• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2003년도 춘계학술대회
• /
• pp.304-309
• /
• 2003

In this study, natural flaws in welding parts are classified using the signal pattern classification method. The storage digital oscilloscope including FFT function and enveloped waveform generator is used and the signal pattern recognition procedure is made up the digital signal processing, feature extraction, feature selection and classifier design. It is composed with and discussed using the distance classifier that is based on euclidean distance the empirical Bayesian classifier. Feature extraction is performed using the class-mean scatter criteria. The signal pattern classification method is applied to the signal pattern recognition of natural flaws.

• 경제분석
• /
• 제27권4호
• /
• pp.1-42
• /
• 2021

우리나라 소비자물가상승률에 대한 예측은 한국은행의 물가안정목표제 운용, 채권시장 참가자의 만기 포트폴리오 최적화, 부동산 시장 및 민간의 소비와 투자 등 경제 전반에 지대한 영향을 미친다. 본 연구는 향후 3년간 우리나라 소비자물가상승률 예측결과를 제시한다. 이를 위해 우선 자기회귀시차(Autoregressive Distributed Lag, ADL) 모형, AR 모형, 소규모 벡터자기회귀(VAR) 모형, 대규모 VAR 모형의 표본외 예측력을 기준으로 모형선택을 실시한다. 물가상승률에는 다수의 잠재적인 예측변수가 존재하기 때문에 12개의 거시변수를 대상으로 ADL 모형에 베이지안 변수선택기법을 도입하고, 예측력 향상을 위한 정밀한 튜닝과정을 고안하고 적용하였다. VAR 모형에는 미네소타 사전분포를 설정하여 차원의 저주 문제를 극복하고자 하였다. 최근 5년을 대상으로 한 장단기 표본외 예측결과, ADL 모형이 점예측과 분포예측 모두에서 여타 경쟁모형에 비해 전반적으로 우월하였다. 예측조합을 통한 예측결과, 우리나라 소비자물가상승률이 2022년 하반기까지는 현재 비슷한 2% 내외의 수준을 유지할 것으로 보이며, 2023년 상반기부터는 1% 내외로 하락할 것으로 전망된다. 80% 신용구간은 예측치의 대략 ±1%p이다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제10권2호
• /
• pp.133-144
• /
• 2006

FRP 판은 외부 부착된 보강 판의 효과적인 부착강도의 증진으로 실질적으로 부착강도에 대한 많은 연구가 수행되어왔다. 선행연구자들은 이러한 부착강도를 알아보기 위하여 다양한 변수를 설정하여 실험을 통하여 FRP 판의 부착강도를 규명하였다. 그러나, 이러한 부착강도를 알아보기 위한 실험은 장비구축의 비용과 시간 소비가 많이 되고 수행하기 어렵기 때문에 국한적으로 수행되고 있다. 본 연구는 선행연구자들의 부착실험 데이터를 다양한 신경망 모형과 알고리즘을 적용하여 최적의 인공신경망 모형을 개발하는데 그 목적이 있다. 인공신경망 모형의 출력층은 부착강도, 입력층은 FRP 판의 두께, 폭, 부착 길이, 탄성계수, 인장강도와 콘크리트의 압축강도, 인장강도, 폭을 변수로 선정하여 학습을 수행하였다. 개발된 인공신경망 모형은 역전파 학습 알고리즘을 적용하였으며, 오차는 0.001범위에 수렴되도록 학습을 하였다. 또한, 일반화 과정은 Bayesian 기법을 도입함으로써 보다 일반화된 방법으로 과대적합의 문제를 해소하였다. 개발된 모형의 검증은 학습에 이용되지 않은 다른 선행연구자들의 부착강도 결과 값과 비교함으로서 실시하였다.

• 정보처리학회논문지D
• /
• 제11D권6호
• /
• pp.1269-1276
• /
• 2004

본 논문에서는 기존의 소프트웨어 신뢰성 모형인 Goel-Okumoto 모형과 Yamada-Ohba-Osaki 모형을 재조명하고 또, 랄리 분포를 이용한 랄리 모형을 적용하여 모수 추정방법을 연구하였다. 본 연구에서는 기존의 최우추정법과 잠재변수를 도입하여 깁스 샘플링(Gibbs sampling)을 이용한 베이지안 모수추정 방법을 비교하고 그 특징을 분석하고자 한다. 또, 효율적 모형을 위한 모형선택으로서 잔차제곱합(Sum of the squared errors ; SSE)과 Braun 통계량을 적용하여 모형들에 대한 효율성 입증방법을 설명하였다. 그리고 수치적인 예로서 실제 자료를 이용한 수치 견과를 나열하였다. 이 접근방법을 기초로 하여 수명분포가 중첩(Superposition) 및 혼합(Mixture)인 경우에 대한 접근방법이 연구되었으면 한다.

• 한국농림기상학회지
• /
• 제16권4호
• /
• pp.274-284
• /
• 2014

농업은 기후 및 환경의 영향을 많이 받는 산업으로 기온, 강수량, 일조시간 등에 따라 재배 가능한 작물 과 품종이 결정된다. 본 연구의 목적은 사과의 생육과정에서 일별로 측정되는 기상변수를 활용하여 기상변수가 사과단수에 미치는 영향을 파악하는 것에 있다. 기상변수는 1) 생육단계를 고려한 자연과학적 접근방법과 2) 통계적 접근방법을 이용한다. 패널분석을 통해 추정된 각각의 결과를 모형적합도와 예측력 비교를 통해 평가한다. 사과단수와 기상변수의 자료는 2006년부터 2013년까지 우리나라 사과주산지 15개지역을 대상으로 수집되었다. 분석 결과, 통계적 접근방법 중요인분석을 이용한 변수 선정 방법이 가장 높은 예측력과 적합도를 보였다. 이는 기상변수와 같이 서로 유사하지만 다양한 설명변수의 사용으로 발생할 수 있는 다중공선성과 낮은 자유도의 문제를 효과적으로 통제하게 될 경우, 보다 많은 기상요인을 회귀분석에 포함하는 것이 적합도와 예측력을 높이는데 기여한 것으로 추정된다. 또한 사과재배에 있어 발아, 개화, 착과, 비대, 성숙, 그리고 착색 및 수확에 이르기까지의 전 생육과정의 기상요인이 단수에 영향력이 있음을 의미한다.

• 대기
• /
• 제16권1호
• /
• pp.19-31
• /
• 2006

The purpose of this study is to develop the statistical model to predict sea level pressure of typhoon period in south coast of the Korean Peninsula. Seven typhoons, which struck south coast of the Korean Peninsula, are selected for this study, and the data for analysis include the central pressure and location of typhoon, and sea level pressure and location of 19 observing site. Models employed in this study are the first order regression, the second order regression and the neural network. The dependent variable of each model is a 3-hr interval sea level pressure at each station. The cause variables are the central pressure of typhoon, distance between typhoon center and observing site, and sea level pressure of 3 hrs before, whereas the indicative variable reveals whether it is before or after typhoon passing. The data are classified into two groups - one is the full data obtained during typhoon period and the other is the data that sea level pressure is less than 1000 hPa. The stepwise selection method is used in the regression model while the node number is selected in the neural network by the Schwarz's Bayesian Criterion. The performance of each model is compared in terms of the root-mean square error. It turns out that the neural network shows better performance than other models, and the case using the full data produces similar or better results than the case using the other data.