We present performance of artificial neural network multivariate classifier in identifying non-astrophysical origin noise transients from the gravitational wave channel of Laser Interferometer Gravitational-wave Observatory (LIGO). LIGO has successfully conducted six science runs, achieving the sensitivity as planned and producing many fruitful scientific results. It has been well observed that the detector noise is non-Gaussian and non-stationary, which results in large excess of noise transients called glitches arising from instrumental and environmental artifacts. Great efforts have been committed to reduce the glitches by tuning the detector instruments and by vetoing them but further improvement is still needed. To this end, there have been efforts to incorporate data from hundreds of auxiliary, physical and environmental channels into identifying the glitches in the gravitational wave channel. We introduce a multivariate classification method using Artificial Neural Networks (ANNs) that efficiently handles large number of variables. In this poster, we present preliminary results of the application of our ANN algorithm to data from LIGO's Science Run 4 and compare its performance with conventional vetoing method.
Artificial neural networks (ANNs) are successfully developed for the modeling and prediction of normalized polarity parameter (ETN) of 216 various solvents with diverse chemical structures using a quantitative-structure property relationship. ANN with architecture 5-9-1 is generated using five molecular descriptors appearing in the multi-parameter linear regression (MLR) model. The most positive charge of a hydrogen atom (q+), total charge in molecule (qt), molecular volume of solvent (Vm), dipole moment (μ) and polarizability term (πI) are input descriptors and its output is ETN. It is found that properly selected and trained neural network with 192 solvents could fairly represent the dependence of normalized polarity parameter on molecular descriptors. For evaluation of the predictive power of the generated ANN, an optimized network is applied for prediction of the ETN values of 24 solvents in the prediction set, which are not used in the optimization procedure. Correlation coefficient (R) and root mean square error (RMSE) of 0.903 and 0.0887 for prediction set by MLR model should be compared with the values of 0.985 and 0.0375 by ANN model. These improvements are due to the fact that the ETN of solvents shows non-linear correlations with the molecular descriptors.
Artificial neural networks (ANNs), for a first time, were successfully developed for the modeling and prediction of solvent effects on rate constant of [2+2] cycloaddition reaction of diethyl azodicarboxylate with ethyl vinyl ether in various solvents with diverse chemical structures using quantitative structure-activity relationship. The most positive charge of hydrogen atom (q$^+$), dipole moment ($\mu$), the Hildebrand solubility parameter (${\delta}_H^2$) and total charges in molecule (q$_t$) are inputs and output of ANN is log k$_2$ . For evaluation of the predictive power of the generated ANN, the optimized network with 68 various solvents as training set was used to predict log k$_2$ of the reaction in 16 solvents in the prediction set. The results obtained using ANN was compared with the experimental values as well as with those obtained using multi-parameter linear regression (MLR) model and showed superiority of the ANN model over the regression model. Mean square error (MSE) of 0.0806 for the prediction set by MLR model should be compared with the value of 0.0275 for ANN model. These improvements are due to the fact that the reaction rate constant shows non-linear correlations with the descriptors.
To calculate the shear capacity of concrete beams reinforced with fibre-reinforced polymer (FRP), current shear design provisions use slightly modified versions of existing semi-empirical shear design equations that were primarily derived from experimental data generated on concrete beams having steel reinforcement. However, FRP materials have different mechanical properties and mode of failure than steel, and extending existing shear design equations for steel reinforced beams to cover concrete beams reinforced with FRP is questionable. This paper investigates the feasibility of using artificial neural networks (ANNs) to estimate the nominal shear capacity, Vn of concrete beams reinforced with FRP bars. Experimental data on 150 FRP-reinforced beams were retrieved from published literature. The resulting database was used to evaluate the validity of several existing shear design methods for FRP reinforced beams, namely the ACI 440-03, CSA S806-02, JSCE-97, and ISIS Canada-01. The database was also used to develop an ANN model to predict the shear capacity of FRP reinforced concrete beams. Results show that current guidelines are either inadequate or very conservative in estimating the shear strength of FRP reinforced concrete beams. Based on ANN predictions, modified equations are proposed for the shear design of FRP reinforced concrete beams and proved to be more accurate than existing equations.
This paper focuses on the application of artificial neural networks (ANN) for optimal design of tensegrity grid as light-weight roof structures. A tensegrity grid, 2 m ${\times}$ 2 m in size, is fabricated by integrating four single tensegrity modules based on half-cuboctahedron configuration, using galvanised iron (GI) pipes as struts and high tensile stranded cables as tensile elements. The structure is subjected to destructive load test during which continuous monitoring of the prestress levels, key deflections and strains in the struts and the cables is carried out. The monitored structure is analyzed using finite element method (FEM) and the numerical model verified and updated with the experimental observations. The paper then explores the possibility of applying ANN based on multilayered feed forward back propagation algorithm for designing the tensegrity grid structure. The network is trained using the data generated from a finite element model of the structure validated through the physical test. After training, the network output is compared with the target and reasonable agreement is found between the two. The results demonstrate the feasibility of applying the ANNs for design of the tensegrity structures.
In this study, artificial neural networks (ANNs) were used to predict the settlement of pad footings on cohesionless soils based on standard penetration test. To achieve this, a computer programme was developed to calculate the settlement of pad footings from five traditional methods. The footing geometry (length and width), the footing embedment depth, $D_f$, the bulk unit weight, ${\gamma}$, of the cohesionless soil, the footing applied pressure, Q, and corrected standard penetration test, $N_{cor}$, varied during the settlement analyses and the settlement value of each footing was calculated for each method. Then, an ANN model was developed for each traditional method to predict the settlement by using the results of the analyses. The settlement values predicted from the ANN model were compared with the settlement values calculated from the traditional method for each method. The predicted values were found to be quite close to the calculated values. It has been demonstrated that the ANN models developed can be used as an accurate and quick tool at the preliminary designing stage of pad footings on cohesionless soils without a need to perform any manual work such as using tables or charts. Sensitivity analyses were also performed to examine the relative importance of the factors affecting settlement prediction. According to the analyses, for each traditional method, $N_{cor}$ is found to be the most important parameter while ${\gamma}$ is found to be the least important parameter.
For multi-hologram recording especially in a dIsk-shaped storage medium. we had studied a simple cost-effective method to unplement the rotational, angular, and ,patial multiplexmg techniques together in order to enhance the area storage density. Holographic storage with both rotational and angular multIplexing was realized by controlling the rderence beam directly with a pair of wedge prisms. whlie the storage WIth spatIal multlplexmg by shIfting the storage medium. In thIS paper \ve show that lhe area storage density of our system is strongly dependent on f numbers of the lenses in the srgnal and reference anns, and also show that the area storage densrly becollles maximal when the f number of the lens in the signal arm is approximately twice as long for a given f number of the lens in the reference emn. e emn.
International Journal of Aeronautical and Space Sciences
/
v.18
no.3
/
pp.474-484
/
2017
This paper studies the applicability of an efficient numerical model based on artificial neural networks (ANNs) to predict the dynamic responses of the wing structure of an airplane due to atmospheric turbulence in the time domain. The turbulence velocity is given in the form of a stationary Gaussian random process with the von Karman power spectral density. The wing structure is modeled by a classical beam considering bending and torsional deformations. An unsteady vortex-lattice method is applied to estimate the aerodynamic pressure distribution on the wing surface. Initially, the trim condition is obtained, then structural dynamic responses are computed. The numerical solution of the wing structure's responses to a random turbulence profile is used as a training data for the ANN. The current ANN is a three-layer network with the output fed back to the input layer through delays. The results from this study have validated the proposed low-cost ANN model for the predictions of dynamic responses of wing structures due to atmospheric turbulence. The accuracy of the predicted results by the ANN was discussed. The paper indicated that predictions for the bending moments are more accurate than those for the torsional moments of the wing structure.
Proceedings of the Korea Inteligent Information System Society Conference
/
2005.11a
/
pp.509-515
/
2005
Recently, support vector machines (SVMs) are being recognized as competitive tools as compared with other data mining techniques for solving pattern recognition or classification decision problems. Furthermore, many researches, in particular, have proved it more powerful than traditional artificial neural networks (ANNs)(Amendolia et al., 2003; Huang et al., 2004, Huang et al., 2005; Tay and Cao, 2001; Min and Lee, 2005; Shin et al, 2005; Kim, 2003). The classification decision, such as a binary or multi-class decision problem, used by any classifier, i.e. data mining techniques is cost-sensitive. Therefore, it is necessary to convert the output of the classifier into well-calibrated posterior probabilities. However, SVMs basically do not provide such probabilities. So it required to use any method to create probabilities (Platt, 1999; Drish, 2001). This study applies a method to estimate the probability of outputs of SVM to bankruptcy prediction and then suggests credit scoring methods using the estimated probability for bank's loan decision making.
Park, Sang Eun;Kim, Hong In;Kim, Jeoung Han;Reddy, N.S.
Journal of Powder Materials
/
v.26
no.5
/
pp.369-374
/
2019
The properties of powder metallurgy products are related to their densities. In the present work, we demonstrate a method to apply artificial neural networks (ANNs) trained on experimental data to predict the bulk density of barium titanates. The density is modeled as a function of pressure, press rate, heating rate, sintering temperature, and soaking time using the ANN method. The model predictions with the training and testing data result in a high coefficient of correlation (R2 = 0.95 and Pearson's r = 0.97) and low average error. Moreover, a graphical user interface for the model is developed on the basis of the transformed weights of the optimally trained model. It facilitates the prediction of an infinite combination of process parameters with reasonable accuracy. Sensitivity analysis performed on the ANN model aids the identification of the impact of process parameters on the density of barium titanates.
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.