Proceedings of the Korean Society of Disaster Information Conference
/
2022.10a
/
pp.396-397
/
2022
본 논문에서는 등기하 해석법을 이용하여 선형 탄성문제에 대한 형상 최적설계 기법을 개발하였다. 실용적인 공학문제에 대한 많은 최적설계 문제에서는 초기의 데이터가 CAD 모델로부터 주어지는 경우가 많다. 그러나 대부분의 설계 최적화 도구들은 유한요소법에 기초하고 있기 때문에 설계자는 이에 앞서 CAD 데이터를 유한요소 데이터로 변환해야 한다. 이 변환과정에서 기하 모델의 근사화에 따른 수치적 오류가 발생하게 되고, 이는 응답 해석뿐만 아니라 설계민감도 해석에 있어서도 정확도 문제를 발생시킨다. 이러한 점에서 등기하 해석법은 형상 최적설계에 있어서 유망한 방법론중 하나가 될 수 있다. 등기하 해석법의 핵심은 해석에 사용되는 기저 함수와 기하 모델을 구성하는 함수가 정확히 일치한다는 것이다. 이러한 기하학적으로 정확한 모델은 설계민감도 해석 및 형상 최적설계에 있어서도 사용된다. 이로 인해 높은 정확도의 설계민감도를 얻을 수 있으며, 이는 설계구배 기반의 최적화에 있어서 매우 중요하게 작용한다. 수치 예제를 통하여 본 논문에서 제시된 등기하 해석 기반의 형상 최적설계 방법론이 타당함을 확인하였다. 본 논문에는 등기하 해석법을 이용하여 선형 탄성문제에 대한 형상 최적설계 하였다.
The purpose of this study is to investigate how the degree of distribution influences the calibration of snow and runoff in distributed hydrological models using a multi-criteria calibration method. The Hydrology Laboratory-Research Distributed Hydrologic Model (HL-RDHM) developed by NOAA-National Weather Service (NWS) is employed to estimate optimized parameter sets. We have 3 scenarios depended on the model complexity for estimating best parameter sets: Lumped, Semi-Distributed, and Fully-Distributed. For the case study, the Durango River Basin, Colorado is selected as a study basin to consider both snow and water balance components. This study basin is in the mountainous western U.S. area and consists of 108 Hydrologic Rainfall Analysis Project (HRAP) grid cells. 5 and 13 parameters of snow and water balance models are calibrated with the Multi-Objective Shuffled Complex Evolution Metropolis (MOSCEM) algorithm. Model calibration and validation are conducted on 4km HRAP grids with 5 years (2001-2005) meteorological data and observations. Through case study, we show that snow and streamflow simulations are improved with multiple criteria calibrations without considering model complexity. In particular, we confirm that semi- and fully distributed models are better performances than those of lumped model. In case of lumped model, the Root Mean Square Error (RMSE) values improve by 35% on snow average and 42% on runoff from a priori parameter set through multi-criteria calibrations. On the other hand, the RMSE values are improved by 40% and 43% for snow and runoff on semi- and fully-distributed models.
Jun-Ho Yoon;Daeryong Seo;Donghyeon Jeon;Inho Kang;Seung-Hoon Na
Annual Conference on Human and Language Technology
/
2023.10a
/
pp.437-442
/
2023
최근에 등장한 대규모 언어 모델은 다양한 언어 처리 작업에서 놀라운 성능을 발휘하고 있다. 그러나 이러한 모델의 크기와 복잡성 때문에 모델 경량화의 필요성이 대두되고 있다. Pruning은 이러한 경량화 전략 중 하나로, 모델의 가중치나 연결의 일부를 제거하여 크기를 줄이면서도 동시에 성능을 최적화하는 방법을 제시한다. 본 논문에서는 한국어 언어 모델인 Polyglot-Ko에 Wanda[1] 기법을 적용하여 Pruning 작업을 수행하였다. 그리고 이를 통해 가중치가 제거된 모델의 Perplexity, Zero-shot 성능, 그리고 Fine-tuning 후의 성능을 분석하였다. 실험 결과, Wanda-50%, 4:8 Sparsity 패턴, 2:4 Sparsity 패턴의 순서로 높은 성능을 나타냈으며, 특히 일부 조건에서는 기존의 Dense 모델보다 더 뛰어난 성능을 보였다. 이러한 결과는 오늘날 대규모 언어 모델 중심의 연구에서 Pruning 기법의 효과와 그 중요성을 재확인하는 계기가 되었다.
Kim, Sung Jin;Park, Hyungseok;Lee, Gun Ho;Chung, Se Woong
Proceedings of the Korea Water Resources Association Conference
/
2021.06a
/
pp.88-88
/
2021
최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.
Kim, Kwang-Duk;Yu, Won-Jae;Park, Hyo-Sang;Kyung, Hee-Moon;Kwon, Oh-Won
The korean journal of orthodontics
/
v.41
no.1
/
pp.25-35
/
2011
Objective: The purpose of this study was to optimize the thread pattern of orthodontic microimplants. Methods: In search of an optimal thread for orthodontic microimplants, an objective function stability quotient (SQ) was built and solved which will help increase the stability and torsional strength of microimplants while reducing the bone damage during insertion. Selecting the AbsoAnchor SH1312-7 microimplant (Dentos Inc., Daegu, Korea) as a control, and using the thread height (h) and pitch (p) as design parameters, new thread designs with optimal combination of hand p combination were developed. Design soundness of the new threads were examined through insertion strain analyses using 3D finite element simulation, torque test, and clinical test. Results: Solving the function SQ, four new models with optimized thread designs were developed (h200p6, h225p7, h250p8, and h275p8). Finite element analysis has shown that these new designs may cause less bone damage during insertion. The torsional strength of two models h200p6 and h225p7 were significantly higher than the control. On the other hand, clinical test of models h200p6 and h250p8 had similar success rates when compared to the control. Conclusion: Overall, the new thread designs exhibited better performance than the control which indicated that the optimization methodology may be a useful tool when designing orthodontic microimplant threads.
Seongwon Chae;Jae-Hyun Jo;Ye-Eun Park;Jin-Hyoung, Jeong;Sung Jin Kim;Ahnryul Choi
The Journal of Korea Institute of Information, Electronics, and Communication Technology
/
v.16
no.5
/
pp.331-337
/
2023
In this paper, we propose a deep learning model to detect lumbar 3 (L3) CT images to determine the occurrence and degree of sarcopenia. In addition, we would like to propose an optimization technique that uses oversampling ratio and class weight as design parameters to address the problem of performance degradation due to data imbalance between L3 level and non-L3 level portions of CT data. In order to train and test the model, a total of 150 whole-body CT images of 104 prostate cancer patients and 46 bladder cancer patients who visited Gangneung Asan Medical Center were used. The deep learning model used ResNet50, and the design parameters of the optimization technique were selected as six types of model hyperparameters, data augmentation ratio, and class weight. It was confirmed that the proposed optimization-based L3 level extraction model reduced the median L3 error by about 1.0 slices compared to the control model (a model that optimized only 5 types of hyperparameters). Through the results of this study, accurate L3 slice detection was possible, and additionally, we were able to present the possibility of effectively solving the data imbalance problem through oversampling through data augmentation and class weight adjustment.
Proceedings of the Korean Information Science Society Conference
/
2012.06a
/
pp.152-154
/
2012
스마트폰은 배터리를 사용하는 기기이기 때문에 전력 최적화가 매우 중요한 사안이다. 특별히, 많은 에너지가 소모되는 3G 네트워크 인터페이스에서, 불필요하게 대기하며 발생하는 Tail 에너지를 줄이기 위한 연구가 활발히 진행되어 왔다. 기존의 연구들은 사용자와 응용의 특성을 고려하지 않고 전송 예측 방법에 대해서도 논하고 있지 않아 실제 시스템에 적용하는데 한계가 존재한다. 본 논문에서는, 국내 망환경에서 적용 가능한 3G 모델을 통해 사용자의 응용 별 사용 경향성을 파악하고, 응용 별로 서로 다른 Tail 지속 시간을 선택하여 에너지를 최적화 할 수 있는 방법을 제시한다. 본 기법을 적용하였을 때, 10%의 지연 증가를 준수하며, 평균 34%의 네트워크 에너지를 줄일 수 있었다.
게임이론에서의 기본적인 Cournot Model과 같은 형태는 실제 전력 시장에서의 복잡성을 모두 반영하지는 못한다. Pool 기반 전력시장에서의 송전과 가격 결정은 명백하게 전송 제약뿐만 아니라 ancillary service의 상호간의 최적화도 고려되어야하기 때문이다. 이 논문은 다중재화의 상호간 최적화를 다루는 다중시장의 Cournot Model을 확장시킨 모델의 해석과 사례연구를 논한다. 사례연구로는 제주도 전력 시장의 형태를 적용시켜 2개 발전사업자가 2개의 상품을 가지고 경쟁할 때의 최적화를 MATLAB을 이용하여 구현해본다.
가스 절연 개폐장치(Gas Insulated Switchgear : GIS)의 고체 스페이서에 경사기능성 재료(Functionally Graded Material : FGM)를 적용할 때, 전계의 완화를 예상할 수 있다. 특히, 균일 유전율 분포를 가지는 스페이서에서 양극 근처에 집중된 높은 전계가 FGM 스페이서를 사용할 때, 스페이서와 $SF_6$ 가스의 접촉부로 옮겨지며, 그 크기가 완화됨을 확인할 수 있었다[1]. 본 연구에서는 상용 고체 스페이서의 양극 부근에서의 전계 집중을 감소시키기 위해 전극 형상의 최적화를 수행하였다. 최적화 기법으로는 완전계승계획법(Full Factorial Design : FFD)과 결합된 반응표면법(Response Surface Method : RSM)을 이용하였으며, 균일 유전율 스페이서에서 양극 형상을 최적화하였다. 또한 타원형 유전율 분포를 가지는 FGM 스페이서를 이용함으로써, 상용 GIS 모델에 비해 최대 전계가 크게 완화될 수 있음을 확인하였으며, 상용 GIS의 외함부의 크기를 줄여 실제 소형화 가능 여부를 확인하였다.
게임이론에서의 기본적인 Cournot Model과 같은 형태는 실제 전력 시장에서의 복잡성을 모두 반영하지는 못한다. Pool 기반 전력시장에서의 송전과 가격 결정은 명백하게 전송 제약뿐만 아니라 ancillary service의 상호간의 최적화도 고려되어야하기 때문이다. 이 논문은 다중재화의 상호간 최적화를 다루는 다중시장의 Cournot Model을 확장시킨 모델의 해석과 사례연구를 논한다. 사례연구로는 제주도 전력 시장의 형태를 적용시켜 2개 발전사업자가 2개의 상품을 가지고 경쟁할 때의 최적화를 MATLAB을 이용하여 구현해본다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.