The feed resource for animals is a major cost determinant for profitability in livestock production enterprises, and thus any effort at improving the efficiency of feed use will help to reduce feed cost. Feed conversion ratio, expressed as feed inputs per unit output, is a traditional measure of efficiency that has significant phenotypic and genetic correlations with feed intake and growth traits. The use of ratio traits for genetic selection may cause problems associated with prediction of change in the component traits in future generations. Residual feed intake, a linear index, is a trait derived from the difference between actual feed intake and that predicted on the basis of the requirements for maintenance of body weight and production. Considerable genetic variation exists in residual feed intake for cattle and pigs, which should respond to selection. Phenotypic independence of phenotypic residual feed intake with body weight and weight gain can be obligatory. Genetic residual feed intake is genetically independent of its component traits (body weight and weight gain). Genetic correlations of residual feed intake with daily feed intake and feed conversion efficiency have been strong and positive in both cattle and pigs. Residual feed intake is favorably genetically correlated with eye muscle area and carcass weight in cattle and with eye muscle area and backfat in pigs. Selection to reduce residual feed intake (excessive intake of feed) will improve the efficiency of feed and most of the economically important carcass traits in cattle and pigs. Therefore, residual feed intake can be used to replace traditional feed conversion ratio as a selection criterion of feed efficiency in breeding programs. However, further studies are required on the variation of residual feed intake during different developmental stage of production.
IEIE Transactions on Smart Processing and Computing
/
제4권6호
/
pp.422-433
/
2015
In this paper, we demonstrate inter-layer prediction tools for scalable video coders. The proposed scalable coder is designed to support not only spatial, quality and temporal scalabilities, but also view scalability. In addition, we propose quad-tree inter-layer prediction tools to improve coding efficiency at enhancement layers. The proposed inter-layer prediction tools generate texture prediction signal with exploiting texture, syntaxes, and residual information from a reference layer. Furthermore, the tools can be used with inter and intra prediction blocks within a large coding unit. The proposed framework guarantees the rate distortion performance for a base layer because it does not have any compulsion such as constraint intra prediction. According to experiments, the framework supports the spatial scalable functionality with about 18.6%, 18.5% and 25.2% overhead bits against to the single layer coding. The proposed inter-layer prediction tool in multi-loop decoding design framework enables to achieve coding gains of 14.0%, 5.1%, and 12.1% in BD-Bitrate at the enhancement layer, compared to a single layer HEVC for all-intra, low-delay, and random access cases, respectively. For the single-loop decoding design, the proposed quad-tree inter-layer prediction can achieve 14.0%, 3.7%, and 9.8% bit saving.
The prediction of the sum of container is very important in the field of container transport. Many influencing factors can affect the prediction results. These factors are usually composed of many variables, whose composition is often very complex. In this paper, we use gray relational analysis to set up a proper forecast index system for the prediction of the sum of containers in foreign trade. To address the issue of the low accuracy of the traditional prediction models and the problem of the difficulty of fully considering all the factors and other issues, this paper puts forward a prediction model which is combined with a back-propagation (BP) neural networks and the support vector machine (SVM). First, it gives the prediction with the data normalized by the BP neural network and generates a preliminary forecast data. Second, it employs SVM for the residual correction calculation for the results based on the preliminary data. The results of practical examples show that the overall relative error of the combined prediction model is no more than 1.5%, which is less than the relative error of the single prediction models. It is hoped that the research can provide a useful reference for the prediction of the sum of container and related studies.
In order to obtain high bearing capacity and good ductility simultaneously, a structural column with hybrid normal and high strength steel (HNHSS) welded box section has been developed. Residual stress is an important factor that can influence the behaviour of a structural member in steel structures. Accordingly, the magnitudes and distributions of residual stresses in HNHSS welded box sections were investigated experimentally using the sectioning method. In this study, the following four box sections were tested: one normal strength steel (NSS) section, one high strength steel (HSS) section, and two HNHSS sections. Based on the experimental data from previous studies and the test results of this study, the effects of the width-to-thickness ratio of plate, yield strength of plate, and the plate thickness of the residual stresses of welded box sections were investigated in detail. A unified residual stress model for NSS, HSS and HNHSS welded box sections was proposed, and the corresponding simplified prediction equations for the maximum tensile residual stress ratio (${\sigma}_{rt}/f_y$) and average compressive residual stress ratio (${\sigma}_{rc}/f_y$) in the model were quantitatively established. The predicted magnitudes and distributions of residual stresses for four tested sections in this study by using the proposed residual stress model were compared with the experimental results, and the feasibility of this proposed model was shown to be in good agreement.
This study compared the plywood demand prediction accuracy of econometric and vector autoregressive models using Korean data. The econometric model of plywood demand was specified with three explanatory variables; own price, construction permit area, dummy. The vector autoregressive model was specified with lagged endogenous variable, own price, construction permit area and dummy. The dummy variable reflected the abrupt decrease in plywood consumption in the late 1990's. The prediction accuracy was estimated on the basis of Residual Mean Squared Error, Mean Absolute Percentage Error and Theil's Inequality Coefficient. The results showed that the plywood demand prediction can be performed more accurately by econometric model than by vector autoregressive model.
The prediction of irradiation-induced transition temperature shift for RPV steels is an important method for long term operation of nuclear power plant. Based on the irradiation embrittlement data, an irradiation-induced transition temperature shift prediction model is developed with machine learning method XGBoost. Then the residual, standard deviation and predicted value vs. measured value analysis are conducted to analyze the accuracy of this model. At last, Cu content threshold and saturation values analysis, temperature dependence, Ni/Cu dependence and flux effect are given to verify the reliability. Those results show that the prediction model developed with XGBoost has high accuracy for predicting the irradiation embrittlement trend of RPV steel. The prediction results are consistent with the current understanding of RPV embrittlement mechanism.
웨이블릿 영역에서 영역별 양방향 예측, KLT (Karhunen-Loeve transform)/sup [13]/, 및 3차원 SPIHT (set partition in hierarchical trees)/sup [1]/를 이용한 인공위성 화상데이터의 부호화 방법을 제안하였다. 가시광선 영역과 적외선 영역에서 선택된 기준대역 (feature band)에 대하여 SPIHT를 행하여 부호화함으로써 대역내 (intraband) 중복성을 제거한다. 기준대역을 예측대역(prediction band)들에 대해서는 웨이블릿 변환 (wavelet transform)을 행한 후, 빛의 반사 및 역의 방사에 따라 대역별 특성이 다름을 이용하여 영역분류를 하고 영역별 양방향 예측 (classified bidirectional prediction)을 행함으로써 대역간 (interband) 중복성을 제거한다. 원 인공위성 화상데이터와 부호화 된 인공위성 화상데이터 사이의 오차값으로 구성된 오차대역 (residual band)들에 대하여 KLT를 행함으로써 대역간 중복성이 제거되고 계수값들은 고유치의 크기에 따라서 분광적으로 정렬됨으로써 3차원 SPIHT의 부호화 효율을 향상시킨다. 인공위성 화상데이터에 대한 모의실험을 통하여 제안한 방법의 부호화 효율이 기존의 방법에 비하여 우수함을 확인하였다.
박스 오피스 예측은 영화 이해관계자들에게 중요하다. 따라서 정확한 박스 오피스 예측과 이에 영향을 미치는 주요 변수를 선별하는 것이 필요하다. 본 논문은 영화의 박스 오피스 예측 정확도 향상을 위해 다변량 시계열 데이터 분류와 주요 변수 선택 방법을 제안한다. 연구 방법으로 한국 영화 일별 데이터를 KOBIS와 NAVER에서 수집하였고, 랜덤 포레스트(Random Forest) 방법으로 주요 변수를 선별하였으며, 딥러닝(Deep Learning)으로 다변량 시계열을 예측하였다. 한국의 스크린 쿼터제(Screen Quota) 기준, 딥러닝을 이용하여 영화 개봉 73일째 흥행 예측 정확도를 주요 변수와 전체 변수로 비교하고 통계적으로 유의한지 검정하였다. 딥러닝 모델은 다층 퍼셉트론(Multi-Layer Perceptron), 완전 합성곱 신경망(Fully Convolutional Neural Networks), 잔차 네트워크(Residual Network)로 실험하였다. 결과적으로 주요 변수를 잔차 네트워크에 사용했을 때 예측 정확도가 약 93%로 가장 높았다.
International Journal of Concrete Structures and Materials
/
제9권2호
/
pp.159-172
/
2015
Estimation of the residual strength of corroded reinforced concrete beams has been studied from experimental and theoretical perspectives. The former is arduous as it involves casting beams of various sizes, which are then subjected to various degrees of corrosion damage. The latter are static; hence cannot be generalized as new coefficients need to be re-generated for new cases. This calls for dynamic models that are adaptive to new cases and offer efficient generalization capability. Computational intelligence techniques have been applied in Construction Engineering modeling problems. However, these techniques have not been adequately applied to the problem addressed in this paper. This study extends the empirical model proposed by Azad et al. (Mag Concr Res 62(6):405-414, 2010), which considered all the adverse effects of corrosion on steel. We proposed four artificial neural networks (ANN) models to predict the residual flexural strength of corroded RC beams using the same data from Azad et al. (2010). We employed two modes of prediction: through the correction factor ($C_f$) and through the residual strength ($M_{res}$). For each mode, we studied the effect of fixed and random data stratification on the performance of the models. The results of the ANN models were found to be in good agreement with experimental values. When compared with the results of Azad et al. (2010), the ANN model with randomized data stratification gave a $C_f$-based prediction with up to 49 % improvement in correlation coefficient and 92 % error reduction. This confirms the reliability of ANN over the empirical models.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.