• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.184-188
• /
• 2008

추계학적 시계열 분석은 크게 수문자료의 장기간 합성과 실시간 예측으로 구분해 볼 수 있다. 장기간 합성은 주로 수문자료의 추계적 특성을 반영한 수자원 시스템의 운영율 개발에 이용되어 왔다. 반면에 실시간 예측은 수자원 시스템의 순응적(adaptive) 관리에 적용되고 있다. 두 개념의 차이로 전자는 시계열 자료를 합성하여 발생 가능한 모든 수문조합을 얻고자 하는 것이라면 후자는 전 시간의 수문량을 조건으로 하는 다음 시간의 값을 순응적으로 예측하는 것이라 할 수 있다. 수문자료의 합성과 예측에는 크게 결정론적, 확률론적 방법의 두 가지 대별될 수 있다. 결정론적 모델링 방법에는 인공신경망이나 Fuzzy 기법 등을 이용할 수 있으며, 확률론적 방법에는 ARMAX 등의 모수적 기법과 k-NN(k-nearest neighbor bootstrap resampling), KDE(kernel density estimates), 추계학적 인공신경망 등의 비모수적 기법으로 분류할 수 있다. 본 연구에서는 대표적 비모수적 기법인 k-NN를 이용하여 충주댐을 대상으로 월 및 일 유입량 자료의 예측 정도를 살펴보았다. 전 시간 관측치를 조건으로 하는 다음 시간의 조건부 확률분포를 구하여 평균값을 계산한 후 관측치와 비교함으로써 모형의 정도를 살펴보았다. 그리고 실시간 저수지 운영에 이 기법의 활용성과 장단점도 살펴보았다. 모형개발 절차로 모형의 보정을 거쳐 검증을 실시하였다. 결론적으로 월 및 일 유입량 예측에 k-NN 기법이 실무적으로 적용될 수 있었으며, 장점으로는 k-NN 기법이 다른 기법보다 모델링 절차가 비교적 쉬워 저수지 운영 최적화 등 타 시스템과의 연계에 수월함이 인식되었다.

• 한국세라믹학회지
• /
• 제53권2호
• /
• pp.178-183
• /
• 2016

Ferroelectric relaxor ceramics with $BaTiO_3-NaNbO_3-Bi(Mg_{1/2}Ti_{1/2})O_3$ ternary compositions (BT-NN-BMT) have been prepared by sol-gel powder synthesis and consequent bulk ceramic processing. Through the modified chemical approach, fine and single-phase complex perovskite compositions were successfully obtained. Temperature and frequency dependent dielectric properties indicated typical relaxor characteristics of the BT-NN-BMT compositions. The ferroelectric-paraelectric phase transition became diffusive when NN and BMT were added to form BT based solid solutions. BMT additions to the BT-NN solid solutions affected the high temperature dielectric properties, which might be attributable to the compositional inhomogeneity of the complex perovskite and resulting weak dielectric coupling of the Bi-containing polar nanoregions (PNRs). The temperature stability of the dielectric properties was good enough to satisfy the X9R specification. The quasi-linear P-E response and the temperature- stable dielectric properties imply the high potential of this ceramic compound for use in high temperature capacitors.

• Animal cells and systems
• /
• 제16권2호
• /
• pp.121-126
• /
• 2012

In this study, a neural network (NN) modeling approach has been used to predict the mechanical and geometrical behaviors of mouse embryo cells. Two NN models have been implemented. In the first NN model dimple depth (w), dimple radius (a) and radius of the semi-circular curved surface of the cell (R) were used as inputs of the model while indentation force (f) was considered as output. In the second NN model, indentation force (f), dimple radius (a) and radius of the semi-circular curved surface of the cell (R) were considered as inputs of the model and dimple depth was predicted as the output of the model. In addition, sensitivity analysis has been carried out to investigate the influence of the significance of input parameters on the mechanical behavior of mouse embryos. Experimental data deduced by Fl$\ddot{u}$ckiger (2004) were collected to obtain training and test data for the NN. The results of these investigations show that the correlation values of the test and training data sets are between 0.9988 and 1.0000, and are in good agreement with the experimental observations.

• 스마트미디어저널
• /
• 제3권2호
• /
• pp.14-19
• /
• 2014

본 논문에서는 스마트 TV, 스마트폰으로 대표되는 스마트 장치에서 비접촉식 전위계차 센서(CEPS)로부터 추출된 동작신호를 k-NN과 DTW 알고리즘을 이용하여 인식하는 방법을 제안한다. 먼저 CEPS 신호는 칼만 필터를 이용해서 잡음을 제거해주고 정규화를 시켜준다. 다음 인식 속도를 향상시키고 분류에 방해되는 성분제거 하기 위해 PCA 알고리즘을 사용해서 신호의 차원을 축소시켰다. 그리고 k-NN과 DTW 알고리즘을 사용하여 인식 작업을 수행하였다. 실험 결과에서는 앞서 언급된 2개의 스마트 장치 환경 셋팅에 대해서 설명하고 각각의 환경에서 추출된 신호를 제안된 알고리즘에 의해서 인식을 하였다. 기존 인식 알고리즘의 결합과 분해를 통해 다양한 결과를 비교 분석함하고 90% 이상의 인식률을 달성함으로써 제안된 방법의 우수성을 증명하였다.

• 전기학회논문지
• /
• 제64권8호
• /
• pp.1246-1250
• /
• 2015

The purpose of this paper is to investigate the autonomic nervous system activity in various ambient temperature situation. To evaluate autonomic function, we use the time domain analysis of heart rate variability. Electrocardiogram was recorded to derive heart rate variability in 3 different temperature room which temperature is controlled in 18℃(low), 25℃ (mid) and 38℃(high), respectively. Totally 22 subjects were participated in the experiment. The result shows that the time-domain variables such as AVNN, SDNN, SDSD, RMSSD, NN50, pNN50, NN20 and pNN20 show the significant difference between low and high temperature (p<0.01). However, these variables has no significance (p>0.05) between mid and high except on AVNN, RMSSD and pNN20. AVNN, RMSSD shows the highest significance (p<0.001) according to the various temperature environment.

• Journal of Power Electronics
• /
• 제14권5호
• /
• pp.1008-1027
• /
• 2014

An electric scooter with a V-belt continuously variable transmission (CVT) driven by a permanent magnet synchronous motor (PMSM) has a lot of nonlinear and time-varying characteristics, and accurate dynamic models are difficult to establish for linear controller designs. A PMSM servo-drive electric scooter controlled by a novel hybrid modified recurrent Legendre neural network (NN) control system is proposed to solve difficulties of linear controllers under the occurrence of nonlinear load disturbances and parameters variations. Firstly, the system structure of a V-belt CVT driven electric scooter using a PMSM servo drive is established. Secondly, the novel hybrid modified recurrent Legendre NN control system, which consists of an inspector control, a modified recurrent Legendre NN control with an adaptation law, and a recouped control with an estimation law, is proposed to improve its performance. Moreover, the on-line parameter tuning method of the modified recurrent Legendre NN is derived according to the Lyapunov stability theorem and the gradient descent method. Furthermore, two optimal learning rates for the modified recurrent Legendre NN are derived to speed up the parameter convergence. Finally, comparative studies are carried out to show the effectiveness of the proposed control scheme through experimental results.

• 대한안전경영과학회지
• /
• 제8권3호
• /
• pp.1-9
• /
• 2006

Recently data mining techniques have been used for analysis and classification of data related to industrial accidents. The main objective of this study is to compare algorithms for data analysis of industrial accidents and this paper provides an optimal predicting model of 5 kinds of algorithms including CHAID, CART, C4.5, LR (Logistic Regression) and NN (Neural Network) with ROC chart, lift chart and response threshold. Also, this paper provides an approximation model for an optimal predicting model based on NN. The approximation model provided in this study can be utilized for easy interpretation of data analysis using NN. This study uses selected ten independent variables to group injured people according to a dependent variable in a way that reduces variation. In order to find an optimal predicting model among 5 algorithms, a retrospective analysis was performed in 67,278 subjects. The sample for this work chosen from data related to industrial accidents during three years ($2002\;{\sim}\;2004$) in korea. According to the result analysis, NN has excellent performance for data analysis and classification of industrial accidents.

• 천문학회보
• /
• 제37권2호
• /
• pp.129.1-129.1
• /
• 2012

서포트 벡터 머신(Support Vector Machine, SVM)과 인공신경망 모형(Neural Network, NN)을 사용하여 태양 양성자 현상(Solar proton event, SPE)의 플럭스 세기를 예측해 보았다. 이번 연구에서는 1976년부터 2011년까지 10MeV이상의 에너지를 가진 입자가 10개 cm-1 sec-1 ster -1 이상 입사할 경우를 태양 양성자 현상으로 정의한 NOAA의 태양 고에너지 입자 리스트와 GOE위성의 X-ray 플레어 데이터를 사용하였다. 여기에서 C, M, X 등급의 플레어와 관련있는 178개 이벤트를 모델의 훈련을 위한 데이터(training data) 89개와 예측을 위한 데이터(prediction data) 89개로 구분하였다. 플러스 세기의 예측을 위하여, 우리는 로그 플레어 세기, 플레어 발생위치, Rise time(플레어 시작시간부터 최대값까지의 시간)을 모델 입력인자로 사용하였다. 그 결과 예측된 로그 플럭스 세기와 관측된 로그 플럭스 세기 사이의 상관계수는 SVM과 NN에서 각각 0.32와 0.39의 값을 얻었다. 또한 두 값 사이의 평균 제곱근 오차(Root mean square error)는 SVM에서 1.17, NN에서는 0.82로 나왔다. 예측된 플럭스 세기와 관측된 플럭스 세기의 차이를 계산해 본 결과, 오차 범위가 1이하인 경우가 SVM에서는 약 68%이고 NN에서는 약 80%의 분포를 보였다. 이러한 결과로부터 우리는 NN모델이 SVM모델보다 플럭스 세기를 잘 예측하는 것을 알 수 있었다.

• 대한전기학회논문지
• /
• 제40권2호
• /
• pp.224-233
• /
• 1991

The multilayer expanson of single layer NN (Neural Network) was needed to solve the linear seperability problem as shown by the classic example using the XOR function. The EBP (Error Back Propagation ) learning rule is often used in multilayer Neural Networks, but it is not without its faults: 1)D.Rimmelhart expanded the Delta Rule but there is a problem in obtaining Ca from the linear combination of the Weight matrix N between the hidden layer and the output layer and H, wich is the result of another linear combination between the input pattern and the Weight matrix M between the input layer and the hidden layer. 2) Even if using the difference between Ca and Da to adjust the values of the Weight matrix N between the hidden layer and the output layer may be valid is correct, but using the same value to adjust the Weight matrixd M between the input layer and the hidden layer is wrong. Recognitron III was proposed to solve these faults. According to simulation results, since Recognitron III does not learn the three layer NN itself, but divides it into several single layer NNs and learns these with learning patterns, the learning time is 32.5 to 72.2 time faster than EBP NN one. The number of patterns learned in a EBP NN with n input and output cells and n+1 hidden cells are 2**n, but n in Recognitron III of the same size. [5] In the case of pattern generalization, however, EBP NN is less than Recognitron III.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.767-770
• /
• 2014

대용량 데이터를 분석하기 위한 맵리듀스 기반 k-NN 조인 질의처리 알고리즘은 최근 데이터 마이닝 및 분석을 기반으로 하는 응용 분야에서 매우 중요하게 활용되고 있다. 그러나, 대표적인 연구인 보로노이 기반 k-NN 조인 질의처리 알고리즘은 보로노이 인덱스 구축 비용이 매우 크기 때문에 대용량 데이터에 적합하지 못하다. 아울러 보로노이 셀 정보를 저장하기 위해 사용하는 R-트리는 맵리듀스 환경의 분산 병렬 처리에 적합하지 않다. 따라서 본 논문에서는 새로운 그리드 인덱스 기반의 k-NN 조인 질의 처리 알고리즘을 제안한다. 첫째, 높은 인덱스 구축 비용 문제를 해결하기 위해, 데이터 분포를 고려한 동적 그리드 인덱스 생성 기법을 제안한다. 둘째, 맵리듀스 환경에서 효율적으로 k-NN 조인 질의를 수행하기 위해, 인접셀 정보를 시그니처로 활용하는 후보영역 탐색 및 필터링 알고리즘을 제안한다. 마지막으로 성능 평가를 통해 제안하는 기법이 질의 처리 시간 측면에서 기존 기법에 비해 최대 3배 높은 질의 처리 성능을 나타냄을 보인다.