• Tunnel and Underground Space
• /
• v.34 no.2
• /
• pp.127-142
• /
• 2024

The robustness of a numerical method means that its computational performance is maintained under various modeling conditions. New numerical methods or codes need to be assessed for robustness through benchmark testing. The TOUGH-FLAC modeling approach has been applied to various fields such as subsurface carbon dioxide storage, geological disposal of spent nuclear fuel, and geothermal development both domestically and internationally, and the modeling validity has been examined by comparing the results with experimental measurements and other numerical codes. In the present study, a benchmark test of the TOUGH-FLAC approach was performed based on a coupled thermal-hydro-mechanical behavior problem with an analytical solution. The analytical solution is related to the temperature, pore water pressure, and mechanical behavior of a fully saturated porous medium that is subjected to a point heat source. The robustness of the TOUGH-FLAC approach was evaluated by comparing the analytical solution with the results of numerical simulation. Additionally, the effects of thermal-hydro-mechanical coupling terms, fluid phase change, and timestep on the computation of coupled behavior were investigated.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10a
• /
• pp.187-189
• /
• 1998

최근 웹을 폭발적인 확산과 웹 기술의 급속한 발달에 따라 웹 환경과 이산사건 시스텀 시뮬레이션 환경을 결합시키려는 웹-기반 시뮬레이션에 대한 연구가 활발히 진행되고 있다. 웹 문서 내에서 시뮬레이션 모델을 수행시키는 웹-기반 시뮬레이션은 교육, 광고, 제품 소개 및 훈련, 동적 문서의 제작 등 다양한 응용분야가 있다. 기존의 웹- 기반 시뮬레이션 환경은 전체 시뮬렝션이 한 시스템에서 수행되는 순차적 시뮬레이션에 기반을 두고 있다. 본 논문에서는 분산된 환경 하에서 동시 공학적인 시스템 개발에 이용될 수 있는 분산-모델 분산-시뮬레이션 형태의 웹-기반 시뮬레이션을 제시하며 이의 구현을 위한 전 단계로서 인터넷 하에서 구축된 분산 시뮬레이션 환경에 대해 설명한다. 본 환경에서는 네트웍 시스템 및 하드웨어 모델링을 용이하게 하기 위하여 확장된 DEVS 형식론을 도입하였고 개발된 모델이 이종의 시스템들 간에 자유로이 전송되어 수행될 수 있도록 Java를 사용하여 시뮬레이션 환경을 구축하였다.

• Annual Conference on Human and Language Technology
• /
• 2017.10a
• /
• pp.159-162
• /
• 2017

Long Short-Term Memory Recurrent Neural Network(LSTM RNN)는 순차 데이터 모델링에 적합한 딥러닝 모델이다. Bidirectional LSTM RNN(BiLSTM RNN)은 RNN의 그래디언트 소멸 문제(vanishing gradient problem)를 해결한 LSTM RNN을 입력 데이터의 양 방향에 적용시킨 것으로 입력 열의 모든 정보를 볼 수 있는 장점이 있어 자연어처리를 비롯한 다양한 분야에서 많이 사용되고 있다. Highway Network는 비선형 변환을 거치지 않은 입력 정보를 히든레이어에서 직접 사용할 수 있게 LSTM 유닛에 게이트를 추가한 딥러닝 모델이다. 본 논문에서는 Highway Network를 한국어 의미역 결정에 적용하여 기존 연구 보다 더 높은 성능을 얻을 수 있음을 보인다.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.56 no.9
• /
• pp.1655-1664
• /
• 2007

This paper presents the problem of controlling asynchronous sequential machines in the presence of input disturbances, which may be also regarded as an adversary in a game theoretic setting. The main objective is to develope a new methodology for including unpredictable behavior of input disturbance into models of asynchronous machines. The input disturbance, representing uncontrollable noise input, is embedded into a new model of asynchronous machines in form of input/state finite state machines. It is shown that the proposed modeling preserves the fundamental model and well-pose of asynchronous machines. The reachability matrix, an important performance index of asynchronous machines, is also adapted according to input disturbance and will be used for constructing corrective controllers in the companion paper.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.159-162
• /
• 2017

Long Short-Term Memory Recurrent Neural Network(LSTM RNN)는 순차 데이터 모델링에 적합한 딥러닝 모델이다. Bidirectional LSTM RNN(BiLSTM RNN)은 RNN의 그래디언트 소멸 문제(vanishing gradient problem)를 해결한 LSTM RNN을 입력 데이터의 양 방향에 적용시킨 것으로 입력 열의 모든 정보를 볼 수 있는 장점이 있어 자연어처리를 비롯한 다양한 분야에서 많이 사용되고 있다. Highway Network는 비선형 변환을 거치지 않은 입력 정보를 히든레이어에서 직접 사용할 수 있게 LSTM 유닛에 게이트를 추가한 딥러닝 모델이다. 본 논문에서는 Highway Network를 한국어 의미역 결정에 적용하여 기존 연구 보다 더 높은 성능을 얻을 수 있음을 보인다.

• Proceedings of the KSME Conference
• /
• 2008.11a
• /
• pp.1198-1203
• /
• 2008

An efficient sequential optimization approach for metamodel was presented by Choi et al [6]. This paper describes a new approach of the multilevel optimization method studied in Refs. [5] and [21-25]. The basic idea is concerned with multilevel iterative methods which combine a descent scheme with a hierarchy of auxiliary problems in lower dimensional subspaces. After fitting a metamodel based on an initial space filling design, this model is sequentially refined by the expected improvement criterion. The advantages of the method are that it does not require optimum sensitivities, nonlinear equality constraints are not needed, and the method is relatively easy to understand and use. As a check on effectiveness, the proposed method is applied to a classical cantilever beam.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11b
• /
• pp.963-966
• /
• 2003

IPv6-IPv4 변환시스템은 기존의 IPv4 네트워크와 신규 구축되는 IPv6 네트워크 간의 통신을 가능하게 하는 게이트웨이 기반 기술이다. 이러한 IPv6-IPv4 변환시스템에서는 네트워크 간의 모든 트래픽을 변환해야 하므로 높은 성능을 요구된다. 이에 본 연구에서는 이전 연구에서 구현된 게이트웨이 기반 IPv6-IPv4 변환시스템과 변환기의 성능분석에 적용될 수 있는 큐잉 모델을 제시하고 부과되는 트래픽에 따른 처리 성능을 산출하는 분석적인 방법을 제시하였다. IPv6-IPv4 변환시스템의 분석 모델의 경우, 도착간격은 지수분포를 따르고, 서비스시간은 M/M/l/K 모델 기반의 일반분포를 따른다. 또한 IPv6-IPv4 변환시스템의 변환기는 트래픽에 대한 변환 처리를 담당하는 핵심 모듈로서, 순차적인 단계로 이루어진다. 즉, 변환시스템의 변환기 자체의 분석 모델의 도착간격은 지수분포를 따르고, 서비스시간은 M/G/l/K 모델 기반의 일반분포를 따른다. 이렇게 제안된 모델에 대해 상세하게 설명하였으며, 이를 검증하기 위해서 모델을 적용하여 근사한 결과와 실제 측정 결과를 비교하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.8 no.3
• /
• pp.50-55
• /
• 1998

The GMDH(Group Method of Data Handling) is a useful data analysis technique for identification of nonlinear complex systems. Therefore, in this paper the application method of GMDH algorithm for modeling nonlinear dynamic systems is proposed. The identification of dynamic systems by using GMDH consists of applying a set of input/output data and computing the necessary coefficient set dynamically. Also, in this paper, by reducing sequentially the criterion which can adopt or reject the data, a method to prevent excessive computation that is a disadvantage of GMDH is proposed.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.137-138
• /
• 2007

하이브리드 자동차용 리듐 배터리의 수명을 예측하기 위한 듀얼 슬라이딩 모드 관측기를 설계하는 방법에 대해서 논의한다. 단순화된 R-C 모델을 사용하여 리듐 배터리를 전기적으로 모델링하고, 듀얼 슬라이딩 모드 관측기를 설계하는 방법에 대해서 순차적으로 서술한다. 제안된 시스템의 구조는 단순하고 구현이 쉬운 장점이 있으며, 외란에 대해서 강인하다는 특징도 가지고 있다. Lyapunov 조건에 의한 관측기의 수렴성이 증명되고 시스템의 성능은 UDDS(Urban dynamometer driving schedule) 시험에 의해서 입증되었다. 제안된 시스템은 실제 주행 상황에서도 짧은 계산시간과 뛰어난 추적 성능을 보여주었다.

• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.194-197
• /
• 2015

Long Short-term Memory Network(LSTM) 기반 Recurrent Neural Network(RNN)는 순차 데이터를 모델링 할 수 있는 딥 러닝 모델이다. 기존 RNN의 그래디언트 소멸 문제(vanishing gradient problem)를 해결한 LSTM RNN은 멀리 떨어져 있는 이전의 입력 정보를 볼 수 있다는 장점이 있어 음성 인식 및 필기체 인식 등의 분야에서 좋은 성능을 보이고 있다. 또한 LSTM RNN 모델에 의존성(전이 확률)을 추가한 LSTM CRF모델이 자연어처리의 한 분야인 개체명 인식에서 우수한 성능을 보이고 있다. 본 논문에서는 한국어 문장의 지배소가 문장 후위에 나타나는 점에 착안하여 Backward 방식의 LSTM CRF 모델을 제안하고 이를 한국어 의미역 결정에 적용하여 기존 연구보다 더 높은 성능을 얻을 수 있음을 보인다.