• 융합신호처리학회논문지
• /
• 제5권3호
• /
• pp.190-197
• /
• 2004

본 연구는 신경망에 근거한 패턴매칭 방법을 사용하여 일시적 허혈 에피소드의 자동예측을 다루고 있다. 다층 신경망을 학습하기 위한 알고리즘은 수정된 역전파 알고리즘으로서 이 알고리즘은 학습속도를 향상시키기 위해 뉴런간의 연결계수 뿐만 아니라 뉴런내 비선형 함수의 변수들도 갱신한다. 제안된 방법의 성능은 MIT/BIH long-term 데이터베이스의 심전도(ECG) 신호를 사용하여 평가하였다. 총 15 레코드(237 허혈 에피소드)에 대한 실험결과에 의하면 허혈 에피소드 예측의 평균 sensitivity와 specificity 각각 85.71%와 71.11%이다. 또한 제안된 방법은 실제 허혈 에피소드로부터 평균 45.53초 이전에 예측하였다. 이러한 결과는 패턴매칭 분류기로서의 신경망 접근방법이 일시적 허혈 에피소드예측에 유용한 도구로 사용될 수 있음을 의미한다.

• Toxicological Research
• /
• 제32권4호
• /
• pp.289-300
• /
• 2016

Non-genotoxic carcinogens are substances that induce tumorigenesis by non-mutagenic mechanisms and long term rodent bioassays are required to identify them. Recent studies have shown that transcription profiling can be applied to develop early identifiers for long term phenotypes. In this study, we used rat liver expression profiles from the NTP (National Toxicology Program, Research Triangle Park, USA) DrugMatrix Database to construct a gene classifier that can distinguish between non-genotoxic carcinogens and other chemicals. The model was based on short term exposure assays (3 days) and the training was limited to oxidative stressors, peroxisome proliferators and hormone modulators. Validation of the predictor was performed on independent toxicogenomic data (TG-GATEs, Toxicogenomics Project-Genomics Assisted Toxicity Evaluation System, Osaka, Japan). To build our model we performed Random Forests together with a recursive elimination algorithm (VarSelRF). Gene set enrichment analysis was employed for functional interpretation. A total of 770 microarrays comprising 96 different compounds were analyzed and a predictor of 54 genes was built. Prediction accuracy was 0.85 in the training set, 0.87 in the test set and increased with increasing concentration in the validation set: 0.6 at low dose, 0.7 at medium doses and 0.81 at high doses. Pathway analysis revealed gene prominence of cellular respiration, energy production and lipoprotein metabolism. The biggest target of toxicogenomics is accurately predict the toxicity of unknown drugs. In this analysis, we presented a classifier that can predict non-genotoxic carcinogenicity by using short term exposure assays. In this approach, dose level is critical when evaluating chemicals at early time points.

• ETRI Journal
• /
• 제15권3_4호
• /
• pp.27-34
• /
• 1994

There have been traditional approaches to model radio propagation path loss mechanism both theoretically ad empirically. Theoretical approach is simple to explain and effective in certain cases. Empirical approach accommodates the terrain configuration and distance between base station and mobile unit along the propagation path only. In other words, it does not accommodate natural terrain configuration over a specific area. In this paper, we propose a spatial prediction technique for the mobile radio propagation path loss accommodating complete natural terrain configuration over a specific area. Statistical uncertainty analysis is also considered.

• 전자통신동향분석
• /
• 제5권4호
• /
• pp.42-59
• /
• 1990

세계적인 추세에 근거하여, 디지틀 이동 통신용 음성 부호화 방식 표준안 선정을 위해 평가 대상 방식으로 DSBC(Dynamic bit allocation SubBand Coding), RPE-LTP(Regular Pulse Excited Long Term Prediction),CELP(Code Excited Linear Prediction) 등을 선정한 바 있다.본 논문에서는 이들 방식중 13 kbps RPE-LTP의 실현 및 성능평가에 관하여 다루었다. 먼저 음질에 중요한 영향을 미치는 분석/합성부호화에 근거한 파라미터 양자화 방법 그리고 채널 코딩과의 연계를 위한 비트 중요도 해석 등을 언급하였다. 끝으로 시뮬레이션 결과를 나타내었다.

• 신재생에너지
• /
• 제18권2호
• /
• pp.18-25
• /
• 2022

In this study, we propose a wind power generation prediction system that applies machine learning and data mining to predict wind power generation. This system increases the utilization rate of new and renewable energy sources. For time-series data, the data set was established by measuring wind speed, wind generation, and environmental factors influencing the wind speed. The data set was pre-processed so that it could be applied appropriately to the model. The prediction system applied the CNN (Convolutional Neural Network) to the data mining process and then used the LSTM (Long Short-Term Memory) to learn and make predictions. The preciseness of the proposed system is verified by comparing the prediction data with the actual data, according to the presence or absence of data mining in the model of the prediction system.

• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.275-288
• /
• 2006

본 연구에서는 GDAPS(T213) 중기 기상 수치예보 자료를 활용한 ESP (Ensemble Streamflow Prediction) 기법을 개발하여 미래에 발생할 수 있는 댐 유입량의 중장기적 확률예측을 위해 초과 확률구간별 댐 유입량을 예측하고 RPSS 검증기법으로 예측결과의 정확도를 분석하였다. 개발된 ESP시스템을 적용한 결과 일단위 개념의 확률예보는 높은 불확실성을 내포할 수 있고, 중장기 확률예보에 초점을 맞추어 1, 3, 7일 등의 예측시간 해상도에 대한 ESP정확도의 민감도를 분석한 결과 예측시간 해상도 간격이 증가할수록 예측결과의 불확실성이 감소하면서 그 정확도가 전반적으로 증가함을 살펴볼 수 있었다. 이러한 결과를 바탕으로 GDAPS 자료를 활용한 1주 단위의 한달(28일)예보를 수행한 ESP 결과는 각 초과 확률구간 분포의 적절한 증가 및 감소로 인하여 그 시간적 변동성이 안정적으로 예측되고 예측결과의 불확실성을 감소시킬 수 있어 그 활용가치가 높은 것으로 나타났다. 이러한 관점에서 본 연구의 ESP 시스템은 중장기적 측면에서 GDAPS 자료의 활용가치를 높일 수 있고, 기존 ESP 결과보다 향상된 정확도로 댐 유입량을 예측할 수 있으므로 실시간 댐 유입량 예측에 적용한다면 수자원 관리 차원에서 유용한 수단이 될 수 있을 것이다.

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2009년도 추계학술대회 논문집
• /
• pp.536-538
• /
• 2009

• 한국해안·해양공학회논문집
• /
• 제34권4호
• /
• pp.128-134
• /
• 2022

낙동강 하굿둑은 올해 2022년 해수 유입기간을 매월 대조기마다로 확대, 하굿둑 상류 15 km 이내로 기수역 조성을 목표로 운영되고 있다. 목표 기수역 조성구간 및 염수피해 방지를 위한 신속한 의사결정을 위해 본 연구에서는 딥러닝 알고리즘 Long Short-Term Memory(LSTM)을 적용하여 낙동대교(하굿둑 상류 약 5 km)지점의 염분 예측을 수행하였다. 창녕·함안보 방류량 등 낙동강 하구역의 시·공간적 특성을 반영하기 위한 입력데이터를 구축하였으며, Sequence length에 따른 정도 변화를 통해 낙동강 하구역의 수리학적 특성을 고려한 최적모델을 구축하였다. 예측 정확도는 결정계수(R-squred)와 RMSE(root mean square error) 이용하여 통계분석을 실시하였으며. Sequence length가 12일 때 R-squred 0.997, RMSE 0.122로 가장 정도가 높았으며, 선행 예측시간은 12시간 간격까지 R -squred 0.93 이상으로 높은 정도를 보였다.

• 한국가스학회지
• /
• 제27권2호
• /
• pp.71-78
• /
• 2023

일반적으로 평균 수명이 1.0~1.5년인 전기식 액중형 펌프(electrical submersible pump, ESP)는 유·가스 및 저류층 특성, 운영 조건에 따라 성능 저하 및 수명 감소가 발생하며, 이에 따른 ESP의 고장은 회수 및 설치에 따른 높은 유정 개·보수(workover) 비용과 생산 중단에 따른 추가 비용이 발생한다. 이에 본 연구에서는 유·가스정에서 ESP 장기 운영에 따른 수명을 예측하고자 환형 유동 시스템(flow loop system)을 설계 및 구축하고, ESP 설치 초기 시점부터 고장 시점까지의 ESP 수명에 대한 전 주기 데이터를 취득 및 분석하였다. 구축한 시스템에서 산출되는 데이터 중 ESP의 유체유량, 흡입구 및 토출구의 온도, 압력 그리고 외측부에 설치된 진동 측정기의 데이터 분석을 통하여 ESP 장기 운영에 따른 성능 상태를 정상(normal), 권고 I (advise I), 권고 II (advise II), 유지관리(maintenance), 고장(failed)의 총 5단계로 분류하였다. 실험 결과를 통해 ESP 장기 운영시 단계별 데이터의 경향 차이를 확인하였으며, 이를 통해 운영 기간에 따른 ESP의 상태를 진단하고 펌프의 고장을 예측하였다. 본 연구를 통해 도출된 결과는 유·가스정에서 운영되는 ESP의 상태 모니터링(monitoring) 을 위한 고장 예측 프로그램 및 데이터 분석 알고리즘 개발에 활용될 수 있을 것으로 판단된다.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.789-799
• /
• 2018

이 논문에서는 이러한 산업 단지 시스템에서의 비정상적인 동작이 일어날 때, 시간 계열의 데이터를 분석하기 위하여 Big 데이터를 이용한 접근을 기반으로 하는 머신 러닝을 보여줍니다. Long Short-Term Memory (LSTM) 네트워크는 향상된 RNN버전으로서 입증되었으며 많은 작업에 유용한 도움이 되었습니다. 이 LSTM 기반 모델은 시간적 패턴뿐만 아니라 더 높은 레벨의 시간적 특징을 학습 한 다음, 미래의 데이터를 예측하기 위해 예측 단계에 사용됩니다. 예측 오차는 예측 인자에 의해 예측 된 결과와 실제 예상되는 값의 차이입니다. 오차 분포 추정 모델은 가우스 분포를 사용하여 관찰 스코어의 이상을 계산합니다. 이러한 방식으로, 우리는 하나의 비정상적 데이터의 개념에서 집단적인 비정상적 데이터 개념으로 바뀌어 갑니다. 이 작업은 실패를 최소화하고 제조품질을 향상시키는 Smart Factory의 모니터링 및 관리를 지원할 수 있습니다.