• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2007년도 춘계학술대회
• /
• pp.404-408
• /
• 2007

현재 국내에서 운용중인 풍력발전시스템은 국내 풍력자원에 대한 정확한 정보의 부재와 국내 풍황에 맞지 않는 국외 모델을 그대로 운용하는 등의 몇 가지 문제를 드러내었다. 본 연구의 목적은 국내 연안의 해상에서 한국형 해상풍력터빈을 설치하기 위한 잠재적 최적위치와 풍황자료 산출 최적화 알고리즘을 구현하는 것이다. 최적화 알고리즘은 얕은 수심 분포와 연안에서의 거리를 제약조건으로 하고 최대 에너지밀도를 가진 지점을 구하는 것으로 정식화하였다. 풍황자료 산출을 위해서 국내 연안의 해상 풍황자료를 포함하는 기상풍황자료를 통계적 모델로 분석하여 바람지도를 작성하였다. 이 바람지도를 이용하여 지질 통계학 분야의 관측기법인 크리깅 모델을 구성하고, 전역최적화기법인 유전자알고리즘을 이용하여 제약조건을 만족하는 최대에너지밀도값과 그 위치를 도출하였다. 수치최적화 결과 우리나라 풍력 자원의 대략적인 잠재량과 현황파악이 가능하였고, 해상풍력발전단지가 조성 가능한 개략적인 위치를 예측할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.631-634
• /
• 2019

단백질의 구조적 동등성을 평가를 위한 형태 기반의 기술자에 대한 연구는 제한적으로 이루어지고 있으며 대부분 지역적 특성 값으로 표현된 지역적 접근 방법이 다수를 이루고 있다. 지역적 특성과 전역적 특성을 포함하는 형태기술자의 경우 각 특성들이 동등한 중요도로 결합되어 있다. 본 연구에서는 선형 회귀분석을 적용하여 각 특성에 대한 중요도를 최적화하여 형태기술자를 재정의 하였다. 최적화된 형태기술자를 단백질의약품인 인슐린 모델에 적용하여 구조적 동등성을 평가할 수 있는 방법론을 제시하였다. 최적화된 형태기술자는 동일한 그룹에 속한 인간 인슐린 단백질 모델과 지역적으로 다른 구조를 가지는 인슐린 아날로그 그룹을 명확히 구분할 수 있음을 확인하였고 이러한 성능은 이전 연구의 형태기술자와 3D 저니크 기술자보다 더 좋은 성능을 보였다. 또한 제안한 방법은 고해상도 단백질 3차 구조 정보를 활용하여 유사성을 판별한 RMSD 방법과 유사하게 서로 다른 표면 구조를 가지는 단백질을 구별할 수 있음을 확인하였다. 이러한 결과로부터 본 연구에서 제시하는 형태기술자 및 최적화된 동등성 평가 함수는 SAXS 분석과 같이 저해상도 단백질 표면 모델을 확보할 수 있는 분석에 적용하여 단백질의 구조적 동등성을 판별할 수 있는 기반을 제공할 수 있을 것으로 판단된다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1998년도 Proceedings 제34회 추계 학술발표회
• /
• pp.196-205
• /
• 1998

교통신호에서 주로 고려되는 변수는 신호주기(cycle length), 녹색시간(green split), 옵셋(offset)그리고 좌회전 현시순서(left-turn phase sequence)로 구성된다. 기존의 대부분의 연동 모델들은 고정된 주기하에서 평균적인 유입 교통량을 측정한 후, 선형최적화 이론을 적용하여 최적 신호를 산출한다. 그러나 이 방법은 어디까지나 평균적인 데이터에 대해서 계산을 한 것이기 때문에 실시간 최적화를 제공하기가 어렵다. 본 연구에서는 평균 차량 통행량 대신 실시간으로 입력되는 차량 대기행렬, 차량 도착률을 기초로 대기차량을 최소화하는 동적 신호시간 산출 모델을 개발하였다. 본 모델에서는 Peytechew가 제안한 각 진입로에서의 대기 차량 예측 모델을 기초로 하여 다음 주기에서의 차량 대기 행렬을 예측한 후, 선형 최적화 이론을 적용하여 신호시간을 산출한다. 본 모델에서 산출된 신호주기와 녹색시간은 대기차량길이를 최소화하는 신호 시간으로서 교차로간의 연동효과를 고려하여 실시산 교통상황에 따라 주기별로 변화한다. 본 모델은 3개의 교차로로 구성된 네트워크를 대상으로 적용하였다. 실험 네트워크의 주도로 교통량은 부도로의 교통량 보다 많다고 가정하였으며 각 링크사이에서의 차량 진출입은 없다고 보았다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1962-1963
• /
• 2011

본 연구에서는 패턴분류를 위해 최적화된 방사형 기저 함수 신경회로망(Radial Basis Function Neural Networks) 분류기를 제안한다. RBFNN은 입력층, 은닉층, 출력층의 3층 구조로 되어 있으며 Multi Dimension, Predictive ability, Robustness한 특징이 있다. RBFNN의 은닉층에는 기존의 활성함수가 아닌 Fuzzy C-means 클러스터링 알고리즘을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. RBFNN은 은닉층의 노드수와 FCM 클러스터링의 퍼지화 계수, 연결가중치의 다항식 타입이 모델의 성능의 향상에 영향을 미치기 때문에 최적화가 필요하며 본 논문에서는 Differential Evolution(DE) 알고리즘을 사용하여 모델의 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시켰다. 제안된 모델을 평가하기 위해 패턴분류에 많이 사용되는 Iris 데이터와 Wine 데이터를 이용하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.1-3
• /
• 2006

대사증후군은 당뇨병, 고혈압, 복부 비만, 고지혈증 등의 질병이 한 개인에게 동시에 발현하는 것을 말하며, 최근 경제여건의 향상 및 식생활 습관의 변화와 함께 우리나라에서도 심각한 문제가 되고 있다. 한편 불확실성의 처리를 위해 많이 사용되는 베이지안 네트워크는 사람이 분석 가능한 확률 기반의 모델로 최근 의학분야에서 질병의 진단이나 예측모델을 구성하기 위한 방법으로 유용하게 사용되고 있다. 베이지안 네트워크의 구조를 학습하는 대표적인 알고리즘인 K2 알고리즘은 속성이 입력되는 순서의 영향을 받으며, 따라서 이 또한 하나의 주제로써 연구되어 왔다. 본 논문에서는 유전자 알고리즘을 이용하여 베이지안 네트워크에 입력되는 속성 순서를 최적화하며 이 과정에서 의학지식을 적용해 효율적인 최적화가 가능하도록 하였다. 제안하는 모델을 통해 1993년의 데이터를 가지고 1995년의 상태를 예측하는 분류 실험을 수행한 결과 속성 순서 최적화 후에 이전보다 향상된 예측율을 보였으며 또한 다층 신경망, k-최근접 이웃 등을 이용한 다른 모델보다 더 높은 예측율을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.499-499
• /
• 2023

최근 컴퓨터 성능 향상과 새로운 머신러닝 알고리즘 개발됨에 따라, 각 분야별 연구자들이 이를 활용한 연구를 다양하게 수행하고 있으며, 하수처리시설의 경우에는 막대한 양의 운영자료가 축척됨에 따라 머신러닝을 활용한 다양한 연구가 가속화 되고 있다. 기존 하수처리장의 물리학적 모델은 적용된 영향 인자에 여러 가지 가정이 고려되어 모델 정확도가 부정확해지는 경향이 있었으며, 이러한 문제점을 보완하기 위해 하수처리장의 수집된 운영자료 및 머신러닝 기반의 예측 모델을 활용하여 예측 모델 정확도를 향상하는 선행 연구들이 진행되고 있다. A 하수처리장의 부지 내에 설치된 센서를 통하여 운영자료가 중앙제어실 서버에 실시간으로 저장되는 자료를 활용하여 NN (Neural Network), SVM (Support Vector Machine), RF (Random Forest) 등과 같은 다양한 머신러닝 모델을 적용하였고, 하수처리장 운영자료를 적용할 경우 어느 모델이 가장 높은 성능이 나타나는지 인사이트를 도출하고자 하였다. 금회 연구는 A 하수처리장을 대상으로 여러 머신러닝 기반 예측 모델을 개발하고, 각 모델의 예측정확도를 서로 평가함으로써, 머신러닝 모델 최적화를 수행할 수 있었다. 이번 연구에서 도출된 결과를 활용하여 하수처리장 예측 모델 최적화를 진행할 경우, 향후 비교적 짧은 시간에 하수처리장 머신러닝 기반 예측 모델 개발이 가능하다는 점에 의의가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.347-347
• /
• 2022

최근 데이터 사이언스의 비약적인 발전과 함께 다양한 형태의 딥러닝 알고리즘이 개발되어 수자원 분야에도 적용되고 있다. 이 연구에서는 LSTM(Long Short-Term Memory) 네트워크와 BO-LSTM이라는 베이지안 최적화(BO) 기술을 결합하여 일단위 앙상블 미래 댐유입량을 projection하는 딥 러닝 모델을 제안하였다. BO-LSTM 하이퍼파라미터 및 손실 함수는 베이지안 최적화 기법을 통해 훈련 및 최적화되며, BO 접근법은 모델의 하이퍼파라미터와 손실 함수를 높은 정확도로 빠르게 최적화할 수 있었다(R=0.92 및 NSE=0.85). 또한 미래 댐 유입량을 예측하기 위한 LSTM의 구조는 Forecasting 모형과 Proiection 모형으로 구분하여 두 모형의 장단점을 분석하였으며, 본 연구의 결과로부터 데이터 처리 단계가 모델 훈련의 효율성을 높이고 노이즈를 줄이는 데 효과적이고 미래 예측에 있어 LSTM 구조에 따른 영향을 확인할 수 있었다. 본 연구는 소양강 유역, 2020-2100년 기간 동안의 미래 예측에 적용되었다. 전반적으로, CIMIP6 데이터에 따르면 10%에서 50%의 미래 유입량 증가가 발생하는 것으로 확인되었으며, 이는 미래 강수량의 증가의 폭과 유사함을 확인하였다. 유입량 산정에 있어 신뢰할 수 있는 예측은 저수지 운영, 계획 및 관리에 있어 정책 입안자와 운영자에게 도움이 될 것입니다.

• 자원ㆍ환경경제연구
• /
• 제6권1호
• /
• pp.129-152
• /
• 1996

본 연구는 다양한 변수에 따라 달라지는 환경산업의 경제성을 비교평가히는 모델을 개발한 것이다. 최근 환경산업으로 부각되고 있는 지역난방과 개별가스난방사업을 사례로 모델을 실증적으로 적용하여 시뮬레이션하였다. 열병합발전과 보조보일러 및 쓰레기 소각로로 구성된 지역난방시스템과 소각로와 개별 가스보일러로 구성된 개별난방시스템을 각각 최적화하고 최저비용을 구하여 비교한 것이다. 분석대상에 쓰레기소각로을 첨가함으로써 매립에서 소각으로 바뀌는 쓰레기정책을 반영하였으나 소각로 규모는 사전에 열공급과는 무관하게 결정되므로 다른 시스템과 연계하여 최적화 하지 않고 600톤/일의 규모로 정하여 분석하였다. 최적화하는 경우는 훨씬 규모가 줄어드는 것으로 나타났다. 국가경제적인 측면에서 다양한 난방방식에 따른 규모별, 열원별, 지역별(기후별), 사용연료별로 경제성과 환경성을 비교평가함으로써 변수의 변화에 따른 합리적인 난방방식 및 사용연료를 선택하도록 하였다. 환경배출량도 동시에 비교하였으나 시나리오 간에 크게 차이가 나지않아 비교에는 포함시키지 않았다. 이 모델은 난방사업 뿐만 아니라 갈등이 예상되는 다른 환경산업들을 평가하는데도 용이하게 활용될 수 있도록 GAUSS프로그램으로 개발되어 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.325-327
• /
• 2001

본 논문은 온라인 문자 인식을 연속 밀도 HMM의 구조의 최적화 문제를 다룬다. 최적이란 최소한의 모델 파라미터를 사용하여 최소한의 오류를 허용하는 것이라고 정의할 수 있다. 본 연구에서는 HMM 구조의 최적화를 위해 Bayesian 모델 선택 방법론을 사용한다. 먼저 잘 알려진 BIC(Bayesian Information Criterion)을 적용해보고, 그것을 HMM의 복잡한 구조에 적합하도록 본 논문에서 제안한 HBIC(HMM-Oriented BIC)와 비교해본다. BIC는 모델의 사전 확률 분포를 추정하지 않고 다변량 정규분포라고 가정하는데 비해 HBIC는 모델의 각 파라미터로부터 사전 확률을 추정한 후 그것들을 사용함으로써 더 좋은 결과를 얻도록 한다. 실험 결과 BIC와 HBIC 둘 다 기존 방법보다 모델의 파라미터 수를 현저히 감소시킴을 확인했고, HBIC가 BIC에 비해 더 적은 수의 파라미터를 사용해도 비슷한 인식률을 얻을 수 있었다.

• 디지털융복합연구
• /
• 제12권7호
• /
• pp.273-278
• /
• 2014

HMM(Hidden Markov Model)을 이용한 어휘 인식에서 인식 어휘의 모델들의 대한 인식 확률이 이산적인 분포를 나타내며 인식을 위한 계산량이 적은 장점이 있지만 인식률을 계산했을 때 상대적으로 낮은 단점이 있다. 이를 개선하기 위하여 HMM(Hidden Markov Model) 모델 최적화를 이용한 베이시안 기법 인식률 향상을 제안한다. 본 논문은 HMM 어휘 인식에서 인식을 위한 모델 구성을 가우시안 믹스쳐 모델로 최적화한 인식 모델을 생성하였으며 베이시안 기법인 사전확률과 사후확률을 이용한 인식률을 향상시켰다. 본 논문에서 제안한 방법을 적용한 결과 어휘인식률에서 97.9%의 인식률을 나타내었다.