존의 위치기반서비스는 단순히 위치와 서비스를 정적으로 연결하는 기법에 그치고 있어 서비스의 유연성이 떨어지는 한계가 있다. 이를 개선하기 위해 위치 정보로부터 고수준 정보를 추론하여 보다 지능적인 서비스를 제공하려는 연구들이 이루어지고 있다. 본 논문에서는 사용자의 위치이동 데이터를 학습하여 미래의 위치 이동 경로를 예측하는 기법을 제안한다. GPS(Global Positioning System)를 사용하여 수집된 시퀸스 데이터를 시퀸스 데이터 처리에 특화된 RSOM (Recurrent Self Organizing Map)을 사용하여 클러스터링하고 이를 마르코브 모델을 사용하여 학습하여 각 위치 이동 패턴 모델을 구축한다. 현재의 위치이동 패턴을 구축된 각 이동패턴 모델들과 비교하여 가장 유사한 위치 이동패턴으로 미래의 사용자이동을 예측한다. 제안한 위치이동 예측 기법을 평가하기 위해 실제 대학생의 생활을 기반으로 하여 GPS 데이터를 대학 캠퍼스 상에서 수집하고 이를 이용하여 제안한 방법의 학습 및 예측 성능을 평가한다. 그 결과 제안한 방법을 사용하여 사용자의 미래의 위치이동경로를 예측하는 것이 가능하고 불확실한 상황에서도 유연하게 예측을 수행함을 확인하였다.