• 공업화학
• /
• 제19권6호
• /
• pp.609-616
• /
• 2008

본 연구는 크기가 다른 두 종류의 입자를 가진 비(非)콜로이드성 현탁액의 평균 침강 속도를 예측하는 수치적 방법을 제공한다. 이 방법은 무수히 많은 입자들이 유체에 불규칙적으로 분포된 현탁액 시스템의 유체 속도, 온도 등의 물리량을 앙상블 평균의 개념을 사용해서 표현하는 유효 매체 이론에 기초한다. 본 연구에서는 Acrivos와 Chang[1]이 단일(單一) 입도 현탁액에 대해 제안한 모델을 이중(二重) 입도 현탁액에 응용한다. 구체적으로 방사 분포 함수(radial distribution function)에 대한 계산과 stream function을 이용하여 침강 속도를 계산하고 그 결과를 Davis와 Birdsell[2]과 Cheung 등[3]의 실험 결과와 비교하였다. 그 결과 본 연구의 모델에 의한 예측이 실험 결과와 일치하는 것으로 나타났다.

• 전자공학회논문지
• /
• 제54권2호
• /
• pp.146-150
• /
• 2017

OFDM 시스템 앙상블의 대역외 방사는 인접 앙상블의 수신성능에 영향을 주기 때문에 대역외 방사 완화기법의 적용은 매우 중요한 기술에 해당한다. 본 논문에서는 DAB 계열 OFDM시스템 스펙트럼의 대역외 방사 완화 기법과 관련하여 시간영역 윈도윙 방식을 적용한 대역외 방사 완화 기법 적용을 고찰하여 보았으며, 해당 기법을 T-DMB (DAB 모드-1) 및 AT-DMB 향상계층 B-모드 및 Q-모드에 대하여 적용한 결과 약 3dB 정도의 대역외 방사 완화 이득을 얻었다. 또한 BER 성능 측정에서도 해당 기법을 적용함에 따른 성능 저하가 매우 미미함을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권1호
• /
• pp.196-212
• /
• 2014

Facial expression recognition is an important part in emotional interaction between human and machine. This paper proposes a facial expression recognition approach based on multi-classifier fusion with stacking algorithm. The kappa-error diagram is employed in base-level classifiers selection, which gains insights about which individual classifier has the better recognition performance and how diverse among them to help improve the recognition accuracy rate by fusing the complementary functions. In order to avoid the influence of the chance factor caused by guessing in algorithm evaluation and get more reliable awareness of algorithm performance, kappa and informedness besides accuracy are utilized as measure criteria in the comparison experiments. To verify the effectiveness of our approach, two public databases are used in the experiments. The experiment results show that compared with individual classifier and two other typical ensemble methods, our proposed stacked ensemble system does recognize facial expression more accurately with less standard deviation. It overcomes the individual classifier's bias and achieves more reliable recognition results.

• 스마트미디어저널
• /
• 제11권1호
• /
• pp.31-37
• /
• 2022

본 논문은 일상생활에서 흔히 들을 수 있는 소리(비명소리, 박수 소리, 여러 명의 박수 소리, 자동차 지나가는 소리, 배경음 등)를 감지하는 음향 인식을 위하여, 신호처리 및 딥러닝을 적용하는 연구에 관한 것이다. 제안된 음향 인식에서는, 인식 정확도의 향상을 위해서 음향 파형의 스펙트럼, 음향 데이터의 증강, 2차원(2-D) 이미지 변환에 관한 기술들이 사용되었고, 예측의 정확도를 향상을 위한 앙상블 학습, Convolution Neural Network(CNN) 딥러닝 기술들이 적용된다. 제안된 음향 인식 기술은 실험을 통해 다양한 음향을 정확하게 인식할 수 있음을 보여준다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.205-205
• /
• 2021

Surface soil moisture, which governs the partitioning of precipitation into infiltration and runoff, plays an important role in the hydrological cycle. The assimilation of satellite soil moisture retrievals into a land surface model or hydrological model has been shown to improve the predictive skill of hydrological variables. This study aims to improve streamflow prediction with Weather Research and Forecasting model-Hydrological modeling system (WRF-Hydro) by assimilating Soil Moisture Active and Passive (SMAP) data at 3 km and analyze its impacts on hydrological components. We applied Cumulative Distribution Function (CDF) technique to remove the bias of SMAP data and assimilate SMAP data (April to July 2015-2019) into WRF-Hydro by using an Ensemble Kalman Filter (EnKF) with a total 12 ensembles. Daily inflow and soil moisture estimates of major dams (Soyanggang, Chungju, Sumjin dam) of South Korea were evaluated. We investigated how hydrologic variables such as runoff, evaporation and soil moisture were better simulated with the data assimilation than without the data assimilation. The result shows that the correlation coefficient of topsoil moisture can be improved, however a change of dam inflow was not outstanding. It may attribute to the fact that soil moisture memory and the respective memory of runoff play on different time scales. These findings demonstrate that the assimilation of satellite soil moisture retrievals can improve the predictive skill of hydrological variables for a better understanding of the water cycle.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1301-1316
• /
• 2024

In modern warfare, missiles play a pivotal role but typically spend the majority of their lifecycle in long-term storage or standby mode, making it difficult to detect failures. Preemptive detection of missiles that will fail is crucial to preventing severe consequences, including safety hazards and mission failures. This study proposes a contamination-based stacking ensemble model, employing the local outlier factor (LOF), to detect such missiles. The proposed model creates multiple base LOF models with different contamination values and combines their anomaly scores to achieve a robust anomaly detection. A comparative performance analysis was conducted between the proposed model and the traditional single LOF model, using production-related inspection data from missiles deployed in the military. The experimental results showed that, with the contamination parameter set to 0.1, the proposed model exhibited an increase of approximately 22 percentage points in accuracy and 71 percentage points in F1-score compared to the single LOF model. This approach enables the preemptive identification of potential failures, undetectable through traditional statistical quality control methods. Consequently, it contributes to lower missile failure rates in real battlefield scenarios, leading to significant time and cost savings in the military industry.

• 풍력에너지저널
• /
• 제15권3호
• /
• pp.21-29
• /
• 2024

Wind power is highly variable due to the intermittent nature of wind. This can lead to power grid instability and decreased efficiency. Therefore, it is necessary to improve wind power prediction performance to minimize the negative impact on the power system. Recently, wind power prediction using machine learning has gained popularity, and ensemble models in machine learning have shown high prediction accuracy. RF, GB, XGB and LGBM are decision tree-based ensemble models and have high predictive performance in wind power, but these models have problems from over-fitting and strong dependence on certain variables. However, the stacking model can improve prediction performance by combining individual models and compensate for the shortcomings of each model. In this study, The MAE of RF, XGB and LGBM is 310.42 kWh, 217.07 kWh and 265.20 kWh, respectively, while the stacking model based on RF, XGB and LGBM is 202.33 kWh. Stacking models can improve prediction performance. Finally, it is expected to contribute to electricity supply and demand planning.

• 대한공간정보학회지
• /
• 제22권4호
• /
• pp.47-52
• /
• 2014

종분포모형은 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원, 기후변화 예측 등의 다양한 분야에 활용되고 있으나 공공이나 정책분야에서는 모형의 불확실성으로 인하여 활용이 제한적이었다. 최근에는 이러한 모형의 불확실성을 저감하기 위하여 앙상블이나 합의모형 등의 다중모형을 적용하는 연구가 증가하고 있다. 이에 본 연구에서는 히어리를 대상으로 단일모형과 앙상블(다중) 모형을 적용하고 이를 비교하는 연구를 수행하였다. 모형은 AUC와 kappa, TSS를 이용하여 적합도를 평가하였으며, 이 중 모형 간의 비교가 용이하고 이항형 지도로 바로 변환할 수 있는 TSS가 효과적이었다. 단일모형과 앙상블 모형 모두 높은 모형적합도를 나타내었으며, 다중 모형 중에서는 RF, Maxent, GBM이 높게, GAM, SRE는 비교적 낮게 평가되었다. 예측지도에서는 단일모형에 비해 다중모형의 예측범위가 과대 추정되는 경향이 있었다. 이는 여러 모형이 중첩된 결과로 현장전문가와 모형전문가들 간의 협력연구를 통하여 적절한 모형 선택과 가중치 부여 등을 통하여 문제를 해결할 수 있다. 앙상블모형을 공간의사결정이나 보호지역계획에 활용하기 위해서는 불확실성의 정도와 원인을 파악하고, 이를 저감하려는 개선작업과 함께 결과의 불확실성이나 위험성을 인지하고 의사결정을 해야 한다.

• 대한공간정보학회지
• /
• 제25권1호
• /
• pp.19-27
• /
• 2017

본 연구의 목적은 인제읍을 대상으로 빈도비와 로지스틱 회귀분석 모델을 통합한 앙상블 모델을 이용하여 산사태 취약성을 분석하고, 예측 정확도를 비교하는 것이다. 산사태 위치는 산사태 발생 전 후에 촬영된 항공사진을 이용하여 추출되었다. 추출된 총 422개의 산사태는 산사태 취약성 분석을 위해 훈련용 (70%)과 검증용 (30%) 자료로 랜덤하게 분류되었다. 산사태 관련인자는 고도, 경사도, 경사향, 배수로부터의 거리, 토양수분지수, 하천강도지수, 토질, 유효토심, 영급, 경급, 밀도, 임상 등 총 12개의 인자를 이용하였다. 산사태 및 산사태 관련인자는 공간데이터베이스로 구축된 뒤 빈도비와 앙상블 모델을 이용하여 산사태와 산사태 관련 인자 간 상관관계를 분석하였다. 그 결과를 바탕으로 각 모델별 산사태 취약성 지도를 작성하였고, relative operating characteristics(ROC) 곡선을 이용하여 예측 정확도를 검증 및 비교하였다. 분석 결과, 앙상블 모델에 의해 작성된 산사태 취약성 지도는 75.2%의 예측 정확도를 보였고, 이 결과는 빈도비 모델에 의해 작성된 산사태 취약성 지도와 비교하여 예측 정확도가 약 2% 향상된 것으로 나타났다. 본 연구에서 작성된 산사태 취약성 지도는 향후 효과적인 토지이용 계획을 수립하고, 재난재해로 인한 피해를 경감시키는데 활용 가능할 것으로 판단된다.

• 한국항공우주학회지
• /
• 제45권9호
• /
• pp.794-806
• /
• 2017

지속적으로 우주파편이 증가하고 있는 상황에서 국가 우주자산을 안전하게 보호하고 우주개발국으로서 우주환경 보호에 관심을 가지는 것은 중요하다. 우주파편의 급격한 증가를 막기 위한 효과적인 방법 중 하나는 충돌위험이 큰 우주파편들, 그리고 임무가 종료된 폐기위성을 직접 제거해 나가는 것이다. 본 논문에서는 영상기반 우주파편 추적시스템의 안정적인 인식모델을 위해 인공신경망을 적용한 연구에 대해 다루었다. 한국항공우주연구원에서 개발한 지상기반 우주쓰레기 청소위성 테스트베드인 KARICAT을 활용하여 우주환경이 모사된 영상을 획득하였고, 깊이불연속성에 기인한 영상분할 후 각 객체에 대한 구조 및 색상 기반 특징을 부호화한 벡터를 추출하였다. 특징벡터는 3차원 표면적, 점군의 주성분 벡터, 2차원 형상정보, 색상기반 정보로 구성되어있으며, 이 범주를 기반으로 분리한 특징벡터를 입력으로 하는 인공신경망 모델을 설계하였다. 또한 인공신경망의 성능 향상을 위해 입력되는 특징벡터의 범주에 따라 모델을 분할하여 각 모델 별 학습 후 앙상블기법을 적용하였다. 적용 결과 앙상블 기법에 따른 인식 모델의 성능 향상을 확인하였다.