• 한국해안해양공학회지
• /
• 제4권1호
• /
• pp.34-44
• /
• 1992

단주기파의 항내 침입ㆍ변형에 의한 수면파난 현상을 효과적으로 예측하기 위한 수치모형을 제안하였다. 해저면 마찰을 고려한 완경사 방정식을 기본으로 하고 고체 경과면에서는 부분흡수 경계조건을 사용하였다. 방파제 주변과 항내 영역은 유한요소로 모형화하고 항외 영역에서는 Helmholtz 방정식의 해석해를 사용하는 복합요소법을 이용하였다. Chen과 Mei(1974)의 방법에 따라 경계치 문제의 범함수를 구한 후 구함되는 최종적인 연입방정식을 Gauss 소거법으로 푸는 수치모형을 수립하였다. 양익방파제에 의한 파의 회절에 대한 수치모형실험(Pos and Kilner, 1987)과 수치계산을 비교한 결과 양자가 양호하게 일치하여 본 수치모형의 타당성이 검증되었다. 본 모형은 유한차분 모형에 비해 경계면과 반사의 처리가 정확한 반면 상대적으로 커다란 컴퓨터 기억용양을 필요로 하므로 사각형 요소를 사용하는 등의 개선이 요구되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.227-247
• /
• 2018

For intermittently connected wireless sensor networks deployed in hash environments, sensor nodes may fail due to internal or external reasons at any time. In the process of data collection and recovery, we need to speed up as much as possible so that all the sensory data can be restored by accessing as few survivors as possible. In this paper a novel redundant data storage algorithm based on minimum spanning tree and quasi-randomized matrix-QRNCDS is proposed. QRNCDS disseminates k source data packets to n sensor nodes in the network (n>k) according to the minimum spanning tree traversal mechanism. Every node stores only one encoded data packet in its storage which is the XOR result of the received source data packets in accordance with the quasi-randomized matrix theory. The algorithm adopts the minimum spanning tree traversal rule to reduce the complexity of the traversal message of the source packets. In order to solve the problem that some source packets cannot be restored if the random matrix is not full column rank, the semi-randomized network coding method is used in QRNCDS. Each source node only needs to store its own source data packet, and the storage nodes choose to receive or not. In the decoding phase, Gaussian Elimination and Belief Propagation are combined to improve the probability and efficiency of data decoding. As a result, part of the source data can be recovered in the case of semi-random matrix without full column rank. The simulation results show that QRNCDS has lower energy consumption, higher data collection efficiency, higher decoding efficiency, smaller data storage redundancy and larger network fault tolerance.

• 대한전자공학회논문지TC
• /
• 제48권4호
• /
• pp.15-23
• /
• 2011

인터리빙은 채널 상에서 발생하는 연집 오류를 랜덤 오류로 변환하기 위하여 채널 부호화된 정보를 일정한 규칙에 의해 심볼 단위로 분산시킨다. 따라서 수신기에서, 송신 시 사용된 인터리버에 대한 파라미터를 알지 못하는 경우, 미지의 인터리빙된 신호를 디인터리빙 하기가 어렵게 된다. 최근 이러한 미지의 인터리빙된 신호에 대해 인터리버의 파라미터를 추정하여 신호를 복원하는 여러 연구가 진행되어 오고 있다. 이러한 연구들은 주로 블록 인터리버의 파라미터를 추정하는 데 초점을 맞추고 있다. 이 논문에서는 기존 연구들을 발전시켜 길쌈 인터리버에 대하여 쉬프트 레지스터 수, 레지스터 크기 및 부호어 길이 등의 인터리버의 파라미터를 추정하고, 목표 디인터리버를 재구성하여 디인터리빙하는 방법을 제안한다.

• 대한토목학회논문집
• /
• 제13권3호
• /
• pp.185-192
• /
• 1993

장주기파(長週期波)의 침입(侵入) 변형(變形)에 의한 항내(港內) 수면교란(水面攪亂) 현상(現像)을 효과적(效果的)으로 분석(分析) 및 예측(豫測)하기 위하여 해석해(解析解)와 유한요소(有限要素)를 복합적(複合的)으로 사용한 수치모형(數値模型)을 이용하였다. 기본방정식(基本方程式)으로 완경사(緩傾斜) 방정식(方程式)을 사용하였으며, 고체(固體) 경계면(境界面)에서는 부분흡수(部分吸收) 경계조건(境界條件)을 사용하였다. 방파제(防波堤) 주변(周邊)과 항내(港內) 영역(領域)은 유한요소(有限要素)로 모형화(模型化)하고 항외(港外) 영역(領域)에서는 Helmholtz 방정식(方程式)의 해석해(解析解)를 이용하였다. Chen과 Mei(1974)의 방법(方法)을 이용하여 경계치(境界値) 문제(問題)의 범함수(凡凾數)를 구한 후 구성(構成)되는 최종적(最終的)인 연립방정식(聯立方程式)을 Gauss 소거법(消去法)으로 푸는 수치모형(數値模型)을 수립(樹立)하였다. 현장관측(現場觀測) 자료(資料)의 스펙트럼 분석(分析)으로 제시된 동해항(東海港)의 Helmholtz natural period 및 제(第)2 첨두주기(尖頭週期)는 수치계산(數値計算)으로 구해진 것과 잘 일치(一致)하였다. 항만구조물(港灣構造物)에서의 반사율(反射率)을 변화(變化)시키면서 구한 증폭비(增幅比)와 관측치(觀測値)의 비교(比較) 결과(結果) 반사계수(反射係數)를 0.99로 했을 때 가장 양호(良好)한 일치(一致)를 나타내었다.

• 대한조선학회논문집
• /
• 제46권6호
• /
• pp.587-594
• /
• 2009

In the paper the effect of a stern-plate attached to a ship was taken into account. The relationship between the trim angle of a ship and the wave-resistance coefficient induced by the a stern-plate was studied using the potential flow analysis method. Numerical algorithm was described using the panel method and the vortex lattice method(VLM) to simulate the flow phenomena around a ship. The non-linearity of the free surface boundary conditions were considered using the iterative method and the IGE-GMRES(Incomplete Gaussian Elimination-The Generalized Minimal RESidual) algorithm was adopted to solve the linear equation at each iterative step. Numerical calculations were carried out to investigate the validity of the adopted algorithm using KCS(KRISO 3600 TEU Container) hull. Possible cases for attachment of the plate were checked. The results showed that the numerical algorithm could be physically appropriate.

• Geomechanics and Engineering
• /
• 제25권1호
• /
• pp.1-16
• /
• 2021

Machine learning models have been widely used for landslide susceptibility assessment (LSA) in recent years. The large number of inputs or conditioning factors for these models, however, can reduce the computation efficiency and increase the difficulty in collecting data. Feature selection is a good tool to address this problem by selecting the most important features among all factors to reduce the size of the input variables. However, two important questions need to be solved: (1) how do feature selection methods affect the performance of machine learning models? and (2) which feature selection method is the most suitable for a given machine learning model? This paper aims to address these two questions by comparing the predictive performance of 13 feature selection-based machine learning (FS-ML) models and 5 ordinary machine learning models on LSA. First, five commonly used machine learning models (i.e., logistic regression, support vector machine, artificial neural network, Gaussian process and random forest) and six typical feature selection methods in the literature are adopted to constitute the proposed models. Then, fifteen conditioning factors are chosen as input variables and 1,017 landslides are used as recorded data. Next, feature selection methods are used to obtain the importance of the conditioning factors to create feature subsets, based on which 13 FS-ML models are constructed. For each of the machine learning models, a best optimized FS-ML model is selected according to the area under curve value. Finally, five optimal FS-ML models are obtained and applied to the LSA of the studied area. The predictive abilities of the FS-ML models on LSA are verified and compared through the receive operating characteristic curve and statistical indicators such as sensitivity, specificity and accuracy. The results showed that different feature selection methods have different effects on the performance of LSA machine learning models. FS-ML models generally outperform the ordinary machine learning models. The best FS-ML model is the recursive feature elimination (RFE) optimized RF, and RFE is an optimal method for feature selection.

• 한국전산구조공학회논문집
• /
• 제34권4호
• /
• pp.191-197
• /
• 2021

분자동역학에서의 원자들의 유도전하를 계산하기 위해서는 유도전하를 미지수로 하는 선형방정식을 풀어야 하는데 원자들의 위치가 변화할 때마다 필요한 계산이므로 상당한 계산비용이 요구된다. 따라서 효율적인 유도전하 계산 방법은 다양한 시스템을 해석하기 위해서 필수적이다. 본 연구에서는 constraints가 존재하는 Lagrange 방정식의 해에 대한 선형 시스템, 즉 saddle point를 가지는 문제를 해결하기 위해서 Uzawa method를 도입하였다. Uzawa 매개변수가 수렴 속도에 영향을 미치는 단점을 극복하고 행렬 연산의 효율성을 위해서 Schur complement와 preconditioned conjugate gradient (PCG) 방법을 통해 계산의 효율성을 극대화하는 가속 Uzawa algorithm을 적용한다. 두 금속 나노입자가 전기장에 놓여진 분자동역학 수치모델을 통해서 제시된 방법이 유도전하계산의 수렴성, 효율성 측면에서 모두 향상된 결과를 도출함을 확인하였다. 특히 기존의 가우스 소거법에 의한 계산보다 약 1/10으로 계산비용이 절감되었고, 기본 Uzawa method에 비하여 conjugate gradient (CG)의 높은 수렴성이 입증되었다.

• Advances in concrete construction
• /
• 제14권3호
• /
• pp.185-194
• /
• 2022

For producing cement and concrete, the construction field has been encouraged by the usage of industrial soil waste (or) secondary materials since it decreases the utilization of natural resources. Simultaneously, for ensuring the quality, the analyses of the strength along with durability properties of that sort of cement and concrete are required. The prediction of strength along with other properties of High-Performance Concrete (HPC) by optimization and machine learning algorithms are focused by already available research methods. However, an error and accuracy issue are possessed. Therefore, the Enhanced Deep Neural Network (EDNN) based strength along with durability prediction of HPC was utilized by this research method. Initially, the data is gathered in the proposed work. Then, the data's pre-processing is done by the elimination of missing data along with normalization. Next, from the pre-processed data, the features are extracted. Hence, the data input to the EDNN algorithm which predicts the strength along with durability properties of the specific mixing input designs. Using the Switched Multi-Objective Jellyfish Optimization (SMOJO) algorithm, the weight value is initialized in the EDNN. The Gaussian radial function is utilized as the activation function. The proposed EDNN's performance is examined with the already available algorithms in the experimental analysis. Based on the RMSE, MAE, MAPE, and R² metrics, the performance of the proposed EDNN is compared to the existing DNN, CNN, ANN, and SVM methods. Further, according to the metrices, the proposed EDNN performs better. Moreover, the effectiveness of proposed EDNN is examined based on the accuracy, precision, recall, and F-Measure metrics. With the already-existing algorithms i.e., JO, GWO, PSO, and GA, the fitness for the proposed SMOJO algorithm is also examined. The proposed SMOJO algorithm achieves a higher fitness value than the already available algorithm.