• 한국전자파학회논문지
• /
• 제29권7호
• /
• pp.540-549
• /
• 2018

초고속 고기동 미사일의 요격에 있어서 기두부와 단 분리 시 조각들을 식별하는 것은 중요한 문제이다. 기두부는 비행 안정성을 위하여 세차운동을 하며, 단 분리 시 조각들은 텀블링 운동을 한다. 기두부와 단 분리 시 조각들의 주기적인 미세거동에 의하여 이들의 동적 RCS에서는 주기성과 통계적 특성이 나타난다. 본 논문에서는 기두부와 단 분리 시 조각들의 동적 RCS에서 나타나는 주기성과 통계적 특성을 이용하여 기두부와 단 분리 시의 조각들을 분류하는 방법을 제안하였다. 동적 RCS가 가지고 있는 주기성과 통계적 특성으로부터 세 종류의 특성벡터를 추출하고, SVM(support vector machine)을 사용하여 분류하였다.

• 한국정보통신학회논문지
• /
• 제12권2호
• /
• pp.276-281
• /
• 2008

본 논문에서는 SVM(Support Vector Machine)을 이용하여 공칭 시스템의 동특성을 갖는 슬라이딩 평면 설계기법을 제안한다. 전형적인 슬라이딩 모드에서 슬라이딩 평면의 차수는 시스템의 차수보다 낮은 차수를 갖기 때문에 슬라이딩 평면은 $H_{\infty}$ 제어기의 동특성을 가질 수 없다. 그러므로 이 문제를 해결하기 위해서는 추가적인 상태들이 정의되어야 한다. 본 논문에서는 추가적인 상태를 정의하지 않고 SVM을 이용하여 공칭 시스템의 동특성을 가질 수 있는 슬라이딩 평면의 설계기법을 제안한다. 이 설계기법은 먼저 $H_{\infty}$ 제어기에 의해서 제어되는 공칭시스템의 상태들 간에 SVM을 이용하여 그 관계를 정립하며. 이를 바탕으로 새로운 슬라이딩 평면을 설계하며 이 평면은 $H_{\infty}$ 제어 시스템 특성을 가진다. 그 결과 파라미터 불확실성이 존재하더라도 제안된 제어기는 $H_{\infty}$ 제어기에 의해서 제어되는 공칭 시스템의 동특성을 가질 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.585-588
• /
• 2019

Predictions of Energy Consumption for Industries gain an important place in energy management and control system, as there are dynamic and seasonal changes in the demand and supply of energy. This paper presents and discusses the predictive models for energy consumption of the steel industry. Data used includes lagging and leading current reactive power, lagging and leading current power factor, carbon dioxide (tCO2) emission and load type. In the test set, four statistical models are trained and evaluated: (a) Linear regression (LR), (b) Support Vector Machine with radial kernel (SVM RBF), (c) Gradient Boosting Machine (GBM), (d) random forest (RF). Root Mean Squared Error (RMSE), Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE) are used to measure the prediction efficiency of regression designs. When using all the predictors, the best model RF can provide RMSE value 7.33 in the test set.

• 대한토목학회논문집
• /
• 제26권3B호
• /
• pp.279-289
• /
• 2006

최근에 수문시계열로부터 저차원의 비선형 거동을 재구성하고자 하는 연구가 활발히 진행되고 있다. 이러한 관점에서 본 연구에서는 Support Vector Machine(SVM)을 이용하여 우수한 상태-공간 재구성 능력을 갖는 비선형 예측모형을 구성하여 Great Salt Lake(GSL) Volume에 적용하였다. SVM은 Kernel 함수로부터 유도된 고차원의 특성공간 안에서 선형함수의 가상공간을 이용하는 Machine Learning 방법론이다. 또한 SVM은 훈련자료로부터 얻어지는 평균제곱오차가 아닌 일반화된 오차를 최소화함으로써 상대적으로 기존 방법에 비해 적은 수의 매개변수와 과적합(over fitting)을 피하면서 비선형 함수의 최적화가 가능하다. 본 연구에서 제시한 SVM 회귀분석의 적용성은 미국의 GSL의 2주 간격 Volume을 대상으로 검토하였다. SVM을 이용한 비선형 예측모형은 GSL Volume의 2주(1-Step), 8주(4-Step)와 반복예측(Iterated Prediction, 121-Step)까지 적용되었다. 본 연구에서는 극치사상 즉, 급격한 감소 및 증가 구간을 예측하는데 있어서 훈련구간과 예측구간을 구분하여 모형의 신뢰성을 평가하였다. 예측결과SVM은 훈련자료로부터 적은 수의 관측치를 이용하여 동역학적 거동을 추출할 수 있었으며 실제 관측자료와 거의 유사한 예측이 가능함을 통계적 지표로 확인할 수 있었다. 따라서 비선형 수문시계열의 단기 예측을 위한 모형으로 적용이 가능할 것으로 판단된다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 추계종합학술대회 논문집(3)
• /
• pp.37-40
• /
• 2000

A fast method of Hangul address word verification is presented in this Paper. Pre-segmentation and recognition by DP matching is adopted in this paper. An address line image is over-segmented by analyzing the topology of connected components and the projection profile. A fast individual Hangul character verifier was developed by applying SVM (Support Vector Machine). The segmentation hypothesis was represented by lattice structure, and a best path search by dynamic programming generates the most probable segmentation path and the final verification score. The word verifier was tested on 310 address image DB, and it show the possibility of improvements of this method.

• Structural Monitoring and Maintenance
• /
• 제6권2호
• /
• pp.125-145
• /
• 2019

Bridge scour is one of the predominant causes of bridge failure. Current climate deterioration leads to increase of flooding frequency and severity and thus poses a higher risk of bridge scour failure than before. Recent studies have explored extensively the vibration-based scour monitoring technique by analyzing the structural modal properties before and after damage. However, the state-of-art of this area lacks a systematic approach with sufficient robustness and credibility for practical decision making. This paper attempts to develop a data-driven methodology for bridge scour monitoring using support vector machines. This study extracts features from the bridge dynamic responses based on a generic sensitivity study on the bridge's modal properties and selects the features that are significantly contributive to bridge scour detection. Results indicate that the proposed data-driven method can quantify the bridge scour damage with satisfactory accuracy for most cases. This paper provides an alternative methodology for bridge scour evaluation using the machine learning method. It has the potential to be practically applied for bridge safety assessment in case that scour happens.

• Nuclear Engineering and Technology
• /
• 제50권8호
• /
• pp.1306-1313
• /
• 2018

The randomness and incipient nature of certain faults in reactor systems warrant a robust and dynamic detection mechanism. Existing models and methods for fault diagnosis using different mathematical/statistical inferences lack incipient and novel faults detection capability. To this end, we propose a fault diagnosis method that utilizes the flexibility of data-driven Support Vector Machine (SVM) for component-level fault diagnosis. The technique integrates separately-built, separately-trained, specialized SVM modules capable of component-level fault diagnosis into a coherent intelligent system, with each SVM module monitoring sub-units of the reactor coolant system. To evaluate the model, marginal faults selected from the failure mode and effect analysis (FMEA) are simulated in the steam generator and pressure boundary of the Chinese CNP300 PWR (Qinshan I NPP) reactor coolant system, using a best-estimate thermal-hydraulic code, RELAP5/SCDAP Mod4.0. Multiclass SVM model is trained with component level parameters that represent the steady state and selected faults in the components. For optimization purposes, we considered and compared the performances of different multiclass models in MATLAB, using different coding matrices, as well as different kernel functions on the representative data derived from the simulation of Qinshan I NPP. An optimum predictive model - the Error Correcting Output Code (ECOC) with TenaryComplete coding matrix - was obtained from experiments, and utilized to diagnose the incipient faults. Some of the important diagnostic results and heuristic model evaluation methods are presented in this paper.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권8호
• /
• pp.399-407
• /
• 2021

Stock movement is difficult to predict because it has dynamic characteristics and is influenced by many factors. Even so, there are some approaches to predict stock price movements, namely technical analysis, fundamental analysis, and sentiment analysis. Many researches have tried to predict stock price movement by utilizing these analysis techniques. However, the results obtained are varied and inconsistent depending on the variables and object used. This is because stock price movement is influenced by a variety of factors, and it is likely that those studies did not cover all of them. One of which is that no research considers the use of fundamental analysis in terms of currency exchange rates and the use of foreign stock price index movement related to the technical analysis. This research aims to predict stock price movements in Indonesia based on sentiment analysis, technical analysis, and fundamental analysis using Support Vector Machine. The result obtained has a prediction accuracy rate of 65,33% on an average. The inclusion of currency exchange rate and foreign stock price index movement as a predictor in this research which can increase average prediction accuracy rate by 11.78% compared to the prediction without using these two variables which only results in average prediction accuracy rate of 53.55%.

• 한국멀티미디어학회논문지
• /
• 제6권5호
• /
• pp.788-796
• /
• 2003

본 논문에서는 순차적 학습 방법에서의 동적 모멘트를 제안한다. 동적 모멘트에서의 가변적인 모멘트를 이용하여 수렴 속도와 학습 성능을 향상시키며 회귀율에서도 이를 확인할 수 있다 제안된 학습 방법은 기존의 정적모멘트와는 달리 수렴 정도에 따라 현재의 학습에 과거의 학습률을 달리 반영하는 방법이다. 기존의 정적 상수로 정의된 모멘트가 전체 학습에 동등하게 영향을 주는 반면 제안된 동적모멘트를 이용한 학습 방법은 학습 수행에 따라 동적으로 모멘트를 변경함으로써 수렴 속도와 학습 성능을 효과적으로 제어할 수 있다. 이전의 분류문제와 회귀문제의 분리확인과는 달리 본 논문에서는 제안된 동적모멘트의 성능과 회귀율을 동시에 확인한다. 본 논문에서 사용한 회귀방법은 RMS 오류율을 사용하였으며 제안된 학습방법인 동적모멘트를 SVM(Support Vector Machine)의 순차 학습방법인 KA(Kernel Adatron)과 KR(Kernel Relaxation)에 적용하여 RMS 오류율을 확인하였다. 공정한 학습 성능 평가를 위해 신경망 분류기표준평가데이터인 SONAR 데이터를 이용하였으며 실험 결과 동적모멘트를 이용한 학습 성능과 수렴 속도 및 RMS 오류율이 정적모멘트를 이용한 학습방법보다 향상되었음을 확인하였다.

• 한국수소및신에너지학회논문집
• /
• 제25권5호
• /
• pp.491-499
• /
• 2014

It is important to accurately measure and control the relative humidity of humidified gas entering a PEM (polymer electrolyte membrane) fuel cell stack because the level of humidification strongly affects the performance and durability of the stack. Humidity measurement devices can be used to directly measure the relative humidity, but they cost much to be equipped and occupy spaces in a fuel cell system. We present soft sensors for predicting the relative humidity without actual humidity measuring devices. By combining FIR (finite impulse response) model with PLS (partial least square) and SVM (support vector machine) regression models, DPLS (dynamic PLS) and DSVM (dynamic SVM) soft sensors were developed to correctly estimate the relative humidity of humidified gases exiting a planar-type membrane humidifier. The DSVM soft sensor showed a better prediction performance than the DPLS one because it is able to capture nonlinear correlations between the relative humidity and the input data of the soft sensors. Without actual humidity sensors, the soft sensors presented in this work can be used to monitor and control the humidity in operation of PEM fuel cell systems.