Antibiotic production with Streptomyces sindenensis MTCC 8122 was optimized under submerged fermentation conditions by artificial neural network (ANN) coupled with genetic algorithm (GA) and Nelder-Mead downhill simplex (NMDS). Feed forward back-propagation ANN was trained to establish the mathematical relationship among the medium components and length of incubation period for achieving maximum antibiotic yield. The optimization strategy involved growing the culture with varying concentrations of various medium components for different incubation periods. Under non-optimized condition, antibiotic production was found to be $95{\mu}g/ml$, which nearly doubled ($176{\mu}g/ml$) with the ANN-GA optimization. ANN-NMDS optimization was found to be more efficacious, and maximum antibiotic production ($197{\mu}g/ml$) was obtained by cultivating the cells with (g/l) fructose 2.7602, $MgSO_4$ 1.2369, $(NH_4)_2PO_4$ 0.2742, DL-threonine 3.069%, and soyabean meal 1.952%, for 9.8531 days of incubation, which was roughly 12% higher than the yield obtained by ANN coupled with GA under the same conditions.
This paper is aimed at adapting Artificial Neural Networks (ANN) to predict the compressive strength of High Performance Concrete (HPC) containing binary and quaternary blends. The investigations were done on 23 HPC mixes, and specimens were cast and tested after 7, 28 and 56 days curing. The obtained experimental datas of 7, 28 and 56 days are trained using ANN which consists of eight input parameters like cement, metakaolin, blast furnace slag and fly ash, fine aggregate, coarse aggregate, superplasticizer and water binder ratio. The corresponding output parameters are 7, 28 and 56 days compressive strengths. The predicted values obtained using ANN show a good correlation between the Experimental data. The performance of the 8-9-3-3 architecture was better than other architectures. It concluded that ANN tool is convenient and time saving for predicting compressive strength at different ages.
Journal of the Korea Society of Computer and Information
/
v.27
no.7
/
pp.187-194
/
2022
LNG is known as the transitional energy source for the future eco-friendly, attracting enormous market attention due to global eco-friendly regulations, Covid-19 Pandemic, Russia-Ukraine War. In addition, since new LNG suppliers such as the U.S. and Australia are also diversifying, the LNG spot market is expected to grow. On the other hand, research on the LNG transportation market has been marginalized. Therefore, this study attempted to predict short-term LNG 160K spot rates and compared the prediction performance between artificial neural networks and the ARIMA model. As a result of this paper, while it was difficult to determine the superiority and superiority of ARIMA and artificial neural networks, considering the relative free of ANN's contraints, we confirmed the feasibility of ANN in LNG 160K spot rate prediction. This study has academic significance as the first attempt to apply an artificial neural network to forecasting LNG 160K spot rates and are expected to contribute significantly in practice in that they can improve the quality of short-term investment decisions by market participants by increasing the accuracy of short-term prediction.
Faradmal, Javad;Soltanian, Ali Reza;Roshanaei, Ghodratollah;Khodabakhshi, Reza;Kasaeian, Amir
Asian Pacific Journal of Cancer Prevention
/
v.15
no.14
/
pp.5883-5888
/
2014
Background: Breast cancer is the most common cancers in female populations. The exact cause is not known, but is most likely to be a combination of genetic and environmental factors. Log-logistic model (LLM) is applied as a statistical method for predicting survival and it influencing factors. In recent decades, artificial neural network (ANN) models have been increasingly applied to predict survival data. The present research was conducted to compare log-logistic regression and artificial neural network models in prediction of breast cancer (BC) survival. Materials and Methods: A historical cohort study was established with 104 patients suffering from BC from 1997 to 2005. To compare the ANN and LLM in our setting, we used the estimated areas under the receiver-operating characteristic (ROC) curve (AUC) and integrated AUC (iAUC). The data were analyzed using R statistical software. Results: The AUC for the first, second and third years after diagnosis are 0.918, 0.780 and 0.800 in ANN, and 0.834, 0.733 and 0.616 in LLM, respectively. The mean AUC for ANN was statistically higher than that of the LLM (0.845 vs. 0.744). Hence, this study showed a significant difference between the performance in terms of prediction by ANN and LLM. Conclusions: This study demonstrated that the ability of prediction with ANN was higher than with the LLM model. Thus, the use of ANN method for prediction of survival in field of breast cancer is suggested.
Transactions on Control, Automation and Systems Engineering
/
v.2
no.3
/
pp.207-213
/
2000
This paper introduces a high-performance speed control system based on artificial neural networks(ANN) to estimate unknown parameters of a DC servo motor. The goal of this research is to keep the rotor speed of the DC servo motor to follow an arbitrary selected trajectory. In detail, the aim is to obtain accurate trajectory control of the speed, specially when the motor and load parameters are unknown. By using an artificial neural network, we can acquire unknown nonlinear dynamics of the motor and the load. A trained neural network identifier combined with a reference model can be used to achieve the trajectory control. The performance of the identification and the control algorithm are evaluated through the simulation and experiment of nonlinear dynamics of the motor and the load using a typical DC servo motor model.
In the present work appropriate concrete material models have been proposed to predict drying shrinkage and specific creep of High-performance concrete (HPC) using Artificial Neural Network (ANN). The ANN models are trained, tested and validated using 106 different experimental measured set of data collected from different literatures. The developed models consist of 12 input parameters which include quantities of ingredients namely ordinary Portland cement, fly ash, silica fume, ground granulated blast-furnace slag, water, and other aggregate to cement ratio, volume to surface area ratio, compressive strength at age of loading, relative humidity, age of drying commencement and age of concrete. The Feed-forward backpropagation networks with Levenberg-Marquardt training function are chosen for proposed ANN models and same implemented on MATLAB platform. The results shows that the proposed ANN models are more rational as well as computationally more efficient to predict time-dependent properties of drying shrinkage and specific creep of HPC with high level accuracy.
In this study, artificial neural network (ANN) and multiple regression (MR) models were developed to predict the critical factor of safety ($F_s$) of the homogeneous finite slopes subjected to earthquake forces. To achieve this, the values of $F_s$ in 5184 nos. of homogeneous finite slopes having different slope, soil and earthquake parameters were calculated by using the Simplified Bishop method and the minimum (critical) $F_s$ for each of the case was determined and used in the development of the ANN and MR models. The results obtained from both the models were compared with those obtained from the calculations. It is found that the ANN model exhibits more reliable predictions than the MR model. Moreover, several performance indices such as the determination coefficient, variance account for, mean absolute error, root mean square error, and the scaled percent error were computed. Also, the receiver operating curves were drawn, and the areas under the curves (AUC) were calculated to assess the prediction capacity of the ANN and MR models developed. The performance level attained in the ANN model shows that the ANN model developed can be used for predicting the critical $F_s$ of the homogeneous finite slopes subjected to earthquake forces.
This paper presents the possibilities of adapting artificial neural networks (ANNs) to predict the dimensionless parameters related to the maximum contact pressures of an elasticity problem. The plane symmetric double receding contact problem for a rigid stamp and two elastic strips having different elastic constants and heights is considered. The external load is applied to the upper elastic strip by means of a rigid stamp and the lower elastic strip is bonded to a rigid support. The problem is solved under the assumptions that the contact between two elastic strips also between the rigid stamp and the upper elastic strip are frictionless, the effect of gravity force is neglected and only compressive normal tractions can be transmitted through the interfaces. A three layered ANN with backpropagation (BP) algorithm is utilized for prediction of the dimensionless parameters related to the maximum contact pressures. Training and testing patterns are formed by using the theory of elasticity with integral transformation technique. ANN predictions and theoretical solutions are compared and seen that ANN predictions are quite close to the theoretical solutions. It is demonstrated that ANNs is a suitable numerical tool and if properly used, can reduce time consumed.
When the temperature of a structure varies, there is a tendency to produce changes in the shape of the structure. The resulting actions may be of considerable importance in the analysis of the structures having non-prismatic members. The computation of design forces for the non-prismatic beams having symmetrical parabolic haunches (NBSPH) is fairly difficult because of the parabolic change of the cross section. Due to their non-prismatic geometrical configuration, their assessment, particularly the computation of fixed-end horizontal forces and fixed-end moments becomes a complex problem. In this study, the efficiency of the Artificial Neural Networks (ANN) and Adaptive Neuro Fuzzy Inference Systems (ANFIS) in predicting the design forces and the design moments of the NBSPH due to temperature changes was investigated. Previously obtained finite element analyses results in the literature were used to train and test the ANN and ANFIS models. The performances of the different models were evaluated by comparing the corresponding values of mean squared errors (MSE) and decisive coefficients ($R^2$). In addition to this, the comparison of ANN and ANFIS with traditional methods was made by setting up Linear-regression (LR) model.
Kim, Hyeong-Joo;Dinoy, Peter Rey T.;Choi, Hee-Seong;Lee, Kyoung-Bum;Mission, Jose Leo C.
Coupled systems mechanics
/
v.8
no.6
/
pp.523-535
/
2019
Artificial Intelligence (AI) is anticipated to be the future of technology. Hence, AI has been applied in various fields over the years and its applications are expected to grow in number with the passage of time. There has been a growing need for accurate, direct, and quick prediction of geotechnical and foundation engineering models especially since the success of each project relies on numerous amounts of data. In this study, two applications of AI in the field of geotechnical and foundation engineering are presented - spatial interpolation of standard penetration test (SPT) data and prediction of consolidation of clay. SPT and soil profile data may be predicted and estimated at any location and depth at a site that has no available borehole test data using artificial intelligence techniques such as artificial neural networks (ANN) based on available geospatial information from nearby boreholes. ANN can also be used to accelerate the calculation of various theoretical methods such as the one-dimensional consolidation theory of clay with high efficiency by using lesser computation resources. The results of the study showed that ANN can be a valuable, powerful, and practical tool in providing various information that is needed in geotechnical and foundation design.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.