• 대한전자공학회논문지SD
• /
• 제41권3호
• /
• pp.93-100
• /
• 2004

시스템 온 칩의 테스트 스케줄링은 제한된 전력 사용량 내에서 테스트 시간을 최소화하기 위한 방법들 가운데 하나로서 매우 중요하다. 본 논문에서는 테스트 자원들을 선택하여 그룹화하고 코어 기반 시스템 온 칩 전체 전력소비량을 고려하면서 테스트 시간과 전력소모량의 곱의 크기에 기초하여 이들을 배열하여 스케줄링 하는 휴리스틱 알고리듬을 제안한다. 전력소모량은 최대이면서 제한된 전력 소모량을 초과하지 않는 테스트 자원 그룹을 먼저 선택하고 테스트 자원 그룹 내 요소들의 테스트 시작 위치를 테스트 공간의 초기 위치에 배치하여 테스트 자원들의 낭비시간을 최소화한다. ITC02 벤치마크 회로를 사용한 실험을 통해 알고리듬의 유효성을 보인다.

• Industrial Engineering and Management Systems
• /
• 제15권1호
• /
• pp.110-121
• /
• 2016

With the growing interest in skincare and maintenance, there are increasing numbers of studies on the classification of skin type and the factors influencing each type. This study presents a novel methodology by using data mining, for the determination of the relationships between skin type, lifestyle, and patterns of cosmetic utilization. Eight skin-specific factors, which are moisture, sebum in U-zone (both cheeks), sebum in T-zone (forehead, nose, and chin), pore, melanin, wrinkle, acne, hemoglobin, were measured in 1,246 subjects living in South Korea, in conjunction with a questionnaire survey analyzing their lifestyles and pattern of cosmetic utilization. Using various multivariate statistical methods and data mining techniques, we classified the skin types based on the skin-specific values, determined the relationship between skin type and lifestyle, and accordingly sorted the subjects into clusters. Logistic regression analysis revealed gender-related differences in the skin; therefore, separate analyses were performed for males and females. Using the Gaussian Mixture Modeling (GMM) technique, we classified the subjects based on skin type (two male and four female). Using the ANOVA and decision tree techniques, we attempted to characterize the relationship between each skin type and the lifestyles of the subjects. Menstruation, eating habits, stress, and smoking were identified as the major factors affecting the skin.

• 정보처리학회논문지A
• /
• 제9A권4호
• /
• pp.589-594
• /
• 2002

컴퓨터 그래픽에서 L-시스템은 주로 나무나 풀, 꽃 등 자연적인 모습을 생성하기 위해 사용된다. 이는 임의로 제시된 최초의 모양에 다중 축소복사 이론을 반복적으로 적용함으로써 가능하다. 본 논문은 일반적인 L-시스템 나무의 모습을 변형하여 더욱 현실적으로 묘사하는데 목적이 있다. 본 논문에서는, L-시스템에서 사용되는 단순한 반복함수를 적용하는 대신에, 반복함수를 적용하는 과정에서 나뭇가지 하나하나를 생명체로 간주하여 생명체의 속성을 부여한다. 가지의 수명, 생장속도, 모양변화, 외부환경에 따른 유인 등 생명체가 지닌 속성은 파티클 시스템을 구성하는 입자들이 지닌 기본 속성이기도 하다. 속성의 적용을 위해서 개별 속성 별로 필요한 매개변수를 바탕으로 한 가설로서의 모델을 제시하고 결과적인 다양한 나무의 모습을 제시하였다.

• Geomechanics and Engineering
• /
• 제19권2호
• /
• pp.127-139
• /
• 2019

Available methods to determine the ultimate bearing capacity of shallow foundations may not be accurate enough owing to the complicated failure mechanism and diversity of the underlying soils. Accordingly, applying new methods of artificial intelligence can improve the prediction of the ultimate bearing capacity. The M5' model tree and the genetic programming are two robust artificial intelligence methods used for prediction purposes. The model tree is able to categorize the data and present linear models while genetic programming can give nonlinear models. In this study, a combination of these methods, called the M5'-GP approach, is employed to predict the ultimate bearing capacity of the shallow foundations, so that the advantages of both methods are exploited, simultaneously. Factors governing the bearing capacity of the shallow foundations, including width of the foundation (B), embedment depth of the foundation (D), length of the foundation (L), effective unit weight of the soil (${\gamma}$) and internal friction angle of the soil (${\varphi}$) are considered for modeling. To develop the new model, experimental data of large and small-scale tests were collected from the literature. Evaluation of the new model by statistical indices reveals its better performance in contrast to both traditional and recent approaches. Moreover, sensitivity analysis of the proposed model indicates the significance of various predictors. Additionally, it is inferred that the new model compares favorably with different models presented by various researchers based on a comprehensive ranking system.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.134-134
• /
• 2022

Streamflow forecasting plays a crucial role in water resource control, especially in highly urbanized areas that are very vulnerable to flooding during heavy rainfall event. In addition to providing the accurate prediction, the evaluation of effects and importance of the input predictors can contribute to water manager. Recently, machine learning techniques have applied their advantages for modeling complex and nonlinear hydrological processes. However, the techniques have not considered properly the importance and uncertainty of the predictor variables. To address these concerns, we applied the GA-BART, that integrates a genetic algorithm (GA) with the Bayesian additive regression tree (BART) model for hourly streamflow forecasting and analyzing input predictors. The Jungrang urban basin was selected as a case study and a database was established based on 39 heavy rainfall events during 2003 and 2020 from the rain gauges and monitoring stations. For the goal of this study, we used a combination of inputs that included the areal rainfall of the subbasins at current time step and previous time steps and water level and streamflow of the stations at time step for multistep-ahead streamflow predictions. An analysis of multiple datasets including different input predictors was performed to define the optimal set for streamflow forecasting. In addition, the GA-BART model could reasonably determine the relative importance of the input variables. The assessment might help water resource managers improve the accuracy of forecasts and early flood warnings in the basin.

• Advances in nano research
• /
• 제13권5호
• /
• pp.499-512
• /
• 2022

This study investigates the efficiency of ensemble machine learning for predicting the lightweight-aggregate concrete (LWC) characteristics. A stacking ensemble (STEN) approach was proposed to estimate the dry density (DD) and 28 days compressive strength (Fc-28) of LWC using two meta-models called random forest regressor (RFR) and extra tree regressor (ETR), and two novel ensemble models called STEN-RFR and STEN-ETR, were constructed. Four standalone machine learning models including artificial neural network, gradient boosting regression, K neighbor regression, and support vector regression were used to compare the performance of the proposed models. For this purpose, a sum of 140 LWC mixtures with 21 influencing parameters for producing LWC with a density less than 1000 kg/m³, were used. Based on the experimental results with multiple performance criteria, it can be concluded that the proposed STEN-ETR model can be used to estimate the DD and Fc-28 of LWC. Moreover, the STEN-ETR approach was found to be a significant technique in prediction DD and Fc-28 of LWC with minimal prediction error. In the validation phase, the accuracy of the proposed STEN-ETR model in predicting DD and Fc-28 was found to be 96.79% and 81.50%, respectively. In addition, the significance of cement, water-cement ratio, silica fume, and aggregate with expanded glass variables is efficient in modeling DD and Fc-28 of LWC.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권1호
• /
• pp.11-16
• /
• 2023

Accurate hospital case modeling and prediction are crucial for efficient healthcare. In this study, we demonstrate the implementation of regression analysis methods in machine learning systems utilizing mathematical statics and machine learning techniques. The developed machine learning model includes Bayesian linear, artificial neural network, decision tree, decision forest, and linear regression analysis models. Through the application of these algorithms, corresponding regression models were constructed and analyzed. The results suggest the potential of leveraging machine learning systems for medical research. The experiment aimed to create an Azure Machine Learning Studio tool for the speedy evaluation of multiple regression models. The tool faciliates the comparision of 5 types of regression models in a unified experiment and presents assessment results with performance metrics. Evaluation of regression machine learning models highlighted the advantages of boosted decision tree regression, and decision forest regression in hospital case prediction. These findings could lay the groundwork for the deliberate development of new directions in medical data processing and decision making. Furthermore, potential avenues for future research may include exploring methods such as clustering, classification, and anomaly detection in healthcare systems.

• 정보보호학회논문지
• /
• 제27권1호
• /
• pp.115-128
• /
• 2017

전자금융사기의 수법이 계속 진화하고 있다. 이에 대응하기 위해 다양한 연구와 대응방안이 제시되었으나 근절하기 어려운 상황이다. 본 연구는 MS사(社)의 Threat Risk Modeling 기법을 통해 전자금융사기의 위험을 분석하고 그 대응방안을 제시하기 위한 목적으로 수행되었다. 분석 결과 인증수단의 차이에도 불구하고 파밍의 위험이 높으며 추가적인 인증수단이나 기기보안 혹은 사용자 인증 기반의 보안체계 만으로는 공격을 예방하기 어렵다는 것을 확인하였다. 이에 따라 보안수단별 거래 한도의 재조정, 계좌인증 등 예방수단 및 추가적인 물리적 보안수단의 도입, 전자금융사기 예방제도의 연계와 홍보 및 사용자 인식 개선을 통한 종합적인 전자금융사기 예방 정책의 수립 시행을 제안한다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권6호
• /
• pp.343-349
• /
• 2017

대규모 가상군의 전투 모델링 및 시뮬레이션에서 자율적으로 행동하는 이성적 전투 개체의 행동 묘사는 향후 발생할 전투의 작전을 고도화하고 효율적인 모의 훈련을 가능하게 하는 핵심 요소이다. DEVS-POMDP 계층적 프레임워크는 전투 행동 교범에 따른 상위 단계 의사결정 및 구체적 서술이 어려운 하위 단계 자율 행동계획을 각각 DEVS 및 POMDP로 모델링함으로써 대규모 가상군을 모의하였으나, POMDP 최적 행동정책 계산에 있어서 많은 컴퓨팅 자원을 필요로 하는 단점이 있었다. 본 논문에서는 DEVS-POMDP로 모델링된 대화력전 모의 시나리오 및 기계화 보병여단 공격작전 모의 시나리오의 사례연구를 통해 효율적인 POMDP 트리 탐색 알고리즘을 제안하고 적군 행동 양상 모델의 학습을 통한 가상군 전투 개체의 성능 향상을 확인한다.

• 센서학회지
• /
• 제11권5호
• /
• pp.263-272
• /
• 2002

본 논문에서는 X선 컴퓨터 단층 촬영으로부터 획득된 기관지의 3차원 영상으로부터 기관지의 구조 및 형태 정보를 추출할 수 있는 가능성을 조사하고, 분진 침착 모델의 수학적인 개발과 실험적인 검증에 사용될 수 있는 물리적인 공동 주형 모델을 개발한다. CT로부터 획득된 영상으로부터 수학적 모폴로지 기법에 의하여 폐의 기관지 영역을 검출한다. 검출된 폐의 기관지 영역의 체적 데이터를 3차원 공간상에서 나타낼 수 있는 표면 데이터를 STL(streolithography) 파일로 변환한 후에, 고속 프로토타입 기기에 입력하여 3차원 입체 형상을 제작한다. 이때 기존의 기관지 팬텀과 실제 정상인으로부터 획득된 CT 영상으로부터 각각의 공동 주형 모델을 제작하게 된다. CT 스캔하여 얻어진 원래의 영상과 제작된 공동 주형 모델을 CT 스캔하여 얻어진 영상에서의 기관지 영역의 단면 직경을 비교하여 생성된 폐 기관지 모델의 유용성을 검증하였다.