• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.43-43
• /
• 2022

유해 조류 대발생은 전국 각지의 인공호소나 하천에서 다발적으로 발생하며, 경관을 해치고 수질을 오염시키는 등 수자원에 부정적인 영향을 미친다. 본 연구에서는 인공호소에서 발생하는 유해 조류 대발생을 예측하기 위해 심층학습 기법을 이용하여 예측 모델을 개발하고자 하였다. 대상 지점은 대청호의 추동 지점으로 선정하였다. 대청호는 금강유역 중류에 위치한 댐으로, 약 150만명에 달하는 급수 인구수를 유지 중이기에 유해 남조 대발생 관리가 매우 중요한 장소이다. 학습용 데이터 구축은 대청호의 2011년 1월부터 2019년 12월까지 측정된 수질, 기상, 수문 자료를 입력 자료를 이용하였다. 수질 예측 모델의 구조는 다중 레이어 퍼셉트론(Multiple Layer Perceptron; MLP)으로, 입력과 한 개 이상의 은닉층, 그리고 출력층으로 구성된 인공신경망이다. 본 연구에서는 인공신경망의 은닉층 개수(1~3개)와 각각의 레이어에 적용되는 은닉 노드 개수(11~30개), 활성함수 5종(Linear, sigmoid, hyperbolic tangent, Rectified Linear Unit, Exponential Linear Unit)을 각각 하이퍼파라미터로 정하고, 모델의 성능을 최대로 발휘할 수 있는 조건을 찾고자 하였다. 하이퍼파라미터 최적화 도구는 Tensorflow에서 배포하는 Keras Tuner를 사용하였다. 모델은 총 3000 학습 epoch 가 진행되는 동안 최적의 가중치를 계산하도록 설계하였고, 이 결과를 매 반복마다 저장장치에 기록하였다. 모델 성능의 타당성은 예측과 실측 데이터 간의 상관관계를 R2, NSE, RMSE를 통해 산출하여 검증하였다. 모델 최적화 결과, 적합한 하이퍼파라미터는 최적화 횟수 총 300회에서 256 번째 반복 결과인 은닉층 개수 3개, 은닉 노드 수 각각 25개, 22개, 14개가 가장 적합하였고, 이에 따른 활성함수는 ELU, ReLU, Hyperbolic tangent, Linear 순서대로 사용되었다. 최적화된 하이퍼파라미터를 이용하여 모델 학습 및 검증을 수행한 결과, R2는 학습 0.68, 검증 0.61이었고 NSE는 학습 0.85, 검증 0.81, RMSE는 학습 0.82, 검증 0.92로 나타났다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.21 no.1
• /
• pp.7-15
• /
• 2016

Ocean wave parameters are important for safety and efficiency of operation and routing of marine traffic. In this paper, by using X-band marine radar, we try to develop an effective algorithm for collecting ocean surface information such as current velocity, wave parameters. Specifically, by exploiting iterative refinement flow instead of using fixed control schemes, an effective algorithm is designed in such a way that it can not only compute efficiently the optimized current velocity but also introduce new cost function in an optimized way. Experimental results show that the proposed algorithm is very effective in retrieving the wave information compared to the conventional algorithms.

• Environmental and Resource Economics Review
• /
• v.6 no.2
• /
• pp.209-231
• /
• 1997

본 논문은 전통적인 산업연관분석이 고정투입계수를 시용하고 있어서 상대가격체계의 변화에 따른 경제 주체들의 비용최소화 노력을 모형 내에 반영하지 못하고 있다는 한계를 극복하기 위하여 상대가격체계의 변화에 따라 가변투입계수를 갖는 "반복다중최적화(IMO) 모형"을 이용하여 탄소세 부과가 가격구조에 미치는 영향을 분석하였다. 분석 결과는 고정투입계수모형에 비하여 가격인상효과는 전반적으로 낮게 나타났으며, 특히 에너지집약산업은 고정투입계수모형에 비하여 가격상승률이 낮게 나타난 반면, 기타산업은 가격상승폭이 높게 나타났다. 이러한 결과는 에너지원에 대한 탄소세의 부과효과가 상대가격변화에 적응한 경제주체들의 비용최소화 노력으로 각 산업으로 분산된 결과라 여겨진다.

• Proceedings of the IEEK Conference
• /
• 2005.11a
• /
• pp.3-6
• /
• 2005

Mobile Network의 이동성에 대한 연구가 활발하게 진행되어 오면서, 이동네트워크의 복잡한 모델인 Nested Mobile Network에 대한 연구가 부각되고 있다. 이 Nested Mobile Network에 대한 연구에는 네트워크 내에 존재하는 노드와 외부의 CN(Correspondent Node)과의 패킷전송에서 경로최적화를 하기 위한 방법 등에 대한 연구가 진행되어 오고 있으며, Nested Mobile Network에서 Pinball routing 문제 등으로 인해 경로최적화가 이루어지지 못하고, 이 문제가 일반적인 Nested Mobile Network에서 패킷사이즈의 길이를 지나치게 길어지게 함으로써 전송지연을 발생시키는 것이다, 본 논문에서는 반복적인 CoA(Care-of-Address)의 치환과정을 통해 Nested Mobile Network 상의 Pinball routing 문제를 해결하기 위한 효율적인 방안을 제안하고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2010.07a
• /
• pp.323-325
• /
• 2010

본 연구에서는 절연파괴가 일어나기 쉬운 변압기 1차권선의 절연내력을 향상시키기 위하여 전위분포가 일정하게 되도록 인입선 부근의 권선 배치를 최적화하는 프로그램을 작성하여 유한요소법(Finite Element Method; 이하 FEM)을 이용하여 반복 분석하였다. 우선 기존의 권선 배치에 대한 국소점의 전계 분포를 고찰한 후 전계의 최대치를 구하였다. 그리고 권선 배치를 자동화된 순환 계산형 시뮬레이터를 제작하여 적절한 분포로 교정하고 최초의 기대 함수치를 극소화하는 형상을 반복하여 추적하는 알고리즘을 이용하여 기존의 PT에 적용될 수 있도록 고압측의 권선 배치를 최적화하는 설계 기법을 개발하였다.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.14 no.4
• /
• pp.857-865
• /
• 1990

본 연구에서는 공학의 최적화문제 해석에서 우수한 성능을 보인 반복 이차 계 획법(recursive quadratic programming)을 개인용 전산기에 맞도록 개발하였다. Wilson이 제안한 RQP 알고리즘은 뉴톤 방법의 일종으로 실용화 단계에서 많은 수정 보 완이 되었다. 동류의 알고리즘 중 활성화 제약 조건 방책을 제안한 Pshenichny의 선 형화 기법이 공학의 최적화문제에 사용되어 좋은 결과를 얻어, 이 알고리즘의 수치적 성능을 높이기 위한 노력이 계속되었다.그러나 이 알고리즘은 사용되는 매개 변수 들에 따라 수치적 성능이 달라 진다. 따라서 대형전산기에서만 수행된 매개변수들의 변화에 따른 수치성능을 개인용 전산기에서 수행하여 성능을 검토하며 적절한 정보를 제시하고, 이를 대형 전산기에서의 결과와 비교하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1285-1288
• /
• 2015

본 논문에서는 영상인식을 위한 딥 러닝에서 사용되는 매개변수 최적화 방법을 제안한다. 학습 성능에 영향을 미치는 매개변수 중 이미지 배치 사이즈 값, 초기 학습율, 최대 학습 반복 횟수에 대해 상호간의 관계를 분석하고 성능을 개선시키기 위해 값을 최적화하는 방법을 연구한다. 제안된 방법을 통한 개선 정도를 분석하기 위해 매개변수의 변화에 따른 학습 소요 시간, 정확도 향상 추이, 메모리 사용량의 변화를 측정한다. 측정된 학습 소요 시간, 정확도 향상 추이, 메모리 사용량의 변화를 분석한 결과 배치 사이즈와 초기 학습 율은 같은 비율로 반비례하게 값을 적용할 때가 이상적 이였으며 서로 다른 환경에서 각각의 학습 소요시간을 측정하는 것으로 배치 사이즈 값과 초기 학습 율에 따른 최적의 최대 학습 반복 횟수를 획득할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.79-81
• /
• 2006

커널(Kernel)을 이용한 분류 방법은 넓은 마진(large margin) 분류기로서 SVM(Support Vector Machine)을 주로 사용하게 된다 하지만, 이 방법은 라그랑제 파라미터(Lagrange Parameter)의 최적화 과정을 포함함으로써 학습 과정을 쉽지 않게 만든다. 이 최적화 과정은 특히 DNA computing과 같은 단순한 과정의 설계를 통해 결과를 얻어야 하는 새로운 계산 모델에 커널을 적용하고자 했을 경우 큰 장벽이 된다. 본 논문에서는 넓은 마진을 목표로 하는 최적화 과정이 아닌 다른 라벨(label)의 데이터간의 경계 파악을 위한 간단한 커널 갱신 방법의 도입을 통해 분류기를 설계한다. 이 방법을 가우시안 커널에 적용시켜 본 결과, 반복을 통해 데이터의 구조를 찾아갈 수 있는 특성을 보여주며, 결국 넓은 마진의 최적화된 파라미터를 찾게 됨을 보여준다. 본 논문에서는 이 최적화 방법을 DNA 분자를 이용한 커널 생성 모델인 DNA 커널에 적용시켰을 때 잘 알려진 AML/ALL 데이터를 잘 분류해 냄을 보여준다.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.12 no.2
• /
• pp.141-148
• /
• 1999

변위 근거 유한요소해석을 사용하는 대부분의 위상 최적화 기법은 요소의 안정성 부족으로 인하여 체스판 무늬가 주기적 형태로 반복하여 설계영역 내부에 나타난다. 본 연구에서는 선형요소를 이용하면서 최적화 알고리즘의 안정성에 영향을 주지 않고 간단하게 모든 최적화 알고리즘에 이용 가능한 체스판무늬 형성 방지책을 개발하였다. 본 연구의 체스판무늬 형성 방치책에서는 먼저 각 선형요소를 구성하는 절점들의 부치분율을 설계변수로 선정하고, 요소내부의 부피분율을 설계변수로 표현하기 위한 선형 보간함수로 선형요소들의 형상함수를 선정하였다. 그리고, 설계변수와 등가 재료상수와의 상관 관계식은 평균장 근사이론을 이용하여 균질화된 재료에 벌칙인자가 도입된 관계식을 이용하였다. 또한, 본 연구에서는 순차이차계획법인 PLBA 알고리즘을 이용하여 위상 최적화문제를 해석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.679-683
• /
• 2010

본 연구에서는 공간적 변수인 조도계수를 기지의 수위값을 이용하여 최적값을 결정하는 방법에 대해서 검토하고자 한다. 최적화 기법에 의한 조도계수는 기지의 수위값과 수치모의에 의한 결과 값의 전체 오차를 최소화하는 값으로 결정된다. 본 연구에서는 3가지 최적화 기법을 이용하였으며 가상 수로에 대해서 적용하였다. 수위계산은 표준축차법에 의해 수행하였으며 사용된 최적화 기법은 quasi-Newton 방법이다. 1차원 모형은 Matlab을 이용하여 표준축자법으로 구성하였으며 BFGS 기법, L-BFGS 기법, Steepest Gradient Descent 기법 등도 Matlab으로 구성하였다. 표준축차법은 조도계수가 입력되면 기지의 수위값과의 2-norm을 계산하도록 구성하였다. 계산 결과에 의하면 세가 기법 모두 20 23회 정도의 반복계산을 수행하고 값이 수렴되었는데, L-BFGS의 경우에는 정확하게 음수의 조도계수로 수렴하였으며, BFGS기법과 Steepest Gradient 기법의 경우에는 양의 값으로 정확하게 수렴하였다.