• 대한의용생체공학회:의공학회지
• /
• 제18권4호
• /
• pp.429-438
• /
• 1997

기계식 판막은 매몰식 인공장기에 널리 사용돼 왔으며, 판막의 이상은 환자의 죽음으르 의미한다. 판막의 이상에 영향을 미치는 것은 많은 요소들이 있는데 대표적으로 기계적인 고장과 혈전현상이 있다. 그래서 비침습적으로 이것들을 발견하는 것이 필요하게 된 것이다. 이 논문의 목적은 스펙트럼의 해석과 인공신경망을 이용하여 혈전현상을 발견하는데 있다. 신호의 측정은 공압식 좌심실 보조장치에 장착한 기계식 판막으로부터 마이크로폰과 증폭기를 이용하였다. 디스크 위의 모의 혈전현상과 봉합링의 주위에 혈전현상, 20%, 40% 60%로 자라나는 혈전현상은 펠레세인과 실리콘을 이용하여 제작하였다. 기초 성능 평가를 위해 1KHz 정현파를 인가하여 시스템을 평가하였으며, 정상적인 판막과 5 종류의 혈전현상의 스펙트럼은 혈전현상의 정보를 지닌 개폐시 peak의 신호 파형에서 구하였다. 데이터의 정량적인 해석을 위해 7,000개의 입력 노드와 20개의 은닉층과 1개의 출력층으로 이루어진 인공신경망을 사용하였다. 결론적으로 훈련된 인공신경망을 사용한 결과 정상 판막과 비정상 판막을 판단하는데 90%의 판단능력을 보였다. 이상의 실험을 통해 판막의 이상유무를 신호의 스펙트럼 해석과 인공신경망을 통해 평가할수 있음을 알 수 있었다. 본 논문의 결과는 앞으로 인공장기를 몸속에 지니고 있는 환자에게서 장기의 상태를 지속적으로 감시할 수 있는 기술적 토대를 제공할 것이다.

• 한국강구조학회 논문집
• /
• 제19권6호
• /
• pp.695-702
• /
• 2007

온도프리스트레싱 공법은 강합성거더교 또는 강구조물에 인위적인 온도경사를 가하여 프리스트레싱력을 도입하기 위해 개발된 공법으로, 연속 강합성거더교에 적용할 경우 부모멘트 발생지점인 연속지점부 부근의 바닥판에 프리스트레스를 도입함으로써 콘크리트 바닥판의 인장균열을 억제하는 한편, 교축방향 보강철근 사용량 및 강거더 단면을 감소시킬 수 있어 경제성과 시공성의 향상이 가능한 공법이다. 이전의 연구에서 가열구간을 설정하기 위해 사용한 시행오차법은 비효율적인 것으로 온도프리스트레싱 공법을 적용한 설계가 효율적으로 이루어지기 위해서는 보다 합리적인 적정 가열구간의 설정기법이 필요하다. 본 연구에서는 이러한 문제점을 개선하기 위하여 패턴인식, 최적화, 진단 및 예측 등을 수행하는데 많이 사용되고 있는 인공신경망 이론을 적용하여 온도프리스트레싱 공법을 적용한 연속 강합성거더교의 가열구간을 효과적이고 경제적으로 설정하는 기법을 제안하고자 한다. 인공신경망 이론을 학습시키기 위한 학습알고리즘으로는 일반적으로 널리 사용되는 오차역전파 알고리즘을 사용하였으며, 이를 이용하여 2경간 및 3경간 연속 강합성거더교의 가열구간을 예측하고 유한요소해석과의 비교를 통하여 학습알고리즘의 특성 및 예측의 정확도를 분석하였다.

• 한국지반공학회논문집
• /
• 제17권6호
• /
• pp.25-36
• /
• 2001

본 연구목적은 압축지수에 대한 기본 물성들의 영향을 검토하고 국내 점토에 대한 새로운 압축지수 경험식을 제안하고 오류 역전파 신경망 알고리즘의 적용성을 검증함에 있다. 11개 지구의 점토에 대한 실내시험결과에서 얻어진 압축지수 값은 최소 0.01에서 최대 3.06 정도의 범위로 나타났다. 기존 제안된 경험식에 의한 압축지수의 추정값과 시험결과를 비교한 결과, 단일 지반변수를 이용하는 경험식의 결과들은 과소평가될 가능성이 크게 나타났으며 복합 지반변수를 이용하는 경험식의 결과는 단일 지반변수의 경우보다 추정의 정확성이 높으나 시험결과와의 표준오차가 최소 0.05로서 다소 크게 나타나고 있다. 이에 본 연구에서는 시험결과에 근거한 압축지수에 대하여 회귀분석으로 단일 및 복합 지반변수를 이용하는 경험식을 제안하였으며 이들의 결정계수는 최소 0.89 이상으로 결정되었다. 본 연구에서 사용한 인공 신경망 구조에서 시험결과와 신경망 결과의 상관계수 및 표준오차는 각각 0.925 이상과 0.0196 이하로 나타나 높은 상관성을 나타내었다. 특히, 인공 신경망에 의한 예측결과는 압축지수에 대한 영향인자들 중에서 자연 함수비, 건조단위중량 그리고 현장 간극비의 3개 변수만으로도 압축지수를 예측할 수 있었으며, 상관계수는 0.974로 나타났다. 따라서, 인공 신경망이 이용된다면 간편한 현장실험에서 얻어진 변수들에 의하여 압축지수를 예측 할 수 있는 가능성을 입증하였다.

• 비파괴검사학회지
• /
• 제21권4호
• /
• pp.398-405
• /
• 2001

리벳이음은 응력집중 등에 의한 피로균열 발생 가능성이 높은 구조특성을 가지므로 구조물의 안전성 확보를 위하여 비파괴 평가 방법에 의하여 리벳홀 주위 균열에 대한 평가가 요구되고 있다. 유도 초음파의 일종인 Lamb파는 판형상의 구조물의 비파괴 평가에 적합하며, 신경회로망은 비파괴 평가 기술에서 결합의 크기 및 종류 인식에 관하여 가장 효율적인 기법으로 많은 연구자들에 의해 적용되어 왔다. 본 연구에서는 항공기의 스킨재료로 적용되는 A12024-T3판재에 대하여 유도초음파의 일종인 판파를 적용하여 리벳홀 주위 균열 신호를 검출하였으며, 또한 리벳홀 주위 균열의 크기 평가를 위하여 백프로퍼게이션 알고리즘을 적용한 신경회로망을 적용하였다. 이때, 초음파 트랜스듀서와 시험편 사이의 불균일 접촉에 의한 오차를 줄이기 위하여 초음파 파형에서 시간 및 주파수 성분의 특성을 추출하여 신경회로망에 적용하였다. 그리고 이들 판파신호에서 추출한 시간 및 주파수 성분의 특성은 균열 크기 결정에 유용하게 적용될 수 있음을 증명하였다.

• 자원환경지질
• /
• 제46권4호
• /
• pp.301-312
• /
• 2013

산사태는 지형, 지질, 임상, 토양 등과 같은 다양한 요인들이 복합적으로 작용하여 발생한다. 따라서 산사태 발생위치와 산사태 유발 요인 사이의 상관관계를 파악할 수 있는 다양한 분석 기법이 사용되고 있으며 본 연구에서는 산사태 위험지역을 정량적으로 예측할 수 있는 효과적인 기법을 제안하고자 퍼지관계 기법과 인공신경망 기법을 이용하여 포항지역의 산사태 취약성을 분석하였다. 취약성 분석을 위해 먼저 산사태 위치를 파악하여 현황도를 작성하였으며, 산사태 발생과 관련 있는 11개의 요인들에 대한 공간 데이터베이스를 구축하였다. 퍼지관계 기법에서는 cosine amplitude method를 이용해 각 요인 별 퍼지 소속 함수 값을 획득하고 퍼지관계 함수 연산을 이용하여 취약성도를 작성하였다. 인공신경망 기법에서는 오류 역전파 알고리즘을 이용하여 산사태와 관련 요인들 간의 상대적 가중치를 결정하고 취약성도를 작성하였다. 두 기법으로 도출된 산사태 취약성도의 ROC(Receiver Operating Characteristic)와 AUC(Area Under the Curve)를 통한 검증 결과는 82.18%와 87.4%로 나타났다. 퍼지 관계 및 인공신경망 기법 모두 높은 예측 정확도를 보여 취약성 분석 기법으로서의 적용 가능성이 있는 것으로 분석되었다. 한편 본 연구지역의 경우 인공신경망 기법이 퍼지관계 기법에 비해 좀 더 나은 예측 정확도를 보이는 것으로 분석되었다.

• 전자공학회논문지CI
• /
• 제42권4호
• /
• pp.33-42
• /
• 2005

본 논문에서는 소속 함수와 신경망을 이용한 유전자 발현 정보의 분류 기법을 제안한다. 유전자 발현은 유전자가 mRNA와 생체의 기능을 일으키게 하는 단백질을 만들어내는 과정이다. 유전자 발현에 대한 정보는 유전자의 기능을 밝히고 유전자간의 상관 관계를 알아내는데 중요한 역할을 한다. 이러한 유전자 발현 연구를 위한 정보를 대량으로 신속하게 얻을 수 있는 도구가 DNA 칩이다. DNA 칩으로 얻은 수백$\~$수천개의 데이터는 그 데이터만으로는 의미를 갖지 못한다. 따라서 유전자 발현정도에 따라 수치적으로 획득된 데이터에서 의미적인 특성을 찾아내기 위해서는 클러스터링 방법이 필요하다. 본 논문에서는 수많은 유전자 데이터 중에서 주요 정보를 포함한 것으로 판단되는 유전자 데이터를 피셔 기준에 의하여 선택한다. 이때 선택된 데이터들이 클러스터링에 효과적인 데이터라고 보장할 수 없으므로, 클러스터링 성능을 저해하는 유전자 데이터의 영향력을 감소시키기 위해서 소속 함수를 이용하여 특징값을 계산하고, 계산된 특징값으로 얻은 특징 벡터들을 적용하여 역전파 신경망 학습을 수행한다. 본 논문에서 제안한 유전자 발현 정보의 분류 결과로 얻은 클러스터링의 성능은 기존의 연구 결과와 비교했을 때 다양한 유전자 데이터에 대하여 향상된 인식율을 보이는 것을 확인할 수 있었다.

• 한국정보처리학회논문지
• /
• 제4권2호
• /
• pp.465-482
• /
• 1997

본 논문은 타이어에 각인된 타이어 분류 코드인(DOT(Department of Transportation) 코드 인식 처리를 위해 타이어 문자를 영상 처리한 후 신명망을 이용하여 인식 시스템을 구축한 것이다. 타이어에 각인된 문자부분을 영상 처리시, 타이어 표면에 각인된 문자가 조명에 민감한 반응을 보일 뿐아니라 난반사로 인한 문자 경계선이 왜곡되는 현상과 인접한 두 개의 문자가 한 레이블을 갖는 현상이 발생된다. 따라서 본 논문에서는 이러한 특성을 고려한 타이어 영상 처리 알고리즘을 제안하여 실헝을 통해 유효성을 증명하였다. 또한 타이어분류 코드인DOT 코드를 효율적으로 인식하기 위해 인식기를 다중 연결한 MCBP(Multi-Chained BackPropogation)망을 제안하였다. MCBP망에서는 타이어 개별 문자영역에 대한 X, Y축 투영 값을 추출하여 문자 영역 분류를 위한 특징 값과 가로, 세로 7$\times$8 정규화를 이용한 개별 문자의 특징을 추출하여 인식 처리한다. 본 논문에서는 MCBP망에 의해 인식된 결과와 DOT 코드 데이터 베이스를 비교 처리하는 후처리를 통해서 오인식율을 3% 줄였다. 학습 및 인식 결과는 단일 역전파망에 비해 학습시간에서는 60%의 개선과 효과를 얻었으며, 인식율은 90%에서 95%로 향상었다. 또한 후처리까지 포함하면 전체 인식율을 98%까지 증가되는 높은 인식율을 얻을 수 있었다.

• 한국정보처리학회논문지
• /
• 제3권3호
• /
• pp.439-448
• /
• 1996

형태 인식에서 유익한 특징정보의 선정 및 추출이 대단히 중요한 역할을 한다. 본 논문은 유익한 특징정보의 선정과 신경망의 학습을 동시에 수행할 수 있는 알고리 즘을 기술한다. 알고리즘은 근본적으로 반복적으로 수행되는 세 단계로 구성되어 있는데, 이들은 학습, 연결자 제거, 그리고 입력 신경세포 제거이다. 초기 학습을 실행한후, 먼저 적은 절대값을 갖는 연결자들이 제거 된다. 그런 후, 내부 계층 신경 세포들과 은 숫자의 결자들을 갖는 입력 신경세포들이 제거된다. 이 과정은 제거된 입력 신경세포들에 상응하는 특징정보들을 제외시키는 것과 동일하다. 만약, 에러값이 증가 하면, 연결자 제거 및 입력 신경세포 제거 과정의 반복으로 구성된 신경망의 재학습을 실행한다. 그 결과, 알고리즘은 다른 공간계로의 변환없이 특징정보 추출 공간내에서 중요한 특징들을 선정하게 된다. 또한, 즉징정보 선정인 형태 분류 관점에서의 성능과 긴밀하게 연결되어 수행되므로, 선정 된 특징정보들은 형태 분류에 가장 좋은 정보를 제공한다. 이 알고리즘은 불필요 또는 그다지 중요하지 않은 정보의 추출로 인한 경제 적 손실을 피할수 있게 한다. 더구나, 마지막에 얻어진 신경망은 인식 성능에 저해 요인이 될 수있는 불필요한 파라미터들, 즉 가중 연결자 및 바이어스를 포함하지 않는다. 응용결과,, 본 알고리즘은 가장 좋은 정보를 갖는 특징들만을 남기며, 성능 저하를 일으 키지 않으면서도 특징 벡터의 차원을 현저하게 줄였다.

• 대한교통학회지
• /
• 제17권4호
• /
• pp.111-124
• /
• 1999

본 논문의 목적은 최근에 개발 중에 있는 단일 자석검지기를 이용한 차종인식 알고리즘을 개발하고, 현장실험을 통한 현장 적용성을 검토하는 것이다. 고속도로에 설치되어 이는 자석검지기를 이용하여 자료를 수집하며 분석에 이용되는 자료는 개별차량에 대하여 자속밀도의 변화에 따른 전압 값을 Digital Data값으로 변환한 수치를 사용하였다. 그 수치를 토대로 각 차량의 점유시간을 파악하여 각 차량의 점유시간동안 파형의 특징을 추출하여 각 특징들을 기초로 하여 각 차량이 나타내는 고유의 파형을 식별하는 Template Matching 방법과 신경망기법, 그리고 이들을 상호 보완한 복합기법을 사용하였다. 검지차량에 따른 다양한 점유시간을 일정크기로 수평성분 정규화하고 이에 따른 자속속밀도의 변화에 의한 전압 값을 차종별로 샘플을 취하여 이동평균방법으로 처리를 한 후 위의 세 가지 기법을 사용하여 검지차량의 파형과 기준 파형을 비교하여 차종을 인식하는 방법으로 알고리즘을 개발하였다. 차종의 분류는 3가지 단계로 하였는데 2종분류, 3종분류, 5종분류로 접근하였다. 그리고 각각의 분류에 따라 정규화 크기 및 이동평균간격을 달리하여 적용하여 보았고 2종분류에서 인식율이 82%수준이다.

• Imaging Science in Dentistry
• /
• 제43권3호
• /
• pp.153-161
• /
• 2013

Purpose: To prevent low bone mineral density (BMD), that is, osteoporosis, in postmenopausal women, it is essential to diagnose osteoporosis more precisely. This study presented an automatic approach utilizing a histogram-based automatic clustering (HAC) algorithm with a support vector machine (SVM) to analyse dental panoramic radiographs (DPRs) and thus improve diagnostic accuracy by identifying postmenopausal women with low BMD or osteoporosis. Materials and Methods: We integrated our newly-proposed histogram-based automatic clustering (HAC) algorithm with our previously-designed computer-aided diagnosis system. The extracted moment-based features (mean, variance, skewness, and kurtosis) of the mandibular cortical width for the radial basis function (RBF) SVM classifier were employed. We also compared the diagnostic efficacy of the SVM model with the back propagation (BP) neural network model. In this study, DPRs and BMD measurements of 100 postmenopausal women patients (aged >50 years), with no previous record of osteoporosis, were randomly selected for inclusion. Results: The accuracy, sensitivity, and specificity of the BMD measurements using our HAC-SVM model to identify women with low BMD were 93.0% (88.0%-98.0%), 95.8% (91.9%-99.7%) and 86.6% (79.9%-93.3%), respectively, at the lumbar spine; and 89.0% (82.9%-95.1%), 96.0% (92.2%-99.8%) and 84.0% (76.8%-91.2%), respectively, at the femoral neck. Conclusion: Our experimental results predict that the proposed HAC-SVM model combination applied on DPRs could be useful to assist dentists in early diagnosis and help to reduce the morbidity and mortality associated with low BMD and osteoporosis.