• 한국컴퓨터정보학회논문지
• /
• 제13권4호
• /
• pp.19-30
• /
• 2008

분기 히스토리는 분기 예측기의 주된 입력 요소로 사용된다. 따라서 적절한 분기 히스토리의 사용은 분기 예측의 정확도 향상에 큰 영향을 미친다. 본 논문에서는 분기 예측의 정확도를 향상시키기 위한 방법의 하나로, 명령어의 연관성 분석을 통한 선별적 분기 히스토리 사용 기법을 제안한다. 우선, 본 논문에서는 명령어의 연관성을 분석하는 세 가지 서로 다른 알고리즘을 제안한다. 제안된 기법은 명령어의 레지스터 쓰기 연산에 기반하는 방법, 분기 명령어의 참조 레지스터에 기반하는 방법, 그리고 이들 두 가지 방식을 상호 결합하는 방법이다. 또한, 제안된 세 가지 알고리즘의 실질적 구현을 위해 이를 적용할 수 있는 가변 입력 gshare 예측기를 제안한다. 본 논문에서는 모의실험을 통해 세 가지 알고리즘의 특징 및 장단점을 비교 분석한다. 특히, 기존의 고정된 입력을 사용하는 방식과 비교하여 제안된 기법의 성능 향상의 정도를 분석하며, 사전 프로파일링을 통해 얻어진 최적의 입력에 대한 성능상의 차이도 소개한다.

• 한국수자원학회논문집
• /
• 제52권7호
• /
• pp.451-461
• /
• 2019

장기 기상전망 기반 댐 유입량 전망은 가뭄 대비, 용수 공급 관리 등에 활용성이 높다. 본 연구에서는 국내 7개 다목적댐 유역에 대해 유입량 전망을 수행하고 장기 기상전망 정확도가 댐 유입량 전망 정확도에 미치는 영향을 분석하였다. 강우-유출 모델의 입력자료로 활용된 장기 기상전망 자료는 기상청 GloSea5의 과거재현자료(hindcast) 및 미래전망자료(forecast)를 활용하였다. 강우-유출 모델은 다양한 특성을 가지고 있는 TANK, ABCD, K-DRUM, PRMS를 활용하였다. 댐 유입량 전망 정확도는 과거재현기간(1996~2009)과 미래전망기간(2015~2016)에 대하여 평가하였다. 댐 유입량 전망 평가결과 전망값은 관측값에 비해 과소추정하는 경향을 보였으며, 매개변수 검보정이 적절히 수행된 강우-유출 모델은 댐 유입량 전망 정확도에 미치는 영향이 거의 없는 것으로 나타났다. 반면 장기 기상전망 자료, 특히 강수량은 댐 유입량 전망 정확도에 매우 큰 영향을 미치는 것으로 나타났다. 현업에서 댐 유입량 전망 자료 활용시 과소추정하는 경향을 고려하여 활용할 필요가 있다. 향후 댐 유입량 전망 정확도 개선은 강우-유출 모델 보다 장기 기상전망의 강수량 정확도 향상을 위주로 수행할 필요가 있다.

• 한국멀티미디어학회논문지
• /
• 제18권4호
• /
• pp.524-532
• /
• 2015

All data created in BigData times is included potentially meaning and correlation in data. A variety of data during a day in all society sectors has become created and stored. Research areas in analysis and grasp meaning between data is proceeding briskly. Especially, accuracy of meaning prediction and data imbalance problem between data for analysis is part in course of something important in data analysis field. In this paper, we proposed data prediction model based on data weights and neural network using R for meaning analysis between data. Proposed data prediction model is composed of classification model and analysis model. Classification model is working as weights application of normal distribution and optimum independent variable selection of multiple regression analysis. Analysis model role is increased prediction accuracy of output variable through neural network. Performance evaluation result, we were confirmed superiority of prediction model so that performance of result prediction through primitive data was measured 87.475% by proposed data prediction model.

• 한국정보처리학회논문지
• /
• 제5권10호
• /
• pp.2676-2685
• /
• 1998

본 논문에서는 파이프라인 프로세서의 분기 명령어 처리 성능 향상을 목적으로, BTB의 미스율을 줄이고 분기 예측의 정확도를 개선하기 위해 victim cache를 활용한 2-단계 BTB 구조를 제안한다. 2-단계 BTB는 기존의 BTB에 작은 크기의 victim BTB를 추가한 구조로, 적은 비용으로 BTB 미스율을 개선하고, 동적 예측(dynamic prediction)과 정적 예측 (static prediction)이 함께 사용되는 기존의 통합 분기 예측(Hybrid Branch Prediction) 구조의 예측 정확도를 높이도록 운영된다. 본 논문에서 제안된 2-단계 BTB에 의한 성능 개선을 4개 벤치마크 프로그램에 대한 trace-driven 시뮬레이션을 통해 검증한 결과, 기존의 BTB에 비해 2.5∼8.5%의 비용 증가로 BTB 미스율이 26.5% 개선되고, 기존의 gshare에 비해 64%의 비용 증가로 예측 정확도는 26.75% 개선되었다.

• 전기학회논문지
• /
• 제65권5호
• /
• pp.851-856
• /
• 2016

Wind speed is heavily fluctuated and quite local than other weather elements. It is difficult to improve the accuracy of prediction only in a numerical prediction model. An MOS (Model Output Statistics) technique is used to correct the systematic errors of the model using a statistical data analysis. The Most of previous MOS has used a linear regression model for weather prediction, but it is hard to manage an irregular nature of prediction of wind speed. In order to solve the problem, a nonlinear regression method using SVR (Support Vector Regression) is introduced for a development of MOS for wind speed prediction. Experiments are performed for KLAPS (Korea Local Analysis and Prediction System) re-analysis data from 2007 to 2013 year for Jeju Island and Busan area in South Korea. The MLR and SVR based linear and nonlinear methods are compared to each other for prediction accuracy of wind speed. Also, the comparison experiments are executed for the variation in the number of UM elements.

• 한국항공운항학회지
• /
• 제23권3호
• /
• pp.28-34
• /
• 2015

An analysis method of trajectory prediction has been suggested and the developed trajectory prediction module, which is an important functional component of the Arrival Manager (AMAN) of Jeju airport, has been tested by applying the suggested method. The objective of this method is to improve prediction performance of the trajectory prediction module. The trajectory prediction module predicts the trajectories based on the real-time track data and flight plans. Therefore, the suggested analysis method includes the simulation framework which is based on real-time playback, recording, and graphic display systems for testing. Besides, the definition of time error, which is a important index for the time based scheduling system, such as AMAN, is included in the suggested analysis method. An example of arrival time prediction accuracy improvement through the suggested analysis method has also been presented.

• 한국멀티미디어학회논문지
• /
• 제19권8호
• /
• pp.1530-1537
• /
• 2016

Recently, solar power generation shows the significant growth in the renewable energy field. Using the short-term prediction, it is possible to control the electric power demand and the power generation plan of the auxiliary device. However, a short-term prediction can be used when you know the weather forecast. If it is not possible to use the weather forecast information because of disconnection of network at the island and the mountains or for security reasons, the accuracy of prediction is not good. Therefore, in this paper, we proposed a system capable of short-term prediction of solar power generation amount by using only the weather information that has been collected by oneself. We used temperature, humidity and insolation as weather information. We have applied a moving average to each information because they had a characteristic of time series. It was composed of min, max and average of each information, differences of mutual information and gradient of it. An artificial neural network, SVM and RBF Network model was used for the prediction algorithm and they were combined by Ensemble method. The results of this suggest that using a moving average during pre-processing and ensemble prediction models will maximize prediction accuracy.

• KEPCO Journal on Electric Power and Energy
• /
• 제6권4호
• /
• pp.413-418
• /
• 2020

초기 학습 데이터의 과적합으로 인한 전력망 상태예측 모델의 성능 감소를 방지하고 예측모델의 예측 정확도 유지를 통한 계속적인 현장활용을 위해서는 기계학습 모델의 예측 정확도를 지속적으로 관리할 필요가 있다. 이를 위해, 본 논문에서는 다양한 요인에 의해 끊임없이 변화하는 전력망 상태 데이터의 특성을 고려하여 예측모델의 정확성과 신뢰성을 높이고 현장 적용 가능한 수준의 품질을 유지하기 위한 기계학습 기반 전력망 상태예측 모델의 성능 유지관리 자동화 기법을 제안한다. 제안 기법은 워크플로우 관리 기술의 적용을 통해 전력망 상태예측 모델 성능 유지관리를 위한 일련의 태스크들을 워크플로우의 형태로 모델링하고 이를 자동화하여 업무를 효율화 하였다. 또한, 기존 기술에서는 시도되지 않았던 학습데이터의 통계적 특성 변화 정도와 예측의 일반화 수준을 모두 고려한 예측모델의 성능 평가를 통해 성능 결과의 신뢰성을 확보하고 이를 통해 예측 모델의 정확도를 일정 수준으로 유지관리하고 더욱 성능이 우수한 예측모델의 신규 개발이 가능하다. 결과적으로 본 논문에서 제안하는 전력망 상태예측 모델 성능 유지관리 자동화 기법을 통해 예측모델의 성능 저하문제를 해결하여 분산자원 연계 등 외부 환경의 변화에 유연한 예측모델 관리를 통해 정확성과 신뢰성이 보장된 예측 모델의 지속적인 활용이 가능하다.

• 응용통계연구
• /
• 제17권2호
• /
• pp.219-228
• /
• 2004

오차항의 분포가 정규분포에 따르지 않는 비선형 시계열인 ARCH모형의 예측구간을 설정하는데 붓스트랩 방법과 근사적 방법간의 포함비율에 대한 정확성을 비교한다. 이 때 모형에서 모수를 추정하는 방법으로서는 분포에 대한 가정을 필요로 하지 않는 quasi-score 추정함수를 이용한 추정 법과 로버스트 추정 함수인 M quasi-score 추정 함수를 이용한 추정법을 사용한다. 추정된 모수를 이용하여 예측구간의 정확성을 비교하고 마지막으로 소비자 물가지수 자료를 이용하여 실제 예측구간을 구하는데 적용한다.

• Journal of Computing Science and Engineering
• /
• 제11권3호
• /
• pp.100-108
• /
• 2017

In the field of Internet of Things (IoT), smarter embedded devices offer functions via web services. The Quality-of-Service (QoS) prediction is a key measure that guarantees successful IoT service applications. In this study, a collaborative filtering method is presented for predicting response time of IoT service due to time-awareness characteristics of IoT. First, a calculation method of service response time similarity between different users is proposed. Then, to improve prediction accuracy, initial similarity values are adjusted and similar neighbors are selected by a similarity threshold. Finally, via a densified user-item matrix, service response time is predicted by collaborative filtering for current active users. The presented method is validated by experiments on a real web service QoS dataset. Experimental results indicate that better prediction accuracy can be achieved with the presented method.