• 한국인터넷방송통신학회논문지
• /
• 제20권1호
• /
• pp.11-18
• /
• 2020

본 연구에서는 모바일 환경에서의 기존 맥락인증기법의 부족한 성능을 보완하고자 한다. 사용된 데이터는 GPS, CDR(Call Detail Record), App usage이며 GPS의 처리과정에서 인구밀집지역의 타인을 세밀하게 구분하고자 GPS밀도에 따른 지역구분을 시행하였다. 또한 전처리에서 데이터 수집에서 발생할 수 있는 결측치를 처리한다. 인증 모델은 두 개의 LSTM(Long-Short Term Memory)와 그들 결과를 종합하는 하나의 ANN(Artificial Neural Network)로 구성하며 이를 통해 최종적으로 인증 점수를 산출한다. 본 논문에서는 기존 연구와의 정확도를 비교하고 타인을 구별해내는데 필요한 인증 시도 횟수를 비교하여 평균 11.6%의 정확도 향상과 검증 데이터의 약 60%에 대하여 더 적은 시도에 구별해 낼 수 있었다.

• 대한기계학회논문집A
• /
• 제38권2호
• /
• pp.205-210
• /
• 2014

기계시스템의 결함을 진단하기 위한 방법으로 패턴인식 기법이 널리 사용되고 있다. 진동신호의 변화를 감지하여 기계시스템의 건전성을 판단하는 방법이 패턴인식 기법이다. 대표적 패턴 인식기법으로 최근 은닉 마르코프 모델과 인공신경망이 여러 분야에서 사용되고 있다. 본 연구에서는 결함진단에 은닉 마르코프 모델과 인공신경망을 혼합한 방법이 제시되었으며 결함진단 대상 구조물로는 크랙을 가진 회전하는 풍력터빈 블레이드가 선정되었다. 본 연구에서는 크랙발생 여부뿐만 아니라 그 위치 및 크기도 동시에 진단하고자 하였다. 아울러서 본 연구에서는 일정 주파수들을 갖는 모멘트를 대상 구조물에 가함으로써 외부 잡음에도 불구하고 높은 결함진단 확률을 가질 수 있도록 하였다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제31권3호
• /
• pp.197-220
• /
• 2022

Purpose The purpose of this study is to identifies the demand pattern categorization of repair parts of Automotive After-sales Service(A/S) and proposes a demand prediction model for Auto repair parts using Long Short-Term Memory (LSTM) of artificial neural networks (ANN). The optimal parts inventory quantity prediction model is implemented by applying daily, weekly, and monthly the parts demand data to the LSTM model for the Lumpy demand which is irregularly in a specific period among repair parts of the Automotive A/S service. Design/methodology/approach This study classified the four demand pattern categorization with 2 years demand time-series data of repair parts according to the Average demand interval(ADI) and coefficient of variation (CV²) of demand size. Of the 16,295 parts in the A/S service shop studied, 96.5% had a Lumpy demand pattern that large quantities occurred at a specific period. lumpy demand pattern's repair parts in the last three years is predicted by applying them to the LSTM for daily, weekly, and monthly time-series data. as the model prediction performance evaluation index, MAPE, RMSE, and RMSLE that can measure the error between the predicted value and the actual value were used. Findings As a result of this study, Daily time-series data were excellently predicted as indicators with the lowest MAPE, RMSE, and RMSLE values, followed by Weekly and Monthly time-series data. This is due to the decrease in training data for Weekly and Monthly. even if the demand period is extended to get the training data, the prediction performance is still low due to the discontinuation of current vehicle models and the use of alternative parts that they are contributed to no more demand. Therefore, sufficient training data is important, but the selection of the prediction demand period is also a critical factor.

• Composites Research
• /
• 제36권1호
• /
• pp.59-67
• /
• 2023

항공우주산업에서 경량화를 위해 사용되는 CFRP 복합재료로 구성된 차체의 충격에 따른 파손은 탑승자의 안전과 직결된다. 따라서 충돌 상황에서 육안으로 확인하기 힘든 재료의 손상거동을 파악하는 것이 중요하며, 이를 구현할 수 있는 유한요소모델을 통한 연구가 필요하다. 본 연구에서는 일방향 적층 복합재료의 충돌 해석에 대해 파손 거동 예측에 적합한 유한요소모델을 구축하였다. 인공신경망 모델을 통해 LS-DYNA에서 제공하는 MAT_54 Enhanced Composite Damage 재료 모델의 교정 파라미터를 역추정하여 획득하였다. 획득한 파라미터에 대한 인공신경망 모델의 결과를 실험결과와 비교하여 신뢰성을 검증하였다. 그 결과, 교정 파라미터의 최적화를 통해 실험에 대한 정확도를 향상시킨 유한요소모델을 구축할 수 있음을 확인하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제14권5호
• /
• pp.179-186
• /
• 2010

한 구조물이 손상을 입으면 그 구조물의 동적응답(고유진동수, 가속도, 변형률)이 변하게 된다. 이와 같이 변하는 동적응답을 응답신호로 계측하고 이들 데이터를 신경망에 적용하여 구조물의 손상을 평가하는 방법이 신경망손상평가법이다. 현재까지 정형화된 특정한 경우의 연구가 주로 이루어져 있지만 일반적인 신경망손상평가법의 특성에 관한 연구나 실용 가능성과 장단점에 관한 충분한 연구가 부족하다. 따라서 본 연구는 신경망에 다양한 동적응답을 적용하는데 있어 신경망손상평가법의 일반적인 특성과 적용의 문제점을 연구하였다. 신경망손상평가법은 일정한 가진력을 손상이 있는 구조물에 가하고 그로부터 얻은 응답신호를 이용하여 신경망을 학습을 시킨 후, 임의의 손상이 있는 구조물에 동일한 가진력을 가하여 얻은 응답신호를 이용하여 손상의 위치와 정도를 찾는 것이 현재까지의 연구였다. 그러나 일반적으로 구조물에 작용하는 가진력은 일정하지 않다. 따라서 동일한 가진력에 의해 학습된 신경망에 가진력의 변화가 있는 경우에도 손상을 파악하는지 평가하였다. 모든 응답신호는 모형실험을 통하여 획득하였다.

• 대한교통학회지
• /
• 제20권1호
• /
• pp.131-139
• /
• 2002

본 연구는 도로의 설계일관성 평가를 위해 지방부 2차로 도로의 평면 곡선부 85백분위 주행속도 예측모형을 기존의 회귀모형에 비해 보다 효율적이고 신뢰성 높은 인공신경 망 이론을 적용하여 개발하였다. 곡선반경, 곡선길이, 교차각, 시거, 차로폭, 차선(안쪽, 바깥쪽)과 같은 기하구조 특성에 의해 속도가 결정된다는 가정하에 30개 조사지점을 통해 얻어진 자료를 모형의 입력층 자료로 이용하였고, 입력층 변수에 따라 네 가지 유형의 신경망 모형을 제시하였다. 신경망 모형 중 다층신경 망 모형을 적용하여 은닉충의 유니트 수, 학습계수, 모멘텀계수, 학습횟수의 변화에 따른 최적 모형 구조를 도출하였다. 신경망 모형의 학습성능을 검증하기 위하여 선정된 30개 조사지점에서 20개 지점을 모형의 학습자료로 나머지 학습되지 않은 10개 지점을 예측자료로 활용하였다. 분석결과, 네 가지 유형의 신경망 모형 중에서 모형 D가 통계적 검증결과 $R^2$값이 85%이며, %RMSE=0.0204로 가장 실제값에 유사한 모형으로 평가되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.18-18
• /
• 2018

상수관망 시스템(Water Distribution System, WDS)은 이용자에게 양질의 상수도를 공급하기 위해 구축된 사회기반시설물로써, 정수된 물이 사용처에 도달하기까지 송수과정에서 발생 가능한 수질저하를 고려해야 한다. 일반적으로 정수장에서 염소처리를 한 후, 도달시간을 고려한 시스템 내 잔류 염소농도를 유지함으로써 수질저하를 예방한다. 여기서 상수도 내 잔류 염소농도는 미생물 번식 및 관내 부식물 등 다양한 생물 화학적 오염을 효과적으로 예방하는 반면, 과다할 경우 이용자의 음용성을 저해할 수 있어 시스템 전반에 걸쳐 염소농도의 적절한 관리가 요구된다. 특히, 상수관망에서는 공급경로 및 공급량에 따라 각 수요처의 도달 염소농도가 다르게 분포할 수 있으므로, 시설운영자는 균등하고 적절한 염소농도를 유지하기 위해 추가적인 염소 재투입시설을 설치하여 함께 관리하고 있다. 이 때, 염소투입 시설의 운영계획은 EPANET과 같은 상수관망 해석모형의 수질모의를 바탕으로 수립된다. 그러나 일반적으로 수질모의는 수리해석과는 달리 긴 시간이 소요되는 단점이 존재한다. 본 연구에서는 이러한 단점을 개선하기 위해, 특정 네트워크의 수질모의 결과를 학습시킨 인공신경망(ANN) 모형을 구축하고 이를 이용하여 상수관망 수질모의 계산시간을 단축하고자 하였다. 여기서 ANN모형의 학습은 EPANET을 통해 미리 선정된 다양한 염소 투입지점의 염소 투입농도와 용수 공급량 자료, 그리고 주요 관측지점에서 측정된 염소농도자료를 이용하였다. 학습된 ANN모형을 EPANET 수질모의 결과와 비교 및 검증을 실시한 결과, 사전에 소요된 학습시간을 제외하면 수질모의 소요시간 측면에서 큰 개선효과를 보였으며, 대표지점에서의 수질모의 결과가 유사하였다. 추가적으로, 본 연구에서는 학습된 ANN모형과 최적화 알고리즘인 GA(Genitic Algorithm)를 연계하여 상수관망에서의 염소 재투입 스케줄링을 최적화하는 프로그램을 개발함으로써, 안전하고 경제적인 상수관망의 수질운영에 기여하고자 하였다.

• 한국항행학회논문지
• /
• 제23권6호
• /
• pp.526-534
• /
• 2019

전파 신호를 이용한 위치 추정 방법은 3개 이상의 앵커로부터 거리 측정치를 획득하여야 한다. 하지만 일반적인 건물은 좁고 기다란 복도와 모퉁이로 구성되어 있어 3개 이상의 가시 앵커를 확보하기 쉽지 않으며, 이로 인해 멀티 모달 솔루션이 발생하여 사용자의 위치를 추정하기가 어렵다. 이러한 문제를 극복하기 위해 본 논문에서는 인공신경망을 이용하여 위치를 추정하는 방법을 제안한다. 인공신경망을 이용하면 멀티 모달 솔루션이 발생하더라도 축적된 거리 측정치를 기반으로 사용자 이동 패턴 정보를 획득하여 위치를 추정할 수 있다. 해당 방법은 추가적인 장비나 센서가 필요치 않으며 오직 앵커 기반의 거리 측정치만으로 위치를 추정할 수 있다. 제안된 방법을 검증하기 위해 건물 내에 충분하지 않은 수의 앵커를 설치하여 멀티 모달 솔루션을 발생시킨 상황에서 위치 추정 테스트를 수행하였다. 그 결과 앵커의 수가 충분치 않은 상황에서도 위치를 추정할 수 있음을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.71-77
• /
• 2021

최근 이질적인 하드웨어 특성을 고려한 IoT 응용 지원 프레임워크의 효율적인 프로그램 개발이 요구되고 있다. 또한, 인간의 뇌를 모사하여 스스로 학습 및 자율적 컴퓨팅이 가능한 뉴로모픽 아키텍처의 발전으로 하드웨어 지원의 범위가 넓어지고 있다. 하지만 기존 대부분의 IoT 통합개발환경에서는 AI(Artificial Intelligence) 기능을 지원하거나 뉴로모픽 아키텍처와 같은 다양한 하드웨어와 결합된 서비스 지원이 어렵다. 본 논문에서는 2세대 인공 신경망 및 3세대 스파이킹 신경망 모델을 모두 지원하는 AI 컴포넌트 추상화 모델을 설계하고 제안 모델 기반의 자율형 IoT 통합개발환경을 구현하였다. IoT 개발자는 AI 및 스파이킹 신경망에 대한 지식이 없어도 제안 기법을 통해 자동으로 AI 컴포넌트를 생성할 수 있으며 런타임에 따라 코드 변환이 유연하여 개발 생산성이 높다. 제안 기법의 실험을 진행하여 가상 컴포넌트 계층으로 인한 변환 지연시간이 발생할 수 있으나 차이가 크지 않음을 확인하였다.

• 토지주택연구
• /
• 제14권1호
• /
• pp.67-82
• /
• 2023

본 연구의 목적은 서울시 1인 가구들의 코로나19 발생 전과 비교한 주거의 질 변화를 진단하고 이에 영향을 미치는 영향 요인에 대해 규명하는 것이다. 연구의 대상은 설문조사 응답자 가운데 서울시에 거주하는 1인 가구이며 인공신경망과 로지스틱 회귀모형을 사용하였다. 분석결과, 주거정책지원, 고용개선여부, 고용정책지원 요인 등이 1인 가구 주거의 질 변화에 중요 요인들로 나타났다. 서울시 1인 가구의 주거여건의 질 개선을 위한 정책적 지원 강화와 노력이 필요하며, 양질의 일자리 확대를 통한 고용난 해소는 주거 부문의 개선으로 이어질 것이다. 본 연구는 인공신경망이 가지는 블랙박스 특성과 인과관계를 규명하기 어려운 한계가 존재한다. 개선된 방법론으로 후속연구가 필요할 것이다.