• 한국추진공학회지
• /
• 제10권2호
• /
• pp.15-22
• /
• 2006

PW206C 터보 축 엔진을 위해 신경회로망을 이용한 지능형 성능 진단 프로그램이 제안되었다. 이 엔진은 항공우주연구원에서 개발 중에 있는 틸트 로터 타입 스마트 무인기의 추진시스템으로 선정되었다. 1개의 은닉층, 입력층, 출력층을 가지는 BPN(Back Propagation Network)이 신경회로망을 학습시키기 위해 이용되었다 입력층은 7개의 뉴런을 가지는데 SHP, MF, PT2, TT2, PT4, TT4 및 TT5와 같은 측정파라미터이며 출력층은 6개의 뉴런으로 구성되어 있으며 각각은 압축기, 압축기 터빈, 동력 터빈의 유량함수 및 효율이다. 신경망을 훈련하고 테스트하기 위한 데이터 베이스는 가스터빈 성능모사 프로그램을 이용하여 구성하였다. 훈련된 신경망을 PW206C 터보 축 엔진의 진단에 적용한 결과 제안된 진단 알고리즘이 압축기 오염과 압축기 터빈의 침식과 같은 단일 손상을 탐지하는데 유용함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 D
• /
• pp.2101-2102
• /
• 2006

In this paper, a new digital audio watermarking algorithm is presented. The proposed algorithm embeds watermark into audio signal based on human auditory system (HAS). This algorithm is a blind audio watermarking method, which does not require any prior information during watermark extraction process. This algorithm finds watermarking position using time-domain masking effect. First we insert the watermark into wavelet domain, and then we use a back-propagation neural network (BPN) to learn the characteristics of relationship between the watermark and the watermarked audio. Due to the teaming and adaptive capabilities of the BPN, the false recovery of the watermark can be greatly reduced by the trained BPN. Experimental results show that the proposed method has good inaudibility and high robustness to common audio processing attacks.

• Nuclear Engineering and Technology
• /
• 제51권8호
• /
• pp.1897-1904
• /
• 2019

Three-layer back propagation network (BPN) and genetic neural network (GNN) were developed in this study to predict the flow boiling heat transfer coefficient (HTC) in conventional and small-diameter channels. The GNN has higher precision than BPN (with root mean square errors of 17.16% and 20.50%, respectively) and other correlations. The inputs include vapor quality x, mass flux G, heat flux q, diameter D and physical parameter φ, and the predicted flow boiling HTC is set as the outputs. Influences of input parameters on the flow boiling HTC are discussed based on the trained GNN: nucleate boiling promoted by a larger saturated pressure, a larger heat flux and a smaller diameter is dominant in small channels; convective boiling improved by a larger mass flux and a larger vapor quality is more significant in conventional channels. The HTC increases with pressure both in conventional and small channels. The HTC in conventional channels rises when mass flux increases but remains almost unaffected in small channels. A larger heat flux leads to the HTC growth in small channels and an increase of HTC was observed in conventional channels at a higher vapor quality. HTC increases inversely with diameter before dry out.

• 대한기계학회논문집A
• /
• 제33권8호
• /
• pp.753-759
• /
• 2009

Feed-forward neural networks have been widely used as function approximation tools in the context of global approximate optimization. In the present study, a wavelet neural network (WNN) which is based on wavelet transform theory is suggested as an alternative to a traditional back-propagation neural network (BPN). The basic theory of wavelet neural network is briefly described, and approximation performance is tested using a nonlinear multimodal function and a composite rotor blade analysis problem. Laplacian of Gaussian function, Mexican function, and Morlet function are considered during the construction of WNN architectures. In addition, approximation results from WNN are compared with those from BPN.

• 한국콘텐츠학회논문지
• /
• 제7권12호
• /
• pp.292-302
• /
• 2007

최근 고객 선호도에 맞는 정보 또는 상품을 예측하기 위한 연구들이 활발히 진행되고 있다. 고객의 만족도를 향상시키기 위해서 먼저 불필요한 정보들을 제거시켜야 하며 이러한 정보 필터링은 내용기반 필터링, 협업 필터링 등 여러 가지 기법을 통해 연구되고 있다. 본 논문에서는 기존 필터링 기법들의 문제점으로 나타나고 있는 희소성과 확장성을 해결하기 위해서 역전파 신경망을 이용하여 연구를 수행하였다. 신경망의 훈련 데이터는 설문조사를 통해 얻어진 데이터를 사용하였다. 최종적으로 설문조사를 통해 데이터를 수집하고 신경망 기반 추천시스템의 프로토 타입을 제안하였고 기존 정보필터링 기법의 문제점을 개선하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 D
• /
• pp.2927-2929
• /
• 2005

본 논문에서는 디지털 영상의 소유권 보호를 위하여 양자화기법과 신경망을 적용하여 기존의 방법보다 강인한 워터마킹 기법을 제안하였다. 제안한 워터마킹 알고리즘은 시간영역에서 양자화 기법을 사용하여 워터마크를 삽입하고 추출하였고, back-propagation neural network(BPN)을 사용하여 워터마크를 검출하였나. 실험결과 압축공격에 강인하며, PSNR이 41dB이상으로서 비가시성을 만족함을 알 수 있었다.

• Computers and Concrete
• /
• 제20권1호
• /
• pp.111-118
• /
• 2017

The present study established prediction models based on multiple nonlinear regressions (MNLRs) and backpropagation neural networks (BPNs) for the expansion of cement mortar caused by oxidization slag that was used as a replacement of the aggregate. The data used for the models were obtained from actual laboratory tests on specimens that were produced with water/cement ratios of 0.485 or 1.5, within which 0%, 10%, 20%, 30%, 40%, or 50% of the cement had been replaced by oxidization slag from electric-arc furnaces; the samples underwent high-temperature curing at either $80^{\circ}C$ or $100^{\circ}C$ for 1-4 days. The varied mixing ratios, curing conditions, and water/cement ratios were all used as input parameters for the expansion prediction models, which were subsequently evaluated based on their performance levels. Models of both the MNLR and BPN groups exhibited $R^2$ values greater than 0.8, indicating the effectiveness of both models. However, the BPN models were found to be the most accurate models.

• 한국항공우주학회지
• /
• 제32권3호
• /
• pp.51-57
• /
• 2004

본 연구에서는 신경회로망을 이용한 가스터빈 엔진의 지능형 성능 진단 컴퓨터 프로그램을 개발하였다. 최근에는 엔진 손상을 분석하는데 있어서 주요 구성품의 가스 경로를 실시간 모니터링(monitoring)하는 가스경로해석 (GPA, Gas Path Analysis)방법이 사용되고 있다. 그러나 엔진손상의 형태나 정도가 다양하고 복잡하기 때문에 가스경로해석 접근법만 가지고서는 엔진의 손상상태를 모두 모니터링하기란 쉽지 않다. 따라서 이 문제를 해결하기 위해 학습과 진단을 할 수 있는 신경회로망을 적용하였다. 본 연구에서는 PT6A-62 터보프롭 엔진의 진단에 1개의 은닉층을 갖는 역전파 신경회로망(BPN, Back Propagation Neural Network)이 제안되었다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.1-14
• /
• 2010

역전파 알고리즘은 오랫동안 부도예측모형 관련한 연구에 많이 적용되어왔다. 역전파 알고리즘을 사용하기전에 필히 고려해야 할 중요한 요소들로는 네트워크 구조, 학습요소, 정규화 방법 등이다. 하지만 신경망 성과를 향상시키기 위한 네트워크 구조 및 학습요소 최적화 관련한 연구는 기존의 연구들에서 많이 이루어 졌지만 데이터 정규화와 관련한 연구는 아직 많이 이루어지지 않았다. 따라서 본 연구에서는 유전자 알고리즘을 기반으로 하는 정규화 기법을 제시하였다. 최적의 입력데이터 정규화를 위하여 본 연구에서는 우선 각각의 서로 다른 정규화 기법들을 동일 가중치를 두어 일반화 시켰으며 유전자 알고리즘을 이용하여 최적의 가중치를 찾음으로써 최적화된 입력변수 정규화가 이루어지도록 하였다. 제안한 방법론을 검증하기 위하여 부도예측 데이터를 이용하여 실험을 하였으며 제안하는 방법과 기존 다른 방법들간의 비교를 통하여 그 타당성을 검증하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2001년도 The Pacific Aisan Confrence On Intelligent Systems 2001
• /
• pp.122-127
• /
• 2001

This study investigates the effectiveness of time delay neural networks(TDNN) for the time dependent prediction domain. Although it is well-known fact that the back-propagation neural network(BPN) performs well in pattern recognition tasks, the method has some limitations in that it can only learn an input mapping of static (or spatial) patterns that are independent of time of sequences. The preliminary results show that the accuracy of TDNN is higher than the standard BPN with time lag. Our proposed approaches are demonstrated by the stork market prediction domain.