• 제목/요약/키워드: 확률론적 신경망

검색결과 35건 처리시간 0.047초

비모수적 기법에 의한 확률론적 저수지 유입량 예측 (Probabilistic Reservoir Inflow Forecast Using Nonparametric Methods)

  • 이한구;김선기;조영현;정구열
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2008년도 학술발표회 논문집
    • /
    • 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.

  • PDF

신경망 이론과 Simulated Annealing법을 이용한 노심 최적 장전모형 탐색 연구

  • 이정훈;장창선;김창효
    • 한국원자력학회:학술대회논문집
    • /
    • 한국원자력학회 1997년도 추계학술발표회논문집(1)
    • /
    • 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.

  • PDF

개선된 인공신경망의 학습방법에 의한 강구조물의 설계 (Design of Steel Structures Using the Neural Networks with Improved Learning)

  • 최병한;임정환
    • 한국강구조학회 논문집
    • /
    • 제17권6호통권79호
    • /
    • pp.661-672
    • /
    • 2005
  • 본 연구에서는 많은 양의 함수 계산을 요구하는 확률론적 최적화 기법을 보다 효과적으로 강구조물에 적용하여 수행하고자 한다. 다양한 과학, 응용공학 분야에서 많은 시간이 소요되는 과정을 대체하는데 효과적인 도구로 출현한 인공신경망을 최적화 과정 중 많은 수의 유한요소 해석이 요구되는 재해석 문제에 적용함으로서 유한요소법의 평형방정식의 해의 근사해를 추정하여 재해석과정을 보다 간단하고 용이하게 수행하고자 한다. 또한 이용된 인공신경망의 학습효과의 개선을 위해 유전알고리즘을 적용한다. 확률론적 구조최적화 기법으로는 진화론적 방법에 기초한 알고리즘을 사용한다. 수치 예로써 전형적인 체적(중량)문제와 실 경비함수를 목적함수로 갖는 강구조물 모형에 본 연구의 알고리즘을 적용하여 본 알고리즘의 적용성과 타당성을 증명하였다.

동적 확장 가능한 다중 계층 신경망에 기반한 음성 질의의 onset 검출 기법 (An Onset Detection Scheme for Vocal Queries Based on Dynamic Expansible MLP)

  • 한병준;노승민;황인준
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (C)
    • /
    • 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.

  • PDF

인공신경망 기반의 응답면 기법을 이용한 사면의 지진에 대한 취약도 곡선 작성 (Development of Seismic Fragility Curves for Slopes Using ANN-based Response Surface)

  • 박노석;조성은
    • 한국지반공학회논문집
    • /
    • 제32권11호
    • /
    • pp.31-42
    • /
    • 2016
  • 지진에 대한 사면안정 해석은 지진에 의한 관성력을 정적하중으로 고려하는 유사정적해석을 널리 사용하고 있다. 사면과 같은 지반 구조물은 지반정수의 불확실성이 포함되어 있어 확률론적 해석을 이용하여 지반정수의 불확실성을 고려해야 한다. 본 연구에서는 지반의 불확실성을 고려한 확률론적 사면안정해석을 수행하였으며, 구조물이 임의 수준의 지반 운동을 받을 때 파괴상태에 도달하는 확률을 그래프로 나타낸 취약도 곡선을 작성하였다. 유사정적해석으로 확률론적 사면안정해석을 수행하기 위해 Monte Carlo Simulation(MCS)을 시행하였다. MCS의 소요 시간을 단축하기 위하여 인공신경망 기반의 응답면 기법을 이용해 파괴확률을 산출하여 수평지진계수별 취약도 곡선을 작성하는 방법을 제시하였다. 인공신경망을 이용하여 작성한 취약도 곡선을 MCS의 결과와 비교해 본 결과 상당한 시간 절약에 비해 유사한 결과를 얻을 수 있었다.

콘크리트 압축강도 추정을 위한 확률 신경망 (Probabilistic Neural Network for Prediction of Compressive Strength of Concrete)

  • 김두기;이종재;장성규
    • 한국구조물진단유지관리공학회 논문집
    • /
    • 제8권2호
    • /
    • pp.159-167
    • /
    • 2004
  • 콘크리트의 압축강도는 콘크리트를 생산하는 기준으로 사용된다. 콘크리트 압축강도 시험은 복잡하고 시간이 걸리는 일이고, 보통 건설현장에서 타설 후 28일 후에 실행되기 때문에, 시험결과가 필요강도를 만족하지 않을 경우에 구조물의 시공에 문제를 초래할 수도 있다. 따라서, 콘크리트 타설 전에 강도를 예측하는 것이 요구되고 있다. 본 연구에서는 콘크리트 배합비를 기초로 하여 콘크리트 압축강도를 예측하기 위한 확률론적 방법을 제시하였다. 패턴인식 분야에서 많이 활용되어온 확률신경망 기법을 활용하여 콘크리트 압축강도 추정을 수행하였다. 콘크리트 압축강도 시험결과를 활용하여 확률신경망 기법의 적용성을 검증하였으며, 실제 시험결과와 비교를 수행하였다. 비교결과, 본 연구에서 제시된 확률신경망을 활용한 콘크리트 압축강도 추정기법이 콘크리트의 압축강도를 확률적으로 추정하는데 매우 효과적으로 적용될 수 있음을 확인하였다.

인공신경망을 적용한 직사화기 무기체계의 살상확률(Pk) 산출방법론 연구 (A Study on Pk(Probability of Kill) Calculation Method of the Direct Fire Weapon System using ANN)

  • 장영천;한현진;이기택;송미진;이휘영;김종헌
    • 한국시뮬레이션학회논문지
    • /
    • 제28권1호
    • /
    • pp.99-107
    • /
    • 2019
  • 기존 본 연구팀에서 연구한 직사화기 무기효과 산출방법론은 JMEM(Joint Munitions Effectiveness Manuals : 합동탄약효과편람)내(內) 표적에 대해서만 무기효과자료를 산출 가능하다는 제한 사항을 가지고 있었다. 따라서 본 연구에서는 JMEM 이외의 현실적 표적을 추가하여 무기효과자료를 산출하는 방법을 인공신경망(ANN : Artificial Neural Network)을 적용하여 도출하는 데 중점을 두었다. 즉, 미국 JMEM내(內) 표적의 제원과 효과지수인 취약면적(Av : vulnerable area)을 이용하여 인공신경망의 예측모델을 학습시키고, 학습된 예측모델에 현실적 표적의 제원을 적용하여 취약면적을 계산한다. 최종적으로 본 연구팀이 연구한 기존 직사화기 무기효과 산출방법론에 계산된 취약면적을 적용하여 살상확률(Pk)을 계산하는 방법론을 제시하였다.

마코프 모텔 기반 지문의 구조적 특징 분류 (Markov Models based Classification of Fingerprint Structural Features)

  • 정혜욱;원종진;김문현
    • 한국시뮬레이션학회:학술대회논문집
    • /
    • 한국시뮬레이션학회 2005년도 추계학술대회 및 정기총회
    • /
    • 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.

  • PDF

한국어 음소 인식을 위한 신경회로망에 관한 연구 (A Study on the Neural Networks for Korean Phoneme Recognition)

  • 최영배;양진우;이형준;김순협
    • 한국음향학회지
    • /
    • 제13권1호
    • /
    • pp.5-13
    • /
    • 1994
  • 본 논문은 음소인식을 위한 신경회로망에 관한 연구로서, 시간 지연 신경회로망을 이용하여 음소인식을 수행하였다. 또한, 본 논문은 대규모 시간지연 신경망에도 적합한 음성 인식 신경망의 학습 방법에 제안한다. 연속 음성의 인식을 위해 반드시 선행되어야 하는 음소의 정확한 인식을 위하여 우수한 성능을 보이고 있는 시간지연 신경망을 사용하였으며, 인식 대상 음소수가 증가하여도 신경망을 최적으로 수렴시킬 수 있는 시간지연 신경망의 새로운 알고리즘을 제시하였다. 확률론적 접근법인 코우쉬 알고리즘을 에러 역전파 알고리즘에 결합하는 시간지연 신경망의 새로운 학습 알고리즘을 사용한 실험이 수행되었다. 화자 2인을 대상으로 한 3분류의 음소군 인식 실험에서 $98.1\%$의 인식률을 얻었으며, 제안된 알고리즘이 시간지연 신경망의 더욱 우수한 인식률과 수렴 시간의 단축에 효율적이었음을 보였다.

  • PDF

조건부 랜덤 필드와 컨볼루션 신경망을 이용한 의미론적인 객체 분할 방법 (Semantic Segmentation using Convolutional Neural Network with Conditional Random Field)

  • 임수창;김도연
    • 한국전자통신학회논문지
    • /
    • 제12권3호
    • /
    • pp.451-456
    • /
    • 2017
  • 컴퓨터비전에서 가장 기본적이고, 복잡한 문제를 수반하는 의미론적 분할(Semantic segmentation)은 이미지의 각 픽셀을 특정 객체로 분류하며, 레이블(label)을 지정하는 작업을 수행한다. 기존에 연구되어온 확률적 그래프 모델인 MRF와 CRF는 픽셀 수준의 라벨링 작업의 정확도를 높이는 효과적인 방법으로 연구되어왔다. 본 논문에서는 최근 각광받고 있는 딥러닝의 한 부류인 CNN과 확률 모델인 CRF를 결합한 형태의 의미론적 분할 방법을 제안하였다. 학습과 성능 검증을 위하여 Pascal VOC 2012 이미지 데이터베이스를 사용하였고, 학습에 사용되지 않은 임의의 이미지를 이용하여 테스트를 진행 하였다. 연구의 결과로서 기존 의미론적 분할 알고리즘보다 더욱 뛰어난 분할 성능을 보여주었다.