• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2003.11a
• /
• pp.177-182
• /
• 2003

많은 경제 시계열 자료 중에서 주가는 국내외 경제상황은 물론 정부정책 등 시장 외적인 영향에 가장 민감하게 반응한다. 하지만, 지금까지의 주가예측에 있어서는 이러한 외부의 영향, 즉 개입(Intervention)이 발생했을 때 주가의 변동에 능동적으로 대처하는 모형이 부재하였다. 실제로 이러한 개입사실을 예측모형에 반영하지 않는다면, 주가예측 있어 그 예측력을 따진다는 것은 무의미하다고 판단된다. 따라서, 개입시점을 발견하고, 이 개입효과를 측정하여 이를 모형에 반영한다면 좋은 예측결과를 얻을 수 있을 것이다. 이 연구에서는 이상점 탐지절차를 이용하여 개입 시점을 발견하고 개입의 효과가 개입시점에만 영향을 주는 모형과 효과가 일정기간 지속되는 모형으로 두 개의 개입시계열모형을 구축하고, 이러한 두 모형의 예측성과와 인공신경망모형을 이용한 예측성과를 비교하였다. 초단기예측(개입 직후 예측)에 있어서 개입의 효과가 지속되는 경우에는 개입시계열이 인공신경망보다 좋을 결과 를 나타내긴 했지만 그 차이는 크지 않았으며, 개입의 효과가 시점에만 영향을 준 경우에는 인공신경망의 결과가 더 우수한 것으로 나타났다. 단기예측(개입 후 20 일후의 예측)에 있어서는 개입 효과의 지속여부에 상관없이 인공신경망이 개입시계열모형보다 우수한 것으로 나타났다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1996.11a
• /
• pp.177-182
• /
• 1996

Remote nuclear cask handling device (RNCHD)는 사용후 핵연료cask의 원격 조작에 있어서 안전성과 성능을 향상을 목적으로 한다. RNCHD의 한부분인 grapple은 사용후 핵연료cask의 이동 및 수송 또는 용기뚜껑의 개폐를 위하여 cask의 벽에 대각선으로 돌출되어있는 두 개의 trunnion에 삽입되어야한다. 그러나 trunnion으로의 grapple 삽입은 용기중심과 grapple 장치 중심사이의 위치와 방향편차 때문에 어렵게된다. 인공신경망은 grapple에 설치된 광전센서를 사용하여 용기의 중심으로 부터 grapple 장치의 상대적 위치를 계측하기위해 사용된다. 인공신경망 학습은 광전센서값과 grapple의 상대적 위치와 방향사이의 함수적 관계를 추론하기 위해 수행된다. 이렇게 측정된 RNCHD의 중심위치는 grapple의 자세를 맞추기 위한 제어입력값으로 제공된다. 인공신경망 학습을 위한 데이터는 grapple 장치와 trunnion을 모사한 1/2 스케일의 실험장치를 사용함으로써 얻어진다. 학습된 인공신경망은 학습에 사용 안된 센서입력값, 즉 새로운 grapple의 위치에 대해서도 정확성을 가지고 grapple 장치의 위치와 방위를 측정할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.72-76
• /
• 2011

본 연구는 레이더 강우 영상에서 추출된 강우 패턴을 인공신경망으로 처리하여 단기 강우 예측을 수행하는 방안을 제시한 것이다. 본 연구에 활용한 CAPPI 영상자료로는 편차 보정과 품질 관리가 이루어지고 있으며 획득이 용이한 기상청 자료를 이용하였으며 CAPPI의 PNG 영상으로부터 강우 패턴을 추출하고, 이를 역전파 알고리즘의 인공신경망 강우 예측 모형에 학습시켜 단기 강우를 예측하기 위한 절차를 제시하였다. 이를 위하여 강우의 시공간적 변화 패턴 추출을 위한 영상 처리와 GIS 자료처리 기법을 제시하였고 이를 인공신경망의 단기 강우 예측 학습과 검증에 적용하여 본 연구에서 제시된 기법의 타당성을 검토하였다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.676-679
• /
• 2011

인공신경망(Artificial Neural Network)을 이용하여 RC Mock-up 구조물의 손상위치 및 손상정도를 단계적으로 추정하였다. 대상 구조물은 가진실험을 통하여 구조물의 응답을 취득하고 구조물식별기법(Structural System Identification)을 통하여 구조물의 동특성을 찾았다. 유한요소해석프로그램을 사용하여 동특성이 계측치와 가장 유사한 기본해석모델을 만든 후 이 기본해석모델을 이용하여 학습데이터를 생성하였다. 기존 인공신경망을 이용한 손상탐지를 개선하고자 본 연구에서는 인공신경망 학습데이터를 분석하였고 효과적인 손상탐지를 위하여 학습데이터를 가공하였다. 가공된 학습데이터를 사용하여 단계별 손상탐지를 실시하였고 기존 손상탐지 방법보다 좋은 결과를 유도하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.170-170
• /
• 2017

본 연구의 목표는 극한 지역의 대비 시스템을 구축하기 위하여 인공 신경망(Artificial Neural Networks)을 이용하여 보다 관측하기 쉬운 기상 인자들로부터 적설량을 실시간 측정 가능성을 제시하는 것이다. 본 연구에서 사용한 데이터베이스는 기상청의 기상자료개방포털에서 사람이 직접 측정한 종관기상관측의 자료다. 이 중에서 일최대 기온, 일최저 기온, 일평균 기온, 강수량을 사용하여 오차를 줄여나가는 최적화방법으로 인공 신경망 시스템을 설계하였다. 설계된 시스템으로 500회 시뮬레이션한 연구 결과는 상관계수가 적설량 측정에 대한 인공 신경망의 크기(노드의 개수)와 관계없이 평균적으로 0.8627인 것을 보여준다. 추가적으로 보조 입력 값인 고도를 사용한 결과, 성능은 좋아졌지만 상관계수의 차이는 평균 0.0044로 미세했다. 또한 Cross-Validation을 통해 기존의 보간법인 Kriging기법과 비교하여 미 관측 지역에서 인공 신경망(ANNs) 사용이 Kriging기법 보다 우수하다는 것을 2차원 Regression's map을 통해 나타냈다. 마지막으로 오차가 크게 발생했을 경우 보안할 수 있는 확률적인 방안을 제시하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.267-269
• /
• 2018

인공신경망의 확산 및 보급에 따라 적용 영역이 확대되고 있으며 여러 분야에서 획기적인 성능 향상을 이루고 있다. 영상 압축 분야의 기술개발은 기존 코덱 구조 내 각 요소기술의 성능향상을 위한 인공신경망 기술 분야와 기존 코덱 구조가 아닌 end-to-end 학습을 통한 인공신경망 기반 기술 분야로 나뉘어 진행되고 있다. 본 논문에서는 end-to-end 학습을 통한 인공신경망 기술의 비선형 변환 계층 중 GDN(generalized divisive normalization) 계층이 영상 압축에 미치는 영향을 분석한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.37-41
• /
• 2009

본 연구에서는 티센망을 이용한 면적강우량 산정방법의 대안으로서 최근 들어 수자원공학 분야에의 활용성이 커지고 있는 고해상도 기상레이더의 반사도자료(dBZ)를 활용하여 면적강우량을 산정하였다. 또한 이렇게 산정된 레이더 면적강우량을 티센망으로써 산정된 면적강우량과 비교하여 그 유용성을 판단하였다. 연구지역으로는 소양강댐 유역을 선정하였으며, 연구기간은 2008년 가장 강한 강우를 보였던 상위 5개의 사상을 선정하였다. 본 연구에서는 레이더 반사도를 강우강도로 변환시키는 과정은 인공신경망(artificial neural network, ANN) 중에서 일반적으로 널리 사용되고 있는 다층 퍼셉트론 인공신경망 모형을 적용하였다. 연구방법으로는 선택된 4개의 인자를 입력노드에 넣어 인공신경망을 학습시킨 후 연구지역 내 10개 AWS 지상관측소의 강우량을 추정하여 정확도를 비교 분석하였다. 이를 바탕으로 최종적으로 레이더 면적강우량을 산정하여 기존의 티센망을 이용한 면적강우량과 그 값을 비교하였다. 그 결과 인공신경망을 이용한 레이더 강우량의 경우, 평균제곱오차(mean square error, MSE) 및 상관계수(correlation coefficient, CC)가 매우 양호한 값을 보였다. 또한 유역 내 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 약 $7%^{\sim}19%$ 정도 차이가 발생함을 확인하였으며, 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 더 정확한 면적강우량을 산정할 수 있다고 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.301-306
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저..갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 선행 유출량의 지속성을 갖는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 도입하여 예측모형의 전처리 과정으로 이용하였다. 이는 기존의 인공신경망 모형이 하나의 모형을 구성하여 유출량의 전 범위에 해당하는 자료를 예측하는 방법을 개선한 것으로 SOM에 의해 패턴이 분류된 강우-유출관계의 각 패턴별 예측모형을 통해 분류된 자료들의 예측을 수행하는 방법이다. 이와 같이 SOM을 강우-유출예측모형의 전처리과정으로 이용함으로서 기존의 인공신경망 연구에서 야기된 현상들을 해결할 수 있었고, 예측력 또한 기존의 인공신경망 모형의 결과에 비해 우수하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1412-1416
• /
• 2009

최근의 극심한 기상이변으로 인하여 발생되는 이상호우의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우를 예측하기 위해 많은 방법들이 사용되고 있으나 강우의 메커니즘은 매우 복잡하여 수문순환과정에서 가장 예측하기 힘든 요소이며, 추계학적 예측모형이나 확정론적 예측모형 모두에 있어 상당한 불확실성을 내포하고 있다. 기상예측모형 등을 이용하여 강우예측에 대한 정도를 높여가고는 있으나 많은 수문학적 모형에서 요구하는 시공간적으로 정도가 높은 강우를 예측하기에는 힘들다. 인공신경망은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 연결강도를 최적화함으로서 모형의 구조를 스스로 조직화하기 때문에 모형의 구조에 적합한 최적 매개변수를 추정할 수 있다. 따라서 정확한 예측이 어려운 강우사상을 과거의 자료로부터 신경망의 수학적 알고리즘을 통해 강우의 예측에 적용할 수 있을 것이다. 따라서 본 연구에서는 이러한 인공신경망의 기법 중 오류 역전파 알고리즘을 통하여 과거의 강우사상들을 입 출력 자료로 이용하여 인공신경망을 학습시켜 강우의 예측에 대한 정도를 높이도록 하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• v.37 no.8
• /
• pp.869-876
• /
• 2013

In order to estimate the fatigue life of mufflers at the early stage of researches and designs, the new prediction process was developed by the artificial neural network, which has the algorism of weldment properties. Bending fatigue test was carried out for defining the characteristics of muffler weldment fatigue life and damage. For considering and predicting mechanical and fatigue properties of the muffler, the maximum stress of weldment was adapted as the variable of artificial neural network training. Also, it was compared with the fatigue life predicting results using fatigue notch factors, for proving the newly developed process of the artificial neural network.