• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.1-10
• /
• 2014

클라우드 컴퓨팅은 사용자의 요구에 따라 IT서비스가 생성 및 조정되는 pay-per use 모델을 도입하였다. 그러나 서비스 제공자는 아직도 물리적인 인프라로 인해 발생하는 제약조건들에 대해 관심을 갖고 있다. 필요한 QoS나 SLA를 만족시키기 위해서는 가상화된 자료들이 에너지 소비량을 최소화시키면서 시스템 성능을 최대화시키기 위해 조정되어야 한다. 본 연구는 ANN을 사용하여 클라우드 환경에서 가상화된 자원들을 조정하기 위한 예측적 SLA 어웨어 방안을 제시한다. Qos를 유지하고, 성능과 에너지 효율간의 최적화를 위해서 서버 활용 임계치는 물리적 자원의 소비에 따라 동적으로 적용한다. 또한 많은 자원을 소비하는 VM들은 능력있고 평판이 좋은 호스트에 할당함으로써 부족한 프로비전닝을 방지한다. 제안한 기법의 성능을 평가하기 위해, 이질적인 클라우드 환경에서 최적화되지 않은 전통적인 접근방법 및 기존의 기법들과 비교하였다.

• 한국과학교육학회지
• /
• 제40권3호
• /
• pp.321-336
• /
• 2020

본 연구는 실제 교실에서 이루어진 학생의 과학 논증과정을 기계학습을 활용한 자동 채점에 적용함으로써, 논증 자동 채점의 가능성 및 개선 방향을 탐색한다. 분자 구조에 대한 고등학생의 과학 논증수업 중 발생한 2,605개의 모든 발화를 대상으로 연구를 진행하였다. 지도 학습을 위해 5가지의 논증 요소로 발화를 분류하였고, 분류된 발화를 대상으로 텍스트 전처리를 수행하였다. 전처리된 학생 발화를 활용하여 서포트 벡터 머신, 의사결정나무, 랜덤 포레스트, 인공신경망의 기계 학습 방법으로 자동 채점 모델을 구성하였다. 불용어 처리가 되지 않은 학생 발화를 활용한 자동 채점의 결과 랜덤 포레스트의 정확도는 65.96%, kappa는 0.5298의 유미한 결과를 얻었다. 불용어 처리를 수행한 학생 발화를 활용한 새로운 채점 모델의 결과 채점의 정확도가 크게 변화하지 않음에도 논증 발화 중 과학 용어 및 논증 요소의 담화표지가 채점 모델의 분류 기준이 되는 결과를 얻었다. 또한 인간 전문가의 논증 채점 과정을 분석하여 얻어진 전문가 형태소를 자동 채점 모델에 생성 규칙 알고리즘으로 적용하였다. 그 결과 의사결정나무에서 반박에 대한 재현율(recall)이 21.74% 증가하였다. 이에 본 연구 결과는 과학 교육 연구에서 기계 학습 및 논증에 대한 자동 채점의 활용 가능성과 연구 방향성을 제안하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권9호
• /
• pp.101-108
• /
• 2020

추천 시스템은 전자 상거래 시에 고객들의 상품 선택의 편의를 제공하므로 반드시 구비되어야 할 기능이다. 협력 필터링은 다른 사용자들이 선호하였던 상품이나 현 사용자가 과거 선호하였던 상품들을 위주로 추천 리스트를 제공하는 기법으로서, 가장 널리 활용되는 대표적 기법이다. 최근 딥러닝 인공지능 기술을 활용하여 추천 시스템의 성능 향상을 달성하는 연구가 활발히 진행되고 있다. 본 연구에서는 사용자가 부여한 평가등급만을 이용하여 딥러닝 기술의 일종인 제한 볼츠만 기계 학습을 통해 협력 필터링 기반의 추천 시스템을 개발한다. 또한 학습의 효율성과 성능을 위하여 학습 파라미터 변경 알고리즘을 제시한다. 제안 시스템의 성능 평가를 위하여 실험 분석을 통해 기존의 다양한 전통적 협력 필터링 기법들과 비교 분석을 실시하였으며, 제안 알고리즘은 기본적인 제한 볼츠만 기계 모델보다 우수한 성능을 가져오는 것으로 확인되었다.

• 한국시뮬레이션학회논문지
• /
• 제28권4호
• /
• pp.21-32
• /
• 2019

군집에 대한 사회적 행동 모델에 영감을 받은 군집 최적화 알고리즘은 복잡한 최적화 문제 해결에서부터 인공 신경망의 학습에까지 활용되는 대표적인 메타휴리스틱 최적화 알고리즘 중의 하나이다. 하지만 이 알고리즘은 기본적으로 확률적 노이즈가 존재하지 않는 결정적인 환경에서 개발되었기 때문에, 많은 경우 확률적 노이즈가 존재하는 실제 문제에 적용하기에 어려움이 있었다. 본 논문에서는 이를 개선하기 위하여 불확실 평가 기법이라고 정의되는 통계적 가설 검정 기반의 리샘플링 기법을 적용한다. 이 기법을 통하여 입자 군집 최적화 알고리즘의 성능에 가장 큰 영향을 미치는 입자들의 전역 최적을 정확하게 찾으므로 노이즈 환경에서 입자들이 최적해로 보다 정확하고 빠르게 수렴하도록 한다. 다양한 벤치마크 문제들에 대한 기존 알고리즘들과의 비교 실험 결과는 제안하는 알고리즘의 개선된 성능을 입증하고, 사례 연구의 결과는 본 연구의 필요성을 강조한다. 본 연구 결과가 4차 산업혁명 시대에 디지털 트윈 등을 통한 시뮬레이션 기반 시스템 최적화에 효과적으로 적용될 수 있을 것이라 기대한다.

• 한국정보통신학회논문지
• /
• 제22권2호
• /
• pp.233-242
• /
• 2018

조기심실수축(Premature Ventricular Contraction) 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지 이론, Support Vector Machine 등과 같은 비선형 방법이 주로 사용되어 왔다. 이러한 대부분의 방법들은 데이터의 가공 및 연산이 복잡하다. 이러한 문제점을 극복하기 위해서 최적의 R파를 검출하고 이를 통해 R피크 기반의 특징점만을 정확하게 검출함으로써 최소한의 연산량으로 PVC를 분류할 수 있는 알고리즘이 필요하다. 따라서 본 연구에서는 전처리를 통해 잡음이 제거된 심전도 신호에서 최적 문턱치에 따른 R파를 검출하고, RR간격과 R피크 패턴을 추출한다. 이후 RR간격과 R피크 패턴에 따라 PVC를 분류하였다. 제안한 방법의 우수성을 입증하기 위해 PVC가 30개 이상 포함된 MIT-BIH 9개의 레코드를 대상으로 한 R파의 평균 검출율은 99.02%의 성능을 나타내었으며, PVC 부정맥은 각각 94.85%의 평균 분류율을 나타내었다.

• 전기전자학회논문지
• /
• 제22권1호
• /
• pp.156-161
• /
• 2018

최근 인구가 급격히 증가하면서 음식물의 부족 및 낭비의 심각성이 대두되고 있다. 이를 해결하기 위해 다양한 국가 및 기업에서는 소비자의 식재료 구매 패턴 연구 및 IoT 기술이 적용된 스마트 냉장고 제품개발 등의 시도를 진행 중에 있다. 그러나, 현재 판매되고 있는 스마트 냉장고들은 기존에 비해 상당한 가격대를 형성하고 있으며, 복잡한 구성으로 인한 오작동 및 파손으로 또 다른 낭비를 초래한다. 본 논문에서는 음식물 부족 및 낭비 해결과 가정 내 원활한 식재료 관리를 위한 저비용의 IoT 기반 스마트 냉장고 시스템을 제안한다. 본 시스템은 QR코드, 이미지 인식, 음성 인식을 통해 식재료를 인식하여 등록하고 이를 바탕으로 다양한 서비스를 제공할 수 있다. 이미지 인식의 정확도를 높이기 위해 우리는 딥 러닝 알고리즘을 사용한 모델을 활용하였으며 정확한 식재료 등록이 가능함을 검증하였다.

• Journal of Electrical Engineering and Technology
• /
• 제11권6호
• /
• pp.1714-1728
• /
• 2016

This paper presents improved harmonics extraction based on Adaptive Linear Neuron (ADALINE) algorithm for single phase photovoltaic (PV) shunt active power filter (SAPF). The proposed algorithm, named later as Improved ADALINE, contributes to better performance by removing cosine factor and sum of element that are considered as unnecessary features inside the existing algorithm, known as Modified Widrow-Hoff (W-H) ADALINE. A new updating technique, named as Fundamental Active Current, is introduced to replace the role of the weight factor inside the previous updating technique. For evaluation and comparison purposes, both proposed and existing algorithms have been developed. The PV SAPF with both algorithms was simulated in MATLAB-Simulink respectively, with and without operation or connection of PV. For hardware implementation, laboratory prototype has been developed and the proposed algorithm was programmed in TMS320F28335 DSP board. Steady state operation and three critical dynamic operations, which involve change of nonlinear loads, off-on operation between PV and SAPF, and change of irradiances, were carried out for performance evaluation. From the results and analysis, the Improved ADALINE algorithm shows the best performances with low total harmonic distortion, fast response time and high source power reduction. It performs well in both steady state and dynamic operations as compared to the Modified W-H ADALINE algorithm.

• 한국산학기술학회논문지
• /
• 제16권12호
• /
• pp.8753-8759
• /
• 2015

터빈 발전 사이클에서의 안정적인 발전 출력 유지관리를 위해서는 검증된 성능 측정 데이터 그룹과 이를 바탕으로 한 발전 출력 성능 계산 절차의 수립이 필요하다. ASME PTC(Performance Test Code)의 성능 계산 절차를 기반으로 본 연구에서는 터빈 출력에 의한 발전기 출력 성능 산정을 위해서 터빈 팽창선 모델과 발전기 출력 측정 데이터의 입력 검증 모델을 구성하였다. 또한 불확실한 측정 데이터에 대한 검증 모델도 구성하였다. 지난 연구에서는 신경회로망과 커널 회귀의 학습 방법을 사용하였으나 본 연구에서는 미측정 데이터에 대한 보완을 하기 위하여 서포트 벡터 머신 모델을 사용하여 발전기 출력 계산 데이터의 학습 모델을 구성하였으며, 학습 모델 구성을 위해서 관련 변수의 선정을 위한 절차와 학습 데이터 구간을 설정하는 알고리듬을 개발하였다. 학습의 결과 오차는 약 1% 범위 안에 있게 되어 추정 및 학습 모델로서 유용함을 입증하였다. 이 학습 모델을 사용하여 측정 데이터 중 상실된 부분에 대한 추정 모델을 구성함으로써, 터빈 사이클 보정 성능 계산의 신뢰성을 향상시킬 수 있음을 검증하였다.

• 대한기계학회논문집A
• /
• 제30권11호
• /
• pp.1425-1432
• /
• 2006

Coating layers on a coated sheet steel frequently affect distributions of strain rate of sheets and deteriorate the frictional characteristics between sheets and tools in sheet metal forming. Thus, it is important to identify the deformation behavior of these coatings to ensure the success of the sheet forming operation. In this study, the technique using nano-indentation test, FE-simulation and Artificial Neural Network(ANN) were proposed to determine the power law stress-strain behavior of coating layer and the power law behavior of extracted coating layers was examined using FE-simulation of drawing and nano-indentation process. Also, deep drawing test was performed to estimate the formability and frictional characteristic of coated sheet, which was calculated using the linear relationship between drawing force and blank holding force obtained from the deep drawing test. FE-simulations of the drawing process were respectively carried out for single-behavior FE-model having one stress-strain behavior and for layer-behavior FE-model which consist of coating and substrate separately. The results of simulations showed that layer-behavior model can predict drawing forces with more accuracy in comparison with single-behavior model. Also, mean friction coefficients used in FE-simulation signify the value that can occur maximum drawing force in a drawing test.

• 한국농공학회논문집
• /
• 제51권5호
• /
• pp.25-34
• /
• 2009

The objective of this study is to evaluate the future potential climate and vegetation canopy change impact on a dam watershed hydrology. A $6,661.5\;km^2$ dam watershed, the part of Han-river basin which has the watershed outlet at Chungju dam was selected. The SWAT model was calibrated and verified using 9 year and another 7 year daily dam inflow data. The Nash-Sutcliffe model efficiency ranged from 0.43 to 0.91. The Canadian Centre for Climate Modelling and Analysis (CCCma) Coupled Global Climate Model3 (CGCM3) data based on Intergovernmental Panel on Climate Change (IPCC) SRES (Special Report Emission Scenarios) B1 scenario was adopted for future climate condition and the data were downscaled by artificial neural network method. The future vegetation canopy condition was predicted by using nonlinear regression between monthly LAI (Leaf Area Index) of each land cover from MODIS satellite image and monthly mean temperature was accomplished. The future watershed mean temperatures of 2100 increased by $2.0^{\circ}C$, and the precipitation increased by 20.4 % based on 2001 data. The vegetation canopy prediction results showed that the 2100 year LAI of deciduous, evergreen and mixed on April increased 57.1 %, 15.5 %, and 62.5% respectively. The 2100 evapotranspiration, dam inflow, soil moisture content and groundwater recharge increased 10.2 %, 38.1 %, 16.6 %, and 118.9 % respectively. The consideration of future vegetation canopy affected up to 3.0%, 1.3%, 4.2%, and 3.6% respectively for each component.