Journal of Korea Society of Industrial Information Systems
/
v.4
no.3
/
pp.1-7
/
1999
An important task for any software project manager is to be able to predict and control project size. Unfortunately, there is comparatively little work that deals with the problem of building prediction methods for software size in fourth-generation languages and database projects. In this paper, we propose a new estimation method for estimating for software size based on minimum relative error(MRE) criterion. The characteristic of the proposed method is insensitive to the extreme values of the observed measures which can be obtained early in the development life cycle. In order to verify the performance of the proposed estimation method for software size in terms of both quality of fit and predictive quality, the experiments has been conducted for the dataset Ⅰ and Ⅱ, respectively. For the data set Ⅰ and Ⅱ, our proposed prediction method was shown to be superior to the traditional method LS and RLS in terms of both the quality of fit and predictive quality when applied to data obtained from actual software development projects.
In an effort to localize the spray-dryer which is markedly used for drying food materials, a experiment was carried out with a wheel type atomizer locally designed and manufactured to evaluate the effect of rotational speed, feed rate and physical properties of liquid food material on the droplet size, and to develop a model to predict the droplet size sprayed at various operational conditions. The result are summarized as follows. 1. The frequency of droplet size sprayed from the atomizer at every treatment were similar to normal distributions. 2. Under the test conditions adopted in this study, that is, rotational speed of the atomizer ranging from 15,000 to 20,000 rpm (55.0 m/sec - 73.3 m/sec), feed rate from 14 to 37 kg/hr and viscosity of the material from 1.14 to 350 cP, the mean volume-surface dia. of droplets was decreased as increase in rotational speed and was not affected significantly by the feed rate and viscosity. 3. Through the dimensional analysis, a prediction model was developed as follows : $$\frac{Dvs}{r}=K[\frac{Q}{{\mu}r}]^a[\frac{rN^2}{g}]^b[\frac{{\rho}^2r^3g}{{\mu}^2}]^c[\frac{L}{r}]^d$$ and it was proved that the above model was better in degree of fitness than other models reported. 4. A prediction equation for the droplet size sprayed from the atomizer under the test was expressed as follows : $$\frac{Dvs}{r}=0.0215[\frac{Q}{{\mu}r}]^{0.06}[\frac{rN^2}{g}]^{0.3314}[\frac{{\mu}^2}{{\rho}^2r^3g}]^{0.0158}$$.
Journal of the Korean Operations Research and Management Science Society
/
v.29
no.4
/
pp.41-60
/
2004
A stream data is a data set that is accumulated to the data storage from a data source over time continuously. The size of this data set, in many cases. becomes increasingly large over time. To mine information from this massive data. it takes much resource such as storage, memory and time. These unique characteristics of the stream data make it difficult and expensive to use this large size data accumulated over time. Otherwise. if we use only recent or part of a whole data to mine information or pattern. there can be loss of information. which may be useful. To avoid this problem. we suggest a method that efficiently accumulates information. in the form of rule sets. over time. It takes much smaller storage compared to traditional mining methods. These accumulated rule sets are used as prediction models in the future. Based on theories of ensemble approaches. combination of many prediction models. in the form of systematically merged rule sets in this study. is better than one prediction model in performance. This study uses a customer data set that predicts buying power of customers based on their information. This study tests the performance of the suggested method with the data set alone with general prediction methods and compares performances of them.
Similarity index measures the topological proximity of node pairs in a complex network. Numerous similarity indices have been defined and investigated, but the dependency of structure on the performance of similarity indices has not been sufficiently investigated. In this study, we investigated the relationship between the performance of similarity indices and structural properties of a network by employing a two-state random network. A node in a two-state network has binary types that are initially given, and a connection probability is determined from the state of the node pair. The performances of similarity indices are affected by the number of links and the ratio of intra-connections to inter-connections. Similarity indices have different characteristics depending on their type. Local indices perform well in small-size networks and do not depend on whether the structure is intra-dominant or inter-dominant. In contrast, global indices perform better in large-size networks, and some such indices do not perform well in an inter-dominant structure. We also found that link prediction performance and the performance of similarity are correlated in both model networks and empirical networks. This relationship implies that link prediction performance can be used as an approximation for the performance of the similarity index when information about node type is unavailable. This relationship may help to find the appropriate index for given networks.
Waves are a complex phenomenon in marine and coastal areas, and accurate wave prediction is essential for the safety and resource management of ships at sea. In this study, three types of machine learning techniques specialized in nonlinear data processing were used to predict the waves of Korea waters. An optimized algorithm for each area is presented for performance evaluation and comparison. The optimal parameters were determined by varying the window size, and the performance was evaluated by comparing the mean absolute error (MAE). All the models showed good results when the window size was 4 or 7 d, with the gated recurrent unit (GRU) performing well in all waters. The MAE results were within 0.161 m to 0.051 m for significant wave heights and 0.491 s to 0.272 s for periods. In addition, the GRU showed higher prediction accuracy for certain data with waves greater than 3 m or 8 s, which is likely due to the number of training parameters. When conducting marine and offshore research at new locations, the results presented in this study can help ensure safety and improve work efficiency. If additional wave-related data are obtained, more accurate wave predictions will be possible.
Reinforced-Roadbed materials are usually composed of crushed stones. Repeated load application can induce deformation in the reinforced-roadbed layer so that it causes irregularity of track. Thus it is important to develop a prediction model of elastic modulus based on stress-strain relation under repeatitive load in order to investigate behavior of reinforced roadbed. The prediction model of elastic modulus of the material can be obtained from repeated triaxial test. However, a proper size of the sample for the test must be used. In this study, a large repeatitive triaxial test apparatus with the sample size of diameter of 30 cm and height of 60cm was adapted for performing test of the crushed stone reinforced-roadbed considering large particle size to get resilient modulus Mr. The obtained resilient modulus was compared to shear modulus obtained from mid size resonant column test. The sample size effect is somewhat large enough so that it is required to design a scale factor based on similarity law in order to use smaller samples for getting elastic modulus of the crushed stone reinforced-roadbed material. A scale factor could be obtained from this study.
Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
/
v.24
no.1
/
pp.63-70
/
2010
In this paper, we study the structure of neural network for predicting defect size of steam generator tube. After extracting the features from the eddy current testing (ECT) signals, multi-layer neural networks are used to predict the defect size. In order to maximize the prediction performance for the defect size, we should carefully choose the structure of neural networks, especially the number of neurons in the hidden layer. In this paper, it is shown that, for the prediction of defect size, the number of neurons in the hidden layer can be efficiently determined by using cross-validation.
Journal of the korean academy of Pediatric Dentistry
/
v.33
no.2
/
pp.253-261
/
2006
Estimating the size of unerupted teeth is an essential aspect of orthodontic diagnosis and treatment planning in the mixed dentition. Several methods were introduced and used for the prediction. The most common methods among these would be Moyers probability chart and Tanaka and Johnston equations. These are currently used widely, but they were developed for Caucasians. Because there are clear racial differences in teeth size, the objectives of this study were to produce correlation coefficients between the combined mesiodistal widths of the permanent mandibular incisors and those of the canines and premolars for each quadrant, and prediction tables with regression equations, specifically for Korean. 178 young adults (70 women, 108 men, mean age 21.63 years) were selected from the College of Dentistry, Yonsei University, Seoul, Korea. The mesiodistal crown diameters of the permanent teeth were measured with calipers. Significant sexual dimorphism was found in tooth sizes. The correlation coefficients between the total mesiodistal width of the mandibular permanent incisors and those of the maxillary and mandibular canines and premolars were found to be between 0.52 and 0.64. The standard error of the estimatation was better (0.60) for women and the ${\gamma}^2$ values ranged from 0.27 to 0.41 for both sexes Prediction tables were prepared for Korean. This study showed larger canine and premolar diameters than Tanaka and Johnston's and Moyers' studies which might be due to the racial differences. Further investigations with a larger sample size will be needed for more representative data on the Korean population.
In this paper, we propose a new $4{\times}4$ intra coding method by unidirectional prediction for improvement of intra-frame coding efficiency of H.264/AVC. There are $4{\times}4$, $8{\times}8$, and $16{\times}16$ intra prediction modes in the current H.264/AVC. For the $4{\times}4$ intra prediction, coding efficiency is achieved by accurate prediction with small block size in relatively complicated regions, and the $16{\times}16$ intra prediction method can predict more accurately compared to $4{\times}4$ intra prediction with only one directional information in relatively homogeneous regions. We propose a unidirectional $4{\times}4$ intra prediction method adopting a small-size prediction and one directional prediction approaches. In order to improve coding efficiency, the proposed method is conducted by $4{\times}4$ block and their prediction directions are all the same, resulting that we need to send only one directional information for each macroblock. For intra-frame coding setting, we achieve 10.47% and 1.57% coding efficiency in BD-bitrate for only $16{\times}16$ intra mode and $4{\times}4$, $16{\times}16$ intra mode, respectively.
The objectives of this investigation were to develop an improved analytical method and to review with respect to experimental parameters and thermo-physical properties influencing the freezing time prediction. The results indicate that the relationship between freezing time and product size is dependent on the surface heat transfer coefficient. As the magnitude of surface heat transfer coefficient decreases, the influence of product size on freezing time becomes more profound. But the freezing time does decrease slightly as the coefficients are increased to values greater than 150 $w/m^2^{\circ}C$. In addition, influence of thermo-physical properties on the freezing time prediction shown generally density, water content, specific heat and thermal conductivity, in order of % difference. Multiple linear regression equation for freezing time prediction were obtained with respect to 4 different food materials with varying thickness.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.