• 대한교통학회지
• /
• 제23권3호
• /
• pp.61-71
• /
• 2005

본 연구는 Conjugate Gradient법을 적용하여 개발한 관측교통량기반 기종점 OD행렬 추정모형이 대규모 가로망에서도 적용 가능성이 있는지를 판단하기 위하여 246개죤 기준 전국 가로망에 적용하여 적용성 및 활용가능성을 판단해 보았다. 대규모 가로망에서 모형의 일치성을 분석한 결과, 모형의 상위수준과 하위수준이 내부적으로 유기적인 관계를 유지하고 있는 것으로 분석되었다. 관측링크 개수에 따라 모형의 추정력을 분석한 결과 교통량 오차는 허용오차 범위내에서 추정력을 확보하는 것으로 나z타났다. 또한 추정 기종점 OD행렬의 추정력 역시 기존의 모형을 이용한 결과치보다는 양호한 추정력을 보이고 있는 것으로 분석되었다. 더 많은 다양한 실험을 하여 개발된 모형의 알고리즘의 안정성이 확보된다면 대규모 가로망에서도 적용 가능성이 있다고 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제25권4호
• /
• pp.19-27
• /
• 2020

본 논문에서는 정압기의 이상 상태 진단을 위한 기계학습 방법을 제안한다. 일반적으로 설비의 이상 상태 탐지를 위한 기계학습 모델 구현에는 관련 센서의 설치와 데이터 수집 과정이 동반되나, 정압기는 설비 특성상 안전문제에 매우 민감하여 추가적인 센서 설치가 매우 까다롭다. 이에 본 논문에서는 센서의 추가 설치 없이 정압기 설비에서 자체 수집되는 유량과 유압 데이터만을 가지고 정압기의 이상 상태를 조기에 판단하는 기계학습 모델을 제안한다. 본 논문에서는 정압기의 비정상데이터가 충분하지 않은 관계로, 모델 학습 시 오버 샘플링(Over-Sampling)을 적용하여 모델이 모든 클래스에 균형적으로 학습하도록 하였다. 또한, 그레이디언트 부스팅(Gradient Boosting), 1차원 합성곱 신경망(1D Convolutional Neural Networks), LSTM(Long Short-Term Memory) 등의 기계학습 알고리즘을 적용하여 정압기의 이상 상태를 판단하는 분류모델을 구현하였고, 실험 결과 그레이디언트 부스팅 알고리즘이 정확도 99.975%로 가장 성능이 우수함을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권1호
• /
• pp.87-92
• /
• 2021

빅데이터 기반의 추천시스템 모델링에서 바이어스, 분산, 오류 및 학습은 성능에 중요한 요소이다. 이러한 시스템에서는 추천 모델이 설명도를 유지하면서 복잡도를 줄여야 한다. 또한 데이터의 희소성과 시스템의 예측은 서로 반비례의 속성을 가지기 마련이다. 따라서 희소성의 데이터를 인수분해 방법을 활용하여 상품간의 유사성을 학습을 통한 상품추천모델이 제안되어 왔다. 본 논문에서는 이 모델의 손실함수에 대한 최적화 방안으로 max-norm 규제를 적용하여 모델의 일반화 능력을 향상시키고자 한다. 해결방안은 기울기를 투영하는 확률적 투영 기울기 강하법을 적용하는 것이다. 많은 실험을 통하여 데이터가 희박해질수록 기존의 방법에 비해 제안된 규제 방법이 상대적으로 효과가 있다는 것을 확인하였다.

• Advances in nano research
• /
• 제10권1호
• /
• pp.15-24
• /
• 2021

Microtubules (MTs) are the main part of the cytoskeleton in living eukaryotic cells. In this article, a mechanical model of MT buckling, considering the modified strain gradient theory, is analytically examined. The MT is assumed as a cylindrical beam and a new single variable trigonometric beam theory is developed in conjunction with a modified strain gradient model. The main benefit of the present formulation is shown in its new kinematic where we found only one unknown as the Euler-Bernoulli beam model, which is even less than the Timoshenko beam model. The governing equations are deduced by considering virtual work principle. The effectiveness of the present method is checked by comparing the obtained results with those reported by other higher shear deformation beam theory involving a higher number of unknowns. It is shown that microstructure-dependent response is more important when material length scale parameters are closer to the outer diameter of MTs. Also, it can be confirmed that influences of shear deformation become more considerable for smaller shear modulus and aspect ratios.

• Steel and Composite Structures
• /
• 제51권6호
• /
• pp.679-695
• /
• 2024

This paper presents a novel technique that combines machine learning (ML) with moth-flame optimization (MFO) methods to predict the axial compressive strength (ACS) of concrete filled double skin steel tubes (CFDST) columns. The proposed model is trained and tested with a dataset containing 125 tests of the CFDST column subjected to compressive loading. Five ML models, including extreme gradient boosting (XGBoost), gradient tree boosting (GBT), categorical gradient boosting (CAT), support vector machines (SVM), and decision tree (DT) algorithms, are utilized in this work. The MFO algorithm is applied to find optimal hyperparameters of these ML models and to determine the most effective model in predicting the ACS of CFDST columns. Predictive results given by some performance metrics reveal that the MFO-CAT model provides superior accuracy compared to other considered models. The accuracy of the MFO-CAT model is validated by comparing its predictive results with existing design codes and formulae. Moreover, the significance and contribution of each feature in the dataset are examined by employing the SHapley Additive exPlanations (SHAP) method. A comprehensive uncertainty quantification on probabilistic characteristics of the ACS of CFDST columns is conducted for the first time to examine the models' responses to variations of input variables in the stochastic environments. Finally, a web-based application is developed to predict ACS of the CFDST column, enabling rapid practical utilization without requesting any programing or machine learning expertise.

• Journal of Information Processing Systems
• /
• 제19권5호
• /
• pp.652-662
• /
• 2023

Identifying highly discriminating genes is a critical step in tumor recognition tasks based on microarray gene expression profile data and machine learning. Gene selection based on tree models has been the subject of several studies. However, these methods are based on a single-tree model, often not robust to ultra-highdimensional microarray datasets, resulting in the loss of useful information and unsatisfactory classification accuracy. Motivated by the limitations of single-tree-based gene selection, in this study, ensemble gene selection methods based on multiple-tree models were studied to improve the classification performance of tumor identification. Specifically, we selected the three most representative tree models: ID3, random forest, and gradient boosting decision tree. Each tree model selects top-n genes from the microarray dataset based on its intrinsic mechanism. Subsequently, three ensemble gene selection methods were investigated, namely multipletree model intersection, multiple-tree module union, and multiple-tree module cross-union, were investigated. Experimental results on five benchmark public microarray gene expression datasets proved that the multiple tree module union is significantly superior to gene selection based on a single tree model and other competitive gene selection methods in classification accuracy.

• Advances in nano research
• /
• 제10권3호
• /
• pp.271-280
• /
• 2021

The present work deals with an investigation on longitudinal wave propagation in nanobeams made of graphene sheets, for the first time. The nanobeam is modelled via a higher-order shear deformation theory accounts for both higher-order and thickness stretching terms. The general nonlocal strain gradient theory including nonlocality and strain gradient characteristics of size-dependency in order is used to examine the small-scale effects. This model has three-small scale coefficients in which two of them are for nonlocality and one of them applied for gradient effects. Hamilton supposition is applied to obtain the governing motion equation which is solved using a harmonic solution procedure. It is indicated that the longitudinal wave characteristics of the nanobeams are significantly influenced by the nonlocal parameters and strain gradient parameter. It is shown that higher nonlocal parameter is more efficient than lower nonlocal parameter to change longitudinal phase velocities, while the strain gradient parameter is the determining factor for their efficiency on the results.

• Structural Engineering and Mechanics
• /
• 제90권1호
• /
• pp.1-18
• /
• 2024

The present study conducts a thorough analysis of thermal vibrations in functionally graded porous nanocomposite beams within a thermal setting. Investigating the temperature-dependent material properties of these beams, which continuously vary across their thickness in accordance with a power-law function, a finite element approach is developed. This approach utilizes a nonlocal strain gradient theory and accounts for a linear temperature rise. The analysis employs four different patterns of porosity distribution to characterize the functionally graded porous materials. A novel two-variable shear deformation beam nonlocal strain gradient theory, based on trigonometric functions, is introduced to examine the combined effects of nonlocal stress and strain gradient on these beams. The derived governing equations are solved through a 3-nodes beam element. A comprehensive parametric study delves into the influence of structural parameters, such as thicknessratio, beam length, nonlocal scale parameter, and strain gradient parameter. Furthermore, the study explores the impact of thermal effects, porosity distribution forms, and material distribution profiles on the free vibration of temperature-dependent FG nanobeams. The results reveal the substantial influence of these effects on the vibration behavior of functionally graded nanobeams under thermal conditions. This research presents a finite element approach to examine the thermo-mechanical behavior of nonlocal temperature-dependent FG nanobeams, filling the gap where analytical results are unavailable.

• 대한교통학회지
• /
• 제22권1호
• /
• pp.43-62
• /
• 2004

전통적으로 기종점 OD행렬을 추정하는 방법은 가구통행조사나 노측면접조사를 실시하여 표본조사한 자료의 전수화 과정을 거쳐 기종점 OD행렬표를 작성한다. 조사 과정에서 조사표본수가 증가함에 따라 시간과 비용 및 조사오차가 수반되는 문제로 인하여 많은 제약이 내포되어 있다. 이러한 제약을 극복하기 위해 관측교통량을 이용하여 기종점 OD행렬을 추정하는 기법을 연구해 오고 있다 관측교통량으로 기종점 OD행렬을 추정하는 기법 중 gradient 모형은 가장 일반적으로 많이 이용하는 기법중의 하나다. 그러나 gradient모형을 이용하여 관측교통량으로 기종점 OD행렬을 추정한 결과 관측교통량과 추정교통량의 오차는 최소화시키면서 기종점 OD행렬을 추정하지만 사전(prior) 기종점 OD행렬의 OD행렬 구조를 유지하지 못할 경우가 많다. 즉 사전 기종점 OD행렬의 통행특성을 변경시키는 단점이 있다. 따라서 본 연구에서는 추정된 기종점 OD행렬은 사전 기종점 OD행렬의 OD행렬 구조를 반영하면서 관측교통량과 추정교통량의 오차를 최소화시켜주도록 하는 기종점 OD행렬 추정모형을 개발하기 위하여 Conjugate Gradient 알고리즘을 이용하였다. 개발된 모형을 검증하기 위하여 예제 분석가로망에서 모형의 일관성(일치성)을 분석하였다. 일관성 분석결과 모형의 상위수준(upper level)과 하위수준(lower level)이 내부적으로 유기적인 관계를 유지하고 있는 것으로 분석되었다. 또한 관측링크교통량에 관측오차를 반영하여 기종점 OD행렬의 추정력을 분석하였다. 분석결과는 관측교통량과 추정(배정)교통량의 오차는 허용오차 범위내에서 추정되는 것으로 분석되었고 추정된 기종점 OD행렬의 OD행렬 구조는 사전 기종점 OD행렬의 OD행렬 구조를 유지하는 것으로 분석되었다.른 지원이 필요하다. 이와 같은 철도화물활성화의 정책수립필요성의 배경에는 철도화물수송이 효율성과 환경친화성, 높은 안전성 등 사회적 비용을 감소시키는 장점을 가지고 때문이다. 철도화물운송회사도 현재의 수송기능과 함께 포워더로서의 기능을 가져야 할 것이며, 운임인하노력과 속도향상을 위한 노력을 계속하여야 할 것이다.적 대안경로 집합을 역추적 생성하는 과정을 단계별로 추가 설명하였다.을 받지 않은 시추공의 자료는 사용하였다 이러한 온천 주변 지역이라 하더라도 실제는 온천의 pumping 으로 인한 대류현상으로 주변 일대의 온도를 올려놓았기 때문에 비교적 높은 지열류량 값을 보인다. 한편 한반도 남동부 일대는 이번 추가된 자료에 의해 새로운 지열류량 분포 변화가 나타났다 강원 북부 오색온천지역 부근에서 높은 지열류량 분포를 보이며 또한 우리나라 대단층 중의 하나인 양산단층과 같은 방향으로 발달한 밀양단층, 모량단층, 동래단층 등 주변부로 NNE-SSW 방향의 지열류량 이상대가 발달한다. 이것으로 볼 때 지열류량은 지질구조와 무관하지 않음을 파악할 수 있다. 특히 이러한 단층대 주변은 지열수의 순환이 깊은 심도까지 가능하므로 이러한 대류현상으로 지표부근까지 높은 지온 전달이 되어 나타나는 것으로 판단된다.의 안정된 방사성표지효율을 보였다. $^{99m}Tc$-transferrin을 이용한 감염영상을 성공적으로 얻을 수 있었으며, $^{67}Ga$-citrate 영상과 비교하여 더 빠른 시간 안에 우수한 영상을 얻을 수 있었다. 그러므로 $^{99m}Tc$-transierrin이 감염 병소의 영상진단에 사용될 수 있을 것으로 기대된다.리를 정량화 하였다. 특히 선조체에서의 도파민 유리에 의한 수용체 결합능의

• 한국정보시스템학회지:정보시스템연구
• /
• 제31권4호
• /
• pp.145-160
• /
• 2022

Purpose The purpose of this study is to develop a virtual try-on deep learning model that can efficiently learn front and back clothes images. It is expected that the application of virtual try-on clothing service in the fashion and textile industry field will be vitalization. Design/methodology/approach The data used in this study used 232,355 clothes and product images. The image data input to the model is divided into 5 categories: original clothing image and wearer image, clothing segmentation, wearer's body Densepose heatmap, wearer's clothing-agnosting. We advanced the HR-VITON model in the way of Mixed-Precison, Gradient Accumulation, and sharing model weights. Findings As a result of this study, we demonstrated that the weight-shared MP-GA HR-VITON model can efficiently learn front and back fashion images. As a result, this proposed model quantitatively improves the quality of the generated image compared to the existing technique, and natural fitting is possible in both front and back images. SSIM was 0.8385 and 0.9204 in CP-VTON and the proposed model, LPIPS 0.2133 and 0.0642, FID 74.5421 and 11.8463, and KID 0.064 and 0.006. Using the deep learning model of this study, it is possible to naturally fit one color clothes, but when there are complex pictures and logos as shown in <Figure 6>, an unnatural pattern occurred in the generated image. If it is advanced based on the transformer, this problem may also be improved.