http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
인공신경망을 활용한 기상 및 화재 데이터기반의 화재발생 확률 예측
홍석영(Hong, Seokyoung),조성현(Cho, Sunghyun),김민수(Kim, Minsu),문일(Moon, Il) 한국방재학회 2019 한국방재학회논문집 Vol.19 No.7
최근 국내의 화재 발생 현황으로 매 년 40,000건 이상의 화재사고가 꾸준히 발생하고 있으며 이로 인해 상당한 인명피해와 재산피해가 발생하고 있다. 본 논문은 이에 대한 예측 및 대응시스템 구축을 위해 2008년 1월 1일부터 2017년 12월 31일까지 수집된 서울시 화재데이터와 기상데이터를 활용하여 서울시의 화재발생 확률을 예측하는 인공신경망 모델을 개발하였다. 매 시간 단위로 수집된 기상데이터와 화재발생 여부를 알 수 있는 화재데이터를 통합한 통합데이터를 생성하였고 70,484건의 데이터를 인공신경망 학습에, 30,459건의 데이터를 평가에 사용하였다. 본 논문의 결과물은 월, 일, 시, 온도, 습도, 풍속변수를 사용하여 3개의 은닉층으로 구성된 인공신경망을 거쳐 0~100% 사이의 화재발생 확률을 계산한다. 모델 성능 평가에는 상대 절차 오차(Relative Absolute Error, RAE)가 사용되었으며 인공신경망 모델이 의사결정트리에 비하여 성능이 우수한 것으로 나타났다. Today, more than 40,000 fire accidents occur every year, resulting in considerable casualties and property damage. This study develops an artificial neural network model to predict the probability of fire in Seoul City using fire and weather data collected from January 1, 2008, to December 31, 2017. The integrated dataset combines weather data collected every hour with fire data to determine the probability of a fire; 70,484 data are used for artificial neural network learning while 30,459 are used for evaluation. The analysis calculates the probability of a fire between 0 and 100% based on the information yielded by an artificial neural network comprising three hidden layers, with the month, day, hour, temperature, humidity, and wind speed used as variables. Relative Absolute Error (RAE) is used to evaluate the performance of the model, which reveals the neural network model s superiority over the decision tree method.
실내 환경 개선을 위한 아두이노와 라즈베리 파이 기반의 창문 자동제어 시스템 구현
문선예 ( Sunye Moon ),권대철 ( Daecheol Kwon ),정다혜 ( Dahye Jeong ),유석영 ( Seokyeong Yoo ),정승현 ( Seunghyun Jung ),정동원 ( Dongwon Jeong ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.2
이 논문은 실내 환경을 개선하기 위한 창문 자동제어 시스템을 제안한다. 현대인들은 하루에 약 70%이상을 실내에서 생활하고 있다. 이로 인해 실내 환경의 질이 매우 중요한 요소로 부각되면서 사람들의 관심이 크게 증가하고 있다. 이 논문에서는 아두이노, 라즈베리 파이 및 다양한 센서를 이용하여 실내 환경을 적정수준으로 유지하고 개선할 수 있는 창문 자동제어 시스템을 제안한다. 제안 시스템 구현을 위해 온습도 센서, 미세먼지 센서, 공기 질 센서, 모터 등을 이용한다. 또한 3D프린팅을 이용하여 제작한 프로토타입을 보인다.
인공지능을 활용한 데이터 기반 화재분석 및 예측·대응 시스템 개발
홍석영,민세홍,조성현,문일 한국재난정보학회 2018 한국재난정보학회 학술대회 Vol.2018 No.11
본 논문에서는 빅데이터 분석 및 인공지능 기법을 이용하여 지역별 화재발생 예측 및 화재 대응 최적화 시스템을 개발하였다. 현재까지 화재 예측 시스템에 사용되고 있는 화재 네비게이터는 단순 통계 분석만을 이용하여 예측을 진행하고 시/군/구 지역단위까지만 정보를 제공함으로써 정확하고 신뢰도 있는 예측결과 를 얻기 어려웠다. 하지만 2007년도부터 국가화재정보시스템(NFDS)에서 화재사고 데이터를 축적하기 시작 하였으며 보다 신뢰성 있는 데이터 분석이 가능해졌다. 최근 빅데이터 기술을 활용한 데이터 상관관계 분 석 및 인공지능 기술을 활용한 패턴 인식기술에 대한 연구가 활발하게 진행되면서 분류 (Classification) 및 예측(Prediction), 회귀(Regression) 등 다양한 문제에 적용되고 있으며 본 논문에서는 앞서 언급한 기법을 활용하여 화재사고 데이터 기반의 예측 및 대응 시스템을 구축하였다. 데이터 분석을 통해 화재 발생 및 대응에 영향을 주는 요인변수들을 추출하였으며 요인변수들을 인공지능에 활용하여 패턴 인식을 통한 분 류 및 회귀를 진행하였다. 본 논문에서는 정확도 검증을 통하여 모델의 타당성을 확인하였으며 데이터 기 반의 신뢰성 있는 예측 및 최적화 모델을 구축하였다.
캐시 프로파일을 활용한 향상된 소프트웨어 파이프라인 스케쥴링
이석영(Seok-Young Lee),이재목(JaeMok Lee),문수묵(Soo-Mook Moon) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.2B
복잡한 제어흐름의 루프(loop)는 명령어 병렬화뿐 아니라 캐쉬(cache) 최적화에도 많은 어려움을 준다. 향상된 파이프라인 스케쥴 기법(Enhanced Pipeline Schedule)은 명령어 레벨의 병렬화를 루프 수준에서 실현하는 소프트웨어 파이프라이닝 기법으로, 제어흐름(control flows)의 모양과는 상관없이 루프의 병렬화를 수행할 수 있는 강점을 가진다. 본 논문에서는 캐쉬 프로파일링(profiling) 정보를 EPS에 반영하여 복잡한 구조의 루프에서 명령어 병렬화와 캐쉬 최적화를 함께 해낼 수 있는 방안을 모색해 보고자한다. 이를 위해 캐쉬미스가 빈번한 로드명령어의 정보를 가지고 로드(load)와 유즈(use) 명령어가 서로 먼 위치에 스케쥴되도록 스케쥴링 휴리스틱(heuristic)을 구현하였다. SPEC2000 벤치마크 중에 EPS가 적용 가능하고, 캐쉬미스(cache miss)가 빈번히 일어나는 루프들을 선정하여 실험해본 결과 평균 12%의 명령어 정체 감소와 평균 2.5% 가량의 전체 성능향상을 얻었다.