• 지능정보연구
• /
• 제13권3호
• /
• pp.101-117
• /
• 2007

본 논문에서는 연결성, 신뢰성, 교통량 제약조건을 만족하는 최소 비용의 소형궤도차량 선로네트워크를 설계하기 위한 유전알고리즘을 제안한다. 소형궤도차량 시스템은 다수의 자동화된 차량들이 공중에 설치된 선로네트워크를 따라 움직이는 신개념 교통 시스템이다. 주어진 역의 위치와 역간 교통량 수요에 대해 최적의 선로네트워크를 구하는 문제는 소형궤도차량 시스템에 관련된 가장 중요한 문제 가운데 하나이다. 본 논문에서는 선로네트워크를 방향성 링크를 갖는 그래프로 표현하고 그 비용과 연결성, 신뢰성, 교통량을 수식화하였다. 이렇게 주어진 네트워크 성능지표를 바탕으로 선로네트워크 설계 문제에 적절한 연산자들로 구성된 유전알고리즘을 제안한다. 이 연산자들은 안정상태 선택 연산자, 수리 알고리즘, 방향성이 있는 돌연변이 연산자를 포함한다. 제안된 유전알고리즘의 적절한 변수를 결정하고 그 성능을 타 알고리즘과 비교하기 위한 실험을 수행하였다. 최대 210개의 링크를 갖는 선로네트워크에 대해 수행된 실험결과는 제안된 유전알고리즘이 적절한 시간 내에 만족스러운 해를 구할 수 있음을 보인다.

• 지능정보연구
• /
• 제12권3호
• /
• pp.33-46
• /
• 2006

물류의 증가로 생산된 제품이 소비자에게 전달되기 전 저장하는 제품 창고의 운영과 유지는 제품원가의 큰 부분을 차지하게 되었다. 취급작업 횟수의 감소, 신속한 출고 작업, 제품의 효율적 관리를 위해 저장설비의 설치, 저장 공간의 추가 확보 등의 시설 투자 방법으로도 이런 문제를 해결 할 수 있지만 기존 저장 공간을 최대한 활용함으로써 취급작업 수를 줄일 수 있다. 저장시설 내에서의 운영방법에는 여러 가지가 있겠지만 저장 공간의 제약이 있기 때문에 제품을 겹쳐 쌓아야 하고 그 경우 반드시 재취급을 고려해야 한다. 재취급 문제는 창고의 취급 효율을 결정짓는 가장 중요한 문제이다. 따라서 창고의 운영 효율을 높이기 위해서는 재취급을 최소화할 수 있는 방법을 고려할 필요가 있다. 본 연구에서는 기대 재취급을 최소화하는 혼적결정 문제를 다루고자 한다. 혼적결정을 위한 최적화 모형을 제시하였고 해를 구하기 위한 유전자 알고리즘을 제시하였다. 이 연구결과는 컨테이너 터미널을 포함하여 재취급이 발생할 수 있는 창고의 운영에 활용될 수 있다.

• 디지털콘텐츠학회 논문지
• /
• 제19권1호
• /
• pp.1-10
• /
• 2018

본 연구는 디지털 마케팅의 구성요인과 앞으로의 흐름을 예측하기 위해 계층적 분석 방법(AHP)을 활용하여 디지털 마케팅 구성 요인간의 상대적 중요도를 도출하고 광고 부문 전문가와 비광고 부문 전문가의 의견을 비교 분석하였다. 연구 결과, 디지털 마케팅 상위요인들의 상대적 중요도는 결합(0.260), 전환(0.259), 최적화(0.243), 기반 기술(0.238)의 순으로 나타났으며 하위요인들의 상대적 중요도는 인공지능과 머신러닝(0.086), 빅데이터(0.085), 콘텐츠 큐레이션(0.060) 순으로 나타났다. 또한, 광고 부문 전문가들은 결합과 최적화의 상대적 중요도가 높은데 반해 비광고 부문 전문가는 전환과 기반기술로 나타나 직무 특성 별 상대적 중요도가 다르다는 것을 확인할 수 있었다. 본 연구는 디지털 마케팅의 전체적인 구성 요인과 중요도를 통해 향후 디지털 마케팅 전략을 수립하는데 유용한 시사점을 제공할 수 있다.

• Nuclear Engineering and Technology
• /
• 제51권3호
• /
• pp.807-817
• /
• 2019

Airborne Gamma Ray Spectrometry (AGRS) with its important applications such as gathering radiation information of ground surface, geochemistry measuring of the abundance of Potassium, Thorium and Uranium in outer earth layer, environmental and nuclear site surveillance has a key role in the field of nuclear science and human life. The Broyden-Fletcher-Goldfarb-Shanno (BFGS), with its advanced numerical unconstrained nonlinear optimization in collaboration with Artificial Neural Networks (ANNs) provides a noteworthy opportunity for modern AGRS. In this study a new AGRS system empowered by ANN-BFGS has been proposed and evaluated on available empirical AGRS data. To that effect different architectures of adaptive ANN-BFGS were implemented for a sort of published experimental AGRS outputs. The selected approach among of various training methods, with its low iteration cost and nondiagonal scaling allocation is a new powerful algorithm for AGRS data due to its inherent stochastic properties. Experiments were performed by different architectures and trainings, the selected scheme achieved the smallest number of epochs, the minimum Mean Square Error (MSE) and the maximum performance in compare with different types of optimization strategies and algorithms. The proposed method is capable to be implemented on a cost effective and minimum electronic equipment to present its real-time process, which will let it to be used on board a light Unmanned Aerial Vehicle (UAV). The advanced adaptation properties and models of neural network, the training of stochastic process and its implementation on DSP outstands an affordable, reliable and low cost AGRS design. The main outcome of the study shows this method increases the quality of curvature information of AGRS data while cost of the algorithm is reduced in each iteration so the proposed ANN-BFGS is a trustworthy appropriate model for Gamma-ray data reconstruction and analysis based on advanced novel artificial intelligence systems.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권12호
• /
• pp.5701-5722
• /
• 2018

The continuous increase in the cost of energy production and concerns for environmental sustainability are leading research communities, governments and industries to amass efforts to reduce energy consumption and global $CO_2$ footprint. Players in the information and communication industry are keen on reducing the operational expenditures (OpEx) and maintaining the profitability of cellular networks. Meanwhile, network virtualization has been proposed in this regard as the main enabler for 5G mobile cellular networks. In this paper, we propose a generic framework of slice resource provisioning and customized physical resource allocation for energy-efficiency and quality of service optimization. In resource slicing, we consider user demand and population resources provisioning scheme aiming to satisfy quality of service (QoS). In customized physical resource allocation, we formulate this problem with an integer non-linear programming model, which is solved by a heuristic algorithm based on minimum vertex coverage. The proposed algorithm is compared with the existing approaches, without consideration of slice resource constraints via system-level simulations. From the perspective of infrastructure providers, traffic is scheduled over a limited number of active small-cell base stations (sc-BSs) that significantly reduce the system energy consumption and improve the system's spectral efficiency. From the perspective of virtual network operators and mobile users, the proposed approach can guarantee QoS for mobile users and improve user satisfaction.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.246-246
• /
• 2023

Multi-purpose dams are operated accounting for both physical and socioeconomic factors. This study aims to evaluate the utility of a deep learning algorithm-based model for three multi-purpose dam operation (Seomjin River dam, Juam dam, and Juam Control dam) in Seomjin River. In this study, the Gated Recurrent Unit (GRU) algorithm is applied to predict hourly water level of the dam reservoirs over 2002-2021. The hyper-parameters are optimized by the Bayesian optimization algorithm to enhance the prediction skill of the GRU model. The GRU models are set by the following cases: single dam input - single dam output (S-S), multi-dam input - single dam output (M-S), and multi-dam input - multi-dam output (M-M). Results show that the S-S cases with the local dam information have the highest accuracy above 0.8 of NSE. Results from the M-S and M-M model cases confirm that upstream dam information can bring important information for downstream dam operation prediction. The S-S models are simulated with altered outflows (-40% to +40%) to generate the simulated water level of the dam reservoir as alternative dam operational scenarios. The alternative S-S model simulations show physically inconsistent results, indicating that our deep learning algorithm-based model is not explainable for multi-purpose dam operation patterns. To better understand this limitation, we further analyze the relationship between observed water level and outflow of each dam. Results show that complexity in outflow-water level relationship causes the limited predictability of the GRU algorithm-based model. This study highlights the importance of socioeconomic factors from hidden multi-purpose dam operation processes on not only physical processes-based modeling but also aritificial intelligence modeling.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.324-327
• /
• 2022

노후화된 구조물의 균열 검사는 검사원이 직접 현장에서 측량 도구를 사용하여 육안으로 검사를 하는 방식이 대부분이다. 이러한 방식은 전문 작업 인력의 주관성에 크게 의존하게 되고, 많은 시간과 비용이 소모된다. 일관성과 신뢰성 있는 판단을 하기 위해 인공지능 이미지 분류 알고리즘을 활용하고 있다. 2018년부터는 이미지 전처리 단계에서 이미지 증강 기법이 높은 성능 향상을 이끌고 있어 사용되고 있는 추세이다. 본 연구에서는 이미지 증강 기법을 활용하여 콘크리트 구조물 균열에 관한 분석 알고리즘을 개발하고 증강 비율에 따른 정확도와 속도를 비교 측정하여 최적화를 하였다. 그 결과 정확성을 향상시키고 경제성을 감안했을 경우 8배에서 적정한 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.110-113
• /
• 2022

신호를 제어하는 방식은기존의 전통적인 수학적 방식을 이용한 최적화를 넘어 이제 인공지능이 본격적으로 활용되기 시작하는 단계까지 발전하였다. 이에 따라 인공지능을 적용하는 방안에 대해 다양한 연구들이 진행되고 있는데, 현행 연구에서는 주로 좋은 교통 상황에 대한 마땅한 고려 없이 간단히 지체도만을 고려하여 보상함수를 설정하는 방식을 주로 채택하고 있다. 그러나 이 경우 현실성이 떨어지는 신호 제어 방식을 인공지능이 학습할 가능성이 존재한다는 문제점을 지닐 뿐더러, 보상 함수에서 좋다고 평가하는 것이 실질적인 서비스 수준의 정의에 부합하지 않음을 확인할 수 있다. 따라서 본 연구에서는 기존의 보상함수 설정 사례를 분석하고, 개선 방향을 제시하고자 한다.

• 한국ITS학회 논문지
• /
• 제22권5호
• /
• pp.137-147
• /
• 2023

LiDAR는 자율 주행뿐만 아니라 다양한 산업 현장에 적용되어 대상의 크기와 거리를 측정하는 데 사용되고 있다. 이에 더하여 이 센서는 반사된 빛의 양을 바탕으로 반사 강도 영상 또한 제공한다. 이는 측정 대상의 형상에 대한 정보를 제공하여 센서 데이터 처리에 긍정적인 효과를 일으킨다. LiDAR는 고해상도가 될수록 높은 성능을 보장하지만 이는 센서 비용의 증가를 야기하는데, 이 점은 반사 강도 영상에도 해당된다. 높은 해상도의 반사 강도 영상을 취득하기 위해서는 고가의 장비 사용이 필수적이다. 따라서 본 연구에서는 저해상도의 반사 강도 영상을 고해상도의 영상으로 개선하는 인공지능을 개발하였다. 이를 위해서 본 연구에서는 최적의 초해상화 신경망 모델을 위한 파라미터 분석을 수행하였다. 또한, 초해상화 알고리즘을 2,500여 장의 반사 강도 영상에 적용하여 훈련과 검증을 하였다. 결과적으로 반사 강도 영상의 해상도를 향상시켰다. 바라건대 본 연구의 결과가 향후 자율 주행 분야에 적용되어 주행환경 인식과 장애물 탐지 성능 향상에 기여할 수 있기를 기대하는 바이다.

• Steel and Composite Structures
• /
• 제52권2호
• /
• pp.145-163
• /
• 2024

This paper presents six novel hybrid machine learning (ML) models that combine support vector machines (SVM), Decision Tree (DT), Random Forest (RF), Gradient Boosting (GB), extreme gradient boosting (XGB), and categorical gradient boosting (CGB) with the Harris Hawks Optimization (HHO) algorithm. These models, namely HHO-SVM, HHO-DT, HHO-RF, HHO-GB, HHO-XGB, and HHO-CGB, are designed to predict the ultimate strength of both rectangular and circular reinforced concrete (RC) columns. The prediction models are established using a comprehensive database consisting of 325 experimental data for rectangular columns and 172 experimental data for circular columns. The ML model hyperparameters are optimized through a combination of cross-validation technique and the HHO. The performance of the hybrid ML models is evaluated and compared using various metrics, ultimately identifying the HHO-CGB model as the top-performing model for predicting the ultimate shear strength of both rectangular and circular RC columns. The mean R-value and mean a20-index are relatively high, reaching 0.991 and 0.959, respectively, while the mean absolute error and root mean square error are low (10.302 kN and 27.954 kN, respectively). Another comparison is conducted with four existing formulas to further validate the efficiency of the proposed HHO-CGB model. The Shapely Additive Explanations method is applied to analyze the contribution of each variable to the output within the HHO-CGB model, providing insights into the local and global influence of variables. The analysis reveals that the depth of the column, length of the column, and axial loading exert the most significant influence on the ultimate shear strength of RC columns. A user-friendly graphical interface tool is then developed based on the HHO-CGB to facilitate practical and cost-effective usage.