• 한국측량학회지
• /
• 제18권3호
• /
• pp.287-294
• /
• 2000

본 논문은 재개발 지구의 설정 기준에 있어서 인공신경망 이론의 응용성을 적용하여 그 수치예의 결과에 대한 비교분석을 통해 인공 신경망 알고리즘의 탐색기법이 높은 범용성을 지니면서 양질의 최적해를 매우 효과적으로 찾게됨을 보였다. 그러므로 우리나라의 실정에 부합하는 합리적인 재개발지구의 판정기준을 마련할 수 있을 것으로 생각된다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1217-1227
• /
• 2018

본 연구에서는 순환신경망을 이용한 댐 유입량 예측모형의 적용성 검토를 목적으로 하고 있으며, 이를 위해 소양강댐 유역 및 충주댐 유역을 대상으로 그간 댐 운영을 통해 축적된 기상 및 수문 빅데이터를 활용하여 인공신경망 모형과 엘만 순환신경망 모형을 구축하였다. 모형의 학습과 예측을 위하여 유역별 유입량, 강우량, 기온, 일조시간, 풍속자료가 입력자료로 사용되었고 10일간 일별 댐유입량 자료가 모델의 출력자료로 구조화 하여 학습을 진행한 후 검증을 목적으로 2016년 7월 ~ 2018년 6월까지 2개년에 대한 댐 유입량 예측을 수행하였다. 학습된 모형의 유입량 예측 결과를 비교분석한 결과, 소양강댐 유역에서는 인공신경망 모형과 순환신경망 모형 간 예측성능은 큰 차이를 보이지 않았으며, 충주댐 유역에서는 순환신경망 모형의 예측 결과가 인공신경망 모형에 비해 비교적 우수한 성능을 보임에 따라 엘만 순환신경망을 이용하여 댐 유입량 예측모형을 구축할 경우 예측성능은 기존의 인공신경망 모형과 비슷하거나 다소 우수할 것으로 판단된다. 또한 엘만 순환신경망은 갈수기 댐 유입량 예측에 있어서 인공신경망에 비해 예측결과의 재현성이 우수한 것으로 나타났으며, 엘만 순환신경망 학습에 있어 다중 은닉층 구조가 단일 은닉층 구조보다 예측 성능 향상에 효과적인 것으로 분석되었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권6호
• /
• pp.144-151
• /
• 2023

이 연구에서는 동결융해 작용을 받는 다양한 콘크리트 배합에 대한 실험결과를 수집하여 데이터베이스를 구축하였다. 이를 바탕으로 동결융해 작용을 받는 콘크리트의 인공지능 기반 내구성능 평가모델을 개발하였으며, 회귀분석을 통해 상대동탄성계수 추정식을 도출하였다. 제안된 인공신경망 모델의 오류율과 결정계수는 각각 약 10.4%와 0.7이었으며, 회귀분석 추정식도 유사한 결과를 나타내었다. 따라서, 제안된 인공신경망 모델 및 회귀분석 추정식은 다양한 배합의 동결융해 작용을 받는 콘크리트에 대한 상대동탄성계수를 추정하는 데에 활용될 수 있을 것으로 판단된다.

• 한국정밀공학회지
• /
• 제21권8호
• /
• pp.83-88
• /
• 2004

The Classification of defected oil-seals using a vision system with the artificial neural network is presented. The artificial neural network fur classification consists of 27 input nodes, 10 hidden nodes, and one output node. The selection of the number of the input nodes is based on an observation that the difference among the defected, non-defected, and smeared oil-seals is greatly pronounced in the 26 step gray-scale level thresholding. The number of the hidden nodes is chosen as a result of a trade-off between accuracy and computing time. The back-propagation algorithm is used for teaching the network. The proposed network is capable of successfully classifying the defected from the smeared oil-seals which tend to be classified as the defected ones using the binary thresholding. It is envisaged that the proposed method improves the reliability and productivity of the automotive vision inspection system.

• 대한토목학회논문집
• /
• 제29권3C호
• /
• pp.97-104
• /
• 2009

본 연구에서는 하천제방의 현장투수계수를 예측하기 위하여 낙동강과 금호강 유역에 위치한 12개소 제방의 지반물성치, 표준관입실험 그리고 현장투수실험 자료를 이용하여 인공신경망해석을 실시하였다. 총 108개의 자료 중 82%인 89개 자료를 학습단계에 그리고, 나머지 19개 자료는 예측단계에 사용하였다. 또한 그 적용성 평가를 위하여 현재 널리 사용되고 있는 경험식들에 의한 결과와 비교하였다. 그 결과 경험식을 통한 현장투수계수는 모두 실측치와의 상관계수가 0.3 이하로 나와 실측치와는 큰 차이가 있으나, 그에 비하여 신경망에 의한 예측결과는 모든 Case에서 실측치와의 상관계수가 모두 0.8이상으로 기존 경험식들에 비하여 정확한 현장투수계수를 예측을 하였다.

• 한국지반환경공학회 논문집
• /
• 제20권3호
• /
• pp.15-20
• /
• 2019

확한 토공량 설계를 위해서는 충분한 량의 지반조사 자료가 필요하나 비용적인 문제로 인하여 제한적인 지반조사가 수행되고 있다. 정확한 토공량 예측을 위해서 지반의 층상정보를 추정하는 것은 중요한 사항이며, 이러한 제한적인 지반조사 데이터로부터 정확한 토공량 예측을 위해서는 지구통계학적(geo-statistical) 분석방법으로 지반 층상정보를 예측할 수 있다. 또한, 기시추된 지반 층상정보를 활용하여 기계학습을 통하여 모델을 학습하여 미시추된 지반 층상정보를 예측할 수도 있는데, 본 논문에서는 인공신경망을 통하여 미시추된 지반 층상정보를 예측하고 기존의 정규 크리깅 기법과 성능을 비교한다. 이를 위하여, 84공의 지반 층상정보를 활용한다. 84공의 지반 층상정보의 데이터셋 중에서 75공을 학습 데이터셋으로 활용하였고, 나머지 9공을 검증 데이터셋으로 활용하였다. 검증 데이터셋의 실측된 지반 층상정보와 정규 크리깅 기법과 인공신경망으로 예측된 지반 층상정보를 비교 분석한다.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.409-414
• /
• 2018

광역 차분위성항법시스템의 서비스 영역을 기준국 네트워크 외부로 확장하기 위해서는 전리층 보정 정보의 외삽이 필수적이다. 본 논문에서는 전리층 보정 영역 확장을 위한 인공 신경망을 설계하고 이에 대한 성능분석을 수행하였다. 인공 신경망 입력으로 사용되는 일/년별 주기함수, 태양흑점개수, 자기장 인덱스(Ap)의 개별 요소들이 전리층 외삽 추정 성능에 미치는 영향을 분석하였다. 신경망의 구성에 있어서는 은닉 층의 수 및 뉴런 개수 변화에 따른 성능 분석을 수행하였다. 분석결과를 바탕으로 신경망을 구현하고 태양활동 극대기(2014년)의 고위도와 저위도 지역에서의 전리층 추정 결과를 보였다.

• Ecology and Resilient Infrastructure
• /
• 제5권3호
• /
• pp.125-133
• /
• 2018

인공신경망 (Artificial neural network, ANN)은 간편히 시계열 데이터를 예측할 수 있는 모델 중에 하나로 지하수위를 예측하는데 빈번히 사용되었으며, 많은 연구자들이 ANN으로 지하수위 예측에 있어서 높은 예측 신뢰성을 얻기 위하여 노력해 왔다. 본 연구에서는 ANN를 이용한 지하수위 예측 시 계절 효과를 반영하기 위한 input으로 사용되는 Dummy가 지하수위 예측 결과에 미치는 영향에 대하여 분석하였다. 정성적 및 정량적인 분석을 위하여 도해법과 상관계수, 에러 지수를 이용하였다. 분석결과 하천변 도심지역에서는 ANN의 input으로 사용된 Dummy가 오히려 예측 신뢰성을 떨어뜨리는 결과를 보였다.

• 지질공학
• /
• 제15권1호
• /
• pp.67-76
• /
• 2005

암석의 물리적 특성과 슈미트반발경도 결과로부터 일축압축강도를 예측하기 위한 인공신경망 이론의 적용과 최적 모델 구성에 대하여 연구하였다. 대구지 역의 퇴적암(사암, 셰일) 시료 55개가 사용되었으며, 이들 중 인공신경망 학습을 위하여 45개가 사용되었고 학습결과의 검증을 위하여 10개의 시료가 이용되었다. 인공신경망에 의한 추산 결과와 비교하기 위하여 통계적 방법을 통한 회귀분석을 통하여 역학특성의 상관식을 도출하였으며, 인공신경망의 유효성 검증을 위하여 모델 구축 시 에 사용하지 않은 새로운 자료에 대해 예측을 실시하고 통계적 방법에 의한 결과 및 실내 시험 결과와 비교하였다. 본 연구에 사용한 인공신경망모델에는 백프로퍼게이션 학습 알고리즘(back-propagation teaming algorithm)이 적용되었으며, 인공신경망의 학습효율 및 예측능력에 영향을 미치는 입ㆍ출력층 및 은닉층의 구조, 학습율, 시스템오차율 등을 달리 하며 학습을 시행하였다. 그 결과 통계적 분석보다는 인공신경망의 학습에 의한 예측결과가 더 나은 예측능력을 나타냈다.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2003년도 추계학술대회
• /
• pp.1174-1179
• /
• 2003

Cast austenitic stainless steel is used for several components, such as primary coolant piping, elbow, pump casing and valve bodies in light water reactors. These components are subject to thermal aging at the reactor operating temperature. Thermal aging results in spinodal decomposition of the delta-ferrite leading to increased strength and decreased toughness. This study shows that ferrite content can be predicted by use of the artificial neural network. The neural network has trained learning data of chemical components and ferrite contents using backpropagation learning process. The predicted results of the ferrite content using trained neural network are in good agreement with experimental ones.