• Journal of Information Processing Systems
• /
• 제12권3호
• /
• pp.436-454
• /
• 2016

This research presents the battery discharge rate models for the energy consumption of mobile phone batteries based on machine learning by taking into account three usage patterns of the phone: the standby state, video playing, and web browsing. We present the experimental design methodology for collecting data, preprocessing, model construction, and parameter selections. The data is collected based on the HTC One X hardware platform. We considered various setting factors, such as Bluetooth, brightness, 3G, GPS, Wi-Fi, and Sync. The battery levels for each possible state vector were measured, and then we constructed the battery prediction model using different regression functions based on the collected data. The accuracy of the constructed models using the multi-layer perceptron (MLP) and the support vector machine (SVM) were compared using varying kernel functions. Various parameters for MLP and SVM were considered. The measurement of prediction efficiency was done by the mean absolute error (MAE) and the root mean squared error (RMSE). The experiments showed that the MLP with linear regression performs well overall, while the SVM with the polynomial kernel function based on the linear regression gives a low MAE and RMSE. As a result, we were able to demonstrate how to apply the derived model to predict the remaining battery charge.

• Communications for Statistical Applications and Methods
• /
• 제16권1호
• /
• pp.127-135
• /
• 2009

한국의 경제규모가 꾸준히 커감에 따라 가정, 건물, 공장 등에서 필요로 하는 전력량이 지속적으로 증가하고 있다. 전력공급의 안정화를 위해서는 최대전력량보다 전력공급능력이 높아야 한다. 월별 최대전력량을 잘 설명할 수 있는 통계모형을 찾기 위해 Winters 모형, 분해 시계열모형, ARMA 모형, 설명 변수를 통해 추세성분과 계절성분을 교정한 모형을 살펴보았다. 모형의 예측력 비교 기준으로 모형적합으로부터 구한 RMSE와 MAPE가 사용되었다. 여름철 최대전력량을 예측하기 위해 평균기온과 열대야 일수를 설명 변수로 갖는 시계열 모형이 가장 우수하였다. 아울러 외부요인을 갖는 극단분포 모형을 이용한 분석을 시도하였다.

• ETRI Journal
• /
• 제25권2호
• /
• pp.109-120
• /
• 2003

Though the airborne laser scanning (ALS) technique is becoming more popular in many applications, horizontal accuracy of points scanned by the ALS is not yet satisfactory when compared with the accuracy achieved for vertical positions. One of the major reasons is the drift that occurs in the inertial measurement unit (IMU) during the scanning. This paper presents an algorithm that adjusts for the error that is introduced mainly by the drift of the IMU that renders systematic differences between strips on the same area. For this, we set up an observation equation for strip-wise adjustments and completed it with tie point and control point coordinates derived from the scanned strips and information from aerial photos. To effectively capture the tie points, we developed a set of procedures that constructs a digital surface model (DSM) with breaklines and then performed feature-based matching on strips resulting in a set of reliable tie points. Solving the observation equations by the least squares method produced a set of affine transformation equations with 6 parameters that we used to transform the strips for adjusting the horizontal error. Experimental results after evaluation of the accuracy showed a root mean squared error (RMSE) of the adjusted strip points of 0.27 m, which is significant considering the RMSE before adjustment was 0.77 m.

• Journal of the Korean Data and Information Science Society
• /
• 제28권5호
• /
• pp.1205-1215
• /
• 2017

In this paper, we aim to estimate two scale-parameters of exponentiated Pareto distribution (EPD) based on lower record values. Record values arise naturally in many real life applications involving data relating to weather, sport, economics and life testing studies. We calculate the Bayesian estimators for the two parameters of EPD based on lower record values. The Bayes estimators of two parameters for the EPD with lower record values under the squared error loss (SEL), linex loss (LL) and entropy loss (EL) functions are provided. Lindley's approximate method is used to compute these estimators. We compare the Bayesian estimators in the sense of the bias and root mean squared estimates (RMSE).

• 한국군사과학기술학회지
• /
• 제15권2호
• /
• pp.155-160
• /
• 2012

In this paper, a strip modeling method is developed for the acquisition of target positions in remote area and validated using the imagery of SPOT satellite. This method utilizes the parameters given in header files and constructs a camera model without ground control points. In most cases, the root mean squared error of check points is less than pixel size with one ground control point. The model error of reference image is evaluated using ground control points and used to remove the model error of target images acquired along the same satellite orbit, which enables one to calculate target positions in remote area where no ground control points are available.

• 응용통계연구
• /
• 제28권1호
• /
• pp.75-82
• /
• 2015

본 연구에서는 민감한 이항특성에 대한 신뢰구간 추정에 직접질문법과 간접질문법을 사용한다. 간접질문법으로 응답자들의 응답부담을 줄여주기 위해서 확률장치를 사용하는 Warner (1965)의 확률화응답기법(RRT)을 고려한다. 두 방법에 의한 신뢰구간을 비교하기 위해서 평가기준으로 평균포함확률(MCP), 평균제곱오차의 제곱근(RMSE), 그리고 평균기대폭(MEW)을 사용한다. 수치적 비교 결과 RRT의 MCP가 명목수준()을 크게 초과하여 보수적이고 MEW도 매우 크다. 따라서 이들을 보완해 주어야 실제적으로 간접질문법의 유용성을 높일 수 있다.

• 한국수자원학회논문집
• /
• 제55권11호
• /
• pp.855-863
• /
• 2022

본 연구에서는 서울시 기온 지상관측 자료의 지도화를 위해 Artificial Neural Network (ANN)을 사용하였다. 지도화를 위한 보조자료로는 MODerate resolution Imaging Spectroradiometer (MODIS) 자료를 사용하였다. ANN 모델 설계를 위해 입력자료와 출력자료 간의 산점도 및 통계분석을 수행하였으며, 기온과의 상관성이 비교적 높게 나타나는 입력자료인 지표면온도, Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI)와 시간(위성관측시각, Day of year), 위치(위도, 경도), 데이터 품질(운량)과 관련된 데이터 종류를 분류 및 조합하여 학습을 진행하였다. 기온자료와 상관성이 높은 데이터만으로 학습을 진행하였을 때 상관계수(r)와 Root Mean Squared Error (RMSE)의 평균값이 0.9667, 2.708℃로 우수한 성능을 보였다. 학습에 사용된 데이터의 종류가 추가될수록 더 우수한 학습 결과를 보였으며, 모든 데이터가 활용될 때에는 r과 RMSE의 평균값이 0.9840, 1.883℃로 가장 우수한 성능을 보였다. ANN 모델으로 생성한 서울시 기온 지도에서는 픽셀별 지형적 특성에 적절하게 기온이 산정된 것으로 판단되며, 추후 연구지역 확대 및 위성자료의 다양화를 통해 시단위 및 전국단위 기온 분포 분석 연구가 가능할 것이다.

• 한국항해항만학회지
• /
• 제47권6호
• /
• pp.376-385
• /
• 2023

통계에 따르면 어선의 전복 사고는 전체 전복 사고의 절반 이상을 차지한다. 이는 미숙한 조업, 기상 악화, 정비 미흡 등 다양한 원인으로 발생할 수 있다. 업계 규모와 영향도, 기술 복잡성, 지역적 다양성 등으로 인해 어선은 상선에 비해 상대적으로 연구가 부족한 실정이다. 본 연구에서는 이미지 기반 딥러닝 모델을 활용하여 어선의 횡동요 시계열을 예측하고자 한다. 이미지 기반 딥러닝은 시계열의 다양한 패턴을 학습하여 높은 성능을 낼 수 있다. 이를 위해 Xception, ResNet50, CRNN의 3가지의 이미지 기반 딥러닝 모델을 활용하였다. Xception과 ResNet50은 각각 177, 184개의 층으로 구성되어 있으며 이에 반해 CRNN은 22개의 비교적 얇은 층으로 구성되어 있다. 실험 결과 Xception 딥러닝 모델이 가장 낮은 0.04291의 sMAPE와 0.0198의 RMSE를 기록하였다. ResNet50과 CRNN은 각각 0.0217, 0.022의 RMSE를 기록하였다. 이를 통해 상대적으로 층이 더 깊은 모델의 정확도가 높음을 확인할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.1870-1875
• /
• 2006

This study was carried out to investigate the applicability of SAC-SMA model with parameters which were derived from analytical relationships proposed by Koren etc. (2000), with various data of soil properties in a basin. The studied basin is Yongdam dam basin and the daily runoff with 2003-year hydrological data was simulated. Simulated runoff results were compared with those measured at three check points(Chuchun, Donhyang and Yongdam) and analyzed through the statistical techniques such as VE(Volume Error), RMSE(Root Mean Squared Error) and CORR(Correlation). As a result of analyses, the good agreement was obtained between simulated and measured results.

• 한국환경과학회지
• /
• 제21권6호
• /
• pp.695-704
• /
• 2012

The application of disinfection models on the plasma process was investigated. Nine empirical models were used to find an optimum model. The variation of parameters in model according to the operating conditions (first voltage, second voltage, air flow rate, pH) were investigated in order to explain the disinfection model. In this experiment, the DBD (dielectric barrier discharge) plasma reactor was used to inactivate Ralstonia Solanacearum which cause wilt in tomato plantation. Optimum disinfection models were chosen among the nine models by the application of statistical SSE (sum of squared error), RMSE (root mean sum of squared error), $r^2$ values on the experimental data using the GInaFiT software in Microsoft Excel. The optimum model was shown as Weibull+talil model followed by Log-linear+ Shoulder+Tail model. Two models were applied to the experimental data according to the variation of the operating conditions. In Weibull+talil model, Log10($N_o$), Log10($N_{res}$), ${\delta}$ and p values were examined. And in Log-linear+Shoulder+Tail model, the Log10($N_o$), Log10($N_{res}$), $k_{max}$, Sl values were calculated and examined.