• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2018.11a
• /
• pp.173-174
• /
• 2018

온난화 현상으로 북극 해빙 속도가 가속화되면서 북극 운항 선박이 증가하고 있어 선박의 안전 항해를 위한 기술개발이 요구되고 있다. 본 연구에서는 선박해양플랜트연구소에서 개발 중인 KRISO Arctic Safe Routing System(KARS)의 안전 최적항로 계획 방법의 선박실 운항 추진성능 모델 과 선박 고유의 빙 저항 추진 성능 데이터베이스 구성 내용을 소개하였다. 추진성능 모델은 예인 수조시험의 속도-마력 -RPM 성능 데이터와 실 운항에서 조우할 수 있는 바람, 파도 등의 외란에 기인하는 부가저항 및 빙해수조 결과를 바탕으로 다양한 빙상환경에 따른 빙 성능 추정결과를 활용하여 ISO15016: 2002 기반으로 Calm sea 및 빙 해역에서의 선박 속도-마력 성능에서 외란에 의한 부가저항에 따른 소요마력 및 속도변화를 추정하도록 하였다. 제안된 성능모델은 최적 북극항로 탐색 모듈과 결합되어 안전한 북극항로를 도출할 수 있음을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.554-558
• /
• 2020

최근 사전학습 모델의 발달로 기계독해 시스템 성능이 크게 향상되었다. 하지만 기계독해 시스템은 주어진 단락에서 질문에 대한 정답을 찾기 때문에 단락을 직접 검색해야하는 실제 환경에서의 성능 하락은 불가피하다. 즉, 기계독해 시스템이 오픈 도메인 환경에서 높은 성능을 보이기 위해서는 높은 성능의 검색 모델이 필수적이다. 따라서 본 논문에서는 검색 모델의 성능을 보완해 줄 수 있는 오픈 도메인 기계독해를 위한 단락 재순위화 모델을 제안한다. 제안 모델은 합성곱 신경망을 이용하여 질문과 단락을 구절 단위로 표현했으며, N-gram 구절 사이의 상호 주의 집중을 통해 질문과 단락 사이의 관계를 효과적으로 표현했다. KorQuAD를 기반으로한 실험에서 제안모델은 MRR@10 기준 93.0%, Top@1 Precision 기준 89.4%의 높은 성능을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.150-150
• /
• 2023

기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.28 no.6A
• /
• pp.765-778
• /
• 2008

Performance Profiles are essential to predict the performance variation over time for the bridge management system (BMS) based on risk management. In general, condition profiles based on experts opinion and/or visual inspection records have been used widely because obtaining profiles based on real performance is not easy. However, those condition profiles usually don't give a good consistency to the safety of bridges, causing practical problems for the effective bridge management. The accuracy of performance evaluation is directly related to the accuracy of BMS. The reliability of the evaluation is important to produce the optimal solution for distributing maintenance budget reasonably. However, conventional methods of bridge assessment are not suitable for a more sophisticated decision making procedure. In this study, a method to compute quantitative performance profiles has been proposed to overcome the limitations of those conventional models. In Bridge Management Systems, the main role of performance profiles is to compute and predict the performance of bridges subject to lifetime activities with uncertainty. Therefore, the computation time for obtaining an optimal maintenance scenario is closely related to the efficiency of the performance profile. In this study, the Response Surface Method (RSM) based on independent and important design variables is developed for the rapid computation. Steel box bridges have been investigated because the number of independent design variables can be reduced significantly due to the high dependency between design variables.

• 한국신재생에너지학회:학술대회논문집
• /
• 2009.06a
• /
• pp.287-287
• /
• 2009

연료전지는 전기에너지와 열에너지를 동시에 사용 할 수 있기 때문에 에너지 효율이 높고 유해 배기물이 거의 없으므로 친환경적이다. 따라서 환경문제가 대두되고 있는 오늘날, 고효율 친환경의 연료 전지는 차세대 에너지원으로 각광받고 있다. 보일러와 계통선에서 열과 전기를 공급받는 기존방식에 비해 연료전지 코제너레이션 시스템의 경우 20%이상 에너지 절감율을 향상시킬 수 있다. 기존 10kW이하의 소용량 발전설비의 경우 대형 발전소와 같은 수준인 30%이상의 전기 효율을 기대할 수 없으나 고분자 전해질 연료전지를 적용할 경우 1kW급에서도 35%의 전기 효율을 기대할 수 있으며 열회수까지 고려할 경우 80%에 가까운 열효율을 달성할 수 있다.(4)연료전지 시스템은 연료전지 스택 이외에, 연료변환장치, 급기설비, 열 및 물관리 설비, 전력변환장치 그리고 제어 장치 등으로 구성된다. 연료전지 시스템 성능은 연료전지 스택의 성능에 가장 의존적인데 연료전지 스택의 성능은 같은 스택이라도 운전 및 제어 방법에 따라서 다양하게 변할 수 있다. 실제로 연료전지 스택 자체의 전기 변환 효율은 최대 40% 까지로 매우 높으나, 다양한 운전 조건에 따라 효율이 30~40% 수준에서 변화는 것이 현실이다. 때문에 시스템을 설계할 때에는 종합화된 시스템 측면에서의 운전까지 고려한 설계와 성능 해석이 필요하다. 그간 연료전지를 활용한 가정용 열병합 발전분야에서는 시스템 설계를 위한 시뮬레이션 기반 성능 해석에 관한 연구가 활발히 진행되어왔다. 하지만 연료전지 스택의 경우 간이화된 성능 모델식을 사용하여 이로 인한 성능 예측모델의 오차가 크게 발생하여 전체 시스템 최적화의 저해요인으로 작용하여왔다. 따라서 본 연구에서는 가정용 연료전지 열병합 발전 시스템을 자체적으로 설계 개발하였으며 이 중 연료전지 스택의 성능모델을 실험기반으로 구축하였다. 먼저 가정용 연료전지 열병합 발전 시스템의 설계는 크게 네 단계로 구분되며 이는 1) 시스템 개념 설계, 2) 연료전지 스택 설계, 3) 주변장치 설계, 4) 제어시스템 설계로 이뤄진다. 연료전지 스택의 성능 모델은 고분자연료전지의 성능에 가장 민감하게 영향을 미치는 온도 및 습도의 변화에 따른 다양한 스택 성능을 예측 가능하도록 개발하였으며 이는 간단한 이론 모델의 구조에 실험 데이터를 기반으로 모델 파라미터를 도출하는 기법으로 이뤄졌다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.453-455
• /
• 2023

본 연구는 은행에서 리스크 관리 자동화를 위해 고객의 대출 상환 여부 예측 모델을 제안하고자 한다. 예측 모델로 금융 데이터 같은 정형데이터에서 전통적으로 높은 성능을 보인 의사결정나무기반 모델 LightGBM, CatBoost, XGB 와 최근 제안된 정형데이터에서 사용할 수 있는 설명 가능한 딥러닝 기반 모델 TabNet 간의 성능 비교를 진행한다. 다만, 대출 상환 여부 데이터는 불균형 클래스 데이터로 구성되어있어 샘플링을 진행한다. SMOTE, Random Under Sampling, 혼합 방식을 비교해 가장 높은 성능의 샘플링 기법을 제안한다. 대출 상환 여부 예측 결과 TabNet 모델이 의사결정나무모델들보다 좋은 성능을 보여 정형데이터에서 의사결정나무 기반 모델을 딥러닝 모델이 대체 할 수 있는 가능성을 확인했다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10c
• /
• pp.24-26
• /
• 1999

본 논문에서는 주어진 윈도우에 대하여 수퍼스칼라 프로세서의 하드웨어를 구성하는 기본 요소인 인출율과 연산 유닛의 개수로 표현되는 성능 예측 모델을 제시하였다. 이때, 수퍼스칼라 프로세서에서 실행되는 벤치마크 프로그램은 매 싸이클당 각 명령어 개수가 시행되는 확률과 분기 예측 정확도에 의하여 특성화된다. 초기의 실험으로 각종 파라미터를 획득한 후에는 다양한 연산유닛과 인출율을 갖는 수퍼스칼라 프로세서의 성능을 본 논문에서 제안하는 모델에 의하여 간단하게 구할 수 있다. 명령어 자취 모의실험(trace-driven simulation)으로 측정한 성능과 본 논문에서 제안하는 성능 예측 모델에 의한 성능을 비교한 결과, 3.8%의 평균오차를 기록하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.539-540
• /
• 2023

최근 물체 인식 모델의 성능을 개선하기 위한 다양한 연구가 진행 중이다. 본 논문에서는 K-means 기반 앵커박스 선정 기법을 적용한 새로운 물체 인식 모델 성능 개선 방법을 제안한다. 제안된 방법은 항만 내 설치된 컨테이너 사고를 예방하기 위한 컨테이너 사고위험도 분류 모델에 적용하여 성능 평가를 하였다. 특히, 컨테이너 사고위험도 분류 모델은 작은 물체를 인식해야 하며 이런 환경에서는 기존 물체 인식 모델 성능이 낮게 나타난다. 본 논문에서는 제안한 K-means 기반 앵커박스 선정 기법을 적용하여 물체 인식 모델 성능이 개선됨을 확인하였디.

• Journal of the Earthquake Engineering Society of Korea
• /
• v.10 no.2 s.48
• /
• pp.1-10
• /
• 2006

Reinforced concrete bridge columns with relatively small aspect ratio show flexure-shear behavior, which is flexural behavior at initial and medium displacement stages and shear failure at final stage. Since the columns with flexure-shear failure have lower ductility than those with flexural failure, shear capacity curve models shall be applied as well as flexural capacity curve in order to determine ultimate displacement for seismic design or performance evaluation. In this paper, a modified shear capacity curve model is proposed and compared with the other models such as the CALTRANS model, Aschheim et al.'s model, and Priestley et al.'s model. Four shear capacity curve models are applied to the 4 full scale circular bridge column test results and the accuracy of each model is discussed. It may not be fully adequate to drive a final decision from the application to the limited number of test results, however the proposed model provides the better prediction of failure mode and ultimate displacement than the other models for the selected column test results.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.411-414
• /
• 2019

검색 모델은 색인된 문서 내에서 입력과 유사한 문서를 검색하는 시스템이다. 최근에는 기계독해 모델과 통합하여 질문에 대한 답을 검색 모델의 결과에서 찾는 연구가 진행되고 있다. 위의 통합 모델이 좋은 결과를 내기 위해서는 검색 모델의 높은 성능이 요구된다. 따라서 본 논문에서는 검색 모델의 성능을 보완해 줄 수 있는 재순위화 모델을 제안한다. 검색 모델의 결과 후보를 일괄적으로 입력받고 '질문-단락'간 주의 집중을 계산하여 재순위화 한다. 실험 결과 P@1 기준으로 기존 검색 모델 성능대비 5.58%의 성능 향상을 보였다.