• Journal of Electrical Engineering and Technology
• /
• 제10권1호
• /
• pp.41-46
• /
• 2015

It is very important to make accurate forecast of wind power because of its indispensable requirement for power system stable operation. The research is to predict wind power by chaos and BP artificial neural networks (CBPANNs) method based on genetic algorithm, and to evaluate feasibility of the method of predicting wind power. A description of the method is performed. Firstly, a calculation of the largest Lyapunov exponent of the time series of wind power and a judgment of whether wind power has chaotic behavior are made. Secondly, phase space of the time series is reconstructed. Finally, the prediction model is constructed based on the best embedding dimension and best delay time to approximate the uncertain function by which the wind power is forecasted. And then an optimization of the weights and thresholds of the model is conducted by genetic algorithm (GA). And a simulation of the method and an evaluation of its effectiveness are performed. The results show that the proposed method has more accuracy than that of BP artificial neural networks (BP-ANNs).

• 한국전자파학회논문지
• /
• 제22권12호
• /
• pp.1184-1187
• /
• 2011

본 논문에서는 이중 대역 저지 기능을 갖는 평판형 모노폴 UWB 안테나를 제안하였다. 제안된 안테나의 대역 저지 특성은 패치 상의 1차와 3차의 힐버트 곡선 슬롯들에 의하여 구현되었다. 각 힐버트 곡선 슬롯의 크기를 조절함으로써, 3.3에서 3.7 GHz 그리고 5.3에서 6 GHz에 걸친 저지 대역을 쉽게 구현할 수 있었다. 제작된 안테나의 VSWR과 방사 패턴을 측정하였으며, 이 결과로부터 설계된 안테나가 UWB 통신에서 사용될 수 있음을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제11권4호
• /
• pp.315-319
• /
• 2001

회전체 베어링 상태진단에 신뢰성을 갖기 위하여 여러 가지 진단 방법이 연구되고 있으며, 이때 이용하는 변수는 온도와 소음, 진동 그리고 윤활유가 있으며 분석 방법으로는 온도추이분석, 소음분석, 진동분석, 윤활제 분석방법이 주로 이용되고 있다. 본 연구에서는 압연기 베어링의 상태진단 변수로 베어링의 진동 신호를 선택하고 이 진동신호에서 비선형성이 강한 신호 즉 카오스적 거동이 있음을 정성적인 방법으로 타켄스의 매립법에 의한 상태공간 재구성과 포엔카레 단면, FFT, 히스토그램을 이용하고, 정량적인 방법으로 프랙탈 차원, 리아프노프 지수를 이용하여 확인하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 추계학술대회논문집
• /
• pp.886-890
• /
• 2007

Machine fault prognosis techniques have been considered profoundly in the recent time due to their profit for reducing unexpected faults or unscheduled maintenance. With those techniques, the working conditions of components, the trending of fault propagation, and the time-to-failure are forecasted precisely before they reach the failure thresholds. In this work, we propose an approach of Least Square Regression Tree (LSRT), which is an extension of the Classification and Regression Tree (CART), in association with one-step-ahead prediction of time-series forecasting technique to predict the future conditions of machines. In this technique, the number of available observations is firstly determined by using Cao's method and LSRT is employed as prognosis system in the next step. The proposed approach is evaluated by real data of low methane compressor. Furthermore, the comparison between the predicted results of CART and LSRT are carried out to prove the accuracy. The predicted results show that LSRT offers a potential for machine condition prognosis.

• 한국정밀공학회지
• /
• 제25권10호
• /
• pp.130-136
• /
• 2008

The purpose of this study was to investigate chaotic characteristics of major joint motions during treadmill walking. Gait experiments were carried out for 20 healthy young women. The subjects were asked to walk on a treadmill at their own natural speeds. The chaos analysis was used to quantify nonlinear motions of eleven major joints of each woman. The joints analyzed included the neck and the right and left shoulders, elbows, hips, knees and ankles. The recorded gait patterns were digitized and then coordinated by motion analysis software. Lyapunov exponent for every joint was calculated to evaluate joint characteristics from a state space created by time series and its embedding dimension. This study shows that differences in joint motion were statistically significant.

• Structural Engineering and Mechanics
• /
• 제72권6호
• /
• pp.763-774
• /
• 2019

The main aim of this paper is enhancing design of traditional laminated composite plates subjected to static loads. In this regard, this paper suggests embedding a lightweight porous layer in the middle of laminated composite as the core layer of the resulted sandwich plate. The static responses of the suggested structures with uniform, symmetric and non-symmetric porosity distributions are compared to optimize their design. Using the first order shear deformation theories, the static governing equations of the suggested laminated composite plates with a porous layer (LCPPL) rested on two-parameter foundation are obtained. A finite element method is also utilized to solve the governing equations of LCPPLs. Effects of laminated composite and porosity characteristics as well as geometry dimension, edges' boundary conditions and foundation coefficients on the static deflection and stress distribution of the suggested composite plates have been investigated. The results reveal that the use of core between the layers of laminated composites leads to a sharp reduction in the static deflections of LCPPLs. Furthermore, in compare with perfect cores, the use of porous core between the layers of laminated composite plates can offer a considerable reduction in structural weight without a significant difference in their static responses.

• 한국정보과학회논문지:데이타베이스
• /
• 제30권5호
• /
• pp.451-463
• /
• 2003

최근 시공간 데이타에 대한 OLAP연산 효율을 증가시키기 위한 여러 가지 연구들이 행하여지고 있다. 이들 연구의 대부분은 다중트리구조에 기반하고 있다. 다중트리구조는 공간차원을 색인하기 위한 하나의 R-tree와 시간차원을 색인하기 위한 다수의 B-tree로 이루어져 있다. 하지만, 이러한 다중트리구조는 높은 유지비용과 불충분한 질의 처리 효율로 인해 현실적으로 시공간 OLAP연산에 적용하기에는 어려운 점이 있다. 본 논문에서는 이러한 문제를 근본적으로 개선하기 위한 접근 방법으로서 힐버트큐브(Hilbert Cube, H-Cube)를 제안하고 있다. H-Cube는 집계질의(aggregation query) 처리 효율을 높이기 위해 힐버트 곡선을 이용하여 셀들에게 완전순서(total-order)를 부여하고 있으며, 아울러 전통적인 누적합(prefix-sum) 기법을 함께 적용하고 있다. H-Cube는 대상공간을 일정한 크기의 셀로 나누고 그 셀들을 힐버트 값 순서로 저장한다. 이러한 셀들이 시간순서로 모여 규브형태를 이루게 된다. 또한 H-Cube는 시간의 흐름에 따라 변화되는 지역적인 데이타 편중에 대처하기 위해 적응적으로 셀을 정제한다. H-Cube는 정적인 공간 차원에서 움직이는 짐 객체에 초점을 두고 있는 적웅적이며, 완전순서화되어 있으며, 또한 누적합을 이용한 셀 기반의 색인구조이다. 본 논문에서는 H-Cube의 성능 평가를 위해서 다양한 실험을 하였으며, 그 결과로서 유지비용과 질의 처리 효율성면 모두에서 다중트리구조보다 높은 성능 향상이 있음을 보인다.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고유한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미 있는 정보로 변환시켜 줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망과의 모형결합을 통해 기존연구와는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이블릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다.

• 감성과학
• /
• 제1권1호
• /
• pp.69-78
• /
• 1998

Sleep deprivation may affect the brain functions such as cognition and consequently, dynamics of the BEG. We examined the effects of sleep deprivation on chaoticity of the EEG. Five volunteers were sleep-deprived over a period of 24 hours They were checked by EEG during two days. thc first day of baseline period and the second day of total sleep deprivation period. EEGs were recorded from 16 channels for nonlinear analysis. We employed a method of minimum embedding dimension to calculate the first positive Lyapunov exponent. Fer limited noisy data, this algorithm was strikingly faster and more accurate than previous ones. Our results show that the sleep deprived volunteers had lower values of the first positive Lyapunov exponent at ten channels (Fp1, F4. F8. T4, T5. C3, C4. P3. P4. O1) compared with the values of baseline periods. These results suggested that sleep deprivation leads to decrease of chaotic activity in brain and impairment of the information processing in the brain. We suggested that nonlinear analysis of the EEG before and after sleep deprivation may offer fruitful perspectives for understanding the role if sleep and the effects of sleep deprivation on the brain function.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.