• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.186-186
• /
• 2022

강수 및 침투 등으로 발생하는 지하수위의 변동을 예측하는 것은 지하수 자원의 활용 및 관리에 필수적이다. 지하수위의 변동은 지하수 자원의 활용 및 관리뿐만이 아닌 홍수 발생과 지반의 응력상태 등에 직접적인 영향을 미치기 때문에 정확한 예측이 필요하다. 본 연구는 인공신경망 중 다층퍼셉트론(Multi Layer Perceptron, MLP)을 이용한 지하수위 예측성능 향상을 위해 MLP의 구조 중 Optimizer를 개량하였다. MLP는 입력자료와 출력자료간 최적의 상관관계(가중치 및 편향)를 찾는 Optimizer와 출력되는 값을 결정하는 활성화 함수의 연산을 반복하여 학습한다. 특히 Optimizer는 신경망의 출력값과 관측값의 오차가 최소가 되는 상관관계를 찾는 연산자로써 MLP의 학습 및 예측성능에 직접적인 영향을 미친다. 기존의 Optimizer는 경사하강법(Gradient Descent, GD)을 기반으로 하는 Optimizer를 사용했다. 하지만 기존의 Optimizer는 미분을 이용하여 상관관계를 찾기 때문에 지역탐색 위주로 진행되며 기존에 생성된 상관관계를 저장하는 구조가 없어 지역 최적해로 수렴할 가능성이 있다는 단점이 있다. 본 연구에서는 기존 Optimizer의 단점을 개선하기 위해 지역탐색과 전역탐색을 동시에 고려할 수 있으며 기존의 해를 저장하는 구조가 있는 메타휴리스틱 최적화 알고리즘을 이용하였다. 메타휴리스틱 최적화 알고리즘 중 구조가 간단한 화음탐색법(Harmony Search, HS)과 GD의 결합모형(HS-GD)을 MLP의 Optimizer로 사용하여 기존 Optimizer의 단점을 개선하였다. HS-GD를 이용한 MLP의 성능검토를 위해 이천시 지하수위 예측을 실시하였으며 예측 결과를 기존의 Optimizer를 이용한 MLP 및 HS를 이용한 MLP의 예측결과와 비교하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.342-344
• /
• 1999

신경트리(evolutionary neural trees)는 트리 구조의 신경망 모델로서 진화 알고리즘으로 학습하기에 적합한 구조이다. 본 연구에서는 진화 신경트리를 시계열 예측에 적용하였다. 시계열 데이터는 대개 잡음이 포함되어 있으며 동역학적인 특성을 지닌다. 본 논문에서는 견고한 예측 결과를 획득하기 위해 한 개의 신경트리가 아닌 여러개의 신경트리를 결합하여 예측 모델을 구성하는 committee machine을 소개한다. 출력 패턴가에 correlation이 최소가 되도록 상이한 신경트리를 선택하여 결합함으로써 모델 결합 효과를 최대화하는 방법을 사용하였다. 인공적인 잡음을 포함한 시계열 예측 문제와 실세계 데이터에 대한 실험에서 예측에 대한 정확도가 단일 모델을 사용한 경우 보다 향상되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.458-461
• /
• 2021

유동인구 예측은 상권의 특성에 따른 점포의 입지 선정 및 고객 맞춤형 마케팅 등 민간 분야에서부터 교통망 등 사회 간접 자본 설계를 위한 공공 분야에 이르기까지 다양한 목적으로 연구되어 왔으며, 최근에는 Covid-19 의 확산에 따라 그 중요도가 더욱 높아지고 있다. 보다 정교한 예측을 위해서는 전체적인 유동 인구 뿐만 아니라 특성 별로 세분화된 하위 그룹에 대해서도 정확한 예측이 요구되나, 기존의 예측 모델들은 이러한 데이터의 계층 구조를 고려하지 않았다. 본 연구에서는 세분화된 하위 그룹 별 유동인구의 예측 정확도를 높이기 위해 전체 유동인구의 패턴을 동시에 활용하는 Global-Local 구조 기반의 Deep Learning 유동인구 분석 모델을 제안한다. 실험 결과 단일 시계열 데이터만을 사용하는 경우 대비 5.4%~52.6%의 예측 오류 감소 효과가 있음을 확인하였다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.137-140
• /
• 2010

본 논문에서는 국내 지진발생 시 비보강 조적조 건축물의 손상상태 예측 및 내진성능 평가를 위해 기존건축물을 대상으로 역량스펙트럼 해석을 수행하였다. 이는 지진피해를 보다 상세하게 예측하고 건축물의 거동을 파악하기 위한 방법으로 국내 설계 지진하중과 부재의 비선형 특성을 적용하여 해석을 수행하였으며 해석 결과는 구조물의 손상상태에 따라 Slight, Moderate, Extensive, Complete 등으로 구분하여 평가하였다. 그 결과 대부분의 건축물에서 약간의 구조적 피해(Slight)와 보통의 구조적 피해(Moderate) 정도로 나타났으며, 일부 건축물에서 심각한 구조적 피해(Extensive)가 발생하는 것으로 예측되었다. 이전 연구에서 비보강 조적조 건축물의 내진성능평가를 위해 구조내진판정지표를 사용하여 내진성능을 판정하였으며 대부분의 비보강 조적조 건축물이 내진성능을 만족하지 못하였다. 본 연구에서는 기존 건축물에 구조내진 판정지표를 적용하고 그 결과를 바탕으로 역량스펙트럼 해석을 함에 따라 보다 상세한 구조물의 피해정도를 예측할 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.2
• /
• pp.113-121
• /
• 2000

This paper presents a parallel-structure fuzzy system(PSFS) for prediction of time series data. The PSFS consists of a multiple number of fuzzy systems connected in parallel. Each component fuzzy system in the PSFS predicts the same future data independently based on its past time series data with different embedding dimension and time delay. The component fuzzy systems are characterized by multiple-input singleoutput( MIS0) Sugeno-type fuzzy rules modeled by clustering input-output product space data. The optimal embedding dimension for each component fuzzy system is chosen to have superior prediction performance for a given value of time delay. The PSFS determines the final prediction result by averaging the outputs of all the component fuzzy systems excluding the predicted data with the minimum and the maximum values in order to reduce error accumulation effect.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10d
• /
• pp.580-584
• /
• 2007

H.264/AVC SVC에서는 공간적 확장성을 지원하기 위하여 계층 간 예측 방법을 새롭게 도입하였다. 계층 간 예측은 하위 계층의 움직임 정보, 텍스처 정보, 잔여 신호 정보를 이용하여 계층 간 중복성을 제거하는 방법이다. 따라서 상위 계층의 부호화 효율을 높이는 반면, 복호화 과정에서는 하위 계승의 잔여 신호 정보를 픽셀 단위까지 복원하여 계산 복잡도가 높아지는 문제점이 있다. 본 논문에서는 이러한 H.264/AVC SVC에서 복호화 과정의 계산 복잡도를 줄이기 위하여 DCT 기반의 잔여 신호 예측 구조를 제안하였다. H.264/AVC SVC에서 픽셀 기반의 잔여 신호 예측 구조와 제안하는 구조의 연산 수를 계산하여 계산 복잡도를 비교한 결과 약 33%의 개선이 이루어졌다.

• Proceeding of EDISON Challenge
• /
• 2017.03a
• /
• pp.95-99
• /
• 2017

Protein contact map은 단백질 삼차구조에 대한 정보를 이차원의 이미지로 표현하는 방법의 하나로, 비교적 간략하지만 단백질 구조에 대한 핵심적 정보를 함축하고 있다. 이러한 단백질 구조를 바탕으로 단백질의 internal energy, solvation free energy, free energy 와 같은 열역학 함수를 도출할 수 있다. 본 연구에서는 이미지 인식에 대한 머신러닝 기법을 사용하여 단백질 구조를 함축하는 단백질의 contact map으로부터 단백질의 열역학적 함수를 예측하는 연구를 진행하였다. 단백질의 main-chain 간의 contact map, side-chain 간의 contact map, main-chain과 side-chain 간의 contact map 들로부터 단백질의 여러 가지 열역학적 함수를 예측하고자 했으며 최종적으로 Convolution Neural Network (CNN) 기법을 사용하여 단백질의 free energy를 ~18 kcal/mol의 범위에서 예측 가능함을 보였다. 본 연구를 바탕으로 단백질의 contact map과 열역학 함수 사이의 상관관계가 있으며, 머신러닝 기법을 사용하여 단백질 contact map으로부터 열역학적 함수를 예측하는 것이 가능함을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.805-807
• /
• 2005

H.264/AVC의 프레임내 예측기법은 현 매크로블록의 이웃픽셀들로부터 예측값을 추출함으로써 인트라 픽처의 압축률을 높이는데 크게 기여했다. 그러나 모든 매크로블록에 대해 총 17가지의 후보 모드를 검사해야 하기 때문에, 전체 부호화기의 복잡도를 상당히 상승시키는 요인이기도 하다. 본 논문에서는 이 문제를 해결하기 위해, 기존의 움직임 추정 전용 하드웨어로 주로 사용되는 1차원 시스톨릭 어레이 구조에 부가적인 하드웨어를 장착하여, 움직임 추정뿐만 아니라 프레임 내 예측까지 가능한 하드웨어 구조를 제안한다. 병렬적으로 끊김이 없는 수행을 위해 프레임내 예측 알고리즘을 약간 수정했으나, 이것은 화질이나 비트스트림 크기에 영향을 거의 미치지 않는다. 제안된 구조는 연산에 대한 명령어 개수로 비교할 때, ARM 기반 시스템에서 얻을 수 있는 성능의 10배에서 40배에 달하는 높은 성능을 보여준다.

• Journal of the Korean Society for Advanced Composite Structures
• /
• v.2 no.2
• /
• pp.1-6
• /
• 2011

This study aims at predicting structural behaviors of RC (Reinforced Concrete) beams retrofitted with hybrid FRPs (Fiber Reinforced Polymers). Toward this goal, structural analysis for the RC beams retrofitted with hybrid FRPs are performed and validated using existing experimental data. For the analysis, failure models due to debonding of FRPs and concrete separation are implemented within FE (Finite Element) model, based on Smith and Teng, model, and Teng and Yao model, respectively. Nonlinear material and geometrical effects are also included in the analysis. The suggested modeling approaches are able to predict structural behaviors of RC beams retrofitted with hybrid FRPs similar to the experimental data, however, a numerical model needs to be developed in order to predict failure strength of RC beams retrofitted with hybrid FRPs accurately.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.5
• /
• pp.728-733
• /
• 2018

Deep learning has been actively studied for predicting protein secondary structure based only on the sequence information of the amino acids constituting the protein. In this paper, we compared the performances of the convolutional neural networks of various structures to predict the protein secondary structure. To investigate the optimal depth of the layer of neural network for the prediction of protein secondary structure, the performance according to the number of layers was investigated. We also applied the structure of GoogLeNet and ResNet which constitute building blocks of many image classification methods. These methods extract various features from input data, and smooth the gradient transmission in the learning process even using the deep layer. These architectures of convolutional neural networks were modified to suit the characteristics of protein data to improve performance.