• Journal of Mechanical Science and Technology
• /
• 제18권8호
• /
• pp.1428-1434
• /
• 2004

This paper presents the mean streamline analysis using the empirical loss correlations for performance prediction of cross-flow fans. Comparison of overall performance predictions with test data of a cross-flow fan system with a simplified vortex wall scroll casing and with the published experimental characteristics for a cross-flow fan has been carried out to demonstrate the accuracy of the proposed method. Predicted performance curves by the present mean streamline analysis agree well with experimental data for two different cross-flow fans over the normal operating conditions. The prediction method presented herein can be used efficiently as a tool for the preliminary design and performance analysis of general-purpose cross-flow fans.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권9호
• /
• pp.339-348
• /
• 2021

최근 소프트웨어 결함 예측 연구는 교차 프로젝트 간의 결함 예측뿐만 아니라 교차 버전 프로젝트 간의 결함 예측 또한 이루어지고 있다. 종래의 교차 버전 결함 예측 연구들은 WP(Within-Project)로 가정한다. 하지만, CV(Cross-Version) 환경에서는 프로젝트 버전 간의 분포 차이의 중요성을 고려한 연구들이 없다. 본 연구에서는 다른 버전 간의 분포 차이까지 고려하는 자동화된 베이지안 최적화 프레임워크를 제안한다. 이를 통해 분포차이에 따라 전이 학습(Transfer Learning) 수행 여부를 자동으로 선택하여 준다. 해당 프레임워크는 버전 간의 분포 차이, 전이 학습과 분류기(Classifier)의 하이퍼파라미터를 최적화하는 기법이다. 실험을 통해 전이 학습 수행 여부를 분포차 기준으로 자동으로 선택하는 방법이 효과적이라는 것을 알 수 있다. 그리고 최적화를 이용하는 것이 성능 향상에 효과가 있으며 이러한 결과 소프트웨어 인스펙션 노력을 감소할 수 있다는 것을 확인할 수 있다. 이를 통해 교차 버전 프로젝트 환경에서 신규 버전 프로젝트에 대하여 효과적인 품질 보증 활동 수행을 지원할 것으로 기대된다.

• 항공우주시스템공학회지
• /
• 제18권1호
• /
• pp.21-28
• /
• 2024

본 논문에서는 회전익 블레이드의 단면 구조 정보를 통해 블레이드의 단면 강성을 예측하고, 재료 정보를 이용하여 단면 강성을 예측할 수 있는 심층 신경망 기반 네트워크 예측 모델의 설계 및 적절성 검토를 수행하였다. 재료 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드 단면 부재 재료의 탄성 계수를 네트워크의 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 또한, 단면 구조 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드의 단면을 구성하는 단면 부재의 위치와 두께 정보를 네트워크 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 각 예측 모델은 심층신경망 구조를 기반으로 설계하였으며, 단면 해석 프로그램인 KSAC2D를 통한 단면 해석 결과를 네트워크의 훈련 및 검증 데이터로 사용하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권3호
• /
• pp.1583-1598
• /
• 2019

Recently, software has increased in complexity and been applied in various industrial fields. As a result, the presence of software bugs cannot be avoided. Various bug severity prediction methodologies have been proposed, but their performance needs to be further improved. In this study, we propose a novel technique for bug severity prediction in cross projects such as Eclipse, Mozilla, WireShark, and Xamarin by using topic modeling and similarity (i.e., KL-divergence). First, we construct topic models from bug repositories in cross projects using Latent Dirichlet Allocation (LDA). Then, we find topics in each project that contain the most numerous similar bug reports by using a new bug report. Next, we extract the bug reports belonging to the selected topics and input them to a Naïve Bayes Multinomial (NBM) algorithm. Finally, we predict the bug severity in the new bug report. In order to evaluate the performance of our approach and to verify the difference between cross projects and single project, we compare it with the Naïve Bayes Multinomial approach; the Lamkanfi methodology, which is a well-known bug severity prediction approach; and an emotional similarity-based bug severity prediction approach. Our approach exhibits a better performance than the compared methods.

• The Journal of the Acoustical Society of Korea
• /
• 제16권3E호
• /
• pp.7-13
• /
• 1997

This paper addresses traffic prediction issues on MPEG. A new adaptive traffic prediction scheme is proposed using MPEG picture characteristic that picture traffic depends on the coding mode of that picture, that is, I, P, and B mode. Our prediction scheme, which is based n picture decomposition (PD) and the cross-correlation of the different types of pictures, has better performance in predicting bursty MPEG traffic than that of the first-order autoregressive (AR) prediction scheme. Our simulation results show that the performance is further improved about 15% by utilizing the cross-correlations between pictures.

• 대한인간공학회지
• /
• 제27권2호
• /
• pp.1-7
• /
• 2008

This study quantified 7 trunk muscles' physiological cross-sectional areas (PCSAs) and developed prediction equations for the physiological cross-sectional area as a function of anthropometic variables for Korean people. Nine females and nine males were participated in the magnetic resonance imaging (MRI) scans approximately from S1 through T8. Muscle fiber angle corrected cross-sectional areas (anatomical cross sectional areas: ACSAs) were recorded at each vertebral level and maximum value of ACSAs were determined as physiological cross sectional area (PCSA). There was a significant gender difference in PCSAs of all muscles (p<0.05). Stepwise linear regression techniques using anthropometric measures (e.g., height, weight, trunk depths and widths) as independent variables were conducted to develop prediction equations for the PCSA for each muscle. For males, six muscles' significant prediction equations (p<0.05) were developed except quadratus lumborum. For females, three prediction equations were developed for psoas, quadratus lumborum, and erector spinae muscles (p<0.05).

• Geomechanics and Engineering
• /
• 제38권1호
• /
• pp.69-77
• /
• 2024

The development of shield-driven cross-river tunnels in China is witnessing a notable shift towards larger diameters, longer distances, and higher water pressures due to the more complex excavation environment. Complex geological formations, such as fault and karst cavities, pose significant construction risks. Real-time adjustment of shield tunneling parameters based on parameter prediction is the key to ensuring the safety and efficiency of shield tunneling. In this study, prediction models for the torque and thrust of the cutter plate of ultra-large diameter slurry shield TBMs is established based on integrated learning algorithms, by analyzing the real data of Heyan Road cross-river tunnel. The influence of geological complexities at the excavation face, substantial burial depth, and high water level on the slurry shield tunneling parameters are considered in the models. The results reveal that the predictive models established by applying Random Forest and AdaBoost algorithms exhibit strong agreement with actual data, which indicates that the good adaptability and predictive accuracy of these two models. The models proposed in this study can be applied in the real-time prediction and adaptive adjustment of the tunneling parameters for shield tunneling under complex geological conditions.

• 한국ITS학회 논문지
• /
• 제22권6호
• /
• pp.1-16
• /
• 2023

정확도가 높은 교통정보 예측은 지능형교통체계(intelligent transport systems, ITS)를 통한 교통 시설 이용자들의 혼잡 경로 회피 안내 등에서 활용되는 중요한 기능이다. 정확한 교통정보예측을 위해 다양한 딥러닝 모델들이 발전되어 왔다. 최근에는 앙상블 기법을 활용하여 다양한 모델들의 장단점을 결합하여 예측 정확도와 안정성을 높이고 있다. 따라서, 본 연구에서는 다양한 딥러닝 모델들을 활용하여 교통정보 예측 모델을 개발하였으며, 개발된 딥러닝 모델들을 스태킹 앙상블(stacking ensemble)하여 성능을 개선하였다. 개별 모델들은 교통량 예측에서 10% 이내의 오차율을, 속도 예측에서 3% 이내의 오차율을 보였다. 앙상블 모델은 교차검증을 수행하지 않았을 때, 타 모델과 비교하여 더욱 높은 정확도를 보였다. 교차검증을 수행한 앙상블 모델은 장기예측에서 타 모델보다 균일한 오차율을 보이는 것으로 나타났다.

• Fibers and Polymers
• /
• 제6권3호
• /
• pp.269-276
• /
• 2005

In this study, cross-cultural comparison of sound sensation for Korean traditional silk fabrics between Korea and America was performed and prediction models for sound sensation by objective measurements including sound parameters such as level pressure of total sound (LPT), Zwicker's psychoacoustic characteristics, and mechanical properties by Kawabata Evaluation System were established for each nation to explore the objective parameters explaining sound sensation of the Korean traditional silk. As results, Koreans felt the silk fabric sounds soft and smooth while Americans were revealed as perceiving them hard and rough. Both Koreans and Americans were pleasant with sounds of Gongdan and Newttong and especially Newttong was preferred more by Americans in terms of sound sensation. In prediction models, some of subjective sensation were found as being related mainly with mechanical properties of traditional silk fabrics such as surface and compressional characteristics.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.649-655
• /
• 2021

본 연구는 경주시를 대상으로 수행한 선행연구를 바탕으로 도출된 최적의 지진 취약성 평가 모델을 타 지역에 적용하여 그 성능을 교차 검증(cross-validation)하고자 한다. 테스트 지역은 2017 포항지진(Pohang Earthquake)이 발생한 포항시이며, 선행연구와 동일한 영향인자 및 피해현황 관련 데이터셋을 구축하였다. 검증 데이터 셋은 무작위로 추출해 구축하였으며, 경주시의 랜덤 포레스트(random forest, RF) 기반의 모델에 적용하여 예측 정확도를 도출하였다. 경주시의 모델(success) 및 예측(prediction) 정확도는 100%, 94.9%이며, 포항시 검증 데이터 셋을 적용해 예측 정확도를 확인한 결과 70.4%로 나타났다.