• Journal of Information Processing Systems
• /
• 제16권4호
• /
• pp.959-974
• /
• 2020

High efficiency video coding (HEVC) employs quadtree coding tree unit (CTU) structure to improve its coding efficiency, but at the same time, it also requires a very high computational complexity due to its exhaustive search processes for an optimal coding unit (CU) partition. With the aim of solving the problem, a fast CU size decision optimal algorithm based on neighborhood prediction is presented for HEVC in this paper. The contribution of this paper lies in the fact that we successfully use the partition information of neighborhood CUs in different depth to quickly determine the optimal partition mode for the current CU by neighborhood prediction technology, which can save much computational complexity for HEVC with negligible RD-rate (rate-distortion rate) performance loss. Specifically, in our scheme, we use the partition information of left, up, and left-up CUs to quickly predict the optimal partition mode for the current CU by neighborhood prediction technology, as a result, our proposed algorithm can effectively solve the problem above by reducing many unnecessary prediction and partition operations for HEVC. The simulation results show that our proposed fast CU size decision algorithm based on neighborhood prediction in this paper can reduce about 19.0% coding time, and only increase 0.102% BD-rate (Bjontegaard delta rate) compared with the standard reference software of HM16.1, thus improving the coding performance of HEVC.

• 한국정보통신학회논문지
• /
• 제23권12호
• /
• pp.1734-1737
• /
• 2019

This paper presents a prediction structure with a Hybrid Dynamic Branch Prediction (HDBP) scheme which decreases the number of stalls. In the application, a branch history register is dynamically adjusted to produce more unique index values of pattern history table (PHT). The number of stalls is also reduced by using the modified gshare predictor with a long history register folding scheme. The aliasing rate decreased to 44.1% and the miss prediction rate decreased to 19.06% on average compared with the gshare branch predictor, one of the most popular two-level branch predictors. Moreover, Compared with the gshare, an average improvement of 1.28% instructions per cycle (IPC) was achieved. Thus, with regard to the accuracy of branch prediction, the HDBP is remarkably useful in boosting the overall performance of the superscalar processor.

• 한국항행학회논문지
• /
• 제24권5호
• /
• pp.430-437
• /
• 2020

제안 모델은 얼굴 검출과 랜드마크 및 얼굴 인식 알고리즘을 이용하여 인공신경망으로 학습을 통해 얼굴 예측률과 인식률을 향상하는 모델을 구현하였다. 제안 모델은 특정 인물의 얼굴 영상에서 랜드마킹을 한 후, 기존에 학습된 Caffe 모델을 이용하여 얼굴검출과 임베딩 벡터 128D를 추출하였다. 학습은 기계학습 알고리즘인 SVM (support vector machine)과 DNN (deep neural network)을 구축하여 학습하였다. 얼굴인식은 학습된 모델을 이용하여 학습된 인물 중 다른 얼굴 영상으로 테스트하였다. 실험 결과, SVM 보다는 DNN으로 학습한 결과가 우수한 예측률과 인식률을 보였다. DNN의 중간층을 증가하게 되면 예측률은 높아지나 인식률이 감소하는 현상이 발생하였다. 이것은 인식하고자 하는 대상이 적음으로써 발생하는 과적합으로 판단된다. 제안 모델은 명확한 얼굴 영상을 추가하여 학습한 결과, 높은 예측률과 인식률의 결과를 얻을 수 있음을 확인할 수 있었다. 본 연구는 좀 더 많은 얼굴 영상 데이터를 이용함으로써 보다 효과적인 딥러닝 구축을 통해 보다 향상된 인식률과 예측률을 얻을 수 있을 것이다.

• Geomechanics and Engineering
• /
• 제35권6호
• /
• pp.647-663
• /
• 2023

The investigation of the disc cutter wear prediction has an important guiding role in TBM equipment selection, project planning, and cost forecasting, especially when tunneling in a long-distance rock formations with high strength and high abrasivity. In this study, a comprehensive database of disc cutter wear data, geological properties, and tunneling parameters is obtained from a 1326 m excavated metro tunnel project in leptynite in Shenzhen, China. The failure forms and wear consumption of disc cutters on site are analyzed with emphasis. The results showed that 81% of disc cutters fail due to uniform wear, and other cutters are replaced owing to abnormal wear, especially flat wear of the cutter rings. In addition, it is found that there is a reasonable direct proportional relationship between the uniform wear rate (WR) and the installation radius (R), and the coefficient depends on geological characteristics and tunneling parameters. Thus, a preliminary prediction formula of the uniform wear rate, based on the installation radius of the cutterhead, was established. The correlation between some important geological properties (K_V and UCS) along with some tunneling parameters (F_n and p) and wear rate was discussed using regression analysis methods, and several prediction models for uniform wear rate were developed. Compared with a single variable, the multivariable model shows better prediction ability, and 89% of WR can be accurately estimated. The prediction model has reliability and provides a practical tool for wear prediction of disc cutter under similar hard rock projects with similar geological conditions.

• 대한원격탐사학회지
• /
• 제17권3호
• /
• pp.199-210
• /
• 2001

본 연구는 예측비율곡선을 이용한 산사태 예측 모델의 정량적 비교분석을 목적으로 하여 수행되었다. 1998년 8월 집중호우로 산사태가 발생한 경기도 장흥지역을 대상으로 위성영상과 현장답사를 통하여 산사태 발생위치를 확인하였고. GIS 기반의 다양한 산사태 관련 공간 정보를 구축하였다. 사용된 공간통합 방법은 결합 조건부 확률과 certainty factor 이며, 산사태 발생 지역을 무작위로 2개의 그룹으로 나누어서 한 개의 그룹은 예측도 작성에 사용하였으며, 나머지 그룹은 예측 결과의 검증에 사용하였다. 예측비율곡선 작성을 통해 두 예측모델의 정량적 비교가 가능하였다. 본 연구에서 사용된 예측비율곡선작성은 추후 다른 모델의 정량적 비교 분석 및 오차 분석을 하는 데에도 사용될 수 있을 것으로 기대된다.

• 한국건설관리학회논문집
• /
• 제16권1호
• /
• pp.101-109
• /
• 2015

투자에 의해 기대되는 경제적 효과는 실질할인율의 자승으로 매년 나누어서 현재가치로 전환된다. 따라서 실질할인율이 경제성 분석결과에 미치는 영향은 다른 요인들보다 크다. 실질할인율을 예측하는 기존의 일반적인 방법은 과거 특정기간의 평균값을 적용하는 것이다. 본 연구에서는 실질할인율의 예측 정확도를 향상시키기 위한 방법을 제안하였다. 먼저 실질할인율을 구성하는 기업대출 이자율과 소비자 물가지수에 영향을 미치는 경제변수들을 도출하였다. 기업대출 이자율에 영향을 주는 변수들로는 콜 금리와 환율, 소비자 물가지수에 영향을 주는 경제변수는 생산자 물가지수를 선정하였다. 다음으로 실질할인율과 선정된 변수들과의 영향관계를 검정하였다. 영향관계가 존재하는 것으로 분석되었다. 마지막으로 관련된 경제 변수들을 기반으로 2008년부터 2010년까지의 실질할인율을 예측하였다. 예측 결과의 정확도는 실측값과 평균값의 결과와 비교되었다. 실측값이 적용된 실질할인율은 -1.58%였으며, 예측 값은 -0.22%, 평균값은 6.06%으로 분석되었다. 본 연구에서 제안한 방법은 금융위기와 같은 특수 상황을 고려하지 않은 것이지만, 평균값보다 예측 정확도가 크게 우수한 것으로 분석되었다.

• 한국지반신소재학회논문집
• /
• 제10권4호
• /
• pp.61-70
• /
• 2011

본 연구에서는 TBM의 관입속도 예측에 대한 경험적 모델을 비교하기 위하여 현장사례를 이용하여 관입속도를 예측하였으며, 예측결과와 시공 시의 실측치를 비교 분석하여 합리적인 모델을 평가하였다. 관입속도 예측은 일축압축강도를 이용한 모델과 암석의 특성 및 TBM의 장비 특성을 고려한 모델로 적용하였다. 사례현장은 대부분 편마암으로 구성되어 있으며, 절리가 발달되어 약선대가 존재하기 때문에 암석의 일축압축강도가 불규칙적으로 나타났다. 일축압축강도를 이용한 예측결과에서 Graham(1976)의 모델은 낮은 강도의 경우, 비현실적인 예측결과가 나타나는 것으로 분석되었다. 평균 관입율을 이용한 각 모델들의 신뢰성을 분석한 결과, 암석의 특성 및 TBM 기계적 특성을 합리적으로 반영한 NTNU 모델(1998)이 가장 높은 것으로 확인되었다. 그러나 실측치와 비교한 결과에서는 일축압축강도를 바탕으로 예측하는 Tarkoy의 모델(1986)이 사례현장의 특성과 일치하는 것으로 분석되었다. 즉, TBM의 관입속도 예측 시에는 대상 암종, 지질특성 및 TBM의 장비 특성을 모두 고려하여 다양한 모델을 이용한 합리적인 예측이 수행되어야 한다.

• 한국수자원학회논문집
• /
• 제55권8호
• /
• pp.565-575
• /
• 2022

최근의 수자원공학 분야는 4차산업혁명과 더불어 비약적으로 발전된 딥러닝 기술을 활용한 시계열 수위 및 유량의 예측에 대한 관심이 높아지고 있다. 또한 시계열 자료의 예측이 가능한 LSTM 모형과 GRU 모형을 활용하여 수위 및 유량 예측을 수행하고 있지만 시간 변동성이 매우 큰 하천에서의 유량 예측 정확도는 수위 예측 정확도에 비해 낮게 예측되는 경향이 있다. 본 연구에서는 유량변동이 크고 하구에서의 조석의 영향이 거의 없는 한강의 팔당대교 관측소를 선택하였다. 또한, LSTM 모형과 GRU 모형의 입력 및 예측 자료로 활용될 유량변동이 큰 시계열 자료를 선택하였고 총 자료의 길이는 비교적 짧은 2년 7개월의 수위 자료 및 유량 자료를 수집하였다. 시간변동성이 큰 시계열 수위를 2개의 모형에서 학습할 경우, 2개의 모형 모두에서 예측되는 수위 결과는 관측 수위와 비교하여 적정한 정확도가 확보되었으나 변동성이 큰 유량 자료를 2개의 모형에서 직접 학습시킬 경우, 예측되는 유량 자료의 정확도는 악화되었다. 따라서, 본 연구에서는 급변하는 유량을 정확히 예측하기 위하여 2개 모형으로 예측된 수위 자료를 수위-유량관계곡선의 입력자료로 활용하여 유량의 예측 정확도를 크게 향상시킬 수 있었다. 마지막으로 본 연구성과는 수문자료의 별도 가공없이 관측 길이가 상대적으로 충분히 길지 않고 유출량이 급변하는 도시하천에서의 홍수예경보 자료로 충분히 활용할 수 있을 것으로 기대된다.

• ETRI Journal
• /
• 제35권2호
• /
• pp.270-280
• /
• 2013

A fast intra-prediction method is proposed for High Efficiency Video Coding (HEVC) using a fast intra-mode decision and fast coding unit (CU) size decision. HEVC supports very sophisticated intra modes and a recursive quadtree-based CU structure. To provide a high coding efficiency, the mode and CU size are selected in a rate-distortion optimized manner. This causes a high computational complexity in the encoder, and, for practical applications, the complexity should be significantly reduced. In this paper, among the many predefined modes, the intra-prediction mode is chosen without rate-distortion optimization processes, instead using the difference between the minimum and second minimum of the rate-distortion cost estimation based on the Hadamard transform. The experiment results show that the proposed method achieves a 49.04% reduction in the intra-prediction time and a 32.74% reduction in the total encoding time with a nearly similar coding performance to that of HEVC test model 2.1.

• 한국항행학회논문지
• /
• 제21권4호
• /
• pp.365-370
• /
• 2017

본 연구는 전력수요 패턴이 다른 평일과 특수일 데이터가 가지는 상관관계를 분석하여, 별도의 데이터 셋을 구축하고, 각 데이터 셋에 적합한 딥 러닝 네트워크를 이용하여, 전력수요예측 오차를 감소하는 방안을 제시하였다. 또한, 기본적인 전력수요 예측요소인 기상요소에 환경요소, 구분요소 등 다양한 예측요소를 추가하여 예측율을 향상하는 방안을 제시하였다. 전체데이터는 시계열 데이터 학습에 적합한 LSTM을 이용하여 전력수요예측을 하였으며, 특수일 데이터는 DNN을 이용하여 전력수요예측을 하였다. 실험결과 기상요소 이외의 예측요소 추가를 통해 예측율이 향상되었다. 전체 데이터 셋의 평균 RMSE는 LSTM이 0.2597이며, DNN이 0.5474로 LSTM이 우수한 예측율을 보였다. 특수일 데이터 셋의 평균 RMSE는 0.2201로 DNN이 LSTM보다 우수한 예측율을 보였다. 또한, 전체 데이터 셋의 LSTM의 MAPE는 2.74 %이며, 특수 일의 MAPE는 3.07 %를 나타냈다.