• Journal of Positioning, Navigation, and Timing
• /
• 제11권3호
• /
• pp.217-227
• /
• 2022

In order to provide a location-based services regardless of indoor or outdoor space, it is important to provide position information of the terminal regardless of location. Among the wireless/mobile communication resources used for this purpose, Long Term Evolution (LTE) signal is a representative infrastructure that can overcome spatial limitations, but the positioning method based on the location of the base station has a disadvantage in that the accuracy is low. Therefore, a fingerprinting technique, which is a pattern recognition technology, has been widely used. The simplest yet widely applied algorithm among Fingerprint positioning technologies is k-Nearest Neighbors (kNN). However, in the kNN algorithm, it is difficult to find the optimal K value with the lowest positioning error for each location to be estimated, so it is generally fixed to an appropriate K value and used. Since the optimal K value cannot be applied to each estimated location, therefore, there is a problem in that the accuracy of the overall estimated location information is lowered. Considering this problem, this paper proposes a technique for adaptively varying the K value by using a Convolutional Neural Network (CNN) model among Artificial Neural Network (ANN) techniques. First, by using the signal information of the measured values obtained in the service area, an image is created according to the Physical Cell Identity (PCI) and Band combination, and an answer label for supervised learning is created. Then, the structure of the CNN is modeled to classify K values through the image information of the measurements. The performance of the proposed technique is verified based on actual data measured in the testbed. As a result, it can be seen that the proposed technique improves the positioning performance compared to using a fixed K value.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권2호
• /
• pp.520-541
• /
• 2023

In CRNs, SS is of utmost significance. Every CR user generates a sensing report during the training phase beneath various circumstances, and depending on a collective process, either communicates or remains silent. In the training stage, the fusion centre combines the local judgments made by CR users by a majority vote, and then returns a final conclusion to every CR user. Enough data regarding the environment, including the activity of PU and every CR's response to that activity, is acquired and sensing classes are created during the training stage. Every CR user compares their most recent sensing report to the previous sensing classes during the classification stage, and distance vectors are generated. The posterior probability of every sensing class is derived on the basis of quantitative data, and the sensing report is then classified as either signifying the presence or absence of PU. The ISVM technique is utilized to compute the quantitative variables necessary to compute the posterior probability. Here, the iterations of SVM are tuned by novel GO-PSA by combining GOA and PSO. Novel GO-PSA is developed since it overcomes the problem of computational complexity, returns minimum error, and also saves time when compared with various state-of-the-art algorithms. The dependability of every CR user is taken into consideration as these local choices are then integrated at the fusion centre utilizing an innovative decision combination technique. Depending on the collective choice, the CR users will then communicate or remain silent.

• Geomechanics and Engineering
• /
• 제31권6호
• /
• pp.545-556
• /
• 2022

Evaluation and optimization of tunnel wall convergence (TWC) plays a vital role in preventing potential problems during tunnel construction and utilization stage. When convergence occurs at a high rate, it can lead to significant problems such as reducing the advance rate and safety, which in turn increases operating costs. In order to design an effective solution, it is important to accurately predict the degree of TWC; this can reduce the level of concern and have a positive effect on the design. With the development of soft computing methods, the use of deep learning algorithms and neural networks in tunnel construction has expanded in recent years. The current study aims to employ the long-short-term memory (LSTM) deep neural network predictor model to predict the TWC, based on 550 data points of observed parameters developed by collecting required data from different tunnelling projects. Among the data collected during the pre-construction and construction phases of the project, 80% is randomly used to train the model and the rest is used to test the model. Several loss functions including root mean square error (RMSE) and coefficient of determination (R²) were used to assess the performance and precision of the applied method. The results of the proposed models indicate an acceptable and reliable accuracy. In fact, the results show that the predicted values are in good agreement with the observed actual data. The proposed model can be considered for use in similar ground and tunneling conditions. It is important to note that this work has the potential to reduce the tunneling uncertainties significantly and make deep learning a valuable tool for planning tunnels.

• 국제학술발표논문집
• /
• The 3th International Conference on Construction Engineering and Project Management
• /
• pp.700-706
• /
• 2009

Bridges are vital components of any road network which demand crucial and timely decision-making for Maintenance, Repair and Rehabilitation (MR&R) activities. Bridge Management Systems (BMSs) as a decision support system (DSS), have been developed since the early 1990's to assist in the management of a large bridge network. Historical condition ratings obtained from biennial bridge inspections are major resources for predicting future bridge deteriorations via BMSs. Available historical condition ratings in most bridge agencies, however, are very limited, and thus posing a major barrier for obtaining reliable future structural performances. To alleviate this problem, the verified Backward Prediction Model (BPM) technique has been developed to help generate missing historical condition ratings. This is achieved through establishing the correlation between known condition ratings and such non-bridge factors as climate and environmental conditions, traffic volumes and population growth. Such correlations can then be used to obtain the bridge condition ratings of the missing years. With the help of these generated datasets, the currently available bridge deterioration model can be utilized to more reliably forecast future bridge conditions. In this paper, the prediction accuracy based on 4 and 9 BPM-generated historical condition ratings as input data are compared, using deterministic and stochastic bridge deterioration models. The comparison outcomes indicate that the prediction error decreases as more historical condition ratings obtained. This implies that the BPM can be utilised to generate unavailable historical data, which is crucial for bridge deterioration models to achieve more accurate prediction results. Nevertheless, there are considerable limitations in the existing bridge deterioration models. Thus, further research is essential to improve the prediction accuracy of bridge deterioration models.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.571-572
• /
• 2022

최근, 메타버스 서비스에 대한 기대가 높아지면서 VR/AR 콘텐츠의 사용이 활발히 늘어나고 있다. 메타버스를 이용한 가상 체험은 사용자들이 직접 가지 않아도 원격지를 둘러보고 체험할 수 있으며 실제 환경을 둘러보는 듯한 느낌을 받을 수 있다. 기존의 메타버스는 가상의 공간에서 체험 콘텐츠를 제공하는 것이 전반적이였으나 최근 실제로 캡처한 공간을 이용하는 사례에 대한 필요성이 늘어나고 있다. 예를 들면, 가상 휴먼을 실제 환경에 합성하여 공간감과 현실감을 높이도록 제작하여 메타버스 콘텐츠가 실제 공간에 있는 듯한 느낌을 제공하는 것이 가능하다. 본 논문에서는 원격지 공간 캡쳐 기반 가상 휴먼 합성 기술을 제시하기 위해 원격지 환경을 360도 파노라마 캡쳐 후 가상 휴먼을 합성하는 기법을 제시한다. 이를 위해 원격지 환경을 분석하여 오차 없이 캡쳐할 수 있는 위치를 파악하고, 가상 휴먼을 합성하는 방법을 적용한다. 본 논문에 따르면 산업 공장, 의료시설, 학교 등 다양한 공간을 캡쳐해 사용할 수 있으며 서로 떨어져 있는 원격지 간 의사소통 및 가이드를 제공할 수 있다.

• International journal of advanced smart convergence
• /
• 제12권1호
• /
• pp.18-30
• /
• 2023

We compared empirically the forecast accuracies of the LSTM model, and the ARIMA model. ARIMA model used auto.arima function. Data used in the model is 100 days. We compared with the forecast results for 50 days. We collected the stock closing prices of the top 4 companies by market capitalization in Korea such as "Samsung Electronics", and "LG Energy", "SK Hynix", "Samsung Bio". The collection period is from June 17, 2022, to January 20, 2023. The paired t-test is used to compare the accuracy of forecasts by the two methods because conditions are same. The null hypothesis that the accuracy of the two methods for the four stock closing prices were the same were rejected at the significance level of 5%. Graphs and boxplots confirmed the results of the hypothesis tests. The accuracies of ARIMA are higher than those of LSTM for four cases. For closing stock price of Samsung Electronics, the mean difference of error between ARIMA and LSTM is -370.11, which is 0.618% of the average of the closing stock price. For closing stock price of LG Energy, the mean difference is -4143.298 which is 0.809% of the average of the closing stock price. For closing stock price of SK Hynix, the mean difference is -830.7269 which is 1.00% of the average of the closing stock price. For closing stock price of Samsung Bio, the mean difference is -4143.298 which is 0.809% of the average of the closing stock price. The auto.arima function was used to find the ARIMA model, but other methods are worth considering in future studies. And more efforts are needed to find parameters that provide an optimal model in LSTM.

• 한국음향학회지
• /
• 제42권3호
• /
• pp.262-269
• /
• 2023

본 논문에서는 선형 예측 분석을 기반으로 한 딱총새우 잡음 검출을 위한 특징을 제안한다. 딱총새우는 천해에 서식하는 종으로, 높은 진폭의 신호를 생성하고 빈번하게 발생하기 때문에 수중 잡음의 주된 원인 중 하나이다. 제안된 특징은 딱총새우 잡음이 갑작스럽게 발생하고 빠르게 소멸하는 특징을 활용하기 위해 선형 예측 분석을 이용하여 정확한 잡음 구간을 검출하고 딱총새우 잡음의 영향을 줄인다. 선형 예측 분석으로 예측한 값과 실제 측정값 사이의 오차가 크기 때문에 이를 통해 효과적으로 딱총새우 구간 검출이 가능해진다. 추가적으로 제안된 특징에 일정 오경보 확률 탐지기를 결합하여 잡음 구간 검출 성능을 추가적으로 개선한다. 제안한 방법을 딱총새우 잡음 구간 검출 최신 방법으로 알려진 다층 웨이블릿 패킷 분해와 비교한 결과, 제안한 방법이 수신자 조작 특성 곡선과 곡선 아래의 면적 측면에서 성능이 평균적으로 0.12만큼 우수하였고 계산량 측면에서도 계산 복잡도가 더 낮았다.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1890-1897
• /
• 2022

본 논문에서는 수중글라이더용 항법필터 설계를 수행한다. 해양의 염분, 수온 등 해양 정보 획득을 위해서 사용되는 수중글라이더는 저전력으로 장기간 운용이 되기 때문에, 다양한 센서를 적용하기에 많은 제약이 있다. 제한된 수중글라이더의 운용 특성을 고려하여 센서 구성이 다른 두 종류의 위치 추정을 위한 항법 필터를 설계한다. 항법필터는 최소한의 센서출력 정보를 바탕으로 수중글라이더의 동체좌표계 기준 속도를 추정한다. 첫 번째 필터의 센서 구성은 가속도계, 지자계, 심도계 센서로 구성 되어있고, 두 번째 필터는 첫 번째 필터와 동일한 구성에 자이로 센서가 추가된다. 추정된 속도는 자세정보와 융합하여 항법좌표계의 속도정보로 변환 뒤 최종적으로 위치를 추정한다. 제안된 필터의 성능을 분석하기 위해 단일 시뮬레이션 및 몬테카를로 수치해석 기법을 이용하여 분석을 수행하고 수행결과는 표준편차(standard deviation, 1σ)로 분석한다. 각 필터의 위치오차에 대한 표준편차는 334.34, 125.91m이다.

• 무역학회지
• /
• 제43권1호
• /
• pp.131-152
• /
• 2018

본 연구는 중국의 각 지역별 시장에 대한 옴니채널시장 잠재력을 분석·평가함으로써 한국 물류기업 및 소매유통기업의 협력진출을 위한 전략수립에 대한 시사점을 제시하는데 목적이 있다. 중국의 전자상거래, 소매판매, 특송서비스에 영향을 미치는 변수를 문헌연구를 토대로 추출하여 회귀분석 및 분산분해 분석을 실시하였다. 즉, 중국 31개 지역의 각 지역별 통계자료를 활용하여 각 지역별 전자상거래 및 소비재 소매판매액에 영향을 미치는 변수를 분석하였다. 또한 중국의 특송서비스 판매량, 물류GDP, 휴대폰 사용자 수의 상호 반응 정도를 추정하기 위해 분산분해 분석을 실시하였다. 연구결과를 토대로 지역별 순위를 선정하여 중국 옴니채널시장의 잠재력을 평가하였다. 또한 이를 바탕으로 소매기업과 물류기업의 중국 옴니채널 시장 진출방안에 대한 시사점을 제공하였다.

• 한국가스학회지
• /
• 제27권2호
• /
• pp.49-56
• /
• 2023

4차 산업혁명으로 인공지능(AI, Artificial Intelligence) 관련 기술이 고도로 성장함에 따라 여러 분야에서 AI를 접목하는 사례가 증가하고 있다. 주요 원인은 정보통신기술이 발달됨에 따라 기하급수적으로 증가하는 데이터를 사람이 직접 처리·분석하는데 현실적인 한계가 있고, 새로운 기술을 적용하여 휴먼 에러에 대한 리스크도 감소시킬 수 있기 때문이다. 이번 연구에서는 '원격 전위 측정용터미널(T/B, Test Box)'로부터 수신된 데이터와 해당시점의 '원격 정류기' 출력을 수집 후, AI가 학습하도록 하였다. AI의 학습 데이터는 최초 수집된 데이터의 회기분석을 통한 데이터 전처리로 확보하였고, 학습모델은 심층 강화학습(DRL, Deep Reinforce-ment Learning) 알고리즘 중(中) Value기반의 Q-Learning모델이 적용하였다. 데이터 학습이 완료된 AI는 실제 도시가스 공급지역에 투입하여, 수신된 원격T/B 데이터를 기반으로 AI가 적절하게 대응하는지 검증하고, 이를 통해 향후 AI가 전기방식 관리에 적합한 수단으로 활용될 수 있는지 검증하고자 한다.