• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2010년도 정기 학술대회
• /
• pp.687-691
• /
• 2010

구조물의 건전도를 평가하기 위해 상시 구조물 계측을 이용한 Structural Health Monitoring (SHM) 시스템을 적용하게 된다. SHM 시스템의 궁극적 목적은 계측된 데이터를 이용하여 구조물의 손상위치 및 손상정도를 분석하여 거주자에게 유지관리정보와 대처요령 신속하게 제공하는 것이다. 따라서 본 연구에서는 구조물의 손상탐지를 위해 인공신경망(Artificial Neural Network)을 도입한 알고리즘을 수립하고, 이를 3층 실대 RC Mock-up 구조물에 적용하여 성능을 평가하였다. 먼저 인공신경망의 학습을 위해 구조해석 프로그램을 이용하여 구조물의 손상에 따른 동적특성 변화 데이터베이스를 구축하였다. 그리고 학습된 인공망에 실제 구조물에서 추출한 동특성의 변화를 입력하여 손상탐지를 실시하였다. 이를 통해 인공신경망의 학습방법, 학습데이터의 정규화 방법 등을 규명하고 인공신경망을 이용한 손상탐지의 효과를 분석하였다.

• 대한의용생체공학회:의공학회지
• /
• 제19권1호
• /
• pp.39-46
• /
• 1998

본 연구에서 복잡한 비선형적 특성을 갖는 공압식 좌심실보조장치의 모델링과 제어에 인공신경망을 제안하였다. 일반적으로 좌심실보조장치는 비선형이 보상되어야 하는데 인공신경망은 학습능력에 의해 비선형 동적 시스템의 제어에 적용될 수 있다. 인공신경망 모델링을 통해 좌심실 보조장치의 동적 모델을 모델링하고 이를 기반으로 하여 인공신경망 제어기가 설계되었다. 제안된 알고리즘을 이용한 좌심실보조장치의 모델링과 제어성능 및 유효성은 컴퓨터 시뮬레이션에 의해 증명되었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 하계학술대회
• /
• pp.105-106
• /
• 2017

본 논문에서는 최대 우도 기반 파라미터 생성 알고리즘을 적용하여 인공 신경망의 출력인 음향 파라미터 열의 정확성 및 자연성을 향상시키는 방법을 제안하였다. 인공 신경망의 출력으로 정적 특징벡터 뿐 만 아니라 동적 특징벡터도 함께 사용하였고, 미리 계산된 파라미터 분산을 파라미터 생성에 사용하였다. 추정된 정적, 동적 특징벡터의 평균, 분산을 EM 알고리즘에 적용하여 최대 우도 기준 파라미터를 추정할 수 있다. 제안된 알고리즘은 파라미터 생성 시 동적 특징벡터 및 분산을 함께 적용하여 시간축에서의 자연성을 향상시켰다. 제안된 알고리즘의 객관적 평가로 MCD, F0 의 RMSE 를 측정하였고, 주관적평가로 선호도 평가를 실시하였다. 그 결과 기존 알고리즘 대비 객관적, 주관적 성능이 향상되는 것을 검증하였다.

• 한국정보통신학회논문지
• /
• 제24권6호
• /
• pp.809-817
• /
• 2020

소형위성 전력분배 및 전송모듈의 설계와 개발과정에서 딥러닝 알고리즘으로 동적 전력자원의 안정성을 평가하였다. 안정성 평가에 따른 요구사항은 소형위성 탑재체인 SAR 레이더의 전력분배모듈과 수요모듈의 전력전송기능을 구성하였다. 전력모듈인 PDM을 구성하는 스위칭 전력부품의 성능확인을 위해 동적신경망을 활용하여 신뢰성을 검증하였다. 신뢰성 검증을 위한 딥러닝 적용대상은 소형위성 본체로부터 공급되는 전력에 대한 탑재체의 전력분배기능이다. 이 기능에 대한 성능확인을 위한 모델링 대상은 출력전압변화추이(Slew Rate Control), 전압오류(Voltage Error), 부하특성(Load Power)이다. 이를 위해 첫째, 모델링으로 Coefficient Structure 영역을 정의하고 PCB모듈을 제작하여 안정성과 신뢰성을 비교 평가하였다. 둘째, 딥러닝 알고리즘으로 Levenberg-Marquare기반의 Two-Way NARX신경망 Sigmoid Transfer를 사용하였다.

• 융합신호처리학회논문지
• /
• 제22권3호
• /
• pp.99-103
• /
• 2021

최근 CNN(Convolutional Neural Network)이 다양한 컴퓨터 비전 분야에서 우수한 성능으로 널리 사용되고 있다. 그러나 CNN은 계산 집약적이고 많은 메모리가 요구되어 한정적인 하드웨어 자원을 가지는 모바일이나 IoT(Internet of Things) 기기에 적용하기 어렵다. 이런 한계를 해결하기 위해, 기존의 학습된 모델의 성능을 최대한 유지하며 네트워크의 크기를 줄이는 인공신경망 경량화 연구가 진행되고 있다. 본 논문은 신경망 압축 기술 중 하나인 프루닝(Pruning)의 문턱값을 동적으로 조정하는 CNN 압축 기법을 제안한다. 프루닝될 가중치를 결정하는 문턱값을 실험적, 경험적으로 정하는 기존의 기술과 달리 정확도의 저하를 방지하는 최적의 문턱값을 동적으로 찾을 수 있으며, 경량화된 신경망을 얻는 시간을 단축할 수 있다. 제안 기법의 성능 검증을 위해 MNIST 데이터 셋을 사용하여 LeNet을 훈련시켰으며, 정확도 손실 없이 약 1.3 ~ 3배의 시간을 단축하여 경량화된 LeNet을 얻을 수 있었다.

• 한국정보통신학회논문지
• /
• 제3권2호
• /
• pp.397-402
• /
• 1999

본 논문에서는 모형 헬리콥터의 동적방정식을 유도하고 이 헬리콥터의 자세를 제어하기 위해서 신경망을 이용한 제어법을 제안하였다. 신경망의 결합계수들은 제어계의 출력과 기준시간의 오차를 최소화하도록 조종된다. 제안한 제어기의 이득은 신경망의 역전파 알고리즘에 의해서 자동적으로 조정된다. MATLAB을 이용한 시뮬레이션 결과를 제시하였다.

• 한국음향학회지
• /
• 제39권6호
• /
• pp.592-599
• /
• 2020

본 논문은 다양한 지진 이벤트 분류를 위해 지진 데이터의 정적인 특성과 동적인 특성을 동시에 반영할 수 있는 합성곱 순환 신경망(Convolutional Recurrent Neural Net, CRNN) 구조를 제안한다. 중규모 지진뿐만 아니라 미소 지진, 인공 지진을 포함한 지진 이벤트 분류 문제를 해결하려면 효과적인 특징 추출 및 분류 방법이 필요하다. 본 논문에서는 먼저 주의 기반 합성곱 레이어를 통해 지진 데이터의 정적 특성을 추출 하게 된다. 추출된 특징은 다중 입력 단일 출력 장단기메모리(Long Short-Term Memory, LSTM) 네트워크 구조에 순차적으로 입력되어 다양한 지진 이벤트 분류를 위한 동적 특성을 추출하게 되며 완전 연결 레이어와 소프트맥스 함수를 통해 지진 이벤트 분류를 수행한다. 국내외 지진을 이용한 모의 실험 결과 제안된 모델은 다양한 지진 이벤트 분류에 효과적인 모습을 보여 주었다.

• 지능정보연구
• /
• 제16권2호
• /
• pp.95-108
• /
• 2010

본 연구에서는 동영상으로부터 동적 수신호 패턴을 효과적으로 인식하기 위한 방법론으로서 복합형 신경망 모델을 제안한다. 제안된 모델은 특징추출 모듈과 패턴분류 모듈로 구성되는데, 이들 각각을 위하여 수정된 구조의 CNN 모델과, WFMM 모델을 도입한다. 또한 목표물의 움직임 정보에 기초한 시공간적 템플릿 구조의 데이터표현을 소개한다. 본 논문에서는 우선 수신호 패턴 데이터에서 특징점의 시간적 변이 및 공간적 변이에 의한 영향을 보완하기 위하여 3차원 수용영역 구조로 확장된 CNN 모델을 제시한다. 이어서 패턴분류 단계를 위하여 가중치를 갖는 구조의 FMM 신경망 모델을 소개하고, 신경망의 구조와 동작특성에 관해 기술한다. 또한 제안된 모델이 기존의 FMM 신경망에서 중첩 하이퍼박스의 축소과정에서 발생하는 학습효과의 왜곡현상을 개선할 수 있음을 보인다. 응용으로 가전제품 원격제어 문제를 전제하여 간략화된 수신호패턴 인식 문제에 적용한 실험결과로부터 제안된 이론의 타당성을 고찰한다.

• 한국지반공학회논문집
• /
• 제18권5호
• /
• pp.123-132
• /
• 2002

본 연구에서는 인간의 사고과정을 근거로 개발된 동적 인공신경망을 이용하여 이암풍화토의 전단거동을 예측하였다. 흙의 비선형거동을 예측함에 있어 피드백 과정에 의해 시간경과에 따른 패턴의 특성변화를 연속적으로 예측할 수 있는 동적신경망의 종류인 SNN모델과 RNN모델을 이용하였다. 인공신경망의 학습능력과 예측능력에 영향을 미치는 여러 변수등을 분석후 SNN모델에서는 학습율, 모멘텀 상수, 신경망구조가 0.5, 0.7, 8$\times$18$\times$2, RNN모델인 경우는 각각 0.3,0.9,8$\times$24$\times$2의 구조가 적합한 것으로 나타났다 예측결과는 두 네트워크 모두 정규압밀 상태의 전단거동을 잘 예측하였지만, 과압밀 상태의 전단거동 예측에서는 불규칙적인 입력패턴에 효과적인 RNN모델의 예측능력이 더욱 우수하였다.

• 경영정보학연구
• /
• 제20권4호
• /
• pp.25-41
• /
• 2018

예측 분석을 전사 프로세스에 적용하는 것은 운영비용을 절감하고 생산성을 증대시킬 수 있는 효과적 방법이다. 이에 따라 비즈니스 프로세스의 행동과 성과지표를 예측하는 능력이 기업의 핵심역량으로 간주되고 있다. 최근에 순환신경망 형태의 딥러닝을 이용한 프로세스 예측 연구가 큰 관심을 받고 있다. 특히, 순환신경망을 이용하여 다음 단계의 액티비티를 예측하는 접근법이 우수한 결과를 내고 있다. 그러나 동적 순환신경망 형태의 딥러닝을 프로세스 성과지표의 예측에 적용한 연구는 부재한 상황이다. 이러한 지식의 공백을 메우기 위해 본 연구는 프로세스 마이닝과 동적 순환신경망 형태의 딥러닝을 이용하는 접근법을 개발했다. 국내 대기업의 실제 데이터를 활용하여 구매 프로세스의 중요한 성과지표인 적기 입고 예측에 개발된 접근법을 적용했다. 본 연구의 실험 방법과 결과, 연구의 시사점과 한계점이 제시되었다.