• 한국전산구조공학회논문집
• /
• 제16권3호
• /
• pp.229-236
• /
• 2003

손상평가를 위해 많은 연구자들에 의해 인공신경망이 이용되어 왔다. 그러나, 인공신경망을 이용한 손상평가에 있어 정확성과 능률성을 제고하기 위해서는 몇가지 문제점이 있다. 기존의 인공신경망 특히 역전파신경망(BPNN)의 경우 신경망 학습을 위해 많은 수의 학습패턴을 필요로 하며, 또한 신경망의 구조와 해의 수렴간에 어떤 확정적인 관계가 존재하지 않는다. 따라서 신경망의 은닉층의 수와 한 은닉층에서의 노드수는 시행착오적으로 결정되게 된다. 이러한 많은 훈련패턴의 준비와 최적의 신경망 구조 결정을 위해서는 많은 시간이 필요하다. 본 논문에서는 이러한 단점들을 극복하기 위해 확률신경망을 패턴분류기로 사용하였다. 이를 판형철도교의 손상평가에 수치해석적으로 검증하였다. 또한 확률신경망을 이용한 철도판형교 손상평가시 적절한 훈련패턴 선택을 위해 모드형상과 고유진동수를 사용한 경우의 적용성에 대해 검토하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• 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.

• 한국구조물진단유지관리공학회 논문집
• /
• 제11권1호
• /
• pp.103-112
• /
• 2007

구조 재료와 시공기술의 발달로 구조물은 높고 길게 설계할 수 있게 되었으나, 그에 따른 진동문제와 사용성에 관한 문제가 발생하였고, 구조물의 과다한 변위는 구조물에 심각한 손상을 발생시켰다. 이러한 구조물의 진동 문제를 해결하기 위하여 본 논문에서는 구조물의 상태벡터와 제어력만으로 구성된 훈련패턴을 기본으로 하여 인공신경망이론과 확률신경망이론을 사용하여 구조물의 진동을 능동제어하는 방법을 제안하였다. 구조물의 제어를 위해 LQR 제어알고리즘을 이용하여 구조물의 상태벡터와 제어력을 구한 후, 상태벡터를 입력으로 제어력을 출력으로 하는 인공신경망과 확률신경망의 훈련패턴을 구성하였다. 제안된 방법을 사용하여 Northridge 지진하중을 받는 3층 빌딩구조물을 제어하였고, 제안된 인공신경망과 확률신경망의 제어 결과를 비교하였다.

• 한국음향학회지
• /
• 제12권6호
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• 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.

• 한국지진공학회:학술대회논문집
• /
• 한국지진공학회 2006년도 학술발표회 논문집
• /
• 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.

• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• 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.

• 한국콘텐츠학회논문지
• /
• 제7권1호
• /
• pp.65-72
• /
• 2007

본 연구에서는 초음파 검사를 기반으로 하는 비파괴검사 방법을 사용하였으며, 용접결함의 패턴인식 알고리즘으로서 역전파 신경망과 확률 신경망을 비교하였다. 이러한 목적을 위한 과정에서 두 가지 알고리즘에 동일한 변수를 적용하였으며, 여기서 사용된 특징변수는 용접결함으로부터 반사된 시간영역 상의 전체 결함신호로부터 결함부분만을 분리한 신호파형을 사용하였다. 이상의 절차를 통하여 두 가지 알고리즘의 적용방안을 확인하였으며, 두 가지 알고리즘에 대하여 각각의 장단점을 비교하였다.

• 한국지능시스템학회논문지
• /
• 제7권4호
• /
• pp.65-73
• /
• 1997

본 논문에서는 진화연산을 이용하여 동적 귀환 신경망의 구조를 저차원화하는 방법을 제안한다. 일반적으로 진화연산을 개체군을 이용한 탐색 방법으로서 신경회로망의 여러 가지 다른 성질을 동시에 최적화할 필요가 있을 때 유용한 방법이다. 본 연구에서는 동적 귀환 신경망의 구조를 조차원화하기 위하여 진화 프로그래밍으로 신경망의 구조를 탐색하고, 진화전략으로 신경망의 연결강도를 학습시킴으로서 전체적인 구조를 저차원화하였다.신경망의 중간층 노드의 추가/삭제는 돌연변이 확률에 의하여 결정한다. 노드를 삭제할 경우에는 입력 연결강도의 총합이 가장 작은 노드를 삭제하고, 노드를 추가할 경우에는 미리 지정한 확률함스에 따라 노드를 추가한다. 그리고 추가된 노드와 다른 노드와의 연결방법은 서로 영향을 미칠 수 있는 모든 연결강도 중에서 확률적으로 선택하여 연결하였다. 마지막으로 제안한 저차원화 동적 귀환 신경망이 완전 연결된 신경망보다 더 좋은 성능을 얻을 수 있음을 예제로서 본 논문에서는 도립진자의 안정화 및 제어와 로봇 매니퓰레이터의 비주얼 서보잉에 적용하여 컴퓨터 시뮬레이션을 통하여 그 유효성을 확인한다.