• 한국정보통신학회논문지
• /
• 제20권12호
• /
• pp.2348-2354
• /
• 2016

최근 농업분야에서 IoT(Internet of Things)기술을 통해 다양한 생체 및 환경 정보를 DB(data base)로 구축할 수 있게 되면서 빅 데이터를 이용한 기계학습 분석이 증가하고 있다. 기계학습 분석을 통해 농업의 생산량과 가축의 질병 등을 예측할 수 있게 되어 농업경영에서 효율적인 의사결정을 돕는다. 본 논문에서는 스마트 돈사의 다양한 환경데이터와 몸무게데이터를 이용하여 환경정보와 일당증체의 연관성 모델을 도출하고 그 정확도를 분석하였다. 이를 위해 기계학습의 M5P tree기법을 적용하였다. 분석을 통해 일당증체량이 풍속에 큰 영향을 받는 것을 확인하였다.

• 전기전자학회논문지
• /
• 제20권1호
• /
• pp.94-102
• /
• 2016

본 논문에서는 기계학습 알고리즘을 이용하여 다중물리(Multi-physics) 시뮬레이션의 반복 횟수를 획기적으로 줄일 수 있는 다중물리해석 예측 방법을 제안한다. 기존의 다중물리해석 시뮬레이션의 경우 소요되는 시간과 노력을 줄이기 위해 시뮬레이션 자체에 대한 방법과 환경 개선에 초점이 맞추어져 있으나 본 논문에서는 다중물리 시뮬레이션 결과를 기계학습 알고리즘으로 학습하여 추가적인 시뮬레이션을 수행하지 않고 학습된 기계학습 알고리즘을 사용하여 수십분에서 수시간에 걸리는 다중 물리 해석과 유사한 결과를 수초 내에 예측할 수 있음을 보였다. 기계학습 알고리즘 간의 성능을 비교하여 다중물리해석에 적합한 기계학습 알고리즘을 확인하였으며 가장 우수한 성능을 보인 가우시안 프로세스 회귀(Gaussian Process Regression)의 경우 100개 이하의 학습 샘플만으로도 우수한 예측 결과를 얻어낼 수 있음을 확인하였다. 제안하는 방식을 통해 시뮬레이션을 하고자 하는 모델의 형상이나 재질이 변경될 경우 기존의 시뮬레이션 결과로 학습된 알고리즘이 있다면 시뮬레이션을 반복 수행하기 전에 알고리즘을 이용하여 결과를 예측할 수 있어 시뮬레이션의 반복 횟수를 줄일 수 있을 것으로 기대한다.