This study is to develop a cloud detection algorit1un for COMS and it is currently tested by using MODIS level 2B and MTSAT-1R satellite radiance data. Unlike many existing cloud detection schemes which use a threshold method and traditional statistical methods, in this study a feed-forward neural network method with back-propagation algorit1un is used. MODIS level 2B products are matched with feature information of five-band MTSAT 1R image data to form the training dataset. The neural network is trained over the global region for the period of January to December in 2006 with 5 km spatial resolution. The main results show that this model is capable to detect complex cloud phenomena. And when it is applied to seasonal images, it shows reliable results to reflect seasonal characteristics except for snow cover of winter. The cloud detection by the neural network method shows 90% accuracy compared to the MODIS products.
In this study, a neural network (NN) modeling approach has been used to predict the mechanical and geometrical behaviors of mouse embryo cells. Two NN models have been implemented. In the first NN model dimple depth (w), dimple radius (a) and radius of the semi-circular curved surface of the cell (R) were used as inputs of the model while indentation force (f) was considered as output. In the second NN model, indentation force (f), dimple radius (a) and radius of the semi-circular curved surface of the cell (R) were considered as inputs of the model and dimple depth was predicted as the output of the model. In addition, sensitivity analysis has been carried out to investigate the influence of the significance of input parameters on the mechanical behavior of mouse embryos. Experimental data deduced by Fl$\ddot{u}$ckiger (2004) were collected to obtain training and test data for the NN. The results of these investigations show that the correlation values of the test and training data sets are between 0.9988 and 1.0000, and are in good agreement with the experimental observations.
Journal of the Institute of Convergence Signal Processing
/
v.5
no.4
/
pp.263-270
/
2004
Recently, wavelet transform have been applied to various kinds of problems in many fields. In this paper, we propose method of Daubechies wavelet to detect several kinds of important characteristic waves in tasks EEG that are needed to diagnose EEG. We show that our system could be attained higher performance in detecting characteristic waves than the other methods. In this system, the architecture of the neural network is a three layered feed-forward networks with one hidden layer which implements the error back propagation teaming algorithm. Applying the algorithms to 4 subjects show 92% classification rates. The proposed system shows a little more accurate diagnosis for task EEG by Wavelet and neural network. From the simulation results by the implemented system, we demonstrated this research can be reduce doctor's labors and quantitative diagnosis of task EEG.
Proceedings of the Korean Society of Propulsion Engineers Conference
/
2010.11a
/
pp.499-505
/
2010
The UAV(Unmanned Aerial Vehicle) which is remotely operating with long endurance in high altitude must have a very reliable propulsion system. The precise fault diagnostic system of the turboprop engine as a propulsion system of this type UAV can promote reliability and availability. This work proposes a diagnostic method which can identify the faulted components from engine measuring parameter changes using Fuzzy Logic and quantify its faults from the identified fault pattern using Neural Network Algorithms. It is found by evaluation examples that the proposed diagnostic method can detect well not only single type faults but also multiple type faults.
This paper focuses on the application of artificial neural networks (ANN) for optimal design of tensegrity grid as light-weight roof structures. A tensegrity grid, 2 m ${\times}$ 2 m in size, is fabricated by integrating four single tensegrity modules based on half-cuboctahedron configuration, using galvanised iron (GI) pipes as struts and high tensile stranded cables as tensile elements. The structure is subjected to destructive load test during which continuous monitoring of the prestress levels, key deflections and strains in the struts and the cables is carried out. The monitored structure is analyzed using finite element method (FEM) and the numerical model verified and updated with the experimental observations. The paper then explores the possibility of applying ANN based on multilayered feed forward back propagation algorithm for designing the tensegrity grid structure. The network is trained using the data generated from a finite element model of the structure validated through the physical test. After training, the network output is compared with the target and reasonable agreement is found between the two. The results demonstrate the feasibility of applying the ANNs for design of the tensegrity structures.
Since the neural network was introduced, significant progress has been made on data handling and learning algorithms. Currently, the most popular learning algorithm in neural network training is feed forward error back-propagation (FFEBP) algorithm. Aside from the success of the FFEBP algorithm, polynomial neural networks (PNN) learning has been proposed as a new learning method. The PNN learning is a self-organizing process designed to determine an appropriate set of Ivakhnenko polynomials that allow the activation of many neurons to achieve a desired state of activation that mimics a given set of sampled patterns. These neurons are interconnected in such a way that the knowledge is stored in Ivakhnenko coefficients. In this paper, the PNN model has been developed using the plasma enhanced chemical vapor deposition (PECVD) experimental data. To characterize the PECVD process using PNN, SiO$_2$films deposited under varying conditions were analyzed using fractional factorial experimental design with three center points. Parameters varied in these experiments included substrate temperature, pressure, RF power, silane flow rate and nitrous oxide flow rate. Approximately five microns of SiO$_2$were deposited on (100) silicon wafers in a Plasma-Therm 700 series PECVD system at 13.56 MHz.
Pendharkar, Umesh;Patel, K.A.;Chaudhary, Sandeep;Nagpal, A.K.
Steel and Composite Structures
/
v.18
no.3
/
pp.547-563
/
2015
Deflection in a beam of a composite frame is a serviceability design criterion. This paper presents a methodology for rapid prediction of long-term mid-span deflections of beams in composite frames subjected to service load. Neural networks have been developed to predict the inelastic mid-span deflections in beams of frames (typically for 20 years, considering cracking, and time effects, i.e., creep and shrinkage in concrete) from the elastic moments and elastic mid-span deflections (neglecting cracking, and time effects). These models can be used for frames with any number of bays and stories. The training, validating, and testing data sets for the neural networks are generated using a hybrid analytical-numerical procedure of analysis. Multilayered feed-forward networks have been developed using sigmoid function as an activation function and the back propagation-learning algorithm for training. The proposed neural networks are validated for an example frame of different number of spans and stories and the errors are shown to be small. Sensitivity studies are carried out using the developed neural networks. These studies show the influence of variations of input parameters on the output parameter. The neural networks can be used in every day design as they enable rapid prediction of inelastic mid-span deflections with reasonable accuracy for practical purposes and require computational effort which is a fraction of that required for the available methods.
The ${\beta}$-transus temperature in titanium alloys plays an important role in the design of thermo-mechanical treatments. It primarily depends on the chemical composition of the alloy and the relationship between them is non-linear and complex. Considering these relationships is difficult using mathematical equations. A feed-forward neural-network model with a back-propagation algorithm was developed to simulate the relationship between the ${\beta}$-transus temperature of titanium alloys, and the alloying elements. The input parameters to the model consisted of the nine alloying elements (i.e., Al, Cr, Fe, Mo, Sn, Si, V, Zr, and O), whereas the model output is the ${\beta}$-transus temperature. The model developed was then used to predict the ${\beta}$-transus temperature for different elemental combinations. Sensitivity analysis was performed on a trained neural-network model to study the effect of alloying elements on the ${\beta}$-transus temperature, keeping other elements constant. Very good performance of the model was achieved with previously unseen experimental data. Some explanation of the predicted results from the metallurgical point of view is given. The graphical-user-interface developed for the model should be very useful to researchers and in industry for designing the thermo-mechanical treatment of titanium alloys.
Journal of the Korean Institute of Intelligent Systems
/
v.9
no.5
/
pp.472-479
/
1999
In this paper, we propose a land cover pattern classifier for remote sensing image by using neuro-fuzzy
algorithm. The proposed pattem classifier has a 3-layer feed-forward architecture that is derived from generic
fuzzy perceptrons, and the weights are con~posed of h u y sets. We also implement a neuro-fuzzy pattern
classification system in the Visual C++ environment. To measure the performance of this, we compare it with
the conventional neural networks with back-propagation learning and the Maximum-likelihood algorithms.
We classified the remote sensing image into the eight classes covered the majority of land cover feature,
selected the same training sites. Experimental results show that the proposed classifier performs well
especially in the mixed composition area having many classes rather than the conventional systems.
Antibiotic production with Streptomyces sindenensis MTCC 8122 was optimized under submerged fermentation conditions by artificial neural network (ANN) coupled with genetic algorithm (GA) and Nelder-Mead downhill simplex (NMDS). Feed forward back-propagation ANN was trained to establish the mathematical relationship among the medium components and length of incubation period for achieving maximum antibiotic yield. The optimization strategy involved growing the culture with varying concentrations of various medium components for different incubation periods. Under non-optimized condition, antibiotic production was found to be $95{\mu}g/ml$, which nearly doubled ($176{\mu}g/ml$) with the ANN-GA optimization. ANN-NMDS optimization was found to be more efficacious, and maximum antibiotic production ($197{\mu}g/ml$) was obtained by cultivating the cells with (g/l) fructose 2.7602, $MgSO_4$ 1.2369, $(NH_4)_2PO_4$ 0.2742, DL-threonine 3.069%, and soyabean meal 1.952%, for 9.8531 days of incubation, which was roughly 12% higher than the yield obtained by ANN coupled with GA under the same conditions.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.