• Computational Structural Engineering
• /
• v.6 no.1
• /
• pp.17-25
• /
• 1993

여기에서는 진동기초에 관한 해석모델로 실무에서 널리 사용되고 있는 참고문헌[1]의 진동기초 해석모델에 관한 문제점들(로킹진동, 보와 기둥의 연결부에 관한 모형화, 기계 질량의 위치지정, 작용하중의 형태)을 알아보았고, 이 문제점들을 개선한 해석모델들을 소개하였다. 참고문헌[1]의 진동기초 해석모델(모델A)과 개선된 해석모델들간의 해석결과로부터 기존의 해석모델 A는 실제보다 훨씬 긴 고유진동주기를 가져오기 때문에 진동기초에 대한 해석모델로서 부적합함을 알 수 있었다. 여기에서 소개한 해석모델중 모델 D를 이용하면 실제에 매우 가까운 진동기초의 고유진동주기와 모드형상을 얻을 수 있을 것으로 생각되며 기계회전 속도의 변화에 의한 진동기초 고유진동수와의 공진현상에 대한 세심한 검토가 필요하다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.203-208
• /
• 2023

본 논문에서는 대규모 언어 모델의 인컨텍스트 러닝과 프롬프팅을 활용하여 수치 추론 태스크 데이터셋을 효과적으로 증강시킬 수 있는 방법론을 제안한다. 또한 모델로 하여금 수치 추론 데이터의 이해를 도울 수 있는 전처리와 요구사항을 만족하지 못하는 결과물을 필터링 하는 검증 단계를 추가하여 생성되는 데이터의 퀄리티를 보장하고자 하였다. 이렇게 얻어진 증강 절차를 거쳐 증강을 진행한 뒤 추론용 모델 학습을 통해 다른 증강 방법론보다 우리의 방법론으로 증강된 데이터셋으로 학습된 모델이 더 높은 성능을 낼 수 있음을 보였다. 실험 결과 우리의 증강 데이터로 학습된 모델은 원본 데이터로 학습된 모델보다 모든 지표에서 2%p 이상의 성능 향상을 보였으며 다양한 케이스를 통해 우리의 모델이 수치 추론 학습 데이터의 다양성을 크게 향상시킬 수 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.708-710
• /
• 2021

본 논문에서는 X-ray 진단에서 산란선으로 인한 영상의 왜곡을 보정하는 방법으로서 수정된 구조의 AE(Auto-Encoder) 모델에 기반한 방법론을 제안한다. 기존 AE 모델의 계층에 따라 특징지도의 크기가 축소되고 팽창되는 과정에서 영상 복원에 필요한 정보가 소실될 가능성을 보완하기 위하여 동일 레벨 계층 간에 스킵 연결을 추가하였다. 또한 X-ray 영상에서 피사체 세부 부위의 두께와 밀도에 따라 산란선의 영향이 서로 다른 형태로 나타난다는 특성을 학습 과정에 효과적으로 반영하기 위하여 어텐션 모듈을 추가한 네트워크 구조를 도입하였다. 총 80 쌍의 흉부 X-ray 영상 데이터에 대하여 기존의 AE 모델을 사용한 방법 및 U-Net 과 FFA-Net 모델을 사용한 영상 복원 기법의 실험 결과를 상호 비교함으로써 제안된 방법의 타당성을 평가하였다.

• Journal of computational fluids engineering
• /
• v.2 no.2
• /
• pp.73-79
• /
• 1997

VOF 방법에 의한 자유표면 유동계산의 정확성을 개선하기 위해 이차정도 모델을 개발하였다. 개발된 이차원 모델의 정확성을 비교하기 위하여 여러 가지 크기의 원형 및 Solitary wave형상의 자유표면 유동을 통하여 기존에 개발된 두 가지의 일차정도 모델과 비교하였다. 비교결과 반경이 큰 원과 같이 곡률이 작은 형상의 경우에는 일차정도 모델도 비교적 정확한 결과를 보여주고 있으나 작은 반경의 원형이나 Solitary wave와 같이 곡률이 큰 형상의 경우 일차정도 모델은 많은 오차를 보여주는 반면에 이차정도 모델은 어느 경우에나 매우 정확한 결과를 보여준다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.243-246
• /
• 2009

본 연구에서는 분자동역학 전산모사와 미시역학 모델을 이용하여 나노입자의 크기와 체적분율 변화가 나노복합재의 물성변화에 미치는 영향을 효과적으로 묘사할 수 있는 순차적 브리징 해석기법을 개발하였다. 나노 입자의 크기변화와 체적분율 변화에 따른 영률과 전단계수를 분자동역학 전산모사를 통해 예측한 후, 이를 연속체 모델에서 구현하기 위해 다중입자 모델을 적용하였다. 나노입자의 크기효과를 반영하기 위해 입자와 기지 사이에 유효계면을 추가적인 상으로 도입하였고, 체적분율 효과는 나노복합재를 둘러싸는 무한영역의 물성값을 통해 조절되도록 하였다. 유효계면과 무한영역의 물성을 입자의 반경과 체적분율의 함수로 근사한 후, 다양한 입자의 크기와 체적분율에서 나타나는 나노복합재의 물성변화를 예측하였다. 제안된 해석기법의 적용을 통해 분자동역학 전산모사 결과와 잘 일치하는 예측해를 효과적으로 얻을 수 있었다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.613-618
• /
• 2022

효과적인 자연어 처리를 위해 제안된 Transformer 구조의 등장 이후, 이를 활용한 대규모 언어 모델이자 사전학습 모델인 BERT, GPT, OPT 등이 공개되었고, 이들을 한국어에 보다 특화한 KoBERT, KoGPT 등의 사전학습 모델이 공개되었다. 자연어 처리 모델의 확보를 위한 학습 자원이 늘어나고 있지만, 사전학습 모델을 각종 응용작업에 적용하기 위해서는 데이터 준비, 코드 작성, 파인 튜닝 및 저장과 같은 복잡한 절차를 수행해야 하며, 이는 다수의 응용 사용자에게 여전히 도전적인 과정으로, 올바른 결과를 도출하는 것은 쉽지 않다. 이러한 어려움을 완화시키고, 다양한 기계 학습 모델을 사용자 데이터에 보다 쉽게 적용할 수 있도록 AutoML으로 통칭되는 자동 하이퍼파라미터 탐색, 모델 구조 탐색 등의 기법이 고안되고 있다. 본 연구에서는 한국어 사전학습 모델과 한국어 텍스트 데이터를 사용한 자연어 처리 모델 산출 과정을 정형화 및 절차화하여, 궁극적으로 목표로 하는 예측 모델을 자동으로 산출하는 시스템의 설계를 소개한다.

• Computational Structural Engineering
• /
• v.29 no.2
• /
• pp.8-11
• /
• 2016

• Computational Structural Engineering
• /
• v.5 no.4
• /
• pp.13-23
• /
• 1992

본 소고는 철근콘크리트 구조물에 관련된 현재의 실험적, 해석적 연구의 수준을 정리 요약한 것으로서 이력모델에 따른 철근콘크리트 구조물의 응답과 모델의 선택시에 빈번히 만나게 되는 문제점 및 해석시 응답모델의 선택 등에 대해 기술하였다. 실제적으로 R/C 구조물의 비선형 이력모델은 그 범위가 매우 넓고 다양하기 때문에 일률적으로 설명하기가 매우 어려운 점이 있다. 여기서는 철근콘크리트 구조물의 이력모델의 종류 및 범위에 대하여 소개하고 그 특성 및 형성과정에 대해 간략하게 설명하기로 한다.

• Computational Structural Engineering
• /
• v.11 no.3
• /
• pp.85-92
• /
• 1998

• Computational Structural Engineering
• /
• v.17 no.1
• /
• pp.50-64
• /
• 2004

유한요소 인체모델은 인체의 기계적 특성을 수치 모형화 한 것이며, 외부로부터 다양한 기계적 하중을 받는 상황에서 인체의 거동과 상해와 같은 여러 현상들을 해석적으로 규명하고자 할 때 주로 사용된다. 따라서 인체 모델은 인체를 구성하고 있는 골격, 인대, 근육, 살, 장기 등의 특성을 수치적으로 정확히 표현하여야 한다. 그러나 인체는 매우 복잡한 메커니즘 속에서 동작하고 있기 때문에, 해석적으로 인체의 모든 특성을 구현하는 것은 현실적으로는 거의 불가능하다. 이 때문에, 인체 모델은 인체모델을 사용하고자 하는 상황이나 목적에 적합하도록 적절히 단순화되어야 한다.(중략)