확률 함수와 상황 전파 네트워크를 결합한 상황 데이터 생성 모델

천성표,김성신,Cheon, Seong-Pyo,Kim, Sung-Shin 한국정보통신학회 2009 한국정보통신학회논문지 Vol.13 No.7

일상적인 상황이 주로 시간을 고려한 일정에 따라서만 발생한다고 가정하면 각 상황별 확률분포함수에 기반한 데이터 생성법은 효과적이다. 하지만, 사람들은 상황을 인식하거나 판단할 때, 이전 상황을 고려하여 현재 상황을 미루어 짐작하거나 결정하는 경우도 흔하다. 본 논문에서 제안한 상황 전파 네트워크는 상황 인식 및 결정에서 이전 상황이 현재 상황에 미치는 영향을 고려하는 것과 유사하게 상황발생 확률분포함수를 보상해 줌으로써 상황의 전개가 연속적이면서 자연스러운 흐름을 갖도록 해준다. 본 논문에서는 평범한 직장인이 집이라는 공간에서 발생시키는 상황 데이터를 생성하는 모델을 제안하였고, 모의실험을 통해 상황 전파 네트워크가 상황의 자연스러운 흐름에 얼마나 영향을 기여하는지 확인하였으며, 특히, 순차적 상황 모호성과 충돌성 지표를 새롭게 정의하여 제안한 상황 데이터 생성 모델을 평가했다. 결론적으로 상황 전파 네트워크를 결합시켰을 경우, 확률 모델만을 사용했을 때보다 순차적 상황 모호성은 6.45% 상황 충돌성은 4.60% 감소함을 확인했다. Probabilistic distribution functions based data generation method is very effective. Probabilistic distribution functions are defined under the assumption that daily routine contexts are mainly depended on a time-based schedule. However, daily life contexts are frequently determined by previous contexts because contexts have consistency and/or sequential flows. In order to refect previous contexts effect, a situation propagation network is proposed in this paper. As proposed situation propagation network make parameters of related probabilistic distribution functions update, generated contexts can be more realistic and natural. Through the simulation study, proposed context-data generation model generated general outworker's data about 11 daily contexts at home. Generated data are evaluated with respect to reduction of ambiguity and confliction using newly defined indexes of ambiguity and confliction of sequential contexts. In conclusion, in case of combining situation propagation network with probabilistic distribution functions, ambiguity and confliction of data can be reduced 6.45% and 4.60% respectively.

On-line diagnosis system with learning bayesiana networks for fsEBPR

천성표,김성신 한국지능시스템학회 2007 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGE Vol.7 No.4

Nowadays, due to development of automatic control devices and various sensors, one operator can freely handleseveral remote plants and processes. Automatic diagnosis and warning systems have been adopted in various elds, inorder to prepare an operator’s absence for patrolling plants. In this paper, a Bayesian networks based on-line diagnosissystem is proposed for a wastewater treatment process. Especially, the suggested system is included learning structure,which can continuosly update conditional probabilities in the networks. To evaluate performance of proposed model,we made a lab-scale ve-stage step-feed enhanced biological phosphorous removal process plant and applied on-linediagnosis system to this plant in the summer.

상황 전파 네트워크를 이용한 확률기반 상황생성 모델

천성표,김성신 한국로봇학회 2009 로봇학회 논문지 Vol.4 No.1

A probability-based data generation is a typical context-generation method that is a not only simple and strong data generation method but also easy to update generation conditions. However, the probability-based context-generation method has been found its natural-born ambiguousness and confliction problems in generated context data. In order to compensate for the disadvantages of the probabilistic random data generation method, a situation propagation network is proposed in this paper. The situation propagating network is designed to update parameters of probability functions are included in probability-based data generation model. The proposed probability-based context-generation model generates two kinds of contexts: one is related to independent contexts, and the other is related to conditional contexts. The results of the proposed model are compared with the results of the probability-based model with respect to performance, reduction of ambiguity, and confliction.

생물학적 영양염 제거공정제어를 위한 연속식 반응기 모델구현

천성표,김성신,김창원 대한환경공학회 1999 대한환경공학회 학술발표논문집 Vol.1999 No.4

예측모델 기반의 A²/O 하폐수처리 공정 자동화 시스템

천성표(Seong-Pyo Cheon),백경동(Gyeongdong Baek),김성신(Sungshin Kim) 한국생산제조학회 2011 한국생산제조시스템학회 학술발표대회 논문집 Vol.2011 No.4

생물학적 하폐수처리공정에서는 유입수 성상은 물론이고 개별 반응조 내의 생물학적 특성과 이들 생물학적 반응에 영향을 주는 다양한 변수들을 고려하여 제어해야 함으로 자동화에 많은 어려움이 있었다. 특히, 고도처리공정의 경우에는 유기물 제거만을 목적으로 하는 표준 활성슬러지 공정에 비해 내부 메커니즘이 복잡하기 때문에 고도처리공정에 대한 장기간의 경험과 지식을 가진 전문가 의해 관리 되어야 한다. 본 논문은 운영 전문가들의 지식과 데이터마이닝 기법을 통해 대상 공정에 대한 예측이 가능함 모델을 구현했으며, 이를 바탕으로 공정 자동화 시스템을 제안한다.

모델기반 식물공장 온도제어 기법

천성표 ( Seongpyo Cheon ),하영호 ( Youngho Ha ),문애경 ( Aekyung Moon ),이해동 한국농공학회 2012 한국농공학회 학술대회초록집 Vol.2012 No.-

지구온난화로 인한 급격한 환경변화, 대륙 및 국가 간의 무역여건변화, 산업 간의 불균형 심화 등 농업분야도 타산업분야와 마찬가지로 극복해야 할 많은 문제가 있다. 단순한 식량생산의 주축이 되는 1차 산업이 아니라 이제는 타산업분야보다 더욱 경쟁력을 갖추고 더 많은 이익을 창출할 수 있는 산업분야로 농업을 바라보아야 하며, 이러한 시도가 생명과학과 정보기술 등 다양한 학문분야들과 교류하여 시너지를 창출하는 연구가 더욱 활발히 이루어져야 한다. 최근 고부가가치 작물의 생산량 증대와 이들의 출하시기 조절을 통한 탄력적/안정적 생산 등을 목적으로 다양한 에너지원을 활용하는 온실, 그리고 식물공장에 관한 연구와 개발이 활발히 이루어지고 있다. 그 가운데 완전제어형 식물공장은 식물의 생장에 적합하도록 균일한 온습도를 제공하는 챔버로 안정적이며 경제적인 환경제어가 필수적이다. 본 연구에서는 식물공장의 경제적인 온도제어를 위해서 에너지균형식을 이용한 모델링 방법을 제안한다. 식물공장의 온도제어를 위해 가장 흔히 사용하는 방식은 온-오프제어(On-Off Control, Bangbang Control)방식이다. 이 방식은 일정 온도 영역을 설정해 두고 조건을 만족하면 온(On)시키고, 조건을 벗어나면 오프(Off)시키는 방법으로 제어방법이 단순하고, 직관적이며, 복잡한 제어기가 필요치 않은 장점이 있으나, 비효율적이고 비경제적이며, 정밀한 제어가 힘든 단점이 있다. 빠른 응답속도와 안정적인 온도제어를 필요로 하는 경우에는 비례-적분-미분제어(PID Control)방식을 사용하기도 하는데, 이 방식은 제어기가 고가이며, 식물공장의 제어설비가 복잡해지고, 설치 및 운용환경에 따라 비례-적분-미분의 이득 조절이 별도로 필요한 특징이 있다. 때때로 운전조건이나 필요에 따라 비례-적분제어(PI Control), 비례-미분제어(PD Control) 등 비례-적분-미분제어기를 변형한 방법을 사용하기도 한다. 본 연구에서 제안한 모델기반 온도제어 기법은 식물공장의 온도특성을 모델로 구현하여 식물공장과 모델을 병렬로 놓고 온도를 예측하여 제어하는 방법이다. 제안 방법은 온-오프제어방식과 비례-적분-미분제어방식에 모두 적용가능하며, 이들 제어기의 성능을 향상시킬 수 있을 뿐 아니라 경제적 운전이 가능하도록 한다. 본 연구에서는 온-오프제어방식으로 운전하고 있는 식물공장의 온도제어실험데이터를 이용하여 에너지균형식의 계수를 추정하여 모델을 만들고, 모의실험을 통해 모델의 성능을 평가했다.

고농도 오존 예측을 위한 향상된 변환 기법과 예측 성능 평가

천성표(Seong-Pyo Cheon),김성신(Sungshin Kim),이종범(Chong-Bum Lee) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.4

대기중의 고농도 오존의 피해를 줄이기 위해서, 고농도 오존 발생 전에 미리 오존 농도를 예측하기 위한 연구가 진행 되었다. 하지만, 고농도 오존은 그 발생 빈도가 매우 희소하고, 대기 오존 생성 과정이 매우 비선형적이며 복잡한 특징이 있다. 이러한 특징을 극복하고 보다 정확한 예측 모델을 개발하기 위하여, 본 논문에서는 다양한 데이터 처리 기법을 도입하였다. 데이터 전처리과정에서 FCM(Fuzzy C-mean) 방법을 이용하여 오존 농도별 데이터 클러스터링을 시도하였으며, 결측 또는 비정상 데이터를 처리할 목적으로 Rejection 표본 추출법을 이용하였고, 모델의 입력과 출력의 상관관계를 향상시키기 위해서 로그 변환기법을 응용하였다. 오존 예측을 위한 모델링 기법은 DPNN(Dynamical Polynomial Neural Networks)을 이용하였으며, 최소 바이어스 판별법(Minimum Bias Criterion)으로 최적화된 모델을 선택하였다. 끝으로, 본 논문에서는 로그 변환기법이 예측 모델에 미치는 영향을 보이기 위해서 입력 데이터를 두 개의 집합으로 나누어 다양한 방법으로 예측 결과를 평가했다. 결과적으로 계절적 영향에 의해 특정 분포를 가지는 오존 관련 데이터에 있어서 로그 변환 방법이 모델의 성능을 향상 시킬 수 있다는 것을 보였다. To reduce damage from high concentration ozone in the air, we have researched how to predict high concentration ozone before it occurs. High concentration ozone is a rare event and its reaction mechanism has nonlinearities and complexities. In this paper, we have tried to apply and consider as many methods as we could. We clustered the data using the fuzzy c-mean method and took a rejection sampling to fill in the missing and abnormal data. Next, correlations of the input component and output ozone concentration were calculated to transform more correlated components by modified log transformation. Then, we made the prediction models using Dynamic Polynomial Neural Networks. To select the optimal model, we adopted a minimum bias criterion. Finally, to evaluate suggested models, we compared the two models. One model was trained and tested by the transformed data and the other was not. We concluded that the modified transformation effected good to ideal performance in some evaluations. In particular, the data were related to seasonal characteristics or its variation trends.

수처리공정의 모델링과 지능제어의 적용

천성표(Cheon Seong-pyo),김봉철(Kim BongChul),김성신(Kim Sungshin) 대한전기학회 2000 대한전기학회 학술대회 논문집 Vol.2000 No.7

결합 필터링을 이용한 사요자 선호도 기반 TV 프로그램 추천

천성표(Seongpyo Cheon),김정민(Jungmin Kim),김성신(Sungshin Kim) 제어로봇시스템학회 2006 제어로봇시스템학회 합동학술대회 논문집 Vol.2006 No.12

퍼지 클러스터링과 결정 트리를 이용한 모델기반 오존 예보 시스템

천성표(Seong-Pyo Cheon),이미희(MiHee Lee),이상혁(Sang-Hyuk Lee),김성신(Sung-Shin Kim) 한국지능시스템학회 2004 한국지능시스템학회 학술발표 논문집 Vol.14 No.1

오존 반응 메카니즘은 상당히 복잡하고 비선형적이기 때문에 오존 농도를 예측하는 것은 상당한 어려움을 안고 있다. 따라서, 신뢰성 높은 오존 예측값을 구하는데 단일 예측모델만으로는 한계가 있으며, 이를 개선하기 위하여 다중 모델을 제안하였다. 입력데이터에 퍼지 클러스터링을 사용하여 고, 중, 저농도별로 그룹핑한 후, 그룹핑된 오존농도에 대해서 의사결정 트리를 사용하여 그룹핑된 오존데이터가 어느 정도 분류능력을 갖는지 따악하여, 오차가 가장적은 분류특성을 갖는 그룹을 설정하여, 다중모델의 입력 데이터로 사용하여 모델을 형성하였다. 의사결정 트리를 이용하여 모델의 입력 데이터를 설정하는 것은 어떤 오존농도까지의 범위를 클래스로 설정하느냐에 따라서 모델의 성능과 고, 중, 저농도의 오존을 분류하는 성능이 달라지므로 본 논문에서는 퍼지 클러스터링을 이용하여 의사결정 트리의 클래스의 범위를 설정하여 예측 시스템을 구현하였다.