• Nuclear Engineering and Technology
• /
• 제50권4호
• /
• pp.562-569
• /
• 2018

Recently, human errors have very rarely occurred during power generation at nuclear power plants. For this reason, many countries are conducting research on smart support systems of nuclear power plants. Smart support systems can help with operator decisions in severe accident occurrences. In this study, a smart support system was developed by integrating accident prediction functions from previous research and enhancing their prediction capability. Through this system, operators can predict accident scenarios, accident locations, and accident information in advance. In addition, it is possible to decide on the integrity of instruments and predict the life of instruments. The data were obtained using Modular Accident Analysis Program code to simulate severe accident scenarios for the Optimized Power Reactor 1000. The prediction of the accident scenario, accident location, and accident information was conducted using artificial intelligence methods.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권7호
• /
• pp.469-477
• /
• 2009

제한된 용량의 배터리로 동작해야 하는 모바일 시스템에서는 소프트웨어 설계시 성능뿐만 아니라 전력소모도 고려해야 한다. 따라서 소프트웨어의 실행 중에 전력소모를 정확하게 예측할 수 있으면 전력과 성능을 고려한 효율적인 소프트웨어의 설계가 가능해진다. 본 논문에서는 모바일 프로세서의 전력소모 예측을 위해 정량적으로 프로세서의 동작을 분석하고 모델링 하는 통계적인 분석 방법을 제안한다. 제안된 방식은 다양한 벤치마크 프로그램들을 실행하여 프로세서의 성능 모니터링 이벤트들과 전력소모 데이터를 수집한 후 계층적 클러스터링(hierarchical clustering) 분석 등을 적용하여 서로 중복되지 않으면서 전력소모에 크게 기여하는 대표적인 성능 모니터링 이벤트들을 추출한다. 전력 예측 모델은 선택된 성능 모니터링 이벤트들이 독립변수가 되고 전력소모가 종속변수가 되는 회귀분석(regression analysis)을 수행하여 개발한다. 전력 예측 모델은 Intel XScale 아키텍처 기반의 PXA320 모바일 프로세서에 적용하여 평균 4% 이내의 에러율로 전력소모를 예측할 수 있음을 보인다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4028-4042
• /
• 2021

Aiming at the problem of software defect prediction difficulty caused by insufficient software defect marker samples and unbalanced classification, a semi-supervised software defect prediction model based on a tri-training algorithm was proposed by combining feature normalization, over-sampling technology, and a Tri-training algorithm. First, the feature normalization method is used to smooth the feature data to eliminate the influence of too large or too small feature values on the model's classification performance. Secondly, the oversampling method is used to expand and sample the data, which solves the unbalanced classification of labelled samples. Finally, the Tri-training algorithm performs machine learning on the training samples and establishes a defect prediction model. The novelty of this model is that it can effectively combine feature normalization, oversampling techniques, and the Tri-training algorithm to solve both the under-labelled sample and class imbalance problems. Simulation experiments using the NASA software defect prediction dataset show that the proposed method outperforms four existing supervised and semi-supervised learning in terms of Precision, Recall, and F-Measure values.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.478-484
• /
• 2018

본 연구는 기온, 강수량, 풍향, 풍속, 습도, 운량, 일조, 일사 등 시간별 기상 데이터를 이용하여, 일사 및 일조 그리고 태양광 발전예측을 하였다. 지도학습에서 입출력패턴은 예측에서 가장 중요한 요소이지만 인간이 직접 결정해야하기 때문에, 반복적인 실험에 의해 결정해야 한다. 본 연구는 일사 및 일조 예측을 위하여 4가지 모델의 입출력 패턴을 제안하였다. 또한, 예측된 일조 및 일사 데이터와 전라남도 영암 태양광 발전소의 발전량 데이터를 사용하여 태양광 발전량을 예측하였다. 실험결과 일조 및 일사 예측에서 모델 4가 가장 예측결과가 우수했으며, 모델 1에 비해 일조의 RMSE는 1.5배 정도 그리고 일사의 RMSE는 3배 정도 오차가 줄었다. 태양광 발전예측 실험결과 일조 및 일사와 마찬가지로 모델 4가 가장 예측결과가 좋았으며, 모델 1 보다 RMSE가 2.7배 정도 오차가 줄었다.

• 한국통신학회논문지
• /
• 제34권1A호
• /
• pp.27-33
• /
• 2009

본 논문에서는 고속 이동성을 갖는 통신 시스템에서 회귀 신경망을 기반으로 한 페이딩 신호 예측 기법을 제안하고, 이를 이용한 송신 전력 제어를 제안하였다. 회귀 신경망의 연산 결과를 해석적으로 도출하여, 신경망 특유의 회로 복잡도 문제를 해결하고, 연산된 채널 예측치를 이용하여 최대비 결합(maximum ratio combining)방식으로 여러 개의 송신 안테나에 대하여 채널 이득을 산출하고, 이 산출된 값으로 송신 안테나 각각에 대한 송신 전력을 제어하였다. 모의 실험 결과 채널 예측 기반 전력 제어를 하지 않은 것에 비해 쥐어난 성능을 나타냄을 보여준다. 기존의 대부분의 연구들이 페이딩 신호에 강인한 수신기술에 대하여 연구를 하였거나 페이딩 신호에 대한 채널 예측도 저속의 이동성에 국한되어진 것에 비하여, 제안된 채널예측 방법은 개회로 전력제어에 적용하는 경우 송신단에서 페이딩의 영향을 제거하여 신호를 송신하기 때문에 수신 단에서 여타의 요소기술들을 매우 단순하게 설계하거나 시스템의 복잡도를 획기적으로 개선시킬 수 있는 가능성을 제시하였다.

• 디지털융복합연구
• /
• 제12권3호
• /
• pp.237-242
• /
• 2014

IT 서비스 및 컴퓨팅 자원을 기반으로 인터넷 서비스를 제공하는 클라우드 컴퓨팅이 최근 큰 관심을 받고 있다. 그러나 클라우드 컴퓨팅 시스템에 저장되는 데이터는 암호화한 후 저장되어도 기밀 정보가 유출되는 문제점이 있다. 본 논문에서는 사용자가 클라우드 컴퓨팅 시스템에서 제공되는 데이터를 제 3자가 임의로 악용하는 것을 예방하기 위한 그룹 키 관리 프로토콜을 제안한다. 제안된 프로토콜은 임의의 사용자가 원격에서 클라우드 컴퓨팅 서버에 접근할 경우 서버에 존재하는 사용자 인증 데이터베이스내 사용자 정보를 일방향 해쉬 함수와 XOR 연산을 사용하여 사용자 인증을 제공받는다. 도한 사용자의 신분확인 및 권한을 연동하여 클라우드 컴퓨팅 시스템에 불법적으로 접근하는 사용자를 탐색함으로써 클라우드 컴퓨팅의 사용자 보안 문제를 해결하고 있다.

• 한국정밀공학회지
• /
• 제19권8호
• /
• pp.71-76
• /
• 2002

In this study low cycle fatigue (LCF) behavior of 12Cr steel at high temperature are described. Secondly, comparisons between predicted lives and experimental lives are made for the several sample life prediction models. Two minute hold period in either tension or compression reduce the number of cycles to failure by about a factor of two. Twenty minute hold periods in compression lead to shorter lives than 2 minute hold periods in compression. Experiments showed that life predictions from classical phenomenological models have limitations. More LCF experiments should be pursued to gain understanding of the physical damage mechanisms and to allow the development of physically-based models which can enhance the accuracy of the predictions of components. From a design point-of-view, life prediction has been judged acceptable for these particular loading conditions but extrapolations to thermo-mechanical fatigue loading, for example, require more sophisticated models including physical damage mechanisms.

• 시스템엔지니어링학술지
• /
• 제16권1호
• /
• pp.58-67
• /
• 2020

A big data processing method to predict solar power generation using systems engineering approach is developed in this work. For developing analytical method, linear model (LM), support vector machine (SVN), and artificial neural network (ANN) technique are chosen. As evaluation indices, the cross-correlation and the mean square root of prediction error (RMSEP) are used. From multi-variable comparison test, it was found that ANN methodology provides the highest correlation and the lowest RMSEP.

• 한국소성가공학회:학술대회논문집
• /
• 한국소성가공학회 2001년도 추계학술대회 논문집
• /
• pp.121-124
• /
• 2001

On-line prediction model which calculate roll force, roll power and forward slip of continuous hot strip rolling was built based on the results of plane strait rigid-viscoplastic finite element process model. Using the integrated FE process model, a series of finite element simulation was conducted over the process variables, and the influence of various process conditions on non-dimensional parameters was inspected. The prediction accuracy of the proposed on-line model under front and back tension is examined through comparison with predictions from a finite element process model over the various process conditions. In addition, we examined the validity of the on-line prediction model through comparison with roll force of experiment in hot rolling.

• Journal of the Korean Data and Information Science Society
• /
• 제19권4호
• /
• pp.1305-1325
• /
• 2008

As index option markets grow recently, many analysts and investors become interested in forecasting the volatility of KOSPI 200 Index to achieve portfolio's goal from the point of financial risk management and asset evaluation. To serve this purpose, we introduce NN and SVM integrated with other financial series models such as GARCH, EGARCH, and EWMA. Moreover, according to the empirical test, Integrating NN with GARCH or EWMA models improves prediction power in terms of the precision and the direction of the volatility of KOSPI 200 index. However, integrating SVM with financial series models doesn't improve greatly the prediction power. In summary, SVM-EGARCH was the best in terms of predicting the direction of the volatility and NN-GARCH was the best in terms of the prediction precision. We conclude with advantages of the integration process and the need for integrating models to enhance the prediction power.