• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.217-217
• /
• 2023

상수도관망은 사용자에게 고품질의 물을 안정적으로 공급하는 것을 목적으로 하며, 이를 평가하기 위한 지표 중 하나로 압력을 활용한다. 최근 스마트 센서의 설치가 확장됨에 따라 기계학습기법을 이용한 실시간 데이터 기반의 분석이 활발하다. 따라서 어디에서 데이터를 수집하느냐에 대한 센서 위치 결정이 중요하다. 본 연구는 eXtreme Gradient Boosting(XGBoost) 모델을 활용하여 대규모 상수도관망 내 센서 위치를 최적화하는 방법론을 제안한다. XGBoost 모델은 여러 의사결정 나무(decision tree)를 활용하는 앙상블(ensemble) 모델이며, 오차에 따른 가중치를 부여하여 성능을 향상시키는 부스팅(boosting) 방식을 이용한다. 이는 분산 및 병렬 처리가 가능해 메모리리소스를 최적으로 사용하고, 학습 속도가 빠르며 결측치에 대한 전처리 과정을 모델 내에 포함하고 있다는 장점이 있다. 모델 구현을 위한 독립 변수 결정을 위해 압력 데이터의 변동성 및 평균압력 값을 고려하여 상수도관망을 대표하는 중요 절점(critical node)를 선정한다. 중요 절점의 압력 값을 예측하는 XGBoost 모델을 구축하고 모델의 성능과 요인 중요도(feature importance) 값을 고려하여 센서의 최적 위치를 선정한다. 이러한 방법론을 기반으로 상수도관망의 특성에 따른 경향성을 파악하기 위해 다양한 형태(예를 들어, 망형, 가지형)와 구성 절점의 수를 변화시키며 결과를 분석한다. 본 연구에서 구축한 XGBoost 모델은 추가적인 전처리 과정을 최소화하며 대규모 관망에 간편하게 사용할 수 있어 추후 다양한 입출력 데이터의 조합을 통해 센서 위치 외에도 상수도관망에서의 성능 최적화에 활용할 수 있을 것으로 기대한다.

• The Journal of the Acoustical Society of Korea
• /
• v.29 no.1
• /
• pp.56-61
• /
• 2010

This paper describes optimization methods of acoustic models in HMM-based continuous speech recognition. Most of the conventional speech recognition systems use the same number of Gaussian mixture components for each HMM state. However, since the number of data samples available for each state is different from each other, it is possible to reduce the overall number of model parameters and the computational cost at the decoding step by optimizing the number of Gaussian mixture components. In this study, we introduced the Gaussian mixture weight term at the merging stage of Gaussian components in the minimum description length (MDL) based acoustic modeling optimization. Experimental results showed that the proposed method can obtain better ASR accuracy than the previous optimization method which does not consider the Gaussian mixture weight term.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.27-31
• /
• 2011

차량의 대형화 및 고속화, 그리고 기존 교량의 노후화를 고려하였을 때, 교량의 건전성 평가는 매우 중요해지고 있다. 거동을 예측하는데 사용되는 유한요소 모델의 신뢰도는 이상적인 가정과 모델링 오차, 교량의 노후화 등에 의해 실제 거동을 반영하지 못하는 경우가 많다. 유한요소 모델의 신뢰도를 높이기 위해, 실제 교량의 거동을 계측하여, 이를 기반으로 물리적 의미를 가지는 변수들과 지점의 조건을 수정하는 모델의 개선이 주로 행해진다. 이러한 모델 개선은 최적화 기법을 통해 수행된다. 본 연구에서는 목적함수간 가중치에 의한 모델 개선 결과의 영향과 다중 목적 함수 최적화 기법을 통해, 가중치의 영향을 줄이고, 다양한 개선 모델들을 구하는데 적용하였다. 팔곡 3교의 실제 계측 데이터를 이용하여 단일 다중 목적 함수 기반의 모델 개선을 수행하였다. 단일 목적 함수의 경우, 정의되는 목적함수는 주로 고유진동수와 모드 형상에 관한 차이의 가중치 합으로 표현되어 지며, 이러한 가중치에 따라, 모델 개선의 결과에 영향을 가함을 확인하였다. 다중 목적 함수 기반의 모델 개선을 통해, 구해진 모델 개선 결과를 단일 목적 함수 기반 모델 개선의 결과들과 비교하였으며, 모델 개선에 대한 다중 목적 함수 최적화 적용을 분석하였다.

• 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.

• The Bulletin of The Korean Astronomical Society
• /
• v.37 no.2
• /
• pp.174.2-174.2
• /
• 2012

위성의 방열판 설계 과정은 수치해석을 위해 위성을 모델링한 열모델에서 분할 격자인 노드를 기준으로 방열판 위치와 형상, 크기를 조절하면서 한계 온도조건을 만족할 때까지 설계 엔지니어의 판단에 의존하여 열해석을 반복하는 것이 보편적인 방식이다. 대부분 방열판 면적을 줄이기 위한 추가적인 노력을 하지 않기 때문에 필요 이상의 과도한 방열판 설계를 하는 경우가 많은 것이 사실이다. 이러한 방열판 설계에서 최소한의 방열판 면적을 사용하여 한계 온도를 만족하도록 설계를 최적화 한다면 무엇보다 전체 위성 열설계의 효율성과 경제성을 높일 수 있는 바탕이 될 수 있을 것이다. 위성의 방열판 설계는 방열판 영역 내에서 동일한 면적을 가지더라도 위치나 형상에 따라 그 효과가 상당히 차이가 날 수 있기 때문에 실제 방열판 설계에서는 이러한 점을 고려하는 것이 필수적이다. 먼저 위성은 열해석에 알맞는 격자 크기로 분할된 노드로 이루어진 열모델로 모델링되어 개발된다. 방열판이 설계되는 방열판 영역 역시 격자 모양의 노드로 분할되기 때문에 열해석을 이용하여 방열판 설계를 한다면 노드 크기를 기준으로 노드 분할 형태에 따라 설계를 한다. 그래서 위성 열모델에서 방열판 영역의 각 노드가 방열판 노드 여부에 따라 모자이크와 같은 분포의 방열판 설계를 하게 되므로 방열판 노드 분포의 최적화가 방열판 최적 설계를 의미하게 된다. 본 연구에서는 방열판 설계 최적화를 위해 일반적인 위성 프로그램의 열제어 개발에서 사용하는 위성 열모델과 열해석 프로그램을 최적화 기법과 동일한 언어로 다시 개발해야 하는 부담 없이 그대로 최적화 기법과 연동할 수 있도록 하는 방법을 제안하고, 실제 소형의 검증용 위성 열모델을 개발하여 여러 가지 해석 조건에 따른 방열판 최적 설계 결과를 비교하고 검토함으로써 이러한 접근 방식을 검증해보고자 하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.17-20
• /
• 2003

본 논문에서는 공유 모델링의 대표적인 방법인 결정트리 기반 상태공유 모델을 기반으로 하여 그 출력 확률 분포의 혼합 가우시안 수를 줄임으로써 모델을 최적화하고자 하였다. 결정트리 기반의 상태공유 모델링은 일반적인 방법을 따랐으며 혼합 가우시안 수를 늘려 인식률이 최대가 되는 지점에서 혼합 가우시안을 클러스터링하여 그 수를 줄였다. 클러스터링 시에 필요한 거리 측정 방법이나 가까운 두 가우시안의 합성 방법을 여러 기법을 실험하였다. 이때 인식률은 클러스터링 이전인 97.2%를 유지하였으며 총 혼합 가우시안의 감소율은 1.0%를 보임으로써 모델을 최적화할 수 있었다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.26 no.2A
• /
• pp.285-292
• /
• 2006

In this study, a method determining the local bond-slip model from pure shear test results of CFRP sheet-concrete adhesive joints is proposed and local bond-slip models are presented. Adhesive joints with a specific bond-slip model, which is assumed as multi-linear curve in order to represent arbitary function, are solved numerically. The difference between the solution and test results are minimized for finding the bond-slip model. The model with bilinear curve is also optimized to verify the improvement of multi-linear model. The selected test results are ultimate load-adhesive length curves from a series of adhesive joints and load-displacement curves for each joint. The optimization problem is formulated by physical programming, and the optimized bond-slip model is found using genetic algorithm.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.12
• /
• pp.125-132
• /
• 2010

In vocabulary recognition has unseen tri-phone appeared when recognition training. This system has not been created beginning estimation figure of model parameter. It's bad points could not be created that model for phoneme data. Therefore it's could not be secured accuracy of Gaussian model. To improve suggested Gaussian model to optimized method of model parameter using probability distribution. To improved of confidence that Gaussian model to optimized of probability distribution to offer by accuracy and to support searching of phoneme data. This paper suggested system performance comparison as a result of recognition improve represent 1.7% by out-of vocabulary rejection algorithm using normalization confidence.

• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2004.07b
• /
• pp.1129-1133
• /
• 2004

반도체공정 최적화에 소요되는 시간과 경비를 줄이기 위해 신경망 모델이 개발되고 있다. 주로 역전파 신경망을 이용하여 모델이 개발되고 있으며, 본 연구에서는 Radial Basis Function Network (RBFN)을 이용하여 플라즈마 식각공정 모델을 개발한다. 실험데이터는 유도결합형 플라즈마를 이용한 Silicon Carbide 박막의 식각공정으로부터 수집되었다. 모델개발을 위해 $2^4$ 전인자 (full factorial) 실험계획법이 적용되었으며, 모델에 이용된 식각응답은 식각률과 atomic force microscopy로 측정한 식각표면 거칠기이다. 모델검증을 위해 추가적으로 16번의 실험을 수행하였다. RBFN의 예측성능은 세 학습인자, 즉 뉴런수, width, 초기 웨이트 분포 (initial weight distribution-IWD) 크기에 의해 결정된다. 본 연구에서는 각 학습인자의 영향을 최적화하였으며, IWD의 불규칙성을 고려하여 주어진 학습인자에 대해서 100개의 모델을 발생하고, 이중 최소의 IWD를 갖는 모델을 선택하였다. 최적화한 식각률과 표면거칠기 모델의 RMSE는 각기 26 nm/min과 0.103 nm이었다. 통계적인 회귀모델과 비교하여, 식각률과 표면거칠기 모델은 각기 52%와 24%의 향상된 예측정확도를 보였다. 이로써 RBFN이 플라즈마 공정을 효과적으로 모델링 할 수 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.11-12
• /
• 2023

GPGPU 환경에서의 ML 모델이 다양한 분야에 지속적으로 활용되면서, 이미지 분할(image segmentation) 연구가 활발하다. multi-GPU 환경에서 성능 최적화를 위하여 병렬화 기법들이 활용되고 있다. 본 연구에서는 multi-GPU 환경에서 U-Net 모델의 전체 수행 시간을 단축하기 위해 convolution 연산을 최적화하는 기법을 적용하는 실험을 진행하였고 shared memory, data parallelism 를 적용하여 82% 성능 향상을 보여주었다.