• 한국컴퓨터정보학회논문지
• /
• 제15권4호
• /
• pp.47-55
• /
• 2010

본 논문은 실시간 카메라 영상으로부터 얼굴을 검출하고 얼굴 표정을 인식하여 웃음 치료훈련을 할 수 있는 시스템을 제안한다. 제안된 시스템은 카메라 영상으로부터 Haar-like 특징을 이용하여 얼굴 후보 영역을 검출한 다음, SVM분류기를 이용하여 얼굴 후보 영역이 얼굴 영상인지 아닌지를 검증한다. 그 다음에는 검출된 얼굴 영상에 대해, 조명의 영향을 최소화하기 위한 방법으로 히스토그램 매칭을 이용한 조명 정규화를 수행한다. 표정 인식 단계에서는 PCA를 사용하여 얼굴 특징 벡터를 획득한 후 다층퍼셉트론 인공신경망을 이용해 실시간으로 웃음표정을 인식하였다. 본 논문에서 개발된 시스템은 실시간으로 사용자의 웃음 표정을 인식하여 웃음 양을 화면에 표시해 줌으로써 사용자 스스로 웃음 훈련을 할 수 있게 해 준다. 실험 결과에 따르면, 본 논문에서 제안한 방법은 SVM 분류기를 통한 얼굴 후보 영역 검증과 히스토그램 매칭을 이용한 조명정규화를 이용하여 웃음 표정 인식률을 향상시켰다.

• 대한토목학회논문집
• /
• 제26권6B호
• /
• pp.597-603
• /
• 2006

본 연구의 목적은 인공위성 자료와 지상의 관측자료간의 비선형 특성을 가장 잘 반영할 수 있는 신경망 모형을 이용하여 단시간 강우량 정보를 사전에 예측하여, 하천제방의 붕괴로 인한 상습 침수지역에서의 홍수범람 양상을 실시간으로 예측함으로써 홍수재해로부터의 피해를 최소화시키는데 있다. 강우예측 신경망 모형은 현재의 대기상태를 나타내는 인공위성 자료와 실시간으로 전송되는 자동기상관측소 자료를 입력자료로 하여 현재부터 3시간 및 6시간 선행시간까지의 면적평균강우량을 예측할 수 있도록 구성하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 면적평균강우량으로부터 홍수량을 산정하고, 이를 이용하여 하천의 제방붕괴로 인한 제내지에서의 범람양상을 예측할 수 있도록 1차원 흐름모형과 연계한 동역학적 홍수범람 모형을 개발하였다. 개발된 홍수범람 모형은 본류와 지류의 여러 지점에서 제방이 붕괴될 경우, 하도의 홍수위 및 제내지에서의 침수위와 침수면적이 일괄적으로 모의될 수 있도록 구성하였다.

• 센서학회지
• /
• 제7권6호
• /
• pp.418-425
• /
• 1998

로봇을 비롯한 자동화 기계의 3차원 작업에서 스테레오 카메라는 가장 널리 사용되는 센서 장치이다. 스테레오 카메라를 사용함으로써 3차원 실세계 공간내 임의 목표점의 위치를 측정할 수 있으며, 카메라의 보정은 이를 위한 중요한 선행작업이다. 기존의 카메라 보정법은 크게 선형과 비선형의 기법으로 나눌 수 있는데, 선형의 기법은 간단하나 정확도의 면에서 문제점을 지니고, 비선형 기법은 렌즈의 왜곡을 보상하기 위한 모델링 과정과 이의 비선형 해를 구하는 비교적 복잡한 과정을 필요로 한다는 문제가 있다. 본 논문에서는 이러한 문제의 한 해결방안으로 인공신경망을 적용하는 방법을 연구하고 그 결과를 제시한다. 특히 역전파 알고리즘에 의해 학습된 다층 신경망의 함수 근사화 능력을 활용하여 선형기법의 오차 패턴을 학습함으로써 간단하고 효과적으로 계측의 정확도를 향상시킬 수 있음을 실험을 통하여 보인다.

• 한국수자원학회논문집
• /
• 제46권7호
• /
• pp.697-706
• /
• 2013

최근 한국은 기후변화로 인한 기온 및 수온 상승, 빈번한 집중호우와 친수공간 조성에 따른 적극적인 하천의 활용 등으로 인하여 하천 및 저수지 내 수질관리에 있어 해결해야 하는 많은 문제점을 가지고 있다. 본 연구는 효율적인 수질관리를 위하여 인공신경망을 이용한 단기조류예측모형 구축에 관한 연구이다. 대상지역으로 조류가 번식하기 좋은 조건을 지니고 있는 금강유역 내 대청호를 선정하였고 설치되어 있는 수질 자동측정망의 일 단위자료를 이용하였다. 다층전방향신경망의 역전파 알고리즘을 이용하여 단기(1일, 3일, 7일) 조류를 예측할 수 있는 모형을 구축하였다. 본 모형에서는 대청호 내 수문 및 수질성분을 교차상관분석을 기초하여 단기조류예측모형의 입력 성분을 선정한 후 다양한 조류예측 신경망 모형을 구축하여 결과에 대한 검증을 실시하였다. 구축된 단기조류예측모형은 자연발생적인 기작과 유사한 현상을 재현할 수 있는 다양한 수질인자를 고려하여 단기조류예측모형을 구축한 경우 예측의 정확도가 높게 도출되었다. 본 연구는 신경망모형의 최대 장점인 비선형성 및 간편성 등을 고려하였을 때 우리나라의 수질예측에 적합한 신경망 모형을 구축할 수 있으며 이를 통한 하천 및 호수 내 효율적인 수질관리 방안을 제시할 수 있을 것이다.

• 한국지반공학회논문집
• /
• 제16권1호
• /
• pp.75-81
• /
• 2000

일반적으로 자연상태의 흙은 이방성을 나타내며, 이러한 흙의 이방성이 응력-변형률 거동에 미치는 영향은 매우 크다. 따라서 본 연구에서는 인공신경회로망 모델을 이용하여 압밀응력비 변화에 따른 정규압밀점토의 응력-변형률 거동을 모델링하고 비배수전단강도를 예측하여 보았다. 이때 사용된 신경회로망은 일반화된 델타규칙으로도 불리우는 오차역전파 학습 알고리즘을 이용한 다층신경회로망이다. 신경회로망의 학습은 인공퇴적 점토시료를 이용, 연직압밀응력과 압밀응력비를 다르게 정규압밀시킨후 비배수전단시험을 실시하여 얻어진 시험 결과를 이용하였고, 학습된 신경회로망을 이용하여 학습시 제외되었던 압밀응력비 상태에서의 비배수전단강도를 추론하여 본 결과 예측치와 실측치가 잘 일치하였다. 검토결과 실측치와 추론치 사이에는 결정계수($r^2$) 0.973 이상의 높은 상관관계가 있음을 확인하였다. 따라서, 본 연구결과는 점토의 비배수전단강도를 예측함에 있어서 인공신경회로망모델의 적용 가능성을 보여주었다.

• 조명전기설비학회논문지
• /
• 제23권1호
• /
• pp.116-124
• /
• 2009

본 논문은 이산웨이블렛 변환, 푸리에 변환 및 실효값의 연산 결과를 이용하여 전력품질을 진단하는 인공지능형 진단기법을 제안한다. 제안된 진단기법을 채택한 인공지능형 전력품질 진단기는 과도현상, 순간전압강하, 순간전압상승, 순간정전 및 전고조파 외형률의 진단 및 분류가 가능하다. 신호처리를 위한 데이터 샘플링주파수는 15.36[kHz]가 사용되었으며 샘플링된 이산데이터는 이산웨이블렛변환, 고속푸리에변환, 실효값의 연산에 사용되어진다. 효율적인 인공지능형 전력품질 진단을 위해서, 진단하고자 하는 전력품질 요소에 맞추어 간단한 다층구조의 인공신경망을 설계하였다. 제안된 인공신경망은 C++ 언어로 프로그램되어 PSIM 시뮬레이션 연구에 사용되었으며, TI DSP 320C6713 마이크로프로세서를 사용한 MP PQ+256 하드웨어에서 검증하였다.

• 한국수자원학회논문집
• /
• 제49권10호
• /
• pp.877-885
• /
• 2016

본 연구에서는 기상학적 가뭄지수인 표준강수지수(Standardized Precipitation Index, SPI)를 이용하여 우리나라 전역에 대한 가뭄예측의 시공간적인 평가를 수행하였다. 또한 다층 퍼셉트론 인공신경망(Multi Layer Perceptron-Artificial Neural Network, MLP-ANN) 예측 기법을 이용하여 SPI(3), (6)에 대한 선행예보시간별 가뭄 예측을 실시하였다. 입력 자료는 기상청 산하의 59개 관측소에서 관측된 기상자료를 활용하였고, 관측자료 기간은 1976~2015년이다. 예측 모델의 성능평가는 기준점(Threshold)에 따른 가뭄 발생유무와 같은 이진분류 혼동행렬을 구성하여 Receiver Operating Characteristics (ROC) score와 조건부 확률에 따른 F score를 산정하여 예측 성능평가를 수행하였다. 예측성능에 대한 ROC 분석결과 다층 퍼셉트론 인공신경망(MLP-ANN) 모형을 적용한 가뭄예측성능이 매우 우수한 것으로 나타났으며, SPI (3)은 2개월, SPI (6)는 5개월 정도의 선행예측이 충분히 가능한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1727-1731
• /
• 2008

수자원의 효율적인 관리를 위해서는 신뢰성 있는 유량자료의 획득이 대단히 중요하다. 우리나라는 양질의 유량자료를 획득하기 위해 매년 많은 시간과 돈을 투자하고 있으나 자료의 질적인 면에서 만족할 만한 성과를 얻지 못하고 있다. 현재까지 우리나라의 유량자료는 댐의 수문자료와 수량관리 부처인 건교부에서 운영하는 수위표 지점의 수위-유량곡선에서 산출된 자료에 의존하고 있다. 그러나 수위-유량 관계식을 보정하기 위한 유량측정사업이 지속적이지 못하며, 이 관계식은 유량이 적은 저수기 및 갈수기에는 부정확하다는 한계가 있다. 또한, 국립환경과학원 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정사업을 실시하고 있지만, 목적은 낙동강수계의 오염총량관리 단위유역 말단 47개 지점에서 유량측정을 효율적으로 실시하여 수질정책의 기초자료를 제공하는데 있다. 이 자료 역시 오염총량관리를 위하여 유량측정을 실시하여 수자원의 효율적인 관리를 위한 일 유량을 알 수가 없는 한계점을 가지고 있다. 따라서 저수기 및 갈수기에 수질정책의 기초자료를 제공하기 위해서 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시 공간적 분포가 다르며 그 자가 비선형성이 강하고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석이 불가능하다. 그러나 최근 인공지능 분야에서 신호처리, 지능제어 및 패턴인식 등의 수단으로 사용되고 있는 신경망은 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되는 하나의 시스템을 비선형적으로 구축할 수 있으며 이러한 이점을 활용하여 수자원 분야에서 다양하게 적용되고 있다. 본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하는 것이다. 이를 위해서 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정 지점 상류의 댐 방류량의 일 방류량자료와 강우자료를 입력 자료로 하여 유량을 예측할 수 있는 유량예측 신경망 모형 FFBN(Flow Forecasting By Neural)을 개발하였다. 그리고 입력 자료로서 장기유출모형인 SWAT의 모의결과를 입력 자료로 추가한 FFBNS(Flow Forecasting By Neural and SWAT)을 개발하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 유출량을 실측치와의 비교를 위하여 낙본D지점과 낙본 E지점에 대하여 $2005{\sim}2006$년까지의 모의 결과를 낙동 수위측정지점과 구미 수위측정지점의 실측치 통하여 복잡한 비선형성을 가지는 유출 시계열 자료에 대한 효과적인 최적의 신경망모델을 개발하여 유량을 예측하고 적용 가능성을 검토하고자 한다. 모의 결과는 수질정책의 기초자료 제공에 기여할 수 있을 것으로 판단된다.

• 한국지반신소재학회논문집
• /
• 제6권1호
• /
• pp.39-43
• /
• 2007

열융착법을 이용하여 보강과 배수기능을 가진 니들펀치 및 스펀본딩 부직포의 지오컴포지트를 제조하였다. 이 다층 부직포의 물성(인장, 인열 및 파영강도, 투수도 등)은 열융착법을 사용하여 제조될 경우 온도, 압력, 접착시간 등의 공정인자에 좌우된다. 따라서, 열융착법으로 제조된 지오컴포지트의 공정인자와 물성의 최적화는 매우 중요하다. 본 연구에서는 인공신경망(ANN)을 사용하여 지오컴포지트의 제조공정 최적화를 위한 알고리즘이 개발되었다. 지오컴포지트의 공정인자를 변화시켜 부직포 성능변화를 예측하기 위한 신경망 모사가 적용되었으며, 분석결과에 대한 제조방법의 효과를 조사하였다.

• 한국지반공학회지:지반
• /
• 제10권3호
• /
• pp.79-96
• /
• 1994

인공신경회로망을 이용하여 터널굴착설계를 위한 전문가 시스템 NESTED를 개발하였다. 이를 위하여 지하 암반의 안정성을 평가할 수 있는 신경회로망 모델과 대표적인 암반분류법인 RMR과 Q 시스템 사이의 상관관계를 결정할 수 있는 신경회로망 모델을 사용하였다. 또한 사용된 모델과 전산화된 암반분류법 프로그램이 동일한 사용자 환경을 통해 운용될 수 있도록 통합 시스템을 구성하였다. NESTED에 사용된 신경회로망의 구조는 역전파 학습 알고리즘을 채용한 다층 역전파 신경 회로망이다. 전문가 시스템에 필요한 지식기반을 구축하기 위해 이전의 현장 시공사례로 학습과정을 수행함으로써 불완전하거나 오류가 포함된 정보를 처리할 수 있는 공학 데이터베이스를 개발하였다. 일련의 실험을 통해 전문가 시스템을 현장사례에 적용해보고 여기서 출력된 결과를 문헌에 보고된 자료와 비교하였다. 이 결과 암반의 파괴거동을 추정하고 이에 따른 보강시기의 변화를 정확히 예측하는 신경회로망의 추론능력을 확인할 수 있었다. 이처럼 본 연구를 통해 개발된 신경회로망 전문가 시스템을 암반터널에 적용할 경우 부족한 지질자료에 대해 합리적인 기준을 제공하고 터널의 예비설계에 필요한 보강설계를 제시할 수 있었다.