• 대한토목학회논문집
• /
• 제26권4A호
• /
• pp.639-645
• /
• 2006

FRP(Fiber Reinforced Polymer)는 부식의 저항성, 고강도, 피로저항 능력 및 성형성 등에서 우수한 건설 신소재이다. 광섬유 브래그 격자(Fiber Bragg Grating; FBG) 센서는 전자기 저항, 작은 소재의 크기, 그리고 높은 내구성 등의 이점으로 smart sensor로서 현재 많이 사용되고 있다. 하지만 FBG 센서의 변위 측정 기술 능력의 부족으로 현재까지는 변형률, 온도 등의 물리량 측정센서로서 활용되고 있는 실정이다. 본 연구에서는 FRP와 FBG센서의 기능 복합화(Hybrid)를 통하여 smart FRP Rod를 개발 한 후 인장시험을 실시하였다. 또한, FBG센서에 의해 측정된 변형률 데이터를 신경망(Neural Network) 기법을 이용하여 변위 추정 모형을 개발함으로서 FBG 센서 단점인 변형률 계측만을 위한 센싱 역할을 극복하고자 한다. 인공신경망 모형은 MLP(Multi-layer Perceptron)로, 오차범위 0.001에 수렴 될 수 있도록 학습(training)을 실시하였다. 학습에는 비선형 목적함수와 역전파 학습(Back-propagation) 알고리즘을 적용하였으며 모형의 검증은 UTM에서 측정된 변위 값과 수치해석에 의한 결과 값을 비교함으로서 실시하였다.

• 대한기계학회논문집A
• /
• 제21권5호
• /
• pp.727-734
• /
• 1997

In practice, the design of forging processes is performed based on an experience-oriented technology, that is designer's experience and expensive trial and errors. Using the finite element simulation and the artificial neural network, we propose an optimal die geometry satisfying the design conditions of final product. A three-layer neural network is used and the back propagation algorithm is employed to train the network. An optimal die geometry that satisfied the same between inner extruded rib and outer extruded one is determined by applying the ability of function approximation of neural network. The neural networks may reduce the number of finite element simulation for determine the optimal die geometry of forging products and further they are usefully applied to physical modelling for the forging design.

• 소성∙가공
• /
• 제4권3호
• /
• pp.214-221
• /
• 1995

In the paper, we have proposed a new method to determine the initial billet for the forged products using a function approximation in the neural network. The architecture of neural network is a three-layer neural network and the back propagation algorithm is employed to train the network. By utilizing the ability of function approximation of a neural network, an optimal billet is determined by applying the nonlinear mathematical relationship between the aspect ratios in the initial billet and the final products. The amount of incomplete filling in the die is measured by the rigid-plastic finite element method. The neural network is trained with the initial billet aspect ratios and those of the unfilled volumes. After learning, the system is able to predict the filling regions which are exactly the same or slightly different to the results of finite element simulation. This new method is applied to find the optimal billet size for the plane strain rib-web product in cold forging. This would reduce the number of finite element simulation for determining the optimal billet size of forging product, further it is usefully adapted to physical modeling for the forging design.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2002년도 가을 학술발표회 논문집
• /
• pp.513-520
• /
• 2002

The stability analysis of rock slope can be predicted using a suitable field data but it cannot be predicted unless suitable field data was taken. In this study, artificial neural networks theory is applied to predict plane failure that has a few data. It is well known that human brain has the advantage of handling disperse and parallel distributed data efficiently. On the basis of this fact, artificial neural networks theory was developed and has been applied to various fields of science successfully In this study, error back-propagation algorithm that is one of the teaching techniques of artificial neural networks is applied to predict plane failure. In order to verify the applicability of this model, a total of 30 field data results are used. These data are used for training the artificial neural network model and compared between the predicted and the measured. The simulation results show the potentiality of utilizing the neural networks for effective safety factor prediction of plane failure. In conclusion, the well-trained artificial neural network model could be applied to predict the plane failure stability of rock slope.

• 한국정보통신학회논문지
• /
• 제14권5호
• /
• pp.1078-1084
• /
• 2010

본 논문에서는 오차역전파알고리즘에 의한 신경회로망을 사용하여 이산푸리에변환에 의한 진폭성분과 위상 성분을 복원하는 음성강조 시스템을 제안한다. 먼저, 신경회로망이 잡음이 부가된 음성신호의 이산푸리에변환의 진폭성분과 위상성분을 사용하여 학습된 후, 제안한 시스템은 백색잡음에 의하여 열화된 잡음이 부가된 음성 신호를 강조한다. 백색잡음에 의하여 열화된 음성신호는 이산푸리에변환에 의한 진폭성분과 위상성분을 입력으로 하는 신경회로망을 사용하여 제안된 시스템에 의하여 강조되는 것을 실험결과로 증명한다. 제안한 시스템은 스펙트럼 왜곡율의 평가법을 사용하여 백색잡음에 의하여 열화된 음성신호에 대하여 효과적인 것을 실험으로 확인한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.315-317
• /
• 2003

Neural oscillator is applied in oscillatory systems (Analysis of image information, Voice recognition. Etc...). If we apply established EBPA(Error back Propagation Algorithm) to oscillatory system, we are difficult to presume complicated input's patterns. Therefore, it requires more data at training, and approximation of convergent speed is difficult. In this paper, I studied the neural oscillator as synchronized states with appropriate phase relation between neurons and recognized the Korean alphabet using Neural Oscillator Phase model Synchronization.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1994년도 FIFTH WESTERN PACIFIC REGIONAL ACOUSTICS CONFERENCE SEOUL KOREA
• /
• pp.1003-1008
• /
• 1994

This paper is about an experiment of speaker-independent automation Korean spoken words recognition using Multi-Layered Perceptron and Error Back-propagation algorithm. The words were not segmented into syllables or phonemes, and some feature components extracted from the words in equal gap were applied to the neural network. This paper tried to find out the optimum conditions through various experiment which are comparison between total and pre-classified training.

• 한국음향학회지
• /
• 제13권6호
• /
• pp.5-14
• /
• 1994

이 논문은 오차역전달(error back-propagation) 알고리듬을 갖는 다층구조 퍼셉트런(Multi-Layered Perceptron)을 사용하여 우리말 단어음성을 화자종속으로 기계 인식하는 실험에 관한 연구 결과다. 대상단어는 시외 자동전화 지역번호표에서 임의로 선택한 50개 지역명이며, 이 중 43개는 2음절로 구성되어있고 나머지 7개는 3음절이다. 단어를 음소나 음절별로 분리(segmentation)하지 않고, 단어의 각 부분에서 골고루 추출된 특징성분을 신경망에 입력하는 방법을 사용했다. 그렇게 함으로써 발음지속시간에 관계없는 결과를 얻을 수 있으며, 이 때 사용된 특징 성분은 선형예측분석으로 구해진 PARCOR계수다. 전체학습과 구분학습의 비교, 프레임 갯수와 PARCOR차수에 대한 인식률의 의존도, 중간층 뉴런의 갯수에 대한 인식률의 변동, 그리고 출력층 뉴런의 구성 방법에 따른 비교 등 4가지 실험을 통하여 가장 최량의 조건을 찾아보고자 하였다. 이 연구를 발전시킨다면 실시간의 화자독립 소규모어휘 음성인식이 가능해질 것으로 보인다.

• 한국정보처리학회논문지
• /
• 제3권2호
• /
• pp.381-389
• /
• 1996

본 논문은 신경망에서 불필요한 연결자(weights and biases)를 제거하기 위한 일반적인 back-propagation 알고리즘의 간단한 변형을 소개한다. 이는 연결자들의 절대치 크기의 분포, 분할 경계선의 분석 및 sigmoid 함수의 비선형성에 기초하여 개발되었다. 신경망의 초기 학습 후, 이 알고리즘은 그 절대치의 크기가 임계치 (threshold) 보다 적은 모든 연결자들의 값을 영으로 할당 함으로서 이들을 제거하게 된다. 그런후, 중요한 연결자들의 복구를 위해 모든 연결자들을 포함하여 반복 학습을 실시한다. 이진함수 들을 이용한 학습에서, 이 알고리즘은 이론적 최소 구조를 실현하 였고, 함수를 푸는데 불필요한 연결자들을 제거하였다. 모의 랜덤 신호 분류에 응용에 있어서, 본 알고리즘으로 부터 얻어낸 결과는 쉬운 문제가 간단한 신경망을 필요로 하며 낮은 오분류율을 발생한다는 일반적인 개념과 일치 하였다. 또한, 본 제안된 알고리즘 은 overfitting과 형태소 (patterm) 암기의 문제점들을 줄임으로서 기존의 알고리즘보 다 더 좋은 결과를 보여주었다.

• 전자공학회논문지C
• /
• 제34C권6호
• /
• pp.71-78
• /
• 1997

In this paper, a new neural network training algorithm will be devised for function approximator with good generalization characteristics and tested with the time series prediction problem using santaFe competition data sets. To enhance the generalization ability a constraint term of hidden neuraon activations is added to the conventional output error, which gives the curvature smoothing characteristics to multi-layer neural networks. A hybrid learning algorithm of the error-back propagation and Hebbian learning algorithm with weight decay constraint will be naturally developed by the steepest decent algorithm minimizing the proposed cost function without much increase of computational requriements.