• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.508-510
• /
• 2001

3차원 물체의 인식과 공간 정보를 추출해 내는 것이 물체인식의 주요 목적이다. 본 논문에서는 평면의 표면을 갖는 기하학적 물체들을 인식하는데 인공신경망이 적용 가능함이 조사되었다. 물체인식을 위한 모델들은 CAD모델들로부터 자동적으로 추출되며, 획득된 물체의 영상과 일치하는 물체의 국면(aspect)과의 매칭은 조건만족 인경신경망을 이용하여 매칭-오차를 최소화시키는 방법을 처리되었다. 인식된 물체의 국면이 어느 방향에서 획득되었는지에 대한 정보(Aspect's view direction)는 검색된 가시 평면들의 분포로부터 추출됨을 ART와 같은 인공신경망을 이용하여 실시간으로 복원할 수 있음을 보였다. 대표적이 측정방향과 이 측정방향으로부터의 편차들을 한 범주에 넣고 학습을 통해 정확한 측정방향 정보들을 구하며, 획득된 3차원 물체의 영상들에 따라 자동적으로 측정방향범주 들이 추가되도록 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권12호
• /
• pp.565-572
• /
• 2017

본 연구는 기존의 수요 예측 등의 시계열 연구에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial neural network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 훈련 자료로는 2015년 3월부터 9월까지의 일별 KBO 관중 수 자료를 대상으로 하였다. 전방향 신경망(Feedforward neural network)의 모형 훈련 과정에서, 그리드 탐색(Grid search)을 적용하여 최적의 초모수(Hyperparameter)를 찾고자 하였다. 그 결과, 그리드 탐색법의 최적 모형을 이용한 평균 절대 백분율 오차(MAPE)는 평균 20.9% 였다. 앙상블 기법을 이용한 모형의 MAPE는 평균 20.0%였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 26.3%, 30.3% 높은 예측력을 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.129-129
• /
• 2011

본 연구에서는 강수예보의 선행시간을 확보하기 위하여 기상청 지상관측망 자료뿐만 아니라 MTSAT-1R 위성영상자료와 수치예보모형인 RDAPS(Regional Data Assimilation and Prediction System) 자료를 활용하고, 입력자료 사이의 물리적인 비선형 상관관계를 효과적으로 고려하기 위하여 인경신경망 기법을 적용한 단시간 강수예측모형을 개발하고자 하였다. 또한 강수의 변화특성을 반영하기 위하여 장마기(6월, 7월)와 태풍기(8월, 9월)로 세분화하여 인공신경망 구축을 위한 학습훈련을 수행하였다. 구축된 모형은 서울지점을 대상으로 선행시간 3, 6, 9, 12시간에 대해서 강수예측을 수행하였다. 2006부터 2008년까지 학습훈련 후 2009년 서울지점의 강수예측결과, 장마기의 상관계수는 각 선행시간에 대해서 0.6998, 0.6498, 0.4434, 0.2961, RMSE(Root Mean Square Error)는 0.7605, 2.8431, 3.1973, 4.2147, 태풍기 상관계수는 0.5368, 0.5089, 0.4164, 0.2392, RMSE는 1.2218, 2.3144, 3.9153, 5.2145로 나타났다. 각 선행시간별로 장마기의 예측결과가 태풍기보다 다소 정확하게 도출되었으며, 선행시간 9시간 이후부터는 정확도가 급격히 낮아지는 결과를 얻었다.

• 한국해안·해양공학회논문집
• /
• 제23권1호
• /
• pp.109-117
• /
• 2011

국내 경사식 방파제의 대표적인 피복재인 Tetrapod는 대부분 경험식을 사용하여 중량을 산정한다. 경험식은 수리 실험의 결과를 곡선맞춤(curve-fitting)하여 제안되기 때문에 실험 오차에 따른 불확실성이 내포되어 있다. 이런 불확실성을 최소화하기 위해 인경신경망과 M5' model tree를 사용하여 피복재 안정수를 예측하였다. 각 모형의 불확실성의 정도는 예측된 안정수와 수리실험의 안정수 사이의 일치지수(index of agreement)를 사용하여 평가하였다. 일치지수가 가장 큰 인공신경망은 우수한 예측 능력을 가지고 있지만 일반 설계자들이 쉽게 사용할 수 없는 큰 단점이 있다. 반면에 M5' model tree는 인공신경망보다는 예측 능력이 조금 떨어지지만 기존의 경험식보다는 예측능력이 우수하고 또한 일반 설계자들이 쉽게 사용할 수 있는 공식의 형태로 주어지는 장점이 있다.

• 한국산학기술학회논문지
• /
• 제16권3호
• /
• pp.2234-2241
• /
• 2015

본 연구에서는 국내 지반의 전단강도정수와 콘지수 사이의 상관관계를 확립하기 위하여 먼저 콘관입 모델을 통한 이론적 상관관계를 정리하고 이의 신뢰도를 높이기 위하여 인공신경망 기법을 적용하였다. 이론적 상관관계는 이론식을 유도하면서 적용한 가정들로 인하여 신뢰성 있는 지반의 거동을 예측하기 어려운 측면이 있다. 따라서 인공신경망 기법을 적용하여 이론적, 경험적 방법과 같은 기존의 방법과는 다른 새로운 측면에서 지반의 거동 특성을 파악할 필요성이 있다. 인경신경망 모델은 국내의 다양한 건설현장에서 수행한 지반조사 보고서를 통해서 입력자료를 확보한 뒤에 모델학습을 수행하였다. 연구결과 측정값과 예측값의 오차가 크지 않았고, 비교적 고르게 분포함을 알 수 있었다. 추후 보강된 인공신경망 모델을 구축하면 국내 특정 지역뿐만 아니라 일반화된 지역에 보편적으로 적용할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.35-35
• /
• 2019

본 연구에서는 분포형 수문 모형 Drying Stream Assessment Tool and Water Flow Tracking (DrySAT-WTF)을 활용해 우리나라의 1976년부터 2015년까지의 유출량을 산정하고, 이를 다층퍼셉트론(Multi Layer Perceptron) 인경신경망 모형(Artificial Neural Network Model)에 적용해 미래 유출을 예측하였다. DrySAT-WFT은 전국 표준 유역을 대상으로 하천 건천화 원인 추적 및 평가를 위해 개발된 모형으로 유출모의를 위한 기상자료 외에 건천화 영향 요소를 고려하기 위한 산림 높이, 도로망, 지하수 이용량, 토지이용, 토심 변화에 대한 DB를 적용 가능한 것이 특징이다. DrySAT-WFT를 위한 기상자료로 모의 기간에 대한 일별 강우량, 상대습도, 평균풍속, 평균 및 최고, 최저 기온, 일조시간을 구축하였으며, 연대별 건천화 영향 요소 DB를 구축하여 적용하였다. 전국 다목적 댐 보 12지점의 유량을 활용해 모형의 보정(2005-2010) 및 검증(2011-2015)을 실시한 결과, 평균 결정계수(Coefficient of determination, $R^2$)는 0.76, 모형효율성계수(Nash-Sutcliffe efficiency, NSE)는 0.62, 평균제곱근오차(average root mean square error, RMSE)는 3.09로 신뢰성 있는 유출 모의 결과를 나타내었다. 미래 유출량 예측을 위한 MLP-ANN은 1976년부터 2015년까지의 유출 모의 결과를 Training Set으로 훈련하여 $R^2$가 0.5 이상이 되어 신뢰성을 확보하였고, 2016년부터 2018년까지의 기간을 1개월 단위로 실제 유출량과 예측 유출량을 비교하며 적용성을 검증 및 향상시켰다.

• 대한기계학회논문집A
• /
• 제36권7호
• /
• pp.813-822
• /
• 2012

LCD 생산라인의 공정 로봇에서 방사되는 비정상 작동 소음은 로봇의 결함 탐지에 사용된다. 이 신호의 장점은 상대적으로 낮은 민감도에 비해 단지 마이크로폰을 이용하여 다수의 결함을 확인할 수 있는 것이다. 결함요소 추출을 위한 웨이브렛 변환(WPT)과 불량의 분류를 위한 인공신경망 회로(ANN)이 본 논문에서 사용되었다. 결과적으로, 비정상 작동 소음이 기계요소의 결함 진단에 효율적으로 사용될 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.85-90
• /
• 2021

본 논문에서는 고령자를 위한 개별 웨어러블(Wearable) 기기를 이용한 낙상 감지에 대해 논한다. 신뢰할 수 있는 낙상 감지를 위한 저비용 웨어러블 기기를 설계하기 위해서 대표적인 두 가지 모델을 종합적으로 분석하여 제시한다. 기계 학습 모델인 의사결정 나무(Decision Tree), 랜덤 포래스트(Random Forest), SVM(Support Vector Machine)과 심층 학습 모델인 일차원(One-Dimensional) 합성곱 신경망(Convolutional Neural Network)을 사용하여 낙상 감지 학습 능력을 정량화하였다. 또한 입력 데이터에 적용하기 위한 데이터 분할, 전처리, 특징 추출 방법 등을 고려하여 검토된 모델의 유효성을 평가한다. 실험 결과는 전반적인 성능 향상을 보여주며 심층학습 모델의 유효성을 검증한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.384-387
• /
• 2020

AI가 각광받고 있는 시대에 발 맞추어 머신러닝, 딥러닝을 활용한 이미지 인식 기술을 구현하였다. 사용자가 원하는 음식 사진을 업로드하면 인공 신경망 알고리즘이 convolution을 수행해 데이터베이스에 학습시켜 두었던 이미지들 가운데 유사도가 가장 높은 수치로 나오는 이미지를 결과로 보여주어, 사용자는 사진만으로도 음식의 칼로리 정보, 칼로리를 소모하기 위한 운동량 등의 정보를 간편하게 알 수 있는 시스템을 구축하였다. 또한 MYSQL과 PHP를 활용하여 자신의 칼로리 정보를 저장하고, 사용자가 매일 입력하는 몸무게의 변화량 등을 실시간으로 확인할 수 있는 등의 데이터베이스 서버를 구축하였다. 스마트폰을 통해 정보를 얻을 수 있도록 어플리케이션을 구성했다.

• 한국산학기술학회논문지
• /
• 제21권6호
• /
• pp.374-382
• /
• 2020

본 연구에서 저장탄약 신뢰성평가(ASRP: Ammunition Stockpile Reliability Program)의 데이터 특성을 고려하여 입력변수를 줄이는 정규화기법을 제안함으로써 분류성능의 저하 없이 저장탄약 신뢰성분류 인경신경망모델의 학습 속도향상을 목표로 하였다. 탄약의 성능에 대한 기준은 국방규격(KDS: Korea Defense Specification)과 저장탄약 시험절차서(ASTP: Ammunition Stockpile reliability Test Procedure)에 규정되어 있으며, 평가결과 데이터는 이산형과 연속형 데이터가 복합적으로 구성되어 있다. 이러한 저장탄약 신뢰성평가의 데이터 특성을 고려하여 입력변수는 로트 추정 불량률(estimated lot percent nonconforming) 또는 고장률로 정규화 하였다. 또한 입력변수의 unitary hypercube를 유지하기 위하여 최소-최대 정규화를 2차로 수행하는 2단계 정규화 기법을 제안하였다. 제안된 2단계 정규화 기법은 저장탄약 신뢰성평가 데이터를 이용하여 비교한 결과 최소-최대 정규화와 유사하게 AUC(Area Under the ROC Curve)는 0.95 이상이었으며 학습속도는 학습 데이터 수와 은닉 계층의 노드 수에 따라 1.74 ~ 1.99 배 향상되었다.