In this study, the magnetocaloric effect and transition temperature of bulk metallic glass, an amorphous material, were predicted through machine learning based on the composition features. From the Python module ‘Matminer’, 174 compositional features were obtained, and prediction performance was compared while reducing the composition features to prevent overfitting. After optimization using RandomForest, an ensemble model, changes in prediction performance were analyzed according to the number of compositional features. The R2 score was used as a performance metric in the regression prediction, and the best prediction performance was found using only 90 features predicting transition temperature, and 20 features predicting magnetocaloric effects. The most important feature when predicting magnetocaloric effects was the ‘Fe’ compositional ratio. The feature importance method provided by ‘scikit-learn’ was applied to sort compositional features. The feature importance method was found to be appropriate by comparing the prediction performance of the Fe-contained dataset with the full dataset.
고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적 이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논 문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.
기술 트렌드가 증가함에 따라, 엄청난 양의 데이터가 생성되고 있습니다. 많은 양의 데이터가 소비되는 기술 분야 중 하나는 컴퓨터 비전이다. 인간은 기계와 비교할 때 시각에 영향을 미치는 표정, 조명 또는 시야각과 같은 외부 조건에서도 얼굴이나 사물을 쉽게 감지하고 인식할 수 있다. 그 이유는 그것과 관련된 높은 차원 의 데이터 때문이다. 데이터 차원성은 모든 관측치에서 측정되는 변수의 총 수를 말합니다. 이번 사업은 안 면인식시스템에 적합한 다양한 차원감소 기법을 비교하고 조도가 다양한 안면이미지로 구성된 다양한 데이 터세트로 테스트해 모델의 정확도 향상에 도움이 되는 기법의 앙상블 모델을 제안하고 성능을 측정하는 것 이 목적이다.렉스 배경과 표현. 제안된 앙상블 모델은 주성분 분석(PCA)과 로컬 선형 임베딩(LLE)이라는 두 가지 차원 감소 기술의 혼합에서 벡터를 추출하고, 이를 밀도 높은 컨볼루션 신경망(CNN)을 통해 전달하여 야생 면(LFW) 데이터 세트의 얼굴을 예측한다. 이 모형은 0.95의 검정 정확도와 0.94의 검정 F1 점수로 수행 됩니다. 제안된 시스템은 시스템이 얼굴을 예측할 수 있는 제안된 앙상블 모델과 통합된 웹캠에서 라이브 비 디오 스트림을 캡처하는 플라스크를 사용하여 개발된 웹 앱을 포함한다.
Interest rate spreads indicate the conditions of the economy and serve as an indicator of the recession. The purpose of this study is to predict Korea's interest rate spreads using US data with long-term continuity. To this end, 27 US economic data were used, and the entire data was reduced to 5 dimensions through principal component analysis to build a dataset necessary for prediction. In the prediction model of this study, three RNN models (BasicRNN, LSTM, and GRU) predict the US interest rate spread and use the predicted results in the SVR ensemble model to predict the Korean interest rate spread. The SVR ensemble model predicted Korea's interest rate spread as RMSE 0.0658, which showed more accurate predictive power than the general ensemble model predicted as RMSE 0.0905, and showed excellent performance in terms of tendency to respond to fluctuations. In addition, improved prediction performance was confirmed through period division according to policy changes. This study presented a new way to predict interest rates and yielded better results. We predict that if you use refined data that represents the global economic situation through follow-up studies, you will be able to show higher interest rate predictions and predict economic conditions in Korea as well as other countries.
There have been a lot of studies in the past for the method of predicting the failure of a machine, and recently, a lot of researches and applications have been generated to diagnose the physical condition of the machine and the parts and to calculate the remaining life through various methods. Survival models are also used to predict plant failures based on past anomaly cycles. In particular, special machine that reflect the fluid flow and process characteristics of chemical plants are connected to hundreds or thousands of sensors, so there are not many factors that need to be considered, such as process and material data as well as application of derivative variables. In this paper, the data were preprocessed through time series anomaly detection based on unsupervised learning to predict the abnormalities of these special machine. Next, clustering results reflecting clustering-based data characteristics were applied to produce additional variables, and a learning data set was created based on the history of past facility abnormalities. Finally, the prediction methodology based on the supervised learning algorithm was applied, and the model update was confirmed to improve the accuracy of the prediction of facility failure. Through this, it is expected to improve the efficiency of facility operation by flexibly replacing the maintenance time and parts supply and demand by predicting abnormalities of machine and extracting key factors.
In this study, a weighted ensemble method of numerical weather prediction by ensemble models is applied for PyeongChang area. The post-processing method takes into account combination and calibration of forecasts from different numerical models, assigning greater weight to ensemble models that exhibit the better performance. Three different numerical models, including European Center Medium-Range Weather Forecast, Ensemble Prediction System for Global, and Limited Area Ensemble Prediction System, were used to perform the post-processing method. We compared the model outputs from the weighed combination of ensembles with those from the Ensemble Model Output Statistics (EMOS) model for each raw ensemble model. The results showed that the weighted ensemble method can significantly improve the post-processing performance, compared to the raw ensemble method of the numerical models.
기후변화 모델을 통해 미래 전망에 대한 연구를 수행하는 것은 다양한 분야에서의 적응과 대응 전략을 수립하고 이상기후에 대한 영향을 최소화하고자 하는데 그 목적이 있다. 본 연구에서는 총 20개의 기후변화 모델 자료(1981∼2100년)를 수집하였으며 미래 시나리오는 RCP 4.5와 8.5시나리오를 사용하였다. 한강유역을 대상으로 지역오차보정을 통해 지역적인 스케일의 불일치를 개선하고 특히, 미래 시나리오에 대해서는 비정상성 분위사상법을 통해 미래 시나리오의 추세가 왜곡되지 않도록 하는 NSQM기법을 제안하였다. 베이지안 모델 평균기법(BMA)을 적용하여 각 관측소별로 가중치가 높은 모델만을 선별한 최적의 모델 조합을 통해 강우자료의 정확성과 신뢰도를 확보하였다. 베이지안 앙상블 강우의 R2=0.54, NSE=0.53, RMSE=90.49 mm로 단일모델에 비해 상대적으로 개선된 결과를 나타내었다. 미래 시나리오에 대한 전망결과 온실가스 배출농도가 높은 RCP 8.5 시나리오의 증가율이 RCP 4.5 시나리오에 비해 더 크게 나타났다. 또한 극치수문사상분석을 위해 GEV Scaling과 SPI가뭄지수를 이용한 홍수 및 가뭄의 IDF와 SDF곡선을 전망하였다. 확률강우량 산정 결과 관측기간의 500년 빈도, 지속시간 10분에 해당되는 강우강도가 224.1 mm/hr인 것에 비하여 RCP 4.5, RCP 8.5 시나리오 각각 279.8 mm/hr, 299.7 mm/hr로 기준 시나리오에 비해 증가하는 전망 결과를 나타냈다. 가뭄의 경우, 한강유역은 가뭄에 대한 민감도가 낮은 것으로 전망되었다. 본 연구를 통해 불확실성을 줄이고 다양한 통계적인 분석결과를 제시함으로써 극치수문사상의 전망이 가능하였다. 이를 통해 수자원 변동성과 취약성을 파악하고 수자원 계획 및 운영을 위한 정보 제공에 도움을 줄 것으로 판단된다.