• 한국통신학회논문지
• /
• 제25권1B호
• /
• pp.128-140
• /
• 2000

본 논문에서는 이웃 탐색점에서의 평균 절대치 오차 (mean absoulte error, MAE) 및 탐색여역 줄임을 이용한 고속 블록 정합 알고리듬 제안하였다. 이 알고리듬은 두 단계로 구성되어있다. 첫 번째 단계에서는 탐색영역을 3$\times$3 크기의 영역으로 겹치지 않게 나눈 뒤, 각 영역의 중심 탐색점에 대하여 블록 정합을 행하여 MAE를 구하고, 이들 중 가장 작은 MAE를 기준 MAE로 정한다. 그리고, 두 번째 단계에서는 각 영역의 중심 탐색점에서의 MAE를 이용하여 각 3$\times$3 영역의 나머지 탐색점에서의 MAE의 최소 범위를 구한 뒤, 최소 범위가 기준 MAE로 결정된 탐색점 근처에 존재할 가능성이 매우 큼을 이용하여 기준 MAE로 결정된 탐색점을 중심으로 탐색영역의 크기를 줄인 뒤, 블록 정합이 필요한 탐색점에 대하여서만 블록 정합을 행함으로써 고속으로 움직임을 추정하였다. 모의 실험을 통하여 본 제안한 방법이 우수한 움직임 추정 성능을 유지하면서도 많은 계산량의 감소를 얻을 수 있음을 확인하였다.

• 방송공학회논문지
• /
• 제8권4호
• /
• pp.481-491
• /
• 2003

본 논문에서는 ATSC DTV 수신기를 위한 준 최적화된 판정 궤환 등화기 (decision feedback equalizer; DFE)를 제안한다. 본 논문에서 제안하는 DFE는 TBD (Trellis Back Depth)가 1인 변형된 트렐리스 복호기 (modified trellis decoder; MTD)를 판정 장치로 사용함으로써 낮은 복잡도를 가질 뿐만 아니라 에러 전파가 없는 최적화된 DFE에 근접하는 성능을 보인다. MTD는 branch metric의 계산을 위해 ED (Euclidean Distance)의 자승 대신 AD (Absolute Distance)를 사용하기 때문에 낮은 복잡도를 가진다. 또한, 일반적으로 사용되는 판정 장치인 양자화기(slicer)에 비해 매우 낮은 판정 에러 확률을 가지며, ED를 사용하는 트렐리스 복호기 (trellis decoder: TD)와 비슷한 성능을 가진다. 판정 장치에서의 낮은 에러 확률은 수렴 속도와 잔류 에러 측면에서 우수한 수렴 성능을 야기시키며, 전산 실험을 통해 MTD를 가지는 블라인드 DFE의 성능을 검증한다.

• 한국정보통신학회논문지
• /
• 제25권7호
• /
• pp.884-889
• /
• 2021

국내 코로나19의 감염자 수가 백신과 사회적 거리 두기, 백신 등 여러 가지 노력 덕분에 차츰 줄어드는 듯 보였으나 2020년 2월 20일 특정한 사건 이후 감염자 수가 증가한 것처럼, 2020년 12월부터 또다시 급격히 감염자 수가 증가하는 추세이며 꾸준히 일일 500명가량의 감염자 수가 이어지고 있다. 따라서 Kaggle의 데이터셋을 이용해서 Prophet 알고리즘을 통해 미래 코로나19를 예측하고 사이킷런을 통해 결정계수, 평균 절대 오차, 평균 백분율 오차, 평균 제곱 차, 평균 제곱근 편차를 통해 이 예측에 대한 설명력을 더한다. 또한 코로나19가 급격히 특정한 사건이 없었을 경우 국내 감염자 수를 예측해 앞으로 우리가 미래의 질병에 대해서 방역과 방역 수칙 실천의 중요함을 강조한다.

• 한국인터넷방송통신학회논문지
• /
• 제19권4호
• /
• pp.161-167
• /
• 2019

최근 안정적인 전력수급과 급증하는 전력수요를 예측하는 수요예측 기술에 대한 관심과 실시간 전력측정을 가능하게 하는 스마트 미터기의 보급의 증대로 인해 수요예측 기법에 대한 연구가 활발히 진행되고 있다. 본 연구에서는 실제 측정된 가정의 전력 사용량 데이터를 학습하여 예측결과를 출력하는 딥 러닝 예측모델 실험을 진행한다. 그리고 본 연구에서는 데이터 전처리 기법으로써 이동평균법을 도입하였다. 실제로 측정된 데이터를 학습한 모델의 예측량과 실제 전력 측정량을 비교한다. 이 예측량을 통해서 전력공급 예비율을 낮춰 사용되지 않고 낭비되는 예비전력을 줄일 수 있는 가능성을 제시한다. 또한 본 논문에서는 같은 데이터, 같은 실험 파라미터를 토대로 세 종류의 기법: 다층퍼셉트론(Multi Layer Perceptron, MLP), 순환신경망(Recurrent Neural Network, RNN), Long Short Term Memory(LSTM)에 대해 실험을 진행하여 성능을 평가한다. 성능평가는 MSE(Mean Squared Error), MAE(Mean Absolute Error)의 기준으로 성능평가를 진행했다.

• Advances in Energy Research
• /
• 제8권2호
• /
• pp.95-110
• /
• 2022

Wind energy can be utilized for the generation of electricity, due to significant wind potential at different parts of the world, some countries have already been generating of electricity through wind. Pakistan is still well behind and has not yet made any appreciable effort for the same. The objective of this work was to add some new strategies to calculate Weibull parameters and assess wind energy potential. A new approach calculates Weibull parameters; we also developed an alternate formula to calculate shape parameters instead of the gamma function. We obtained k (shape parameter) and c (scale parameter) for two-parameter Weibull distribution using five statistical methods for five different cities in Pakistan. Maximum likelihood method, Modified Maximum likelihood Method, Method of Moment, Energy Pattern Method, Empirical Method, and have been to calculate and differentiate the values of (shape parameter) k and (scale parameter) c. The performance of these five methods is estimated using the Goodness-of-Fit Test, including root mean square error, mean absolute bias error, mean absolute percentage error, and chi-square error. The daily 10-minute average values of wind speed data (obtained from energydata.info) of different cities of Pakistan for the year 2016 are used to estimate the Weibull parameters. The study finds that Hyderabad city has the largest wind potential than Karachi, Quetta, Lahore, and Peshawar. Hyderabad and Karachi are two possible sites where wind turbines can produce reasonable electricity.

• Geomechanics and Engineering
• /
• 제31권4호
• /
• pp.339-352
• /
• 2022

Studying slope stability is an important branch of civil engineering. In this way, engineers have employed machine learning models, due to their high efficiency in complex calculations. This paper examines the robustness of various novel optimization schemes, namely equilibrium optimizer (EO), Harris hawks optimization (HHO), water cycle algorithm (WCA), biogeography-based optimization (BBO), dragonfly algorithm (DA), grey wolf optimization (GWO), and teaching learning-based optimization (TLBO) for enhancing the performance of adaptive neuro-fuzzy inference system (ANFIS) in slope stability prediction. The hybrid models estimate the factor of safety (F_S) of a cohesive soil-footing system. The role of these algorithms lies in finding the optimal parameters of the membership function in the fuzzy system. By examining the convergence proceeding of the proposed hybrids, the best population sizes are selected, and the corresponding results are compared to the typical ANFIS. Accuracy assessments via root mean square error, mean absolute error, mean absolute percentage error, and Pearson correlation coefficient showed that all models can reliably understand and reproduce the F_S behavior. Moreover, applying the WCA, EO, GWO, and TLBO resulted in reducing both learning and prediction error of the ANFIS. Also, an efficiency comparison demonstrated the WCA-ANFIS as the most accurate hybrid, while the GWO-ANFIS was the fastest promising model. Overall, the findings of this research professed the suitability of improved intelligent models for practical slope stability evaluations.

• Advances in materials Research
• /
• 제13권1호
• /
• pp.63-86
• /
• 2024

Asphalt concrete (AC), is a mixture of bitumen and aggregates, which is very sensitive in the design of flexible pavement. In this study, the Marshall stability of the glass and carbon fiber bituminous concrete was predicted by using Artificial Neural Network (ANN), Support Vector Machine (SVM), Random Forest (RF), and M5P Tree machine learning algorithms. To predict the Marshall stability, nine inputs parameters i.e., Bitumen, Glass and Carbon fibers mixed in 100:0, 75:25, 50:50, 25:75, 0:100 percentage (designated as 100GF:0CF, 75GF:25CF, 50GF:50 CF, 25GF:75CF, 0GF:100CF), Bitumen grade (VG), Fiber length (FL), and Fiber diameter (FD) were utilized from the experimental and literary data. Seven statistical indices i.e., coefficient of correlation (CC), mean absolute error (MAE), root mean squared error (RMSE), relative absolute error (RAE), root relative squared error (RRSE), Scattering index (SI), and BIAS were applied to assess the effectiveness of the developed models. According to the performance evaluation results, Artificial neural network (ANN) was outperforming among other models with CC values as 0.9147 and 0.8648, MAE values as 1.3757 and 1.978, RMSE values as 1.843 and 2.6951, RAE values as 39.88 and 49.31, RRSE values as 40.62 and 50.50, SI values as 0.1379 and 0.2027 and BIAS value as -0.1 290 and -0.2357 in training and testing stage respectively. The Taylor diagram (testing stage) also confirmed that the ANN-based model outperforms the other models. Results of sensitivity analysis showed that the fiber length is the most influential in all nine input parameters whereas the fiber combination of 25GF:75CF was the most effective among all the fiber mixes in Marshall stability.

• 한국수자원학회논문집
• /
• 제39권8호
• /
• pp.677-690
• /
• 2006

본 연구에서는 LH-OAT (Latin Hypercube Ore factor At a Time) 민감도분석 방법과 SCE-UA (Shuffled Complex Evolution at University of Arizona) 최적화 기법을 적용하여 보청천 유역에서 SWAT모형에 대한 자동보정 방법을 제시하였다. LH-OAT 방법은 전역 민감도분석과 부분 민감도 분석의 장점을 조합하여 가용매개변수 공간에 대하여 효율적으로 매개변수의 민감도 분석이 가능하게 하였다. LH-OAT민감도 분석으로부터 결정된 매개변수의 민감도 등급은 SWAT 모형의 자동보정 과정에서 요구되는 보정대상 매개변수의 선택에 유용하게 적용될 수 있다. SCE-UA 방법을 적용한 SWAT모형의 자동보정 해석결과는 보정자료, 보정매개변수, 통계적 오차의 선택에 따라서 모형의 성능이 좌우되었다. 보정기간과 보정매개변수가 증가함에 따라 검증기간에 대한 RMSE (Root Mean Square Error), NSEF (Nash-Sutcliffe Model Efficiency), RMAE (Relative Mean Absolute Error), NMSE (Normalized Mean Square Error) 등의 모형오차는 감소하였지만, NAE (Normalized Average Error) 및 SDR(Standard Deviation Ratio)은 개선되지 않았다. SWAT모형의 보정에 적용되는 보정자료, 보정매개변수 및 모형평가를 위한 통계적 오차 선택이 해석결과에 미치는 복잡한 영향을 이해하기 위하여 다양한 대표유역을 대상으로 추가적인 연구가 필요하다.

• 환경영향평가
• /
• 제29권4호
• /
• pp.272-285
• /
• 2020

본 연구에서는 3차원 기상 및 대기질 모델의 입출력 자료를 평가하는 데 필요한 통계 검증지표를 선별하고, 선정된 검증지표의 기준치를 조사하여 그 결과를 요약하였다. 여러 국내외 문헌과 최근 논문 검토를 통해 최종 선정된 통계 검증지표는 MB (Mean Bias), ME (Mean Error), MNB (Mean Normalized Bias Error), MNE (Mean Absolute Gross Error), RMSE (Root Mean Square Error), IOA (Index of Agreement), R (Correlation Coefficient), FE (Fractional Error), FB (Fractional Bias)로 총 9가지이며, 국내외 문헌을 통해 그 기준치를 확인하였다. 그 결과, 기상모델의 경우 대부분 MB와 ME가 주요 지표로 사용되어 왔고, 대기질 모델 결과는 NMB와 NME 지표가 주로 사용되었으며, 그 기준치의 차이를 분석하였다. 아울러 이들 통계 검증지표값을 이용하여 모델 예측 결과를 효과적으로 비교하기 위한 표출 도식으로 축구 도식, 테일러 도식, Q-Q (Quantile-Quantile) 도식의 장단점을 분석하였다. 나아가 본 연구 결과를 기반으로 우리나라의 산악지역의 특수성 등이 잘 고려된 통계 검증지표의 기준치 설정 등의 추가연구가 효과적으로 진행될 수 있기를 기대한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 하계종합학술대회 논문집(4)
• /
• pp.43-46
• /
• 2000

In this paper, we propose a fast adaptive diamond search algorithm(FADS) for block matching motion estimation. Fast motion estimation algorithms reduce the computational complexity by using the UESA (Unimodal Error Search Assumption) that the matching error monotonically increases as the search moves away from the global minimum error. Recently many fast BMAs(Block Matching Algorithms) make use of the fact that the global minimum points in real world video sequences are centered at the position of zero motion. But these BMAs, especially in large motion, are easily trapped into the local minima and result in poor matching accuracy. So, we propose a new motion estimation algorithm using the spatial correlation among the adjacent blocks. We change the origin of search window according to the spatially adjacent motion vectors and their MAE(Mean Absolute Error). The computer simulation shows that the proposed algorithm has almost the same computational complexity with UCBDS(Unrestricted Center-Biased Diamond Search)〔1〕, but enhance PSNR. Moreover, the proposed algorithm gives almost the same PSNR as that of FS(Full Search), even for the large motion case, with half the computational load.