• 대한기계학회논문집A
• /
• 제25권12호
• /
• pp.2062-2069
• /
• 2001

It has been established that a crack has an important effect on the dynamic behavior of a structure. This effect depends mainly on the location and depth of the crack. To identify the location and depth of a crack in a structure, a method is presented in this paper which uses synthetic artificial intelligent technique, that is, Adaptive-Network-based Fuzzy Inference System(ANFIS) solved via hybrid learning algorithm(the back-propagation gradient descent and the least-squares method) are used to learn the input(the location and depth of a crack)-output(the structural eigenfrequencies) relation of the structural system. With this ANFIS and a continuous evolutionary algorithm(CEA), it is possible to formulate the inverse problem. CEAs based on genetic algorithms work efficiently for continuous search space optimization problems like a parameter identification problem. With this ANFIS, CEAs are used to identify the crack location and depth minimizing the difference from the measured frequencies. We have tried this new idea on a simple beam structure and the results are promising.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2001년도 춘계학술대회논문집C
• /
• pp.182-188
• /
• 2001

It has been established that a crack has an important effect on the dynamic behavior of a structure. This effect depends mainly on the location and depth of the crack. To identify the location and depth of a crack in a structure, a method is presented in this paper which uses synthetic artificial intelligent technique, that is, Adaptive-Network-based Fuzzy Inference System(ANFIS) solved via hybrid learning algorithm(the back-propagation gradient descent and the least-squares method) are used to learn the input(the location and depth of a crack)-output(the structural eigenfrequencies) relation of the structural system. With this ANFIS and a continuous evolutionary algorithm(CEA), it is possible to formulate the inverse problem. CEAs based on genetic algorithms work efficiently for continuous search space optimization problems like a parameter identification problem. With this ANFIS, CEAs are used to identify the crack location and depth minimizing the difference from the measured frequencies. We have tried this new idea on a simple beam structure and the results are promising.

• 디지털산업정보학회논문지
• /
• 제12권1호
• /
• pp.107-117
• /
• 2016

This study investigates design strategies for improving the educational quality of multimedia contents for early childhood education. It emphasizes both traditional education theory and developmental aspects in its exploration of interactive and educational qualitative multimedia contents for early children. Accordingly, for an effective early childhood education, it is necessary to experience of the playful learning for the conception of ideas and the understanding of the social life. Because this study 1) possibility of multimedia contents for early childhood education, 2) computer application method for early childhood education, 3) examines used in the designing of multimedia contents for early childhood education according to traditional education theory. Multimedia early childhood education system is possible to organize information such as test, image, sound and video based on hyperlink system. I use Microsoft's Ms-office and Asymetrix's ToolBook software that are useful for hyperlink and parameter. Multimedia contents and other pages are used by Dynamic Data Exchange(DDE). Therefore multimedia contents for early childhood education is a useful tool for students of early childhood education department, parents, and children.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 춘계학술대회 논문집 에너지변화시스템부문
• /
• pp.225-227
• /
• 2009

The conventional fixed gain PI controller is very sensitive to step change of command speed, parameter variation and load disturbances. The precise speed control of interior permanent magnet synchronous motor(IPMSM) drive becomes a complex issue due to nonlinear coupling among its winding currents and the rotor speed as well as the nonlinear electromagnetic developed torque. Therefore, there exists a need to tune the PI controller parameters on-line to ensure optimum drive performance over a wide range of operating conditions. This paper is proposed artificial intelligent-PI(AIPI) controller of IPMSM drive using adaptive learning mechanism(ALM) and fuzzy neural network(FNN). The proposed controller is developed to ensure accurate speed control of IPMSM drive under system disturbances and estimation of speed using artificial neural network(ANN) controller. The PI controller parameters are optimized by ALM-FNN at all possible operating condition in a closed loop vector control scheme. The validity of the proposed controller is verified by results at different dynamic operating conditions.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2009년도 춘계학술대회 논문집
• /
• pp.420-423
• /
• 2009

The conventional fixed gain PI controller is very sensitive to step change of command speed, parameter variation and load disturbances. The precise speed control of interior permanent magnet synchronous motor(IPMSM) drive becomes a complex issue due to nonlinear coupling among its winding currents and the rotor speed as well as the nonlinear electromagnetic developed torque. Therefore, there exists a need to tune the PI controller parameters on-line to ensure optimum drive performance over a wide range of operating conditions. This paper is proposed hybrid intelligent-PI(HIPI) controller of IPMSM drive using adaptive learning mechanism(ALM) and fuzzy neural network(FNN). The proposed controller is developed to ensure accurate speed control of IPMSM drive under system disturbances and estimation of speed using artificial neural network(ANN) controller. The PI controller parameters are optimized by ALM-FNN at all possible operating condition in a closed loop vector control scheme. The validity of the proposed controller is verified by results at different dynamic operating conditions.

• The Journal of Asian Finance, Economics and Business
• /
• 제7권9호
• /
• pp.719-726
• /
• 2020

Education policy is a dynamic process featuring social development trends. The world countries have focused their education program on empowering the learners for future life and work. This paper aims to assess the higher education curriculum based on a survey of 280 students, employers, alumni, and lecturers in both social sciences and natural sciences in Ho Chi Minh City, Vietnam. The fuzzy decision-making method, namely the Fuzzy Extent Analysis Method (F-EAM), was applied to measure the relative weight of each parameter. Seven factors under the curriculum development have been put in the ranking. Input with emphasis on foreign language was the highest priority in curriculum development, given the expected demand of the labor market. Objective and learning outcome and teaching activities ranked second and third, respectively. The traditional triangle of teaching content, methodology, and evaluation and assessment are still proven their roles, but certain modifications have been defined in the advanced curriculum. Teaching facilities had the least weight among the seven dimensions of curriculum development. The findings are helpful for education managers to efficiently allocate scarce resources to reform the curriculum to bridge the undergraduate quality gap between labor supply and demand, meeting the dynamic trends of social development.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1749-1758
• /
• 1997

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.

• 기술혁신학회지
• /
• 제17권2호
• /
• pp.380-420
• /
• 2014

오늘날 불확실성이 증가하면서 조직구성원의 전문역량, 즉 혁신역량에 대한 중요성이 커지고 있다. 이러한 실정에도 불구하고, 조직원 개인의 혁신역량에 대해 혁신산출물을 만들기 위한 투입요소, 혁신 활동(혁신역량보유, 발휘, 증진노력 등) 그리고 혁신산출물 간의 관계에 관한 연구는 아직까지 많지 않은 편이다. 이런 원인은 기존 혁신연구단위가 국가단위, 산업단위, 기업단위에서 이루어지는 것이 일반적이기 때문이며, 상대적으로 특정기업의 투입, 산출 및 혁신활동 자체에 대한 분석이 다소 부족한 편이다. 그러므로 이 연구는 기존 혁신연구의 틀과 시각에서 벗어나, 특정조직중심의 개인별 혁신성과와 그 성과와 관련성이 높을 것으로 추정되는 혁신활동들에 대한 네 가지 가설, 즉 첫째는 역량의 차이에 따라 혁신성과는 차이가 있을 것이다. 둘째, 학습시간의 차이에 따라 역량은 차이가 있을 것이다. 셋째, 학습시간의 차이에 따라 혁신성과는 차이가 있을 것이다. 넷째, 학습시간과 혁신성과 간의 관계에는 혁신역량의 매개효과가 있을 것이다(구조모형 검정)는 문제에 대해 정량분석을 시도하여, 조직 경쟁력을 향상시키기 위한 정책적 시사점을 도출하는 것을 연구목적으로 한다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 학술대회 논문집 정보 및 제어부문
• /
• pp.346-348
• /
• 2004

In this rarer, we introduce a new Fuzzy Polynomial Neural Networks (FPNNs)-like structure whose neuron is based on the Fuzzy Set-based Fuzzy Inference System (FS-FIS) and is different from that of FPNNs based on the Fuzzy relation-based Fuzzy Inference System (FR-FIS) and discuss the ability of the new FPNNs-like structurenamed Fuzzy Set-based Polynomial Neural Networks (FSPNN). The premise parts of their fuzzy rules are not identical, while the consequent parts of the both Networks (such as FPNN and FSPNN) are identical. This difference results from the angle of a viewpoint of partition of input space of system. In other word, from a point of view of FS-FIS, the input variables are mutually independent under input space of system, while from a viewpoint of FR-FIS they are related each other. In considering the structures of FPNN-like networks such as FPNN and FSPNN, they are almost similar. Therefore they have the same shortcomings as well as the same virtues on structural side. The proposed design procedure for networks' architecture involves the selection of appropriate nodes with specific local characteristics such as the number of input variables, the order of the polynomial that is constant, linear, quadratic, or modified quadratic functions being viewed as the consequent part of fuzzy rules, and a collection of the specific subset of input variables. On the parameter optimization phase, we adopt Information Granulation (IG) based on HCM clustering algorithm and a standard least square method-based learning. Through the consecutive process of such structural and parametric optimization, an optimized and flexible fuzzy neural network is generated in a dynamic fashion. To evaluate the performance of the genetically optimized FSPNN (gFSPNN), the model is experimented with using gas furnace process dataset.