• 한국음향학회지
• /
• 제42권4호
• /
• pp.364-369
• /
• 2023

두 개 수신기에 들어오는 신호 간의 시간 지연 추정 기술은 수중 음향 뿐만 아니라 실내 음향 및 로보틱스에 이르기까지 다양한 분야에서 응용되고 있는 기술이다. 시간 지연 추정 기술에는 수신기 사이 상호 상관으로부터 시간 지연량을 추정하는 방법이 한 기술 부류이고, 수신기 사이의 시간 지연을 파라메트릭 모델링을 하여 그 파라미터를 시스템 인식의 방법으로 추정하는 기술 부류가 있다. 두 부류 중 후자의 경우 시스템의 파라미터 중에서 지연과 직접 관련 있는 파라미터는 전체 중 극히 일부라는 특성이 있다. 이 특성을 이용하여 Lasso 정규화 같은 방법으로 추정 정확도를 높이기도 한다. 그러나 Lasso 정규화의 경우 필요한 정보가 소실되는 경우가 발생한다. 본 논문에서는 이를 보완하기 위해서 Lasso 정규화에 Ridge 정규화를 덧붙인 Elastic Net을 사용한 방법을 제안한다. 제안한 방법을 기존의 일반 상호 상관(Generalized Cross Correlation, GCC) 방법 및 Lasso 정규화를 사용한 방법과 비교하여, 백색 가우시안 신호원 및 유색 신호원에서도 추정 오차가 매우 적음을 보인다.

• 한국정보통신학회논문지
• /
• 제8권8호
• /
• pp.1740-1747
• /
• 2004

본 논문에서는 지문 융선의 방향정보를 검출하는 효과적인 방법을 제안하였다. 제안방법은 먼저 지문영상을 정규화하고 융선이 있는 전경영역과 융선이 없는 배경영역으로 분할하여 문턱값으로 이진영상으로 변환한다. 전경영역은 융선(ridge)과 골(valley)부분으로 구성되는데 융선의 경계를 런길이 부호를 이용하여 체인코드로 표현한다. 지문 융선의 각 화소에서 방향정보를 검출하기 위해서 체인코드로 표현된 융선 경계를 추적하면서 방향정보를 구한다. 그리고 일정한 블록내의 융선방향은 급격하게 변하지 않으므로 블록별로 평활화하여 각 화소의 방향정보를 구한다. 제안방법의 성능평가를 위해 NIST 및 FVC2002 지문데이터베이스를 이용하여 컴퓨터시뮬레이션을 수행하였다. 실험 결과 제안방법을 지문 융선의 방향정보를 효과적으로 검출하는데 이용할 수 있음을 보였다.

• 지구물리와물리탐사
• /
• 제11권1호
• /
• pp.41-51
• /
• 2008

해양성 현무암층에 대해 현장에서의 속도와 공극률의 관계를 알기 위해서 Juan do Fuca 해저산맥의 동쪽 측면으로부터 채취한 현무암 시료들에 대해 최고 40MPa 구속압력(confining pressure)하에서 균열 특성을 고려하며 P파와 S파 속도를 측정하였다. 구속압력에 따른 속도의 변화는 미세균열의 닫힘(microcrack closure)에 기인한다고 가정하고, Kuster-$Toks{\ddot{o}}z$ 이론을 이용하여 미세균열의 개구비 스펙트라(micro-crack aspect ratio spectra)를 측정하였다. 그 결과 서로 다른 시료들의 정규화된 개구비 스펙트라들이 유사한 특성을 갖는다는 것을 보여주었다. 그리고 나서 정규화된 개구비 스펙트럼(spectrum)으로부터, 각 공극률에 대한 개구비 스펙트럼을 계산함으로써 이론적인 속도와 공극률의 관계를 만들었다. 또한 구속압력에 따른 미세균열 닫힘을 고려하여 구속압력의 함수로서의 속도-공극률 관계를 얻을 수 있었다. 개구비 스펙트라를 고려한 이론적인 관계는 대기압하에서 측정된 100개가 넘는 시료들에 대해 관찰된 관계와 잘 일치하고, 넓은 범의의 공극률에 대해 일반적으로 관찰되는 압력 의존적인 관계와도 잘 일치된다. 실험에서 유도된 자료들과 이론적으로 계산된 값들의 일치를 통해 Juan de Fuca 해저산맥의 동쪽 측면으로부터 얻어진 현무암 시료의 속도와 공극률의 관계는 균열의 특성(즉, 정규화된 개구비 스펙트라)과 균열 담힘에 의해 설명되어질 수 있음을 알 수 있다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.9-19
• /
• 2019

Vegetative Filter Strip (VFS) is the best management practice which has been widely used to mitigate water pollutants from agricultural fields by alleviating runoff and sediment. This study was conducted to improve an equation for estimating sediment trapping efficiency of VFS using several different regularization methods (i.e., ordinary least squares analysis, LASSO, ridge regression analysis and elastic net). The four different regularization methods were employed to develop the sediment trapping efficiency equation of VFS. Each regularization method indicated high accuracy in estimating the sediment trapping efficiency of VFS. Among the four regularization methods, the ridge method showed the most accurate results according to $R^2$, RMSE and MAPE which were 0.94, 7.31% and 14.63%, respectively. The equation developed in this study can be applied in watershed-scale hydrological models in order to estimate the sediment trapping efficiency of VFS in agricultural fields for an effective watershed management in Korea.

• 한국수소및신에너지학회논문집
• /
• 제32권6호
• /
• pp.592-611
• /
• 2021

In this study a rarely available high-throughput cycling data set of 124 commercial lithium iron phosphate/graphite cells cycled under fast-charging conditions, with widely varying cycle lives ranging from 150 to 2,300 cycles including in-cycle temperature and per-cycle IR measurements. We worked out own Python codes which reproduced the various data plots and machine learning approaches for cycle life prediction using early cycles and more details not presented in the article and the supplementary information. Particularly, we applied regularized ridge, lasso and elastic net linear regression models using features extracted from capacity fade curves, discharge voltage curves, and other data such as internal resistance and cell can temperature. We found that due to the limitation in the quantity and quality of the data from costly and lengthy battery testing a careful hyperparameter tuning may be required and that model features need to be extracted based on the domain knowledge.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.200-209
• /
• 2019

미래 값을 예측할 때, 학습 오차(training error)를 최소화하여 추정된 모형은 보통 많은 테스트 오차(test error)를 야기할 수 있다. 이것은 추정 모델이 주어진 데이터 집합에만 집중하여 발생하는 모델 복잡성에 따른 과적합(overfitting) 문제이다. 일부 정규화 및 리샘플링 방법은 이 문제를 완화하여 테스트 오차를 줄이기 위해 도입되었지만, 이 방법들 또한 주어진 데이터 집합에서만 국한 되도록 설계되었다. 본 논문에서는 테스트 오차 최소화 문제를 학습 오차 최소화 문제로 변환하여 테스트 오차를 줄이기 위한 새로운 최적화 방법을 제안한다. 이 변환을 수행하기 위해 주어진 데이터 집합에 대해 의사(pseudo) 데이터라고 하는 새로운 데이터를 추가하였다. 그리고 적절한 의사 데이터를 만들기 위해 결측 데이터 보정법의 세 가지 유형을 사용하였다. 예측 모델로서 선형회귀모형, 자기회귀모형, ridge 회귀모형을 사용하고 이 모형들에 의사 데이터 방법을 적용하였다. 또한, 의사 데이터로 조정된 최적화 방법을 활용하여 환경 데이터 및 금융 데이터에 적용한 사례를 제시하였다. 결과적으로 이 논문에서 제시된 방법은 원래의 예측 모형보다 테스트 오차를 감소시키는 것으로 나타났다.