• 한국전자통신학회논문지
• /
• 제9권7호
• /
• pp.753-759
• /
• 2014

본 논문에서는 전원무결성(Power Source Integrity) 해석을 기반으로 PCB(Printed Circuit Board)내부 전원 선로의 RLC 공진(Resonance)현상을 해석하고 PCB내부 공진현상 감쇄를 위한 설계기법을 제시한다. 제시하는 기법은 PCB의 구조적 특성으로 형성되는 공진주파수를 예측하며, 공진현상 감쇄를 위한 디커플링 캐패시터의 적용위치 및 용량을 결정할 수 있다. 본 논문에서는 산업용 제어기 내부의 메인보드 회로 시뮬레이션 모델을 통해서 PCB 공진현상 감쇄 설계기법에 대한 타당성을 검증하였다. 본 연구결과는 향후, PCB 회로 설계에서 PDN(Power Delivery Network)구조의 안정도 향상에 기여할 것으로 기대된다.

• 대한교통학회지
• /
• 제27권2호
• /
• pp.133-144
• /
• 2009

현재 국내에서는 지역간 교통의 이동성 및 안전성을 향상시키기 위해 국도를 대상으로 ITS사업을 추진중에 있다. 이러한 ITS 사업을 통해 교통정보를 이용자에게 실시간으로 제공해 줌으로써 기존의 교통시설의 이용을 극대화 하는데 목적을 두고 있다. 이러한 정보 제공시 운전자에게 보다 정확한 통행시간정보를 제공해 주는것이 가장 중요하므로 본 연구에서는 자료의 전처리를 통해 원시데이터의 이상치 제거 및 결측처리를 실시하였다. 이를 통해 통행시간 예측의 기본이 되는 원시데이터의 정확성을 향상시켜 정보의 신뢰도를 높일 수 있는 방안을 모색하였다. 그리고 통행시간 예측을 위해 단속류 도로의 특성을 보다 정확히 반영할 수 있는 히스토리컬 프로파일 모형을 구축하였으며 실제 교통류의 특성을 적극적으로 반영하기 위해 보정식을 개발하였다. 따라서 제안된 모형과 히스토리컬 프로파일 모형과 보정식을 통해 통행시간을 예측한 후 기존의 방식인 신경망 모형, 칼만필터 모형과의 비교검증을 실시하였다. 결과적으로 일반적인 상황에서는 칼만필터 모형과 비슷한 예측력을 보였으나, 첨두시나 유고상황에서는 개발모형이 실제 교통흐름을 상대적으로 정확히 반영하여 예측을 수행함을 확인하였다.

• 한국공간정보시스템학회 논문지
• /
• 제3권2호
• /
• pp.45-51
• /
• 2001

기존의 건설지원시스템은 주로 문자정보를 대상으로 구축되어 지형이나 공간정보와 같은 실 세계에 대한 정보를 제공하는데 취약점이 있으나, GIS(Geographic Information System)는 이러한 문제에 대해 공간정보의 제공뿐만 아니라 설계지원시스템과 연계하여 효율적이고 체계적인 정보의 분석 및 지원 기능을 제공해 줄 수 있을 것으로 기대된다. 이에 대하여 다양한 네트워크의 구축 및 이를 통한 정보서비스의 발전은 GIS의 제공방식과 내용을 변모시키고 있으며 네트워크 상에서 즉각적으로 사용자에게 다양하고 동적인 GIS 솔루션을 제공할 수 있는 Web GIS의 활용이 확산되고 있다. 본 연구에서는 건설진행상황을 즉각적으로 확인하고 실시간으로 업무보고 및 업무지시를 수행함으로써 원격공정관리를 가능하게 하고, 나아가 단지 문서적인 업무보고에만 의존하여 보고자의 의도에 따라 수동적으로 의사결정을 내리던 관행에서 벗어나 Web GIS에 기반한 건설공사 정보관리시스템을 개발함으로써 건설공사 현황을 직관적으로 판단하고 의사결정을 내릴 수 있는 시스템을 구축하였다.

• 한국정보통신학회논문지
• /
• 제12권9호
• /
• pp.1689-1695
• /
• 2008

저전력 무선 통신의 발전과 다기능, 저가의 스마트 센서는 원격에서 상태정보를 감지할 수 있는 센서네트워크의 실현을 가능하게 하였다. 센서 노드는 소형 배터리를 사용해 에너지를 공급받는데 일반적으로 배터리 교환이 용이하지 않은 위치에 설치되기 때문에 센서 노드의 평균 소모 전력을 최소화할 필요가 있다. 알려진 바에 따르면 센서 노드의 전체 소모 전력의 20-60%를 무선 통신에 사용하는 RF 모듈이 차지하고 있다. 본 논문에서는 센싱된 데이터의 송신에 소비되는 에너지를 개선하기 위해 센싱 데이터의 변동 특성에 실시간 적응하여 확률적 계산값이 임의의 랜덤값보다 클 경우 기지국 노드로 전송하는 확률추론 휴리스틱기반 비주기적 전송 방법을 제안한다. 제안하는 전송 방법에서는 확률추론 휴리스틱 알고리즘에 따라 센싱된 데이터와 직전 센싱된 데이터를 평가하여 전송 여부를 결정하며 알고리즘에 필요한 계수값은 알고리즘 검증 데이터의 재현율을 통하여 결정한다.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.1-7
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.210-216
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.

• 한국수자원학회논문집
• /
• 제53권11호
• /
• pp.1015-1024
• /
• 2020

최근 인천, 서울 적수 사고와 같은 관로 내 수질오염 사고가 지속적으로 발생되고 있다. 이러한 수질문제를 인지하기 위해서는 적절한 위치에 수질계측기를 설치하고 미리 계측하여 수용가의 수도꼭지까지 물 공급이 되기 이전에 발견 혹은 차단할 필요가 있다. 그러나 모든 관로에 수질계측기를 다수 설치하는 것에는 유지비용증대와 같은 한계점이 존재한다. 따라서 본 연구에서는 관로 내 수질문제 인지를 위한 유속기반의 수질계측기 설치위치를 결정하고 우선순위를 선정하는 방법론을 제안하였다. 제안된 절차를 관 파괴 시나리오와 국내에서 실제 운영 중인 비상연계관로가 포함된 관망운영 시나리오에 적용해 수질계측기 위치를 결정하고 결과를 분석하였다. 결정 결과 개별적인 관로의 파괴와 비상연계에 의한 비정상상황 발생시 대수용가와 탱크 주변, 그리고 비상연계관로 인근에 위치한 관로의 유속이 급격히 변하여 탁수발생에 의한 수질사고가 나타날 수 있을것으로 나타났다. 제안된 유속기반의 수질계측기 위치 결정 절차는 향후 관 청소를 위한 차단 및 비상관로 운영 계획 수립 등 수질모니터링 지점 선정 기법으로 활용 가능할 것으로 기대된다.

• 한국지역지리학회지
• /
• 제4권2호
• /
• pp.65-77
• /
• 1998

본 연구는 고등학교 한국지리 수업시간에 효율적으로 사용할 수 있는 영상자료를 수집하고 이를 체제적으로 관리, 활용하는 방법을 제시하고자 하는 것이다. 연구과정용 동해 모두 233개의 영상자료를 수집하였다. 영상자료는 그림, 지도, 디지털지도, 사진, 동명상 등 5개 주제로 나누어 수집, 데이터베이스화하였다. 데이터베이스는 제목, 출처, 중류, 단원, 주제어, 규격, 비고 등 7개 항목으로 구조화하였다. 영상자료는 고등학교 한국지리 교과서 단원별로 만든 각각의 디렉토리에 저장, CD에 수록하였다. 이들 영상자료는 투명용지에 출력하여 OHP틀 이용하거나 교실에서 직접 컴퓨터를 통해 대형 스크린에 투사하여 활용할 수도 있다.

• 대한환경공학회지
• /
• 제38권12호
• /
• pp.641-646
• /
• 2016

토양 유기물은 농작물에 영양분을 공급하는 중요한 토양 구성분이며 오염물질의 이동을 감소시켜 인체 및 생태에 미치는 영향을 완충하는 역활을 한다. 최근 지구온난화를 야기하는 온실기체의 싱크탱크 역활이 부각되면서 토양 유기물에 대한 조사 및 관리방안에 대한 관심이 고조되고 있다. 본 연구의 목적은 첫째, 환경부 토양측정망 495개 지점에서 채취한 토양의 유기물함량을 측정하여 지역별, 토지용도별 토양 유기물함량을 파악하고자 하였고 둘째, 토양 유기물 함량 측정방법인 Tyurin산화법과 강열감량법(LOI)의 상관관계를 조사하였다. Tyurin법과 강열감량법으로 토양 유기물 함량을 조사한 결과 평균은 각 각 1.90%, 2.92%로 나타났다. 토지용도별 유기물 함량 순서는 Tyurin법 및 강열감량법 모두 유사하였다. 여전히 자연환경 요소가 많이 남아있거나 토양으로 유기물 유입이 지속적으로 일어나는 임야, 종교용지, 공원은 비교적 높은 유기물함량을 보이나, 유기물 유입이 상대적으로 적은 대지와 대부분 사질토양으로 구성된 학교용지는 낮은 유기물함량을 보였다. Tyurin법과 강열감량법간 회귀분석결과 y(Tyurin) = 0.6257x(LOI) + 0.0602 (P-value < 0.001)와 같은 회귀식이 얻어졌고 결정계수 $R^2=0.749$로 나타나 상관성이 높았다. Tyurin법과 강열감량법을 비교한 결과 강열감량법의 결과치가 Tyurin법에 비해 크게 측정되지만 Tyurin법과 상관관계가 성립되는 바 여러 토지용도에서 많은 양의 토양시료를 측정해야 하는 목적에서는 강열감량법 적용도 가능할 것으로 판단된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.