• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.184-188
• /
• 2008

추계학적 시계열 분석은 크게 수문자료의 장기간 합성과 실시간 예측으로 구분해 볼 수 있다. 장기간 합성은 주로 수문자료의 추계적 특성을 반영한 수자원 시스템의 운영율 개발에 이용되어 왔다. 반면에 실시간 예측은 수자원 시스템의 순응적(adaptive) 관리에 적용되고 있다. 두 개념의 차이로 전자는 시계열 자료를 합성하여 발생 가능한 모든 수문조합을 얻고자 하는 것이라면 후자는 전 시간의 수문량을 조건으로 하는 다음 시간의 값을 순응적으로 예측하는 것이라 할 수 있다. 수문자료의 합성과 예측에는 크게 결정론적, 확률론적 방법의 두 가지 대별될 수 있다. 결정론적 모델링 방법에는 인공신경망이나 Fuzzy 기법 등을 이용할 수 있으며, 확률론적 방법에는 ARMAX 등의 모수적 기법과 k-NN(k-nearest neighbor bootstrap resampling), KDE(kernel density estimates), 추계학적 인공신경망 등의 비모수적 기법으로 분류할 수 있다. 본 연구에서는 대표적 비모수적 기법인 k-NN를 이용하여 충주댐을 대상으로 월 및 일 유입량 자료의 예측 정도를 살펴보았다. 전 시간 관측치를 조건으로 하는 다음 시간의 조건부 확률분포를 구하여 평균값을 계산한 후 관측치와 비교함으로써 모형의 정도를 살펴보았다. 그리고 실시간 저수지 운영에 이 기법의 활용성과 장단점도 살펴보았다. 모형개발 절차로 모형의 보정을 거쳐 검증을 실시하였다. 결론적으로 월 및 일 유입량 예측에 k-NN 기법이 실무적으로 적용될 수 있었으며, 장점으로는 k-NN 기법이 다른 기법보다 모델링 절차가 비교적 쉬워 저수지 운영 최적화 등 타 시스템과의 연계에 수월함이 인식되었다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1997.10a
• /
• pp.32-37
• /
• 1997

최적 노심장전모형을 찾기 위한 확률론적 방법중 하나인 Simulated Annealing 방법은 기존 결정론적 방법의 단점인 국부 최적해에 빠질 위험성을 줄이면서도 빠른 시간 안에 최적 노심장전 모형을 찾을 수 있다. 그러나 많은 장전모형의 핵특성을 계산하기 위해서는 많은 전산시간이 소요되기 때문에 이의 해결 방법으로 신경망이론 이용한 노심해석을 통하여 시간을 극소화하고, 기존의 섭동이론 등 가속화된 방법에 비해 정확도를 높였다. 영광 3호기 평형노심에 적용한 결과 기존 설계된 장전모형에 비하에 더 보수적인 제한치를 만족하면서도 주기길이가 33EFPD 만큼 길어지는 장전모형을 1시간 이내에 찾을 수 있어 기존의 결정론적 방법이나 다른 핵특성 계산 모델을 사용한 SA법에 비해 더 적은 전산시간 동안 정확한 최적해를 탐색하는 것을 확인하였다.

• Journal of Korean Society of Steel Construction
• /
• v.17 no.6 s.79
• /
• pp.661-672
• /
• 2005

For the efficient stochastic optimization of steel structures for which a large number of analyses is required, artificial neural networks,which have emerged as a powerful tool that could have been used to replace time-consuming procedures in many scientific or engineering applications, are applied. They are utilized for the solution of the equilibrium equations resulting from the application of the finite element method in connection with the reanalysis type of problem, for which a large number of finite element analyses are required in this study. As such, the use of artificial neural networks to predict finite element analysis outputs simplifies and facilitates the performance of the stochastic optimal design of structural systems where a trained neural network is used to replace the structural reanalysis phase. Moreover, to improve efficiency of used artificial neural networks, genetic algorithm is utilized. The stochastic optimizer used in this study is an algorithm based on the evolution theory. The efficiency of the proposed procedure is examined in problems with both volume (weight) functions and real-world cost functions

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.422-426
• /
• 2007

음성 질의에서 효율적으로 onset을 검출하기 위한 연구는 다양하게 이루어져 왔다. 특히 대부분의 연구는 확률론적 모델에서 큰 성과를 나타내고 있다. 그러나 이러한 모델들은 변화나 확장이 쉽지 않다는 단점을 가지고 있다. 본 논문에서는 동적 확장 가능한 다중 계층 신경망(Dynamic Expansible MLP)을 제안하여, 기존 방법론의 확장 가능성을 모색한다. 또한, 음성 질의의 onset을 검출하기 위해 MLP를 활용하기 위한 모델을 제시한다.

• Journal of the Korean Geotechnical Society
• /
• v.32 no.11
• /
• pp.31-42
• /
• 2016

Usually the seismic stability analysis of slope uses the pseudostatic analysis considering the inertial force by the earthquake as a static load. Geostructures such as slope include the uncertainty of soil properties. Therefore, it is necessary to consider probabilistic method for stability analysis. In this study, the probabilistic stability analysis of slope considering the uncertainty of soil properties has been performed. The fragility curve that represents the probability of exceeding limit state of slope as a function of the ground motion has been established. The Monte Carlo Simulation (MCS) has been implemented to perform the probabilistic stability analysis of slope with pseudostatic analysis. A procedure to develop the fragility curve by the pseudostatic horizontal acceleration has been presented by calculating the probability of failure based on the Artificial Neural Network (ANN) based response surface technique that reduces the required time of MCS. The results showed that the proposed method can get the fragility curve that is similar to the direct MCS-based fragility curve, and can be efficiently used to reduce the analysis time.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.8 no.2
• /
• pp.159-167
• /
• 2004

The compressive strength of concrete is a criterion to produce concrete. However, the tests on the compressive strength are complicated and time-consuming. More importantly, it is too late to make improvement even if the test result does not satisfy the required strength, since the test is usually performed at the 28th day after the placement of concrete at the construction site. Therefore, strength prediction before the placement of concrete is highly desirable. This study presents the probabilistic technique for predicting the compressive strength of concrete on the basis of concrete mix proportions. The estimation of the strength is based on the probabilistic neural network which is an effective tool for pattern classification problem and gives a probabilistic result, not a deterministic value. In this study, verifications for the applicability of the probabilistic neural networks were performed using the test results of concrete compressive strength. The estimated strengths are also compared with the results of the actual compression tests. It has been found that the present methods are very efficient and reasonable in predicting the compressive strength of concrete probabilistically.

• Journal of the Korea Society for Simulation
• /
• v.28 no.1
• /
• pp.99-107
• /
• 2019

Until now it has had the limitation of the target in the US JMEM to calculate the Pk with the existing method by our study. In this study, we focused on deriving a method to calculate the Pk of the actual targets except JMEM targets using ANN. We study the initial predictive model of ANN(Artificial Neural Network) from the targets data of the specification and the vulnerable area in the US JMEM(Joint Munitions Effectiveness Manuals), and calculate the actual targets vulnerable area by using this method. Finally, we propose a method to calculate the Pk by applying those data to the existing method of us.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2005.11a
• /
• pp.33-38
• /
• 2005

지문분류는 대규모 인증시스템에 사용되는 지문 데이터 베이스를 종류별로 인덱싱 하거나 인식 시스템에 다양하게 쓰이는 매우 중요한 방법이다. 지문은 일반적으로 융선의 전체모양 등 전역적인 특징을 기반으로 분류하며, 분류방법에는 규칙기반 접근, 구문론적 접근, 구조적 접근, 통계적 접근, 신경망 기반 접근 등이 있다. 본 논문에서는 지문의 구조적인 특징을 바탕으로 관찰되는 특징의 상태가 매순간 변화하는 확률론적 정보추출 방식인 마코프 모델을 적용한 지문분류 방법을 제안한다. 지문 이미지의 전처리 과정을 거친 후 각 클래스 분류를 위해 대표 융선을 찾아 방향정보를 추출하고 이를 이용하여 5가지 클래스로 분류될 수 있도록 설계하였다. 좋은품질(Good)과 나쁜품질(Poor)의 데이터를 포함한 훈련집합을 사용하여 각 클래스별로 학습된 마코프 모델은 임의의 지문이미지 분류시 높은 분류율을 보였다. 또한 기존의 구조적 접근방법에 비하여 다양한 품질의 지문이미지의 방향성 정보를 이용한 확률론적 방법이기 때문에 예외적인 지문이미지 분류시 잘 적용될 수 있다.

• The Journal of the Acoustical Society of Korea
• /
• v.13 no.1
• /
• pp.5-13
• /
• 1994

This paper presents a study on Neural Networks for Phoneme Recognition and performs the Phoneme Recognition using TDNN (Time Delay Neural Network). Also, this paper proposes training algorithm for speech recognition using neural nets that is a proper to large scale TDNN. Because Phoneme Recognition is indispensable for continuous speech recognition, this paper uses TDNN to get accurate recognition result of phonemes. And this paper proposes new training algorithm that can converge TDNN to an optimal state regardless of the number of phonemes to be recognized. The recognition experiment was performed with new training algorithm for TDNN that combines backpropagation and Cauchy algorithm using stochastic approach. The results of the recognition experiment for three phoneme classes for two speakers show the recognition rates of $98.1\%$. And this paper yielded that the proposed algorithm is an efficient method for higher performance recognition and more reduced convergence time than TDNN.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.12 no.3
• /
• pp.451-456
• /
• 2017

Semantic segmentation, which is the most basic and complicated problem in computer vision, classifies each pixel of an image into a specific object and performs a task of specifying a label. MRF and CRF, which have been studied in the past, have been studied as effective methods for improving the accuracy of pixel level labeling. In this paper, we propose a semantic partitioning method that combines CNN, a kind of deep running, which is in the spotlight recently, and CRF, a probabilistic model. For learning and performance verification, Pascal VOC 2012 image database was used and the test was performed using arbitrary images not used for learning. As a result of the study, we showed better partitioning performance than existing semantic partitioning algorithm.