• 대한조선학회논문집
• /
• 제42권1호
• /
• pp.57-63
• /
• 2005

This paper introduces basic research of optimum routing assessment system as voyage support purpose which can obtain safe and efficient route. In view point of safety, the prediction of ship motion should be evaluated in the condition of rough weather This part includes general seakeeping estimation based on 3 dimensional panel method and parametric roil prediction. For increasing voyage efficiency, ETA(Estimated Time of Arrival) and fuel consumption should be calculated considering speed reduction and power increase due to wave effects based on added resistance calculation and ship performance characteristics. Basically, the weather forecast is assumed to be prepared previously to operate this system. The idea of these factors in this system will be helpful to escape from dangerous voyage situation by wave conditions and to make optimum route planning based on ETA and fuel consumption.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(A)
• /
• pp.236-237
• /
• 2010

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.19-21
• /
• 2001

저전력 설계에 관한 프로세서 구조의 연구 중, CPU와 L1캐쉬 사이에 크기가 작은 LO 캐쉬를 사용하는 방법이 제시 된 바 있다. LO 캐쉬의 사용은 괄목할 만한 에너지 절약 효과를 거두었지만, 커다란 지연시간의 증가를 초래하였다. 따라서 LO 캐쉬는 필요에 따라서 선택적으로 사용이 되지 않으면 심각한 지연 시간의 증가로 인하여 실제 시스템에 적용하기 어려운 면을 가지고 있다. 선택적인 제어를 위한 방법으로서 몇몇 연구에서 예측기를 이용하는 방법을 제시하였으나, LO 캐쉬에 적합하지 않았다. 우리는 이 논문에서 새로운 가상적인 캐쉬 예측기를 제시하고 이에 대한 시뮬레이션 결과를 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제19권4호
• /
• pp.161-167
• /
• 2019

최근 안정적인 전력수급과 급증하는 전력수요를 예측하는 수요예측 기술에 대한 관심과 실시간 전력측정을 가능하게 하는 스마트 미터기의 보급의 증대로 인해 수요예측 기법에 대한 연구가 활발히 진행되고 있다. 본 연구에서는 실제 측정된 가정의 전력 사용량 데이터를 학습하여 예측결과를 출력하는 딥 러닝 예측모델 실험을 진행한다. 그리고 본 연구에서는 데이터 전처리 기법으로써 이동평균법을 도입하였다. 실제로 측정된 데이터를 학습한 모델의 예측량과 실제 전력 측정량을 비교한다. 이 예측량을 통해서 전력공급 예비율을 낮춰 사용되지 않고 낭비되는 예비전력을 줄일 수 있는 가능성을 제시한다. 또한 본 논문에서는 같은 데이터, 같은 실험 파라미터를 토대로 세 종류의 기법: 다층퍼셉트론(Multi Layer Perceptron, MLP), 순환신경망(Recurrent Neural Network, RNN), Long Short Term Memory(LSTM)에 대해 실험을 진행하여 성능을 평가한다. 성능평가는 MSE(Mean Squared Error), MAE(Mean Absolute Error)의 기준으로 성능평가를 진행했다.

• ETRI Journal
• /
• 제19권3호
• /
• pp.228-241
• /
• 1997

In this paper, we present a design of modem and vocoder digital signal processor (DSP) chips for CDMA mobile station. The modem chip integrates CDMA reverse link modulator, CDMA forward link demodulator and Viterbi decoder. This chip contains 89,000 gates and 29 kbit RAMs, and the chip size is $10 mm{\times}10.1 mm$ which is fabricated using a $0.8{\mu}m$ 2 metal CMOs technology. To carry out the system-level simulation, models of the base station modulator, the fading channel, the automatic gain control loop, and the microcontroller were developed and interfaced with a gate-level description of the modem application specific integrated circuit (ASIC). The Modem chip is now successfully working in the real CDMA mobile station on its first fab-out. A new DSP architecture was designed to implement the Qualcomm code exited linear prediction (QCELP) vocoder algorithm in an efficient way. The 16 bit vocoder DSP chip has an architecture which supports direct and immediate addressing modes in one instruction cycle, combined with a RISC-type instruction set. This turns out to be effective for the implementation of vocoder algorithm in terms of performance and power consumption. The implementation of QCELP algorithm in our DSP requires only 28 million instruction per second (MIPS) of computation and 290 mW of power consumption. The DSP chip contains 32,000 gates, 32K ($2k{\times}16\;bit$) RAM, and 240k ($10k{\times}24\;bit$) ROM. The die size is $8.7\;mm{\times}8.3\;mm$ and chip is fabricated using $0.8\;{\mu}m$ CMOS technology.

• 한국컴퓨터정보학회논문지
• /
• 제21권9호
• /
• pp.1-9
• /
• 2016

Recent embedded processors employ set-associative L1 instruction cache to improve the performance. The energy consumption in the set-associative L1 instruction cache accounts for considerable portion in the embedded processor. When an instruction is required from the processor, all ways in the set-associative instruction cache are accessed in parallel. In this paper, we propose the technique to reduce the energy consumption in the set-associative L1 instruction cache effectively by accessing only one way. Gshare branch predictor is employed to predict the instruction flow and determine the way to fetch the instruction. When the branch prediction is untaken, next instruction in a sequential order can be fetched from the instruction cache by accessing only one way. According to our simulations with SPEC2006 benchmarks, the proposed technique requires negligible hardware overhead and shows 20% energy reduction on average in 4-way L1 instruction cache.

• 한국컴퓨터정보학회논문지
• /
• 제16권11호
• /
• pp.245-253
• /
• 2011

화석 연료의 무분별한 사용으로 환경이 심각하게 오염되고, 화석 연료의 고갈에 대한 문제가 대두됨에 따라서 화석 연료에 대한 문제를 해결 할 수 있는 대체 에너지원에 대해 관심이 집중되기 시작하였다. 현재 신재생 에너지 중에서 가장 각광을 받고 있는 에너지는 중에 하나가 풍력에너지이다. 풍력에너지 발전단지와 기존의 전력 발전소는 소비되는 전력에 대한 생산의 균형을 맞춰야하며, 풍력에너지단지에서 균형적인 생산을 하기 위해서는 풍력에너지에 대한 분석 및 예측이 필요하다. 이를 위해서 데이터마이닝 분야의 예측 기법이 활용 될 수 있다. 본 논문에서는 풍력 데이터를 이용하여 발전 패턴을 예측하기 위해 SOM(Self-Organizing Feature Map) Clustering 기법과 의사결정나무(decision tree)를 이용한 연구를 진행하였다. 즉, 1) 풍력 데이터의 누락된 데이터와 이상치 데이터를 처리하기 위하여, 전처리 과정을 수행하였고, 이 과정에서 특징 벡터를 추출하였다. 2) 전처리 단계를 거쳐 정제되고 정규화된 데이터 집합을 MIA(Mean Index Adequacy) 척도와 SOM Clustering 기법에 적용하여 대표 발전 패턴을 찾아내고 각각의 데이터에 해당하는 대표 패턴을 클래스 레이블로 할당하도록 하였다. 3) 의사결정나무 기반의 분류 기법에 데이터 집합을 적용시켜 새로운 풍력에너지에 대한 분석 및 예측 모델을 생성하였다. 실험 결과, 의사결정나무를 통한 풍력에너지 발전 패턴을 예측하기 위한 모델을 구축하였다.

• 한국통신학회논문지
• /
• 제37권8A호
• /
• pp.661-668
• /
• 2012

본 논문에서는 무선 통신에 사용되는 저 전력 통신 기법들에 대해 살펴보고 초 저 전력 무선통신이 가능한 능동형 RFID(Radio Frequency Identification) 시스템에 적용할 수 있는 새로운 프로토콜과 알고리즘을 제안한다. 제안된 기술을 바탕으로 MCU와 RF Transceiver, 칩 안테나 등을 이용하여 송수신 모듈을 구성하였고 내부 전원을 위해 리튬 코인 배터리를 사용하였다. 구현된 리더와 태그의 실험을 통해 송신 시 초당 약 $10{\mu}A$ 이하, 수신 시 초당 약 $30{\mu}A$ 이하의 소비 전류를 측정하였고 이를 바탕으로 초 저 전력 무선통신이 가능함을 확인하였다. 이러한 결과는 수신되는 패킷의 도착 시간을 동적으로 예측하는 알고리즘으로 가능하며 장시간 통신할 때에도 방전되지 않는 조건 하에 링크가 끊어지지 않은 장점을 가지고 있어 오작동을 막고 응답성을 향상시킬 수 있음을 나타낸다.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.57-66
• /
• 2023

현재, 에너지 효율 향상으로 소비감축을 시행하는 새로운 에너지 시스템이 대두되고 있다. 이에 스마트그리드가 확산되면서 계시별 요금제가 확대되고 있다. 계시별 요금제는 계절별 / 시간별로 요금을 다르게 적용해 사용량에 따라 요금을 내는 요금제이다. 본 연구에서는 에너지 전력 사용량 데이터를 예측하기 위해, 온도/요일/시간/계절 등 외부 요인을 고려하고 시계열 예측 모델인 LSTM을 활용한다. 이러한 에너지 사용량 예측 모델을 기반으로 기기별 사용패턴을 분석하여 전력 에너지를 최대부하시간대에서 경부하시간대로 수요이전 함으로써 에너지 사용요금을 절감한다. 기기별 사용패턴을 분석하기 위해서는 시간대별로 기기의 사용량 패턴을 학습 및 분류하는 clustering 기법을 사용한다. 정리하자면, 본 연구에서는 사용자의 전력 데이터 사용량을 기반으로 사용량과 사용 요금을 예측 및 기기별 사용패턴을 분석하고 분석 기반의 맞춤형 수요이전 서비스를 제공함으로써 사용자에게 요금 절감 효과를 가져다 준다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1023-1035
• /
• 2021

본 연구는 머신러닝 기반의 분석으로 해수담수화(Desalination) 시설의 전력비 예측모델의 가능성을 검토하였다. 해수담수화 주요 공정인 역삼투(Seawater Reverse Osmosis) 시설의 전력비 예측 모델을 개발하고, 전력비 산정에 영향을 미치는 인자를 분석하였으며, 해수 수질 중에서 선정된 수온 및 염분도 측정자료를 활용하여 검토하였다. 국립해양조사원(Korea Hydrographic and Oceanographic Agency, KHOA)의 2003년부터 2014년까지의 자료를 이용하였으며, 모형의 구조는 시행오차법(Trial & Error)으로 하이퍼파라미터를 최적화하여 머신러닝 기반의 예측 모델을 구축하고, 장래 해수 수질을 예측하였다. 해수 수온은 기존 패턴과 유사할 것으로 예측되었고, 염분도는 과거 측정자료 범위 이내로 최대값이 점차 감소되는 경향을 보여 해수담수화의 전력비가 약 0.80% 감소하는 것으로 검토되었다. 본 연구는 머신러닝 기반의 예측 모델을 구축하여 장래 수질 변화 예측하였으며, 해수 수질 변동의 영향 및 대안을 제시했다는데 의의가 있다.