• 한국측량학회지
• /
• 제28권2호
• /
• pp.233-237
• /
• 2010

The recent advance of sensor networks and ubiquitous techniques allow collecting and analyzing of the data which overcome the limitation imposed by time and space in real-time for making decisions. Also, analysis and prediction of collected data can support useful and necessary information to users. The collected data in sensor networks environment is the stream data which has continuous, unlimited and sequential properties. Because of the continuous, unlimited and large volume properties of stream data, managing stream data is difficult. And the stream data needs dynamic processing method because of the memory constraint and access limitation. Accordingly, we analyze correlation stream data using principal component analysis. And using result of analysis, it helps users for making decisions.

• Nuclear Engineering and Technology
• /
• 제39권1호
• /
• pp.63-74
• /
• 2007

In this paper, a reconfigurable controller consisting of a normal controller and a standby controller is designed to control the thermoelectric (TE) power in the SP-100 space reactor. The normal controller uses a model predictive control (MPC) method where the future TE power is predicted by using support vector regression. A genetic algorithm that can effectively accomplish multiple objectives is used to optimize the normal controller. The performance of the normal controller depends on the capability of predicting the future TE power. Therefore, if the prediction performance is degraded, the proportional-integral (PI) controller of the standby controller begins to work instead of the normal controller. Performance deterioration is detected by a sequential probability ratio test (SPRT). A lumped parameter simulation model of the SP-100 nuclear space reactor is used to verify the proposed reconfigurable controller. The results of numerical simulations to assess the performance of the proposed controller show that the TE generator power level controlled by the proposed reconfigurable controller could track the target power level effectively, satisfying all control constraints. Furthermore, the normal controller is automatically switched to the standby controller when the performance of the normal controller degrades.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.458-459
• /
• 2021

최근, 실내 위치 기반 서비스에서 정확한 서비스를 위해 Wi-Fi 핑거프린트 기반의 딥러닝 기술을 이용한 연구가 이루어지고 있다. 딥러닝 모델 중에서 과거의 정보를 기억할 수 있는 RNN 모델은 실내측위에서 연속된 움직임을 기억할 수 있어 측위 오차를 줄일 수 있다. 이때 학습 데이터로서 연속적인 순차 데이터를 필요로 한다. 그러나 일반적으로 Wi-Fi 핑거프린트 데이터의 경우 특정 위치에 대한 신호들만으로 관리되기 때문에 RNN 모델의 학습데이터로 사용이 부적절하다. 본 논문은 RNN 모델의 순차적인 입력 데이터의 생성을 위해 클러스터링을 통한 영역 데이터로 확장된 Wi-Fi 핑거프린트 데이터 기반 이동 경로의 예측을 통한 경로 생성 방법에 대해 제안한다.

• 산업경영시스템학회지
• /
• 제41권1호
• /
• pp.84-93
• /
• 2018

In this paper, we propose an Elman recurrent neural network to predict and analyze a time series of power energy consumption. To this end, we consider the volatility of the time series and apply the sample variance and the detrended fluctuation analyses to the volatilities. We demonstrate that there exists a correlation in the time series of the volatilities, which suggests that the power consumption time series contain a non-negligible amount of the non-linear correlation. Based on this finding, we adopt the Elman recurrent neural network as the model for the prediction of the power consumption. As the simplest form of the recurrent network, the Elman network is designed to learn sequential or time-varying pattern and could predict learned series of values. The Elman network has a layer of "context units" in addition to a standard feedforward network. By adjusting two parameters in the model and performing the cross validation, we demonstrated that the proposed model predicts the power consumption with the relative errors and the average errors in the range of 2%~5% and 3kWh~8kWh, respectively. To further confirm the experimental results, we performed two types of the cross validations designed for the time series data. We also support the validity of the model by analyzing the multi-step forecasting. We found that the prediction errors tend to be saturated although they increase as the prediction time step increases. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric and the gas energies.

• 지능정보연구
• /
• 제23권1호
• /
• pp.109-126
• /
• 2017

최근 지능형 서비스를 제공하기 위해 감정을 인식하기 위한 많은 연구가 진행되고 있다. 특히, 전시 분야에서 관중에게 개인화된 서비스를 제공하기 위해 얼굴표정을 이용한 감정인식 연구가 수행되고 있다. 그러나 얼굴표정은 시간에 따라 변함에도 불구하고 기존연구는 특정시점의 얼굴표정 데이터를 이용한 문제점이 있다. 따라서 본 연구에서는 전시물을 관람하는 동안 관중의 얼굴표정의 변화로부터 감정을 인식하기 위한 예측 모델을 제안하였다. 이를 위하여 본 연구에서는 시계열 데이터를 이용하여 감정예측에 적합한 순차적 인공신경망 모델을 구축하였다. 제안된 모델의 유용성을 평가하기 위하여 일반적인 표준인공신경망 모델과 제안된 모델의 성능을 비교하였다. 시험결과 시계열성을 고려한 제안된 모델의 예측이 더 뛰어남으로 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권8호
• /
• pp.307-324
• /
• 2018

최근 순환 신경 망(Recurrent Neural Networks)은 시간에 대한 의존성을 고려한 구조를 통해 순차 데이터(Sequential data)의 예측 문제 해결에서 각광받고 있다. 하지만 순차 데이터의 시간 스텝이 늘어남에 따라 발생하는 그라디언트 소실(Gradients vanishing)이 문제로 대두되었다. 이를 해결하기 위해 장단기 기억 모델(Long Short-Term Memory)이 제안되었지만, 많은 데이터를 저장하고 장기간 보존하는 데에 한계가 있다. 따라서 순환 신경망과 메모리 요소(Memory component)를 활용한 학습 모델인 메모리-증대 신경망(Memory-Augmented Neural Networks)에 대한 연구가 최근 활발히 진행되고 있다. 본 논문에서는 딥 러닝(Deep Learning) 분야의 화두로 떠오른 메모리-증대 신경망 주요 모델들의 구조와 특징을 열거하고, 이를 활용한 최신 기법들과 향후 연구 방향을 제시한다.

• 한국항행학회논문지
• /
• 제3권2호
• /
• pp.156-166
• /
• 1999

다중차량 추적시스템에서 칼만 필터는 차량을 추적하기 위하여 일반적으로 사용되는 예측 알고리듬이다. 칼만 필터는 제한된 조건에서 최적의 결과를 나타내는 좋은 특성이 있으나 계산량이 많아 다수의 차량을 실시간으로 추적해야 하는 다중차량 추적시스템에서의 구현은 다소 어려운 단점이 있다. 본 논문에서는 실시간 다중차량 추적시스템의 구현을 위해 비교적 계산이 간단한 순환최소자승 알고리듬을 횡구조의 필터에 적용한 적응 예측기를 도입한다. 칼만 필터를 이용한 추적시스템과 성능을 비교 분석하기 위하여 컴퓨터 그래픽 도구로 제작된 가상 연속영상과 실제 교차로에서 촬영한 동영상을 이용하였다. 모의실험 결과는 본 논문에서 제안한 다중차량 추적시스템이 전용하드웨어 없이 일반 개인용 컴퓨터 환경 하에서 초당 30프레임의 속도로 촬영한 영상의 차량을 실시간으로 추적하는데 사용될 수 있음을 보여준다.

• 정보처리학회논문지C
• /
• 제18C권1호
• /
• pp.31-44
• /
• 2011

네트워크 기반의 적절한 컴퓨팅은 네트워크 대역폭의 가용성에 의존한다. 백본 네트워크 용량과 액세스 네트워크 상에 심각한 버틀넥이 발생하여 ISP 사업자와 고객 간의 갭이 발생된다면 그만큼 ISP 사업자는 사업에 불이익을 초래할 수 있다. 이러한 상황이 발생되기 이전 ISP 사업자가 트래픽량 예측과 종단간 오버로드가 높은 링크 구간을 감지할 수 있다면 ISP 사업자와 고객 간의 갭은 그만큼 줄어 들 수 있을 것으로 판단된다. 따라서 본 논문은 트래픽량 예측과 종단간 오버로드가 높은 링크 구간을 감지 가능한 소프트웨어로 ACE, ADM, Flow Analysis를 소개한다. 이들 툴을 이용하여 전자상거래의 연속적인 트랜잭션을 실망에서 측정한 후 측정된 네트워크 데이터를 가상 망 환경에 임포트하고 백그라운드 트래픽을 생성한다. 이와 같은 가상 망 환경을 토대로 점차적인 사용자 수 증가에 따른 트래픽량 예측과 링크 로드가 높은 구간을 시뮬레이션 결과로 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제9권7호
• /
• pp.1497-1501
• /
• 2005

프로그램의 순차적인 실행 순서를 바꾸는 명령어를 분기 명령어라 하며, 분기는 마이크로프로세서의 파이프라인 정지를 일으켜 성능을 저하시키는 가장 큰 원인이 된다. 이에 따라 분기를 정확히 예측하여 다음 실행될 명령어를 제공한다면 마이크로프로세서의 자연스런 명령어의 실행 흐름은 끊어지지 않게 되고 이로써 논은 성능의 향상을 기대할 수 있게 된다. 분기 예측을 위해서는 분기 타겟 버퍼가 필수적이며, 분기 타겟 버퍼는 분기 예측 결과에 따라 다음에 실행할 명령어의 주소를 제공한다. 본 논문에서는 가상주소를 실제주소로 바꾸어 주는 TLB와 분기 타겟 버퍼가 각각 가지고 있는 태그 메모리를 함께 사용하는 구조를 제안한다. 이러한 공유 태그 구조의 이점은 2재의 태그 메모리를 하나로 공유함으로써 칩 면적의 감소를 꾀하고 더불어 분기 예측 속도를 향상시킬 수 있다는 점이다. 또한, 본 논문에서 제안된 구조는 주소로 사용되는 비트 수가 커지거나 여러 개의 명령어를 동시에 실행할 수 있는 구조에서 그 이점이 더욱 커지기 때문에 향후 개발되는 마이크로프로세서에서 유용하게 사용될 수 있을 것으로 기대된다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권3호
• /
• pp.57-64
• /
• 2019

본 논문에서는 이벤트구동 게이트수준 타이밍 시뮬레이션의 성능 향상 및 디버깅 효율성 크게 높일 수 있는 공간적 부분시뮬레이션 전략이 적용된 효율적인 예측기반 병렬 시뮬레이션 기법을 제안한다. 제안된 기법은 병렬 이벤트구동 로컬시뮬레이션들의 입력값과 출력값에 대한 빠르면서도 정확한 예측을 달성하기 위해서, 공간적 부분시뮬레이션 전략을 추상화 상위수준 시뮬레이션에 적용하여 정확한 예측 데이터를 빠르고 즉각적으로 생성해낸다. 공간적 부분시뮬레이션 전략이 적용된 예측기반 병렬 게이트수준 타이밍 시뮬레이션은 성능 평가를 위하여 사용된 6개의 벤치마크 설계들에 대하여 제일 일반적인 순차 이벤트구동 게이트수준 타이밍 시뮬레이션에 비하여 평균 약 3.7배, 상용화된 멀티코어 기반의 병렬 이벤트구동 게이트수준 타이밍 시뮬레이션에 비해서는 평균 9.7배, 그리고 기존의 가장 우수한 예측기반 병렬 이벤트구동 게이트 수준 타이밍 시뮬레이션 결과에 비해서도 평균 2.7배의 시뮬레이션 성능이 향상됨을 확인할 수 있었다.