High efficiency Multi-Mode Buck-Boost Hybrid DC-DC Converter for Mobile Devices

정현욱 경북대학교 대학원 2024 국내석사

Gradient Boosting을 이용한 가축분뇨 인계관리시스템

황종휘 숭실대학교 대학원 2023 국내석사

본 연구에서는 가축분뇨 인계시스템에서 사용되고 있는 운반차량의 센서데이터를 활용하여 인계서를 자동 생성하는 기법을 제안한다. 본 연구는 센서데이터를 분석하고 머신러닝 기법을 적용하여 가축분뇨인계서에 최적화 된 결과를 도출하고 기존 가축분뇨인계서와 비교 분석하여 자동으로 인계서를 생성할 수 있는 방법을 제시한다. 특히 머신러닝 알고리즘 중에서 Gradient Boosting 기법의 활용방안을 제안한다. 본 연구의 목적은 가축분뇨 인계관리시스템을 사용하고 있는 배출자, 운반자, 처리자가 가축분뇨와 액비를 배출할 때 매번 수동으로 입력하므로써 추가 인력이 소모되고, 데이터 정합성 문제 발생으로 가축분뇨와 액비의 유통 및 처리에 관한 관리의 어려움이 발생하고 있어 데이터를 활용하여 자동으로 인계서를 생성함으로써 가축분뇨와 액비 관리의 효율성을 높이고자 하였다. 가축분뇨와 관련된 기존 연구에서는 주로 가축분뇨 처리와 자원화에 관한 연구가 대부분이였고 가축분뇨 유통 및 관리 시스템 개선에 대한 연구는 매우 부족한 상황이다. 이에 본 연구에서는 데이터 기반의 가축분뇨 인계시스템 유통 및 관리시스템 기능 개선을 제안한다. 본 연구에서는 가축분뇨와 액비를 운반하는 운반차량에 부착된 GPS, 중량센서 데이터를 수집하여 여러 가지 데이터 전처리를 하고 머신러닝 모델 학습을 통해 가축분뇨와 액비의 상차, 이동, 하차 시점과 위치 그리고 상차, 하차 시 중량을 판별하는 기술을 연구하였다. 데이터 처리 과정에서는 GPS와 중량센서에서 수집된 데이터는 속도값, 중량값으로 활용하였으며 일정시간 간격의 중량차 값, 일정 시간 간격의 위치차 값을 추가하여 학습모델의 분별력을 높이고자 하였다. 가축분뇨 배출농가에서 직접 입력한 인계서를 분석한 데이터와 제안모델인 Gradient Boosting 알고리즘을 적용하여 자동 생성한 인계서를 비교한 결과 평균 약 86.5%의 성능을 보여 가축분뇨인계서 자동 검증 효과가 있음을 확인하였다. 본 연구에서 가축분뇨와 액비 운반차량에 부착된 센서 데이터를 활용하여 머신러닝 알고리즘을 사용하여 가축분뇨인계서를 생성하여 수동으로 입력하는 인계서를 자동 검증 할 수 있는 체계를 수립함으로써 배출자, 운반자, 처리자의 업무 부담을 줄이고 효율적인 관리가 가능하여 가축분뇨와 액비 유통과 처리를 투명하게 할 수 있는 환경이 조성될 것으로 판단된다. 향후 과제로는 가축분뇨와 액비를 유통, 처리하는 현장에서 다양한 사례들이 발생하고 있는 실정으로 이에 대한 사례와 데이터를 분석하여 다양한 패턴에 대한 추가적인 연구가 필요하고 최근 인공지능분야에서 많이 활용되고 있는 CNN(합성곱신경망, Convolutional Neural Network), RNN(순환신경망, Recurrent Neural Network), LSTM(Long Short Term Memory) 등 딥러닝을 활용한 개선 방안이 수립되어야 한다. 특히 실시간 판별을 위한 데이터 처리, 분석, 학습, 판별에 대한 연구가 필요하다. This study proposes a technique for automatically generating an electronic handover using sensor data of a transport vehicle used in the livestock manure electronic handover system. This study proposes a method to automatically generate an electronic handover by analyzing sensor data and applying various machine learning techniques to derive the optimized results for the livestock manure electronic handover and by comparing and analyzing it with the existing livestock manure electronic handover. In particular, among the machine learning algorithms, we propose the application of gradient boosting technique. The purpose of this study is to manually input each time the emitter, transporter, and handler using the livestock manure electronic handover system discharge livestock manure and liquid manure, additional manpower is consumed, and the distribution of livestock manure and liquid manure occurs due to data integrity problems. As there are difficulties in management related to and treatment, it is intended to increase the efficiency of livestock manure and liquid manure management by automatically generating an electronic handover using data. In the existing studies related to livestock manure, most of the studies were mainly on the treatment and resource use of livestock manure, and the study on the improvement of the distribution and management system of livestock manure is very insufficient. Therefore, in this study, we propose to improve the function of the distribution and management system of the data-based livestock manure electronic handover system. In this study, GPS and weight sensor data attached to a transport vehicle that transports livestock manure and liquid manure are collected, various data preprocessing is performed, and the loading, moving, and unloading time and location of livestock manure and liquid manure and loading and unloading are performed through machine learning model learning, the technology for determining the weight in case of a defect was studied. In the data processing process, data collected from GPS and weight sensors were used as speed values and weight values, and weight difference values at regular time intervals and position difference values at regular time intervals were added to enhance the discrimination power of the learning model. As a result of comparing the data obtained by analyzing the handover form directly entered by the farmhouse discharging livestock manure and the handover form automatically generated by applying the proposed model Gradient Boosting algorithm, the result showed an average performance of about 86.5%, confirming the automatic verification effect of the livestock manure handover note. In this study, using the sensor data attached to the livestock manure and liquid manure transport vehicle, a machine learning algorithm is used to create an electronic handover form for livestock and establish a system that can automatically verify the manually entered electronic handover form. It is judged that an environment will be created that can transparently distribute and dispose of livestock manure and liquid manure by reducing the work load of the handler and enabling efficient management. As a future task, various cases are occurring in the field of distributing and processing livestock manure and liquid manure. Improvement measures using deep learning such as (Convolutional Neural Network), RNN (Recurrent Neural Network), and LSTM (Long Short Term Memory) should be established. In particular, it is necessary to study data processing, analysis, learning, and discrimination for real-time discrimination.

양방향 CRM 벅/부스트 컨버터 디지털 제어 기법

이상연 명지대학교 대학원 2021 국내석사

최근 화석 연료의 고갈 및 환경 문제로 인해 신재생에너지에 대한 관심이 급증하고 있다. 국내에서 수소연료전지에 대한 연구가 활발히 진행되고 있으며, 특히 수소연료전지차에 대한 연구개발에 박차를 가하고 있다. 수소연료전지차는 초기 시동 시 연료 전지 스택 활성화를 위한 전력 공급을 요구한다. 기존 수소연료전지차에서는 고전압 배터리를 활용하여 연료 전지 스택 활성화를 수행하였으나, 원가 상승 및 개발의 어려움이 존재한다. 이러한 배경으로 저전압 배터리를 활용한 연료 전지 스택 활성화에 대한 연구가 요구되었고, 이를 위하여 BLDC(Bidirectional Low Voltage DC/DC Converter) 개발에 대한 연구가 본 연구에서 진행되었다. 본 논문에서는 Buck./Boost 컨버터와 LLC 공진형 컨버터 직렬 구조를 갖는 BLDC의 고효율 및 고밀도 연구의 일환으로 양방향 CRM Buck/Boost 컨버터 디지털 제어 기법에 대한 연구 내용을 발표한다. 양방향 Buck/Boost 컨버터는 그 동작을 위하여 모든 전력반도체 소자에 MOSFET을 적용하고, 정류 동작시 MOSFET의 바디 다이오드 또는 동기 정류기 모드를 사용한다. 양방향 Buck/Boost 컨버터가 CCM(Continuous Conduction Mode) 동작을 사용하여 구동될 경우 바디 다이오드의 역회복전류로 인해 MOSFET 내부의 기생 BJT가 도통되는 문제가 발생한다. 기생 BJT가 도통될 경우 MOSFET의 항복 전압이 50-60% 감소하는 문제가 있다. 이 문제를 극복하기 위해서는 높은 항복 전압을 갖는 전력반도체 소자를 사용하거나, 역회복 시간이 매우 짧은 SiC 전력반도체 소자를 사용하는 방법이 있다. 하지만 두 방법 모두 비용이 증가한다는 문제가 있다. 이러한 양방향 Buck/Boost 컨버터의 CCM 동작에서의 문제점을 개선하기 위하여 CRM(Critical Conduction Mode) 동작을 적용한다. CRM 동작의 경우 바디 다이오드가 영전류에서 turn off 되기 때문에 역회복전류가 발생하지 않아 기생 BJT 도통 문제가 발생하지 않으며, ZVS(Zero Voltage Switching) 또는 valley switching을 동작을 통해 스위칭 손실을 저감하여 고효율 방안에도 적합하다. CRM 동작 구현을 위한 전용 아날로그 controller IC가 존재하지만 역률 개선 용도로 제작되어왔으며, 기존의 디지털 CRM 동작 컨버터에 관한 연구 또한 양방향 동작을 적용한 연구는 진행되지 않았다. 본 논문에서는 수소연료전지차를 위한 BLDC 연구의 일환으로 양방향 CRM Buck/Boost 컨버터 디지털 제어 기법에 대한 연구결과를 발표한다. 기존의 아날로그 CRM 컨버터의 단점을 개선한 제어 방법과 양방향 동작을 위한 추가 회로를 제시한다. 또한 ZVS 및 valley switching 동작 최적화 dead time 설계 방안, 스위칭 주파수 제한 방안, 디지털 시지연을 고려한 전류 제어기 설계 방안을 제시한다. 설계의 타당성을 검증하기 위하여 입력 260-430V, 출력 160-240V, 1kW의 정격 용량을 갖는 Si-MOSFET 기반의 양방향 CRM Buck/Boost 컨버터와 SiC-MOSFET 기반의 양방향 CCM Buck/Boost 컨버터를 각각 설계하고, 프로토 타입을 제작하여 성능을 비교한다. Si-MOSFET 기반의 CRM Buck/Boost 컨버터는 정격 부하 조건에서 Buck 동작 최대 99.6%의 효율과 Boost 동작 최대 98.7%의 효율을 달성하였다. 전압 및 부하 조건에 따른 효율의 편차가 존재하지만 SiC-MOSFET 기반의 CCM Buck/Boost 컨버터와 동일한 성능을 보임을 확인하였다. Recently, interest in renewable energy is rapidly increasing due to depletion of fossil fuels and environmental problems. Research on hydrogen fuel cells is being actively conducted in Korea, and in particular, research and development for hydrogen fuel cell vehicles are being accelerated. A hydrogen fuel cell vehicle requires power supply to activate the fuel cell stack during initial startup. In the conventional hydrogen fuel cell vehicle, a high voltage battery is used to activate the fuel cell stack, but there are difficulties in cost increase and development. Based on these backgrounds, a study on the activation of a fuel cell stack using a low voltage battery is required, and for this purpose, a study on the development of a BLDC(Bidirectional Low Voltage DC/DC Converter) is conducted in this study. In this paper, as a part of a high-efficiency and high-density study of BLDC with Buck/Boost converter and LLC resonant converter series structure, research on bidirectional CRM Buck/Boost converter digital control technique is presented. The bidirectional buck/boost converter applies MOSFETs to all power semiconductor devices for its operation and uses the MOSFET's body diode or synchronous rectifier mode during rectification. When the bidirectional buck/boost converter is driven using CCM (Continuous Conduction Mode) operation, the reverse recovery current of the body diode causes a problem that the parasitic BJT inside the MOSFET conducts. When the parasitic BJT conducts, there is a problem that the breakdown voltage of the MOSFET is reduced by 50-60%. In order to overcome this problem, there is a method of using a power semiconductor device having a high breakdown voltage or a SiC power semiconductor device having a very short reverse recovery time. However, both methods have a problem in that the cost increases. In this paper, the bidirectional Buck/Boost converter applies CRM(Critical Conduction Mode) operation to improve the problem in the CCM operation. In case of CRM operation, since the body diode is turned off at zero current, no reverse recovery current occurs, so there is no parasitic BJT conduction problem. ZVS (Zero Voltage Switching) or valley switching is used to reduce switching loss, making it suitable for high-efficiency schemes. Although there is a dedicated analog controller IC for implementing CRM operation, it has been manufactured for the purpose of improving power factor. Also, studies on the existing digital CRM operation converter and the study of applying bidirectional operation have not been conducted. In this paper, as a part of BLDC research for hydrogen fuel cell vehicles, it presents the research results of the bidirectional CRM Buck/Boost converter digital control method. This paper presents additional circuit for a control method and a bidirectional action that improves the shortcomings of conventional analog CRM converter. In addition, this paper presents a dead time design method optimizing ZVS and valley switching operation, a switching frequency limitation method, and a current controller design method considering digital delay. In order to verify the feasibility of the design, this paper designs a Si-MOSFET-based bidirectional CRM Buck/Boost converter and a SiC-MOSFET-based bidirectional CCM Buck/Boost converter with input 260-430V, output 160-240V, and 1kW rated capacity to compare the performance respectively by making both of prototypes. The Si-MOSFET-based CRM Buck/Boost converter achieves an efficiency of up to 99.6% in Buck operation and 98.7% in Boost operation under rated load conditions. Although there is a difference in efficiency according to voltage and load conditions, it is confirmed that SiC-MOSFET-based CCM Buck/Boost converter demonstrates the same performance.

(A) Study on extension of the lean limit for direct injection natural gas engine by using auxiliary injection

Quoc, Tran Dang Sungkyunkwan University 2013 국내박사

The natural gas engines with internal mixture formation have potentially high power, high thermal efficiency and larger lean limit compared to natural gas engines with external mixture formation. Because the high-pressure injector installed on the cylinder head near the spark plug, so supply energy and in-cylinder flow are relatively higher than that of natural gas engines with external mixture formation, addition to the mixing state of natural gas engines with internal mixture formation can control by direct injection pattern. In order to satisfy simultaneously new emission standards and power requirement, the direct injection natural gas engines have to operated stably in leaner combustion. The lean limit extension is an effective method to reduce the combustion gas temperature. In this study, the auxiliary injection proposed to extend lean limit for direct injection CNG engine. This method executed by a port injector supplies the fuel mass of small portion during intake process, and the most fuel mass injected directly into cylinder during the early stage of - 100 - the compression process. By this technique, the mixing duration for direct injection engine has significantly enhanced, it begins at the intake process until ignition timing. For this reason, the the NOx emissions and fuel consumption reduced in comparison with direct injection CNG engine. Nevertheless, the penalty of auxiliary injection that is the power was remarkably decreased due to the intake air mass reduced by auxiliary injection. The main purpose of the development for direct injection CNG engine is simultaneously obtained low-emissions, as well as high power and high thermal efficiency. The lean boosting is effective technique can be obtained this purpose that is lean boosting, because this technique not only increasing supply energy but also reducing combustion gas temperature. However, the direct injection CNG engine using auxiliary injection combined with lean boosting, which is expected to maximize lean limit extension and improve engine performance. As the obtained results, the flammability of lean mixture is increased by using auxiliary injection, therefore, the lean limit of direct injection CNG engine with using auxiliary injection is extended the lean limit to air excess ratio of λ = 1.5. The NOx emissions is reduced approximately 18% when lean limit extended. The thermal efficiency also increased due to combustion promotion by increased mixing duration, although power is reduced rapidly because of supply energy decrement. The lean boosting is extended the lean limit to air excess ratio of λ = 1.47 and larger in comparison with early direct injection. The combustion gas temperature is significantly reduced due to large fresh mixture increased by supercharging. The engine power increased in air excess ratio of λ = 1.47 because of higher supply energy under lean limit extension. As auxiliary injection combined with lean boosting simultaneously, the lean limit is more extended (λ = 1.7) in comparison with the case of auxiliary injection only. The NOx emissions are remarkably reduced 38% approximately in comparison with auxiliary injection ratio of AR = 10%, it is because of the increased lean limit about 18%. The power increased about 29% when the lean limit enhanced because of greater lean boosting. From above results, it was found that the combination of auxiliary injection ratio at AR 10% with lean boosting is one of the useful methods to extend lean limit for direct injection natural gas engine. In addition, this method not only decreased NOx emission but also increased engine power at extending lean limit.

데이터 균형화를 수행하지 않는 기계학습을 이용한 신용카드 이상거래 탐지

김미숙 숭실대학교 대학원 2024 국내박사

Finding abnormal transactions among credit card transactions is known as credit card fraud detection. With the recent rapid growth of e-commerce, abnormal transaction patterns are becoming more complex and sophisticated as the volume of credit card transaction increases exponentially. As the customer damage caused by abnormal transactions increases, companies have implemented and operated the fraud detection system to minimize damage. The fraud detection system is configured by learning patterns of normal and abnormal transactions through machine learning based on huge data related to credit card transactions, and predicting whether an actual transaction is abnormal through the learned model. In this dissertation, we propose a method to build the fraud detection system with excellent performance. In terms of datasets, credit card transactions are imbalanced datasets in which the distribution of normal and abnormal transactions is imbalanced. General machine learning methods are known to be suboptimal for such imbalanced classification. A popular solution is to balance training data by oversampling the underrepresented classes (or undersampling the overrepresented classes) before applying machine learning algorithms. However, despite its popularity, the effectiveness of sampling has not been rigorously and comprehensively evaluated. To address this issue, we evaluated combinations of seven sampling methods and eight machine learning classifiers (56 varieties in total) on 31 datasets with varying degrees of imbalance. We used the areas under the precision-recall curve (AUPRC) and receiver operating characteristics curve (AUROC) as the performance measures. AUPRC is known to be more informative for imbalanced classification than AUROC. We observed that sampling significantly changed the performance of the classifier (paired t-tests P < 0.05) only for few cases (12.2% in AUPRC and 10.0% in AUROC). Surprisingly, sampling tended to degrade rather than improve the classification performance. Furthermore, the negative effects of sampling were more pronounced in AUPRC than in AUROC. Among the sampling methods, undersampling performed worse than others. Also, sampling was more effective in improving linear classifiers. Most importantly, we did not need sampling to obtain the optimal classifier for most of the 31 datasets. In addition, we found two interesting examples where sampling significantly reduced AUPRC while significantly improving AUROC (paired t-tests P < 0.05). In conclusion, the applicability of sampling is limited because it could be ineffective or even harmful. In addition, the choice of the performance measure is critical to decision making. Our results provide valuable insights into the effect and characteristics of sampling for imbalanced classification. Credit card fraud detection is a typical classification problem for which various machine learning methods have been applied and proposed. In previous studies, deep neural networks and gradient boosting-based methods have generally shown excellent classification performance. However, it is difficult to clearly determine which machine learning method should be applied to fraud detection in the real situation, because machine learning methods, performance evaluation measures, experimental datasets, and test data performance estimation methods are different for each study. In terms of machine learning methods selection, nine machine learning methods were applied to two publicly available real credit card transaction datasets. We analyze the results to see which method is the best for credit card fraud detection. Our experimental results show that the gradient boosting methods-extreme gradient boosting (XGBoost) and light gradient boosting machines (LGBMs)-have the highest classification accuracy on both datasets. We also achieved better results than the previous state-of-the-art results on the credit card fraud detection dataset. In terms of prediction time, LGBMs was more than 40 times faster than XGBoost. Based on these results, we propose that gradient boosting based methods, especially LGBMs, are suitable for credit card fraud detection. This dissertation also proposes a number of issues to be considered when establishing the fraud detection system for the real fields. It has been analyzed that the direction of optimizing AUPRC is directly related to the direction of minimizing the costs associated with the problem of detecting frauds on credit cards. Therefore, it is more desirable to use AUPRC when evaluating the performance of the fraud detection system. In addition, it was pointed out that data analysis and preprocessing are necessary based on an understanding of the domain, because the size of credit card transaction data is large and the number of features is diverse. In addition, it is necessary to recognize that the pattern of abnormal use of credit card transaction data changes over time, and periodic system relearning is essential to prevent system performance degradation. Finally, it was explained that a strategy to build a detection system according to the type of frauds that is almost immediately detected as abnormal or later detected with a time difference. In addition to the two major issues of dealing with imbalanced datasets and selecting machine learning methods, there are several other issues that need to be comprehensively studied in order to establish an excellent fraud detection system, and they should be supplemented by continuous research in the future. 신용카드 거래 중 비정상적인 거래를 찾는 것을 신용카드 이상거래 탐 지(credit card fraud detection)라고 한다. 최근 전자상거래의 급속한 성 장에 따라 신용카드 거래량의 기하급수적인 증가와 동시에 이상거래 패 턴 또한 복잡하고 정교하게 진화 중이다. 이상거래로 인한 고객 피해가 늘어남에 따라, 기업에서는 피해를 최소화하기 위하여 이상거래 탐지 시 스템(fraud detection system)을 도입하여 운영하고 있다. 이상거래 탐지 시스템은 신용카드 거래와 관련된 방대한 데이터를 기반으로 정상과 비 정상거래의 패턴을 기계학습을 통해 학습하고, 학습된 모델을 통해 실제 거래의 이상거래 여부를 예측하는 방식으로 작동한다. 본 논문에서는 우수한 성능의 이상거래 탐지 시스템을 구축하기 위한 방법을 제안한다. 첫 번째로 데이터 측면에서 신용카드 거래는 정상과 비정상거래의 분포가 불균형한 불균형데이터이다. 일반적인 기계학습 방 법은 이러한 불균형데이터의 분류문제에서 다수클래스에 편향적인 결과 를 보이는 것으로 알려져 있다. 이런 문제를 해결하기 위해 가장 널리 사용되는 방법은 기계학습을 적용하기 전에 표집화를 통해 데이터를 균 형화하는 것이다. 그러나 표집화의 인기에도 불구하고 실제 표집화 적용 의 효과는 종합적으로 충분히 검증되지 않았다. 본 논문에서는 표집화 적용의 효과를 확인하기 위하여 2개의 신용카드 거래데이터를 포함한 31개의 불균형데이터에 7개의 표집화 방식, 8개의 기계학습 방법, 총 56개의 조합을 적용하였다. 분류 정확도 평가지표는 area under precision-recall curve(AUPRC)와 area under receiver operating characteristics curve(AUROC)를 사용했다. AUPRC는 AUROC보다 불균 형데이터의 분류성능을 측정하는 지표로써 더 적합하다고 알려져 있다. 실험 결과, 표집화 적용이 소수의 사례(AUPRC에서 12.2%, AUROC에서 10.0%)에 대해서만 분류성능을 변화(대응 t-검증의 P값 < 0.05) 시키는 것을 관찰했다. 특히 분류성능이 향상되는 사례보다는 저하되는 사례가 더 많았다. 분류성능의 저하는 AUROC보다 AUPRC에서 두드러졌다. 표 집화 방식 중 과소표집 방식이 분류성능 저하의 경우가 가장 많았다. 또 한 표집화는 선형 기계학습 방법의 성능을 개선하는 데 더 효과적이었 다. 그러나 가장 중요한 것은 31개 데이터 대부분에서 최고의 성능을 얻 기 위해 표집화를 적용할 필요가 없었다는 점이다. 즉, 31개 데이터 대부 분에서 표집화를 적용하지 않고 기계학습 방법을 그대로 학습하여도 최 고의 성능을 얻을 수 있었다. 마지막으로 표집화를 적용했을 때 AUROC 를 개선했으나 AUPRC는 감소시킨 결과도 확인했다. 결론적으로 본 논 문은 불균형데이터에 표집화 방식을 적용하는 것은, 대부분의 경우 효과 가 없거나 심지어 성능을 저하시킨다는 통찰력을 제공한다. 또한 분류 정확도 평가지표를 적절하게 선택하는 것이 올바른 의사결정을 위해 매 우 중요하다는 점을 시사한다. 우수한 성능의 이상거래 탐지 시스템을 구축하기 위해 고려해야 할 두 번째 문제는 적합한 기계학습 방법의 선정이다. 이상거래 탐지는 전형적 인 분류문제로 다양한 기계학습 방법들이 적용, 제안되고 있다. 기존 연 구들에서는 심층신경망(deep neural network)과 gradient boosting 기반 방법들이 전반적으로 우수한 분류 정확도를 보였다. 다만 연구마다 적용 및 비교한 기계학습 방법, 정확도 평가지표, 실험 데이터, 테스트 성능 추정 방법 등이 달라 실제 현장에서 신용카드 이상거래 탐지를 위해 어 떤 기계학습 방법을 적용해야 할지 명확하게 판단하는 것은 어렵다. 본 논문에서는 기계학습 방법 선정이라는 측면에서, 두 개의 공개된 실제 신용카드 거래데이터에 대해 9개의 기계학습 방법을 적용하고, 어 떤 방법이 신용카드 이상거래 탐지에 가장 적합한지 그 결과를 분석했 다. 실험 결과, gradient boosting 방법인 extreme gradient boosting(XGBoost) 과 light gradient boosting machines(LGBM)이 두 데이터 모두에 대해 가장 높은 분류 정확도를 보였다. 특히 본 논문의 결과는 널리 활용되는 공개된 신용카드 거래데이터 중 하나인 Creditcard 데이터에 대해 가장 정확한 결과를 보였던 기존 연구보다 더 좋은 결과를 얻었다. 이상거래 예측시간에 있어서는 LGBM이 XGBoost보다 40배 이상 빨랐다. 우리는 이러한 결과에 기반해 gradient boosting 기반의 방법, 특히 LGBM이 신 용카드 이상거래 탐지에 적합하다고 제안한다. 마지막으로 실제 기업의 이상거래 탐지 시스템 구축 시에 고려해야 할 여러 사항에 대해 제언한다. AUPRC를 최적화하는 방향은 신용카드 이 상거래 탐지 문제와 연관된 비용들을 최소화 방향과 직접적인 연관이 있 다고 분석하였다. 따라서 이상거래 탐지 시스템의 성능을 평가할 때 AUPRC를 사용하는 것이 좀 더 바람직하다. 또한, 신용카드 거래데이터 의 크기가 크고 자질의 종류가 다양하므로 신용카드업에 대한 이해를 기 반으로 데이터 분석 및 전처리 과정이 필요한 점을 지적하였다. 또한 신 용카드 거래데이터는 시간에 따라 부정사용의 패턴이 변화한다는 점을 인지해야 하며, 시스템의 성능 저하를 방지하기 위하여 주기적인 시스템 의 재학습이 반드시 필요하다. 마지막으로 이상거래로 판명되는 시점에 따라 이상거래의 유형을 분리하여 별도의 이상거래 탐지 시스템 구축 전 략이 필요하다는 점을 설명하였다. 실제 이상거래 탐지 시스템 구축 시에 고려해야 할 여러 사항은 불균 형데이터 처리 및 기계학습 방법 선정이라는 주제와 더불어 우수한 성능 의 시스템 구축을 위해 반드시 종합적으로 검토해야 할 주제이며, 추후 지속적인 연구를 통해 보완해 나가야 할 것이다.

Improvement of time-dependent luminance characteristics in light-emitting diode back-light units using the impedance matched RLC and Snubber circuits

문명성 영남대학교 대학원 2012 국내석사

In order to improve time-dependent luminance characteristics of LED back light units (BLUs), how to suppress the ripple and overshoot in boost converter is proposed using RLC regulation based on impedance matching and modified snubber approaches. Unlike conventional boost-based LED BLUs, the proposed LED BLU experiences little influence on the ripple and overshoot current. Eventually, the complete suppression of both ripple and overshoot leads to considerable improvement in the time-dependent luminance characteristics of the LED BLU, indicating that the proposed circuit model is very promising for achieving high-quality LED BLU operation TFT-LCD (Thin-Film-Transistor Liquid-Crystal-Displays) 는 가장 각광받고 있는 디스플레이 방법이다. 현재 빠른 응답 속도, 높은 효율, 높은 색 재현성 및 친 환경성 등등 많은 이점을 가진 LED (Light-emitting diode) 가 기존의 LCD BLU (back light units) 방법인 CCFL (cold cathode fluorescent lamp) 을 대체되고 있으며 상업화에 성공을 거두고 있다. LED-BLU의 구동하기 위해선 CCM (continuous conduction mode) 과 DCM (discontinuous conduction mode) 으로 구동이 되는 컨버터라는 드라이버가 필수적이다. 그 중에 Boost 컨버터는 간단한 구조와 쉬운 제어 방식 때문에 널리 BLU 구동 회로로 널리 사용되고 있다. 하지만 Boost 컨버터는 overshoot과 ripple이라는 구동 시 효율 및 성능을 저하시키는 원치 않는 동작을 한다. 또한 이런 동작은 휘도의 uniformity에 안좋은 영향을 미친다. 그래서 여러 연구 그룹들은 이런 문제를 해결하기 위해 ESR (low equivalent series resistance), LC filter나 높은 캐패시터 등을 사용였다. 그리고 최근에는 coupled 인덕터 방법, soft switching 방법, multi-boost 컨버터 방법 및 컨버터 구동 방법을 CCM과 DCM을 혼합하는 방법들을 사용하여 ripple과 overshoot을 줄이고자 하였고 좋은 결과들이 도출 되었다. 하지만 앞의 방법들은 펄스의 동작의 복잡성과 전력 소비에 문제점이 있다. 그래서 본 연구에선 impedance matching 방법이 가미된 RLC 회로와 snubber를 이용하여 펄스의 주파수와 duty의 변화없이 overshoot과 ripple을 감소시켜 안정된 휘도 uniformity를 얻고자 한다. 비교를 위해 suppression 회로들이 가미된 boost 컨버터 외에 suppression 회로들이 없는 기본형 boost 컨버터를 이용하여 실험했다. ripple을 없애기 위한 suppression 회로로서 RLC 회로를 채택하였고 단순한 RLC 회로로선 ripple을 줄일 수 없으므로 impedance matching 방법을 RLC 회로에 가미 시켰다. 또한 overshoot을 없애기 위해 RCD snubber를 modified하였다. 컨버터와 각각의 suppression 회로들의 구성 소자들의 값들은 관련된 식들을 이용하여 적절한 값들을 얻었고 simulation tool인 P-spice를 통하여 계산된 소자들 값들이 적절한지에 대한 실험을 수행하였다. 그리고 휘도 측정을 위해 5분간 CS-100A라는 광 휘도계를 이용하였다. 기본형 boost 컨버터인 경우 overshoot과 리플이 발생되었으며 overshoot과 undershoot 전압의 차가 7.4V, 리플은 4.2V가 발생되었다. 휘도의 세기는 연속적으로 불안정 감소 현상이 137초까지 발생되고 138초 후에 일정한 크기로 감소되어 전체적으로 92400 cd/m2에서 89500cd/m2 발로 휘도 세기가 변화하였다. 전기적인 측면과 휘도적인 측면에서 기본형은 불안정한 결과를 얻었다. 반면에 제안된 boost 컨버터의 경우 overshoot과 리플이 0.4V 발생되고 휘도의 세기 변화는 90100 cd/m2에서 90400cd/m2 로 많은 변화가 없으며 uniformity 측면 또한 변화가 적었다. 안정된 전기적, 광학적 특성을 나타내었다. 이것은 BLU 구동 회로는 안정된 전기적 공급이 되어야 광학적으로 안정된 BLU가 된다.

Bootstrap과 Boosting 기법을 이용한 이종 단백질간의 상호작용 모티브 쌍 예측

김지수 인하대학교 일반대학원 2009 국내석사

지도 학습법과 많은 통계학적 기법은 단백질간의 상호작용을 예측하기 위해서 Positive와 Negative 트레이닝 데이터 군을 모두 필요로 한다. Positive 데이터 군과 달리, Negative 데이터 군은 바로 상호작용 데이터로부터 얻을 수 없으므로 따로 생성해야 한다. 단백질간의 상호작용이나 분자간의 상호작용에서 상호작용하지 않는 모든 단백질 쌍을 Negative 데이터로 간주하면, Negative 데이터가 Positive 데이터에 비해 너무 많아진다. 상호작용하지 않는 단백질 쌍에서 무작위로 선택해서 Negative 데이터로 간주하는 것은 선택된 데이터가 원시 데이터 군을 모두 표현할 수 없기 때문에 부적당하다. 본 연구는 Negative 데이터 군의 크기를 쉽게 조절하기 위해 bootstrapping 알고리즘을 이용했다. 그리고 인간 단백질과 바이러스 단백질 간의 상호작용하는 모티브 쌍을 찾는 boosting 알고리즘을 향상시켰다. 이 boosting 알고리즘은 균형잡힌 Positive 데이터 군과 Negative 데이터 군을 이용해서 좋은 결과 (sensitivity: 84.4%, specficity: 75.9%)를 보였다. 그리고 단백질 서열만을 이용해서 트레이닝에 사용되지 않은 인간 바이러스 단백질 구조에서 의미 있는 모티브 쌍을 찾았다. 상호작용하는 모티브 쌍은 단백질 구조 데이터와 비교했을 때 통계학적으로도 의미가 있다는 것을 보였다. Positive데이터 군과 Negative 데이터 군의 크기에 차이가 많이 나면 잘못된 예측 결과가 나오는 경향이 있다. 본 연구를 이용해 이 두 데이터 군의 균형을 쉽게 맞출 수 있고, 단백질 상호작용과 단백질 서열 데이터만을 이용해 의미있는 모티브 쌍을 예측할 수 있다. Supervised learning and many stochastic methods for predicting protein-protein interactions require both negative and positive interactions in the training data set. Unlike positive interactions, negative interactions cannot be readily obtained from interaction data, so these must be generated. In protein-protein interactions and other molecular interactions as well, taking all non-positive interactions as negative interactions produces too many negative interactions for the positive interactions. Random selection from non-positive interactions is unsuitable, since the selected data may not reflect the original distribution of data. We developed a bootstrapping algorithm for generating a negative data set of arbitrary size from protein-protein interaction data. We also developed an efficient boosting algorithm for finding interacting motif pairs in human and virus proteins. The boosting algorithm showed the best performance (84.4% sensitivity and 75.9% specificity) with balanced positive and negative data sets. The boosting algorithm was also used to find potential motif pairs in complexes of human and virus proteins, for which structural data was not used to train the algorithm. Interacting motif pairs common to multiple folds of structural data for the complexes were proven to be statistically significant. When the positive and negative training data sets are unbalanced, the result via the prediction model tends to be biased. Our method can generate a negative data set, for which the size and distribution are easily controlled. The method also efficiently predicts interacting motif pairs from protein interaction and sequence data.

A Pedestrian Model with Spatial Haar-like Features and Boosting

이금희 건국대학교 대학원 2020 국내석사

딥러닝은 유용하나 연산비용이 크고 사용에 제한이 있다는 문제점이 있다. 이에 대안으로, random forest와 boosting 같은 앙상블 학습을 경량화 된 모델과 함께 결합하여 사용하고 있다. 다차원 채널 특징 사용을 통해 경량화 된 모델은 이미 보행자 검출 연구에서 좋은 결과를 입증하고 있다. 그러나, 사람의 포즈와 카메라의 방향, 가려짐 현상과 같은 다양한 변이를 처리하는데 아직까지 어려움이 있다. 본 논문에서는 다차원의 채널 특징과 부스팅 알고리즘을 결합한 새로운 보행자 검출 방법을 제안한다. 다차원의 채널 특징을 바로 학습하는 기존의 단순한 Haar-like feature와는 달리, 광범위한 신체 부위 검출기로 작동하는 Spatial Haar-like 특징을 제안한다. SHFs는 사람을 구분하는 능력이 높고 서로 강한 기하적 관계를 갖는 두 쌍 혹은 세 쌍의 Haar-like feature의 조합으로 이루어져 있다. SHFs 특징을 추출하여 GBDT 알고리즘을 학습하고 보행자 복잡한 형태를 잘 처리할 수 있는 보행자 모델을 생성한다. MIT 데이터, INRIA 데이터 세트 및 Cityperson 데이터셋에서 실험을 진행하여 제안된 방법의 효과를 입증하였다. 또한, 제안된 SHFs가 일부 영역만으로도 보행자를 판별할 수 있는 강력한 검출기임을 입증하였다. Deep learning methods are powerful tools but often suffer from expensive computation and limited flexibility. An alternative is to combine light-weight models with ensemble learning such as random forest and boosting. Then, as the light-weight model, the multiple channel features showed great performance in early pedestrian detection. However, they had difficulties in handling variations such as poses, viewpoints and occlusions. In this paper, we propose a novel pedestrian detection method with combination of multiple channel features and boosting algorithm. Unlike previous simple Haar-like features that directly learned from multiple channel features, we propose spatial Haar-like features (SHFs), which are working as extensive body part detectors. The SHF is composed of a pair-wise or a triplet of simple Haar-like features that have high discriminative powers and strong geometric relationships with each other. The SHFs are fed to the boosting algorithm – gradient boosting decision tree (GBDT), which learn pedestrian models that can complementarily handle complex poses and occlusions. Extensive experiments have performed in MIT dataset, INRIA dataset, and Cityperson dataset. The results demonstrated the effectiveness of the proposed method. In addition, we proved that the proposed SHFs are strong detection that can detect pedestrian by observing only a part in a proposal.

Floating diffusion boosting 기법과 In-pixel 차동 증폭기를 이용한 저전력 3D time-of-flight CMOS 이미지 센서

안연수 성균관대학교 일반대학원 2021 국내석사

본 논문에서는 pinned photodiode에서 생성된 전자들이 알맞은 phase의 floating diffusion으로 이동하여 정확한 time-of-flight 측정이 가능하고 별도의 programmable gain amplifier 없이 픽셀 안에서 신호를 증폭하여 아날로그 디지털 변환기의 입력으로 사용할 수 있는 indirect time-of-flight 센서를 개발하였다. Floating diffusion node에 coupling을 통한 voltage boosting이 가능하도록 metal-oxide-metal capacitor를 연결하였고 이를 통해 기존 보다 더 낮아진 FD potential은 전하들이 빠르게 이동하여 알맞은 phase의 신호를 사용할 수 있다. 또한 기존에 픽셀 안에서 사용하던 source follower 대신 common source 증폭기를 입력 트랜지스터로 사용하고 열 별로 전류원을 설계하여 FD1과 FD2의 전압차를 증폭시켜 아날로그 디지털 변환기에 전달한다. 차동 증폭기는 capacitor feedback을 사용하여 일정한 gain을 만든다. 또한 기존의 reset 방식을 사용하지 않고 active reset을 사용함으로써 reset KTC 노이즈를 차동 증폭기의 gain만큼 줄일 수 있다. This paper proposed an indirect time-of-flight (iToF) sensor enabling accurate time-of-flight measurement through rapid charge transfer of the electrons generated from the pinned photodiode to the floating diffusion (FD). It amplifies the signal within the pixel without a separate programmable gain amplifier so that pixel output can be used as input to an analog-to-digital converter directly. The metal-oxide-metal capacitor is connected to the floating diffusion node to enable voltage boost through coupling, which allows the FD potential to make electrons move faster than the conventional iToF sensor for the appropriate phase signal. Proposed sensor also uses common source amplifier as input transistor instead of source follower and designs column-wise current sources to amplify voltage differences between FD1 and FD2 and deliver them to analog-to-digital converter. The differential amplifier uses a capacitor feedback to create a constant gain. It can also reduce reset kTC noise by as much as the gain of differential amplifiers, using active reset rather than conventional reset methods.

Adaptive boosting을 이용한 실시간 얼굴 검출 시스템

김동훈 成均館大學校 大學院 2002 국내석사

For the purpose of the real-time face detection system, we used to image from the camera. We use a training algorithm of Adaptive Boosting based on the three type of Haar-wavelet features. Adaptive Boosting algorithm's defect is that it takes very long time and even if one of training data changes, retraining is needed. So we have proposed a training system of lower training time and robust to changing the training data. The training procedure is separated according to each level, so informative date applied to next stage recursively. Therefore, we have created strong classifier which has robust detection rates using lower training time and data. Experimental results show that our system is robust to various face and illumination change at real-time image data.