• 한국항행학회논문지
• /
• 제24권1호
• /
• pp.47-52
• /
• 2020

도래각추정은 표적으로부터 생성, 혹은 반사된 신호를 분석하여 표적의 방향을 추정하는 것으로 다양한 분야에 활용되고 있다. 인공신경망은 생물의 신경망을 모방한 기계학습의 한 분야로 패턴인식에서 좋은 성능을 보인다. 이러한 인공신경망을 도래각 추정에 활용하는 연구가 진행되어왔으나, 다양한 신호대잡음비 환경에 대응하는데에 제한이 있는 상황이다. 본 논문에서는 도래각 추정을 위한 3단계 인공신경망 알고리듬을 제안한다. 제안하는 알고리듬은 잡음제거과정을 통해 단일 신호대잡음비 환경에서 학습한 모델을 다양한 환경에 적용해도 성능감소를 최소화할 수 있다. 또한 도래각 시프트 과정을 통해 학습 난이도를 낮출 수 있고 효율적인 추정이 가능하다. 우리는, 제안하는 알고리듬과 다른 부공간 기법, Cramer-Rao bound (CRB)와의 성능 비교를 통해 제안하는 알고리듬이 낮은 신호대잡음비 환경, 표적들의 도래각이 가까운 환경 등 특정한 열악한 관측환경에서 타 기법에 비해 좋은 성능을 보이는 것을 확인하였다.

• 한국수자원학회논문집
• /
• 제56권12호
• /
• pp.939-953
• /
• 2023

천수방정식(shallow water equations, SWE)은 물의 거동을 수치적으로 해석하기 위한 지배방정식으로 수리수문 분야에 널리 활용되고 있으며, 비선형 연립방정식으로 일반적으로 수치적으로 해석할 수 있다. 하지만 기존의 여러 수치 해석법은 격자망 생성에 민감하며 복잡한 지형에서의 해석에 한계가 발생할 수 있다. 이러한 한계점을 극복하기 위하여 본 연구에서는 물리 정보 신경망(Physics-Informed Neural Networks, PINNs)을 사용하고자 하였다. PINNs은 물리 법칙을 신경망에 직접적으로 도입하여 지배방정식을 해석하고자 하는 기법이며 지배 방정식에 대한 물리적, 수학적 정보를 손실함수로 변환하여 최적화하고 해를 산정할 수 있다. 본 연구에서는 지배방정식을 PINNs 구조 내에서 사용할 수 있도록 신경망 구조, 학습 전략, 데이터 생성 기술과 같은 포괄적인 방법론을 제시하고 결과를 ANN 기법과 비교하였다. 물리적 사전지식이 반영되지 않은 ANN과 달리 PINNs은 천수방정식에 대하여 매우 정확한 수치적 솔루션을 효과적으로 제공하는 것으로 나타났다. 따라서 PINNs은 지배방정식의 수치해석적 연구에 많은 잠재력이 있는 것으로 판단되며, 정확하고 효율적인 천수방정식의 솔루션을 위한 기법으로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제26권1호
• /
• pp.47-57
• /
• 2010

본 연구의 목적은 2006년 태풍 에위니아, 빌리스, 개미와 집중호우로 인해 많은 산사태가 발생한 진부면 지역을 대상으로 항공사진을 이용한 산사태 탐지 및 인공신경망과 GIS를 이용한 산사태 취약성을 분석하는데 있다. 산사태 위치는 산사태 발생 전후의 항공사진을 판독 후 현장에서 확인하였다. 취약성 분석을 위해 지형, 지질, 토양, 임상, 선구조, 토지이용도 등의 자료는 공간 데이터베이스로 구축하였다. 산사태와 관련 요인들간의 상대적 가중치는 인공신경망의 역전파 알고리즘을 이용하여 결정하였다. 그 결과 경사방향과 경사는 다른 요인들 보다 1.2~1.5배 높게 나타났다. 이 가중치를 이용하여 취약성도를 작성 후 분석에 사용하지 않은 산사태 위치와 비교하여 검증하였다. 그 결과 예측 정확도는 81.44%로 나타났다.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1399-1414
• /
• 2018

자연림은 산림의 조성 과 보육 등에 인공적인 사람의 힘이 가해지지 않은 자연 상태의 산림이다. 반면 인공림은 사람이 조성 및 보육관리 하는 숲으로 목재생산, 자연재해 예방, 방풍 등의 목적을 가지는 산림이다. 인공림은 목재생산 등 인간이 목적을 가지고 관리하여 단위 면적당 더 많은 목재를 생산할 수 있는 경제적 장점도 가지고 있다. 자연림과 인공림의 구분은 산림 형태의 관리 방법과 목정이 상이하여 산림조사에서 기본적으로 조사하는 요소이며, 자연림과 인공림의 구분은 항공사진 판독과 현지조사 등의 절차를 통해 이루어진다. 본 연구에서는 자연림과 인공림의 분류에 KOMPSAT-3, 3A, 5 위성 영상데이터에 인공신경망(Artificial Neural Network: ANN)을 적용하여 자연림과 인공림의 분류도를 만들고, 산림청의 1/5,000임상도의 자연림과 인공림 분류도와 비교하여 평가하였다. 인공신경망을 이용한 산림의 자연림과 인공림 구분의 연구를 진행한 결과, 1/5,000 임상도와 비교했을 때, 학습결과 분류 전체 정확도는 77.03%이다. 영상의 획득 시기와 산림의 침엽수와 활엽수 등 기타요인이 인공신경망을 이용한 산림의 인공림과 자연림의 구분에 많은 영향을 미치는 것을 확인하였다.

• 전자공학회논문지S
• /
• 제35S권2호
• /
• pp.70-78
• /
• 1998

Spike detection in long-term EEG monitoring forepilepsy by wavelet transform(WT), artificial neural network(ANN) and the expert system is presented. First, a small set of wavelet coefficients is used to represent the characteristics of a singlechannel epileptic spikes and normal activities. In this stage, two parameters are also extracted from the relation between EEG activities before the spike event and EEG activities with the spike. then, three-layer feed-forward network employing the error back propagation algorithm is trained and tested using parameters obtained from the first stage. Spikes are identified in individual EEG channels by 16 identical neural networks. Finally, 16-channel expert system based on the context information of adjacent channels is introducedto yield more reliable results and reject artifacts. In this study, epileptic spikes and normal activities are selected from 32 patient's EEG in consensus among experts. The result showed that the WT reduced data input size and the preprocessed ANN had more accuracy than that of ANN with the same input size of raw data. Ina clinical test, our expert rule system was capable of rejecting artifacts commonly found in EEG recodings.

• 한국해안·해양공학회논문집
• /
• 제29권4호
• /
• pp.180-188
• /
• 2017

최근에 기후변화로 인해 너울성 고파 등 이상고파의 출현빈도가 높아지고 항만에서의 하역중단이 증가할 가능성이 커지고 있다. 하역중단을 최소화할 수 있도록 방파제(breakwater) 등을 추가적으로 건설하여 정온도(tranquility)를 향상시키는 것도 매우 중요하지만, 하역중단시점을 미리 예보함으로써 항만 운영을 효율적으로 하는 것도 또한 중요하다. 본 연구에서는 효율적인 항만 운영을 위하여 하역중단시점을 사전에 예보할 수 있도록 바람 예보자료를 이용하여 항외 주요 지점에서의 파랑자료를 추산하고, 복잡한 지형을 가진 항내 주요 지점에 대해서는 장기 관측을 실시하여 파랑자료를 수집한 후, 광역 계산지점에서의 파고와 항내 관측지점에서의 파고 사이의 관계를 자기회귀모델(auto-regressive model)과 인공신경망(artificial neural networks) 모델을 이용하여 바람예보자료를 이용한 수치실험 결과만으로 항내 파고를 예측하고, 하역중단시점을 예보할 수 있는 방법을 제안하였다. 제안방법의 적용성을 평가하기 위하여 포켓(pocket) 형상의 비교적 복잡한 지형 조건을 가진 포항신항 내 파랑관측지점에서의 파고 예측 및 하역중단시점을 예측하였으며, 그 결과를 관측자료와 비교하여 제안 방법의 성능을 검증하였다. 인공신경망 모델의 파고 예측결과를 자기회귀모델에 의한 파고 예측결과와 비교할 때, 인공신경망 모델의 예측결과가 관측자료와의 상관계수가 높고 RMS 오차가 작음을 알 수 있었고, 하역중단시점의 예측에 있어서도 인공신경망의 결과가 자기회귀모델의 결과보다 상대적으로 우수함을 알 수 있었다.

• Steel and Composite Structures
• /
• 제44권6호
• /
• pp.769-788
• /
• 2022

In this paper a mathematical model for the prediction of the fire resistance of slim-floor steel beams based on an Artificial Neural Network modeling procedure is presented. The artificial neural network models are trained and tested using an analytical database compiled for this purpose from analytical results based on FEM. The proposed model was selected as the optimum from a plethora of alternatives, employing different activation functions in the context of Artificial Neural Network technique. The performance of the developed model was compared against analytical results, employing several performance indices. It was found that the proposed model achieves remarkably improved predictions of the fire resistance of slim-floor steel beams. Moreover, based on the optimum developed AN model a closed-form equation for the estimation of fire resistance is derived, which can prove a useful tool for researchers and engineers, while at the same time can effectively support the teaching of this subject at an academic level.

• Structural Engineering and Mechanics
• /
• 제29권1호
• /
• pp.77-89
• /
• 2008

Presence of high degree of orthotropy enhances shear lag phenomenon in laminated composite box-beams and it persists till failure. In this paper three key parameters governing shear lag behavior of laminated composite box beams are identified and defined by simple expressions. Uniqueness of the identified key parameters is proved with the help of finite element method (FEM) based studies. In addition to this, for the sake of generalization of prediction of shear lag effect in symmetrical laminated composite box beams a feed forward back propagation neural network (BPNN) model is developed. The network is trained and tested using the data base generated by extensive FEM studies carried out for various b/D, b/tF, tF/tW and laminate configurations. An optimum network architecture has been established which can effectively learn the pattern. Computational efficiency of the developed ANN makes it suitable for use in optimum design of laminated composite box-beams.

• 한국항해항만학회지
• /
• 제32권1호
• /
• pp.81-88
• /
• 2008

컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2007년도 추계학술대회 및 제23회 정기총회
• /
• pp.259-260
• /
• 2007

컨테이너항만의 물동량 예측은 항만의 계발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모델과 비선형모델에 강점이 있는 ARIMA와 신경망 모델을 결합해 보다 효과적인 예측 모델을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.