• 응용통계연구
• /
• 제37권1호
• /
• pp.73-86
• /
• 2024

평가지표와 같은 수치형 자료의 경우 수치 형태보다 엑셀(Excel)의 방사형 차트 형태로 나타내 시각적으로 표현하면 정보 전달에 더욱 효과적일 것이다. 그러나 개체가 많은 경우 시각적으로 판별하거나 분류하는 것이 쉽지 않다. 이럴 경우 각 개체에 대해 방사형 차트를 이용하여 형상화 시킨 후, 형상의 정보를 대표할 수 있는 형상점을 찾고 형상좌표로 변환해 형상분석을 적용하여 분류 및 판별하는 방법을 알아보고자 한다. 형상분석을 이용하기 위해 주로 분석자의 주관으로 형상점을 얻고 임의의 좌표공간을 생성시켜 좌표를 얻곤 했다. 방사형 차트는 해당 개체의 특징을 나타내는 변수의 개수만큼 형상점이 생기게 되고 이를 선으로 이은 것은 하나의 형상으로 여겨진다. 따라서 중심을 원점으로 두고 2차원 공간으로 정의를 내린 후, X축과 각 특징을 나타내는 축이 이루는 각에 대해 삼각함수를 적용해 형상좌표를 추출해낸다. 변수의 개수가 많아 형상의 모양이 복잡해질 경우 방사형 차트를 이용해 시각화하더라도 쉽게 파악하기 어렵다. 독립성을 보장할 수 없는 변수들에 대해 주성분 분석(PCA)을 실시하여 시각적으로 효과적인 형상을 만든다. PCA를 실시하기 전과 후의 형상에 대해 전통적 판별분석, 서포트벡터머신(support vector machine; SVM), 인공신경망(artificial neural network; ANN)의 기법을 적용시켜 분류표와 분류율을 확인한다. 또한 GPA (generalized procrustes analysis) 적합좌표, 북스테인좌표 2가지 좌표에 대한 판별의 차이를 비교한다. 북스테인좌표의 경우 기저 형상점을 중심으로 형상의 위치와 회전, 척도를 변환한 좌표로써, 분류율에 대해 GPA 형상좌표보다 더 높은 결과를 보이고 있다. 북스테인좌표의 경우 여러 군집 간의 형상을 비교하는데 유용하게 활용된다.

• 경영정보학연구
• /
• 제24권2호
• /
• pp.67-88
• /
• 2022

본 연구는 SOR(Stimulus-Organism-Response) 모델을 기반으로 퍼스널 모빌리티의 성능적 측면과 외부 환경적 요인을 고려해 이용자들과 비이용자들의 사용 의도를 설명할 수 있는 연구 모형을 제안하였다. 국내 사용자들과 비사용자들을 대상으로 설문조사를 진행하였고 부분최소자승법(Partial Least Square, PLS)과 인공신경망 분석(Artificial Neural Network, ANN)을 통해 연구모형 및 가설들을 검증하였다. 분석결과, 사용자들은 지각된 만족도와 지각된 신뢰도가 사용 의도에 긍정적인 영향을 미치고, 지각된 위험성과 환경적 가치가 지각된 만족도와 지각된 신뢰도와 유의한 관계가 있음이 확인되었다. 반면, 비사용자들은 지각된 만족도와 사용의도 간에 양의 상관관계가 있음이 밝혀졌고, 사용자들과 마찬가지로 지각된 위험성과 환경적 가치가 지각된 만족도와 지각된 신뢰도의 유의한 선행변수임이 검증되었다. 나머지 변수들 중에서는 사용자들의 지각된 이동성과 비사용자들의 지각된 이용 용이성이 각각 지각된 만족도의 중요한 영향요인으로 파악되었다.

• 한국터널지하공간학회 논문집
• /
• 제18권1호
• /
• pp.13-30
• /
• 2016

본 연구에서는 해저 터널의 특수성을 고려한 TBM 세그먼트 라이닝의 최적 설계 시스템을 개발하였다. 해저 터널은 일반적으로 일정 수압 하의 토사나 암반 등으로 구성된 해저 지반 내에 시공된다. 본 설계 시스템은 특정 해저 터널 단면에서의 지반 조건, 시공 조건 및 터널 조건을 고려하여 인공신경망 기반의 세그먼트 라이닝 부재력 예측 시스템을 구축하고, 시공성이 확보된 단면 DB를 구축하여 해저터널에서 최적 단면 설계가 가능하도록 구성하였다. 결과적으로 본 시스템은 해저 터널 설계에 사용되는 BIM과 연동되어 자동으로 설계가 가능하도록 하였다. 단면 검토 및 설계에 사용되는 세그먼트 라이닝 부재력 예측은 유한요소해석을 토대로 구축한 인공신경망을 통해 일반화한 후 BIM 시스템에 접목시켜 별도의 추가 해석이 필요없이 유사 단면의 해저 터널 설계에 적용이 가능하도록 하였다.

• Steel and Composite Structures
• /
• 제41권5호
• /
• pp.761-773
• /
• 2021

This study presents a 3D non-linear finite element (FE) assessment of dynamic soil-structure interaction (SSI). The numerical investigation has been performed on the time domain through a Finite Element (FE) system, while considering the nonlinear behavior of soil and the multi-directional nature of genuine seismic events. Later, the FE outcomes are analyzed to the recorded in-situ free-field and structural movements, emphasizing the numerical model's great result in duplicating the observed response. In this work, the soil response is simulated using an isotropic hardening elastic-plastic hysteretic model utilizing HSsmall. It is feasible to define the non-linear cycle response from small to large strain amplitudes through this model as well as for the shift in beginning stiffness with depth that happens during cyclic loading. One of the most difficult and unexpected tasks in resolving soil-structure interaction concerns is picking an appropriate ground motion predicted across an earthquake or assessing the geometrical abnormalities in the soil waves. Furthermore, an artificial neural network (ANN) has been utilized to properly forecast the non-linear behavior of soil and its multi-directional character, which demonstrated the accuracy of the ANN based on the RMSE and R² values. The total result of this research demonstrates that complicated dynamic soil-structure interaction processes may be addressed directly by passing the significant simplifications of well-established substructure techniques.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.156-156
• /
• 2021

본 연구는 지역빈도해석을 기반으로한 인공신경망 모델과 기존에 널리 사용되는 방법인 홍수지수법의 성능을 몬테카를로 시뮬레이션을 이용하여 평가하였다. 컴퓨터 기술이 발달함에 따라 인공지능에 대한 접근성이 좋아지며 수문학을 포함한 다양한 분야에 적용되고 있다. 인공지능을 이용하여 강수량 및 유량 등 다양한 수문자료에 대한 예측이 이루어지고 있으나 빈도해석에 관한 연구는 비교적 적다. 본 연구에서 사용된 인공 지능 모델은 대상 지점의 지형학적 자료와 수문학적 자료를 이용하여 인공신경망을 통해 지점의 확률강우량(QRT-ANN) 및 확률분포형의 매개변수 (PRT-ANN)를 추정한다. 지형학적 자료로는 위도, 경도 그리고 고도가 사용되었으며 수문학적 자료로는 대상 지점의 최근 30년 일일연최대강우량을 사용하였다. 지역빈도해석의 정확도는 지역 내 통계적 특성이 비슷한 지점들이 포함되면 될수록 높아진다. 통계적 특성으로는 불일치 척도, 이질성 척도, 적합성 척도가 있으며 다양한 조건의 통계적 특성에 따른 세 개의 지역빈도해석 방법의 성능을 평가하고자 하였다. 대상 지역 내 n개의 지점이 있다고 가정하였을 때, 홍수지수법의 경우 n-1개의 지점으로 추정한 지역 성장곡선을 이용하여 나머지 1개 지점의 확률강우량을 산정할 수 있으며 인공신경망 모델들 또한 n-1개 지점들의 자료를 이용하여 모델을 구축한 뒤 나머지 지점의 확률강우량 및 확률분포형의 매개변수를 예측할 수 있다. PRT-ANN의 경우 예측된 매개변수를 이용하여 확률강우량을 산정하며 시뮬레이션 시행마다 발생시킨 자료의 지점빈도해석 결과에 대한 나머지 세 방법의 평균 제곱근 상대오차 (Relative root mean square error, RRMSE)를 계산하였다. 몬테카를로 시뮬레이션을 이용한 성능 분석을 통하여 관측값의 다양한 통계적 특성에 맞는 지역빈도해석 방법을 제시할 수 있을 것으로 판단된다.

• Geomechanics and Engineering
• /
• 제31권2호
• /
• pp.129-147
• /
• 2022

The properties of soil are naturally highly variable and thus, to ensure proper safety and reliability, we need to test a large number of samples across the length and depth. In pile foundations, conducting field tests are highly expensive and the traditional empirical relations too have been proven to be poor in performance. The study proposes a state-of-art Particle Swarm Optimization (PSO) hybridized Artificial Neural Network (ANN), Extreme Learning Machine (ELM) and Adaptive Neuro Fuzzy Inference System (ANFIS); and comparative analysis of metaheuristic models (ANN-PSO, ELM-PSO, ANFIS-PSO) for prediction of bearing capacity of pile foundation trained and tested on dataset of nearly 300 dynamic pile tests from the literature. A novel ensemble model of three hybrid models is constructed to combine and enhance the predictions of the individual models effectively. The authenticity of the dataset is confirmed using descriptive statistics, correlation matrix and sensitivity analysis. Ram weight and diameter of pile are found to be most influential input parameter. The comparative analysis reveals that ANFIS-PSO is the best performing model in testing phase (R² = 0.85, RMSE = 0.01) while ELM-PSO performs best in training phase (R² = 0.88, RMSE = 0.08); while the ensemble provided overall best performance based on the rank score. The performance of ANN-PSO is least satisfactory compared to the other two models. The findings were confirmed using Taylor diagram, error matrix and uncertainty analysis. Based on the results ELM-PSO and ANFIS-PSO is proposed to be used for the prediction of bearing capacity of piles and ensemble learning method of joining the outputs of individual models should be encouraged. The study possesses the potential to assist geotechnical engineers in the design phase of civil engineering projects.

• 사물인터넷융복합논문지
• /
• 제9권3호
• /
• pp.93-98
• /
• 2023

논문에서는 어닐링 시뮬레이션에 근거한 인공 뉴럴 네트워크를 구축한다. 미세 유동채널의 전기화학적 가공 파라미터와 채널 형태 간의 매핑은 샘플의 학습에 의하여 이루어진다. 스텐리스강 표면에 대한 미세 유동채널의 전기화학적 가공의 깊이와 넓이가 예측되고, 형성된 네트워크 모델을 입증하기 위한 NaNO3 해 내부의 펄스 전원공급기와 함께 유동채널의 실험이 진행된다. 결과적으로, "4-7-2" 구조를 갖는 인공 뉴럴 네트워크에 의한 어닐링 시뮬레이션으로 예측된 채널의 깊이와 넓이는 실험값에 매우 근접한다. 그 오차는 5.3% 미만이다. 예측된 데이터와 실험 데이터는 전기화학적 가공 과정에서의 에칭 규격이 전압 및 전류의 밀도와 매우 밀접한 관계가 있음을 보여준다. 전압이 5V보다 작을 때에는 채널 내에 "작은 섬"이 형성된다; 반면에 전압이 40V보다 클 때에는 채널의 측면 에칭이 비교적 크고 채널 사이의 "댐"은 사라지게 된다. 전압이 25V일 때 채널의 가공 형태는 최적이 된다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.240-244
• /
• 2008

본 논문에서는 근전도 신호 기반의 무선 착용형 컴퓨터 인터페이스를 개발하였다. 밴드 형태의 무선 착용형 단말기는 4 채널 근전도 센서와 붙어있으며, 대역통과 필터 및 차단 필터, 신호증폭기를 이용하여 구별 가능한 근전도 신호를 추출하였다. 얻어진 신호는 무선통신을 통해 컴퓨터로 전송하게 된다. 컴퓨터 인터페이스를 위해 손목 움직임을 사용하였으며, 움직임으로부터 획득된 신호를 다층 인식 신경망을 사용하여 손목 움직임을 인식하게 하였다. 이를 통하여 마우스 커서의 움직임을 제어하고, 마우스 버튼을 클릭하는 동작을 할 수 있으며, 시각 디스플레이 장치에 표시된 핸드폰 자판과 같은 유저 인터페이스를 통해 컴퓨터에 글자를 입력할 수 있게 하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.193-202
• /
• 2022

The classification of hyperspectral imagery (HSI) is essential in the surface of earth observation. Due to the continuous large number of bands, HSI data provide rich information about the object of study; however, it suffers from the curse of dimensionality. Dimensionality reduction is an essential aspect of Machine learning classification. The algorithms based on feature extraction can overcome the data dimensionality issue, thereby allowing the classifiers to utilize comprehensive models to reduce computational costs. This paper assesses and compares two HSI classification techniques. The first is based on the Joint Spatial-Spectral Stacked Autoencoder (JSSSA) method, the second is based on a shallow Artificial Neural Network (SNN), and the third is used the SVM model. The performance of the JSSSA technique is better than the SNN classification technique based on the overall accuracy and Kappa coefficient values. We observed that the JSSSA based method surpasses the SNN technique with an overall accuracy of 96.13% and Kappa coefficient value of 0.95. SNN also achieved a good accuracy of 92.40% and a Kappa coefficient value of 0.90, and SVM achieved an accuracy of 82.87%. The current study suggests that both JSSSA and SNN based techniques prove to be efficient methods for hyperspectral classification of snow features. This work classified the labeled/ground-truth datasets of snow in multiple classes. The labeled/ground-truth data can be valuable for applying deep neural networks such as CNN, hybrid CNN, RNN for glaciology, and snow-related hazard applications.

• 한국지리정보학회지
• /
• 제15권2호
• /
• pp.57-70
• /
• 2012

본 연구에서는 지리정보시스템(GIS)을 기반으로 확률강우량과 인공신경망을 적용하여 2006년 태풍 에위니아에 의하여 발생한 강원도 인제 덕적리 지역의 산사태 취약성도 및 미래 위험도를 작성 및 검증하고자 한다. 산사태 취약성 및 위험도와 관련된 요인으로는 지질, 지형도(경사, 경사방향, 곡률도), 토양도(토양 지형, 토질, 토양 배수, 토양 모재 및 유효토심), 임상도(영급, 경급, 소밀도 및 수종) 등을 GIS 기반의 공간 데이터베이스로 구축하였다. 전체 산사태 발생 위치는 694개소이며 이중 50%는 인공신경망의 산사태 발생 지역으로 적용하였으며, 나머지 50%는 취약성도 및 위험도 검증에 활용하였다. 산사태 발생 강우량 임계치는 1일 202mm 및 3일 누적 449mm로 적용하였다. 확률강우량은 1973년부터 2006년까지의 실측 강우량을 정리하여 2106년까지 목표연도별(1년, 3년, 10년, 50년 및 100년) 산사태 취약성도를 작성하였다. 연구결과 연구지역은 강우량의 증가에 의하여 미래 산사태 가능성이 지속적으로 증가하였다. 향후 본 연구는 강우량의 변화에 의한 산사태 위험성 분석에 한 축을 차지 할 수 있다는 점에서 중요성이 있다고 하겠다.