• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.16 no.3
• /
• pp.229-236
• /
• 2003

Artificial neural network has been used for damage assessment by many researchers, but there are still some barriers that must be overcome to improve its accuracy and efficiency. The major problems associated with the conventional artificial neural network, especially the Back Propagation Neural Network(BPNN), are on the need of many training patterns and on the ambiguous relationship between neural network architecture and the convergence of solution. Therefore, the number of hidden layers and nodes in one hidden layer would be determined by trial and error. Also, it takes a lot of time to prepare many training patterns and to determine the optimum architecture of neural network. To overcome these drawbacks, the PNN can be used as a pattern classifier. In this paper, the PNN is used numerically to detect damage in a plate girder railway bridge. Also, the comparison between mode shapes and natural frequencies of the structure is investigated to select the appropriate training pattern for the damage detection in the railway bridge.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.11 no.1
• /
• pp.103-112
• /
• 2007

Recently structures become longer and higher because of the developments of new materials and construction techniques. However, such modern structures are susceptible to excessive structural vibrations, which may induce problems of serviceability and structural damages. In this paper we attempt to control structural vibration using the probabilistic neural network(PNN) and the artificial neural network(ANN) based on the training pattern that consist of only the structural state vector and the control force. The state vectors of the structure and control forces made by linear quadratic regulator(LQR) algorithm are used for training pattern of PNN and ANN. The proposed algorithm is applied for the vibration control of the three story shear building under Northridge earthquake. Control results by the proposed PNN and ANN are compared with each other.

• The Journal of the Acoustical Society of Korea
• /
• v.12 no.6
• /
• pp.21-27
• /
• 1993

계층형 신경망은 패턴 분류를 위해 사용되어 왔다. 이것은 주어진 교사패턴들의 학습으로 원하는 입력-출력 간의 매핑을 할 수 있기 때문이다. 신경망은 타겟ㅌ트 패턴이 입력 패턴의 카테고리에 일치할 때 타겟트 패턴을 학습하므로서 사후 확률을 근사화할 수 있다. 그리고 입력 공간을 부분 공간으로 나누어 학습 데이터들의 비율로서 만든 타겟트 벡터들로 학습한 신경망은 확률밀도 함수를 나타낼 수 있다. 본 연구에서는 역전파 학습법을 이용한 계층형 NN 과 코드북으로서 사후 확률과 확률밀도함수의 측정방법을 제안하였다. VQ 로 추정한 사후확률고 확률밀도함수를 이용하여 학습이 필요없는 RBF network 의 일종인 PNN으로 모음 인식을 수행 하였다. 인식 실험에서 PNN 의 결과는 역전파 학습법을 이용항 3층 신경망과 VQ 의 평균 인식율과 비교되었다. VQ-PNN의 인식율이 다른 것보다 우수하게 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.310-310
• /
• 2012

확률강우량 산정은 수공구조물의 설계에 있어서 중요한 과정이다. 확률강우량을 산정함에 있어 지난 수십년간 모멘트법, 최우도법, 확률가중모멘트법, 그리고 L-모멘트법 등의 매개변수적 방법이 발달되어 적용되어 왔다. 매개변수적 빈도해석 방법은 그 적용성이 여러 연구를 통해 검정되었지만 가정한 확률분포와 매개변수 추정방법에 따라 확률강우량이 달라지며 강우지속시간과 기후변화 등에 따른 분포의 변동성을 고려해야 하는 단점이 있다. 매개변수적 빈도해석 방법의 단점을 극복하기 위하여 최근에 핵밀도함수 등을 포함한 다양한 비매개변수적 빈도해석 방법이 제안되고 있다. 본 연구에서는 서울기상관측소의 지난 50년간 지속시간 24시간 강우량을 바탕으로 수자원 분야에서 다양하게 적용된 바가 있는 인공신경망 기법과 대표적인 매개변수적 빈도해석 방법인 L-모멘트법을 이용하여 확률강우량을 산정하고 비교하였다. 그 결과 인공신경망 기법은 전통적인 매개변수방법의 하나인 L-모멘트법 보다 확률강우량 산정에 있어서 높은 정확도를 가지는 것으로 나타났다.

• Proceedings of the Earthquake Engineering Society of Korea Conference
• /
• 2006.03a
• /
• pp.382-389
• /
• 2006

구조 재료와 시공기술의 발달로 구조물은 높고 길게 설계할 수 있게 되었으나, 그에 따른 진동 문제와 사용성에 관한 문제가 발생하였고 구조물의 과다한 변위는 구조물에 심각한 손상을 발생 시켰다. 이러한 구조물의 진동 문제를 해결하기 위하여 본 논문에서는 확률신경망이론을 사용한 구조물의 능동제어방법을 제안하였다. 구조물의 제어를 위하여 LQR 제어알고리즘을 이용하여 구조물의 상태벡터와 제어력을 구한 후, 상태벡터를 입력으로 제어력을 출력으로 하는 확률신경망의 훈련패턴을 구성하였다. 제안된 방법을 사용하여 지진하중을 받는 3층 빌딩구조물을 제어하였고, 기존의 인공신경망의 제어 결과와 비교하였다.

• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.130-130
• /
• 2022

기후변화로 인한 기상이변 현상으로 폭우와 홍수 등 수문학적 극치 사상의 출현 빈도가 잦아지고 있다. 따라서 이러한 기상이변 현상에 적응하기 위하여 보다 정확한 확률강우량 측정의 필요성이 증가하고 있다. 대장 지점의 미래 확률강우량 계산을 위해선 기후변화 시나리오의 비정상성을 고려해야 한다. 본 연구는 비정상적인 미래 기후에서 확률강우량이 어떻게 변화하는지 측정하는 것을 목표로 한다. Representative Concentration Pathway (RCP4.5)에 따른 우리나라의 확률강우량 계산에 인공신경망을 포함한 정상성, 비정상성 확률강우량 산정 모델들이 사용되었다. 지점빈도해석(AFA), 홍수지수법(IFM), 모분포홍수지수법(PIF), 인공신경망을 이용한 Quantile & Parameter regression technique(QRT & PRT)이 정상성 자료에 대해 확률강우량을 계산하는 모델로 사용되었으며, 비정상성 자료에 대해서는 비정상성 지점빈도해석(NS-AFA), 비정상성 홍수지수법(NS-IFM), 비정상성 모분포홍수지수법(NS-PIF), 인공신경망을 사용한 비정상성 Quantile & Parameter regression technique(NS-QRT & NS-PRT)이 사용되었다. Rescaled Akaike information criterion(rAIC)를 사용한 불확실성 분석과 적합도 검정을 통해서 generalized extreme value(GEV) 분포형 모델이 정상성 및 비정상성 확률강우량 산정에 가장 적합한 모델로 선정되었다. 이후, 관측자료가 GEV(0,0,0)을 따르고 시나리오 자료가 GEV(1,0,0)을 따르는 지점들을 선택하여 미래의 확률강우량 변화를 추정하였다. 각 빈도해석 모델들은 몬테카를로 시뮬레이션을 통해 bias, relative bias(Rbias), root mean square error(RMSE), relative root mean square error(RRMSE)를 바탕으로 측정하여 정확도를 계산하였으며 그 결과 QRT와 NS-QRT가 각각 정상성과 비정상성 자료로부터 가장 정확하게 확률강우량을 계산하였다. 본 연구를 통해 향후 기후변화의 영향으로 확률강우량이 증가할 것으로 예상되며, 비정상성을 고려한 빈도분석 또한 필요함을 제안하였다.

• The Journal of the Korea Contents Association
• /
• v.7 no.1
• /
• pp.65-72
• /
• 2007

In this study, we used nondestructive test based on ultrasonic test as inspection method and compared backpropagation neural network(BPNN) with probabilistic neural network(PNN) as pattern recognition algorithm of weld flaws. For this purpose, variables are applied the same to two algorithms. Where, feature variables are zooming flaw signals of reflected whole signals from weld flaws in time domain. Through this process, we compared advantages/ disadvantages of two algorithms and confirmed application methods of two algorithms.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.4
• /
• pp.65-73
• /
• 1997

This paper proposes a new method of the structure pruning of dynamic recurrent neural networks (DRNN) using evolutionary computations. In general, evolutionary computations are population-based search methods, therefore it is very useful when several different properties of neural networks need to be optimized. In order to prune the structure of the DRNN in this paper, we used the evolutionary programming that searches the structure and weight of the DRNN and evolution strategies which train the weight of neuron and pruned the net structure. An addition or elimination of the hidden-layer's node of the DRNN is decided by mutation probability. Its strategy is as follows, the node which has mhnimum sum of input weights is eliminated and a node is added by predesignated probability function. In this case, the weight is connected to the other nodes according to the probability in all cases which can in- 11:ract to the other nodes. The proposed pruning scheme is exemplified on the stabilization and position control of the inverted-pendulum system and visual servoing of a robot manipulator and the effc: ctiveness of the proposed method is demonstrated by numerical simulations.