• KSBB Journal
• /
• 제6권1호
• /
• pp.15-25
• /
• 1991

The optimal glucose concentration for the high-density culture of recombinant yeasts was obtained using dynamic simulation. An adaptive and predictive algoritilm complimented by the rule base was proposed for the control of the fed-batch fermentation process. The measurement of process variables has relatively long sampling period and relatively long time delay characteristics. As one of the solution on these problems, prediction techniques and rule bases were added to a classical recursive identification and control algorithm. Rule bases were used in the determination of control input considering the difference between the predicted value and the measured value. A mathelnatical model was used in the estimation and interpretation of the changes of state variables and parameters. Better performances were obtained by employing the control algorithm proposed in the present study compared to the conventional adaptive control method.

• 한국항해항만학회지
• /
• 제31권7호
• /
• pp.597-603
• /
• 2007

A predictive controller can solve a control problem related to a disturbance-dominant system such as roll stabilization of a ship in waves. In this paper, a predictive controller is developed for a fin stabilizer. Future wave-induced moment is modeled simply using two typical regular wave components for which six parameters are identified by the recursive Fourier transform and the least squares method using the past time series of the roll motion. After predicting the future wave-induced moment, optimal control theory is applied to discover the most effective command fin angle that will stabilize the roll motion. In the results, wave prediction performance is investigated, and the effectiveness of the predictive controller is compared to a conventional PD controller.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.199-207
• /
• 2024

지역 저수지들은 농업용수 공급의 중요한 수원공으로 가뭄과 같은 극단적 기후 조건을 대비하여 안정적인 저수율 관리가 필수적이다. 저수율 예측은 국지적 강우와 같은 지역적 기후 특성뿐만 아니라 작부시기를 포함하는 계절적 요인 등에 크게 영향을 받기 때문에 적절한 예측 모델을 선정하는 것만큼 입/출력 데이터 간 상관관계 파악이 무엇보다 중요하다. 이에 본 연구에서는 1991년부터 2022년까지의 전라북도 400여 개 저수지의 광범위한 다변량 데이터를 활용하여 각 저수지의 복잡한 수문학·기후학적 환경요인을 포괄적으로 반영한 저수율 예측 모델을 학습 및 검증하고, 각 입력 특성이 저수율 예측 성능에 미치는 영향력을 분석하고자 한다. 신경망 구조에 따른 저수율 예측 성능 개선이 아닌 다변량의 입력 데이터와 예측 성능 간의 상관관계에 초점을 맞추기 위하여 실험에 사용된 예측 모델로 합성곱신경망 또는 순환신경망과 같은 복잡한 형태가 아닌 완전연결계층, 배치정규화, 드롭아웃, 활성화 함수 등의 조합으로 구성된 기본적인 순방향 신경망을 채택하였다. 추가적으로 대부분의 기존 연구에서는 하루 단위의 단기 예측 성능만을 제시하고 있으며 이러한 단기 예측 방식은 10일, 한 달 단위 등 중장기적 예측이 필요한 실무환경에 적합하지 않기 때문에, 본 연구에서는 하루 단위 예측값을 다음 입력으로 사용하는 재귀적 방식을 통해 최대 한 달 뒤 저수율 예측 성능을 측정하였다. 실험을 통해 예측 기간에 따른 성능 변화 양상을 파악하였으며, Ablation study를 바탕으로 예측 모델의 각 입력 특성이 전체 성능에 끼치는 영향을 분석하였다.

• 한국소음진동공학회논문집
• /
• 제12권1호
• /
• pp.5-11
• /
• 2002

Active vibration control of intelligent laminated composite plates is performed experimental1y Laminated composite place is modeled by the system identification method. For the system identification process, the laminated composite place is excited by two piezoelectric actuators with PRBS signals. At the same time, the displacement of the laminated composite plate is measured by a gap sensor. From these excited PRBS signals and the measured displacement sequence, system parameters of the laminated composite plate are estimated using a recursive prediction error method. Model of the laminated composite plate with two piezoeletric actuators is assumed to be the form of ARMAX. From the estimated ARHMAX model, a state space equation of the observable canonical form is obtained. With this state space equation, a controller and an observer for active vibration control is designed using the optimal control method. Controller and observer are implemented on a digital system. Experiments on the vibration control are Performed with changing the outer layer fiber orientation of intelligent composite plates.

• 대한기계학회논문집 C: 기술과 교육
• /
• 제3권1호
• /
• pp.15-21
• /
• 2015

가스 엔진 히트 펌프는 가스 엔진의 축동력으로 압축기를 구동하는 시스템으로 전력을 거의 사용하지 않고, 엔진 폐열을 활용하기 때문에 하절기와 동절기에 전력 Peak 를 억제하는 공조기로 주목을 받고 있는 제품이다. 제품 개발 시 시스템 성능 예측이 중요하므로 이를 위해 초기 설정한 운전점에서 열교환기 및 압축기의 특성을 반영하여 반복 계산을 수행하면 최종적인 운전점을 도출할 수 있고, 가스 엔진의 성능 데이터를 활용하면 가스 엔진 히트 펌프의 정확한 효율을 예측할 수 있다. 난방 성능을 예측할 때에는 엔진 폐열이 시스템에 공급되기 때문에 외부 열을 흡입하는 구간과 엔진 폐열을 흡입하는 구간을 동시에 고려해야 예측의 정확도를 높일 수 있다. 25 마력 가스 엔진 히트 펌프의 성능을 예측한 값은 실제 측정한 값과 비교하였을 경우 5% 정도의 오차가 발생하며 향후 성능 예측 모델을 구성되는 부품 특성을 반영하면 오차의 폭이 감소될 것으로 예상된다.

• International journal of advanced smart convergence
• /
• 제11권1호
• /
• pp.19-27
• /
• 2022

Across the world, 'housing' comprises a significant portion of wealth and assets. For this reason, fluctuations in real estate prices are highly sensitive issues to individual households. In Korea, housing prices have steadily increased over the years, and thus many Koreans view the real estate market as an effective channel for their investments. However, if one purchases a real estate property for the purpose of investing, then there are several risks involved when prices begin to fluctuate. The purpose of this study is to design a real estate price 'return rate' prediction model to help mitigate the risks involved with real estate investments and promote reasonable real estate purchases. Various approaches are explored to develop a model capable of predicting real estate prices based on an understanding of the immovability of the real estate market. This study employs the LSTM method, which is based on artificial intelligence and deep learning, to predict real estate prices and validate the model. LSTM networks are based on recurrent neural networks (RNN) but add cell states (which act as a type of conveyer belt) to the hidden states. LSTM networks are able to obtain cell states and hidden states in a recursive manner. Data on the actual trading prices of apartments in autonomous districts between January 2006 and December 2019 are collected from the Actual Trading Price Disclosure System of the Ministry of Land, Infrastructure and Transport (MOLIT). Additionally, basic data on apartments and commercial buildings are collected from the Public Data Portal and Seoul Metropolitan Government's data portal. The collected actual trading price data are scaled to monthly average trading amounts, and each data entry is pre-processed according to address to produce 168 data entries. An LSTM model for return rate prediction is prepared based on a time series dataset where the training period is set as April 2015~August 2017 (29 months), the validation period is set as September 2017~September 2018 (13 months), and the test period is set as December 2018~December 2019 (13 months). The results of the return rate prediction study are as follows. First, the model achieved a prediction similarity level of almost 76%. After collecting time series data and preparing the final prediction model, it was confirmed that 76% of models could be achieved. All in all, the results demonstrate the reliability of the LSTM-based model for return rate prediction.

• Geomechanics and Engineering
• /
• 제25권1호
• /
• pp.1-16
• /
• 2021

Machine learning models have been widely used for landslide susceptibility assessment (LSA) in recent years. The large number of inputs or conditioning factors for these models, however, can reduce the computation efficiency and increase the difficulty in collecting data. Feature selection is a good tool to address this problem by selecting the most important features among all factors to reduce the size of the input variables. However, two important questions need to be solved: (1) how do feature selection methods affect the performance of machine learning models? and (2) which feature selection method is the most suitable for a given machine learning model? This paper aims to address these two questions by comparing the predictive performance of 13 feature selection-based machine learning (FS-ML) models and 5 ordinary machine learning models on LSA. First, five commonly used machine learning models (i.e., logistic regression, support vector machine, artificial neural network, Gaussian process and random forest) and six typical feature selection methods in the literature are adopted to constitute the proposed models. Then, fifteen conditioning factors are chosen as input variables and 1,017 landslides are used as recorded data. Next, feature selection methods are used to obtain the importance of the conditioning factors to create feature subsets, based on which 13 FS-ML models are constructed. For each of the machine learning models, a best optimized FS-ML model is selected according to the area under curve value. Finally, five optimal FS-ML models are obtained and applied to the LSA of the studied area. The predictive abilities of the FS-ML models on LSA are verified and compared through the receive operating characteristic curve and statistical indicators such as sensitivity, specificity and accuracy. The results showed that different feature selection methods have different effects on the performance of LSA machine learning models. FS-ML models generally outperform the ordinary machine learning models. The best FS-ML model is the recursive feature elimination (RFE) optimized RF, and RFE is an optimal method for feature selection.

• 한국수자원학회논문집
• /
• 제54권2호
• /
• pp.121-133
• /
• 2021

하천에서 발생하는 부유 물질은 주로 유역으로부터 유입되거나 하천 내에서 자생으로 발생하기도 하며, 퇴적되어 중장기적인 수질 오염을 초래할 수도 있는 중요한 수질 인자이다. 하지만, 부유물질의 재래식 계측방식은 점 단위 계측이기 때문에 노동 집약적이며 방대한 양의 자료를 취득하기는 어렵다. 따라서, 본 연구에서는 고해상도 다분광 위성영상을 제공하는 Sentinel-2 위성 자료를 이용하여 낙동강 전역에 대한 원격탐사 기반 부유 물질 농도 계측 기법을 개발하였다. 개발된 기법은 기존 원격탐사 기반 회귀식들의 한계점을 개선하고 낙동강 전체 영역의 지역적 특성을 반영하기 위해 기계학습 모형인 서포트 벡터 회귀(Support Vector Regression, SVR) 모형을 이용하여 다양한 파장대의 분광 밴드들과 밴드비(band ratios)를 고려하였으며, 이를 입력 변수들의 최적 조합으로 재귀적 특징 제거법(Recursive Feature Elimination, RFE)과 SVR의 각 변수별 가중계수를 활용하여 도출하였다. 가장 중요도가 높은 분광 밴드로는 Red-edge 파장대 영역에 속하는 705 nm 밴드가 산출되었으며, 최종적으로 구축된 SVR 모형을 선행 연구들에서 제시한 회귀식들과 비교한 결과, 가장 정확한 계측 결과를 제공하는 것으로 밝혀졌다. 본 연구에서 개발된 SVR 모형은 RFE를 통해 산출된 최적 분광 밴드 조합을 바탕으로 하기 때문에 기존 단일 분광 밴드 혹은 밴드비를 기반으로 구축된 회귀식들이 가지는 변수 의존도를 낮추는 동시에 더욱 정확한 부유물질 농도 공간분포를 제공할 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.173-198
• /
• 2020

최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.

• 한국정보처리학회논문지
• /
• 제5권10호
• /
• pp.2725-2736
• /
• 1998

본 논문은 WRLS-VFF-VT 알고리듬을 이용한 새로운 피치 검색 방법론을 제안하도록 한다. 제안된 알고리듬에서는 VFF(가변 망각 인자)를 사용하여 유성음에서의 주 여기 펄스 시점과 관련된 성문 폐쇄 점을 확인한다. 또한 본 논문은 VFF 기반 알고리듬과 함께 기존의 EGG 와 LP-Error 방법을 이용한 피치 검색 알고리듬에서 가변 한계 값을 이용 수정된 알고리듬을 제안한다. 제안된 알고리듬들은 주기와 주기 근간에서 강인한 피치 측정 능력과 준 주기 및 비 주기성 음성 신호에서도 우수한 피치 검색 기능을 가지고 있음을 알 수 있다. 제안된 알고리듬의 우수성을 입증하기 위해 실제 사람의 자연스러운 음성 및 사람의 비정상 상태 음성에서 준 주기 및 비 주기성 음성 진동 패턴을 확인하고 검출하는 성능 측정을 통하여 표준 SIFT 알고리듬과 비교 평가하였다.