• Structural Engineering and Mechanics
• /
• 제76권5호
• /
• pp.653-661
• /
• 2020

The paper presents a study regarding rubber compressibility behavior. The objective is to analyze the effect of compression degree of rubber on its mechanical properties and propose a new methodology based on reverse engineering to predict compressibility degree based on uniaxial stretching test and Finite Element Analysis (FEA). In general, rubbers are considered to be almost incompressible and Poisson's ratio is close to 0.5. Since this property is intimately related to the rubber packing density, little changes in Poisson's ratio can lead to significant changes regarding mechanical behavior. The deviatory hyperelastic constants were obtained through experimental data fitting by least squares method for the most relevant constitutive models implemented in commercial software Abaqus, such as: Neo-Hooke, Mooney-Rivlin, Ogden, Yeoh and Arruda-Boyce, whereas the hydrostatic part was determined through an optimization algorithm implemented in the Abaqus environment by Python scripting. The simulation results presented great influence of the Poisson's ratio in the rubber specimen mechanical behavior mainly for high strain levels. A conventional pure volumetric compression test was also carried out in order to compare the results obtained by the proposed methodology.

• Advances in nano research
• /
• 제12권5호
• /
• pp.489-499
• /
• 2022

Nanofluids have recently triggered a substantial scientific interest as cooling media. However, their stability is challenging for successful engagement in industrial applications. Different factors, including temperature, nanoparticles and base fluids characteristics, pH, ultrasonic power and frequency, agitation time, and surfactant type and concentration, determine the nanofluid stability regime. Indeed, it is often too complicated and even impossible to accurately find the conditions resulting in a stabilized nanofluid. Furthermore, there are no empirical, semi-empirical, and even intelligent scenarios for anticipating the stability of nanofluids. Therefore, this study introduces a straightforward and reliable intelligent classifier for discriminating among the stability regimes of alumina-water nanofluids based on the Zeta potential margins. In this regard, various intelligent classifiers (i.e., deep learning and multilayer perceptron neural network, decision tree, GoogleNet, and multi-output least squares support vector regression) have been designed, and their classification accuracy was compared. This comparison approved that the multilayer perceptron neural network (MLPNN) with the SoftMax activation function trained by the Bayesian regularization algorithm is the best classifier for the considered task. This intelligent classifier accurately detects the stability regimes of more than 90% of 345 different nanofluid samples. The overall classification accuracy and misclassification percent of 90.1% and 9.9% have been achieved by this model. This research is the first try toward anticipting the stability of water-alumin nanofluids from some easily measured independent variables.

• Nuclear Engineering and Technology
• /
• 제55권12호
• /
• pp.4350-4356
• /
• 2023

Radiation detection systems working at high count rates suffer from the overlapping of their output electric pulses, known as pulse pile-up phenomenon, resulting in spectrum distortion and degradation of the energy resolution. Pulse tail extrapolation is a pile-up correction method which tries to restore the shifted baseline of a piled-up pulse by extrapolating the overlapped part of its preceding pulse. This needs a mathematical model which is almost always nonlinear, fitted usually by a nonlinear least squares (NLS) technique. NLS is an iterative, potentially time-consuming method. The main idea of the present study is to replace the NLS technique by an integration-based non-iterative method (NIM) for pulse tail extrapolation by an exponential model. The idea of linear extrapolation, as another non-iterative method, is also investigated. Analysis of experimental data of a NaI(Tl) radiation detector shows that the proposed non-iterative method is able to provide a corrected spectrum quite similar with the NLS method, with a dramatically reduced computation time and complexity of the algorithm. The linear extrapolation approach suffers from a poor energy resolution and throughput rate in comparison with NIM and NLS techniques, but provides the shortest computation time.

• 터널과지하공간
• /
• 제20권2호
• /
• pp.97-104
• /
• 2010

가속 크리프 거동을 보이는 재료의 파괴를 설명하기 위하여 재료 파괴식($\ddot{\Omega}=A{(\dot{\Omega})}^\alpha$, $\Omega$는 변위와 같은 측정가능한 양을 나타낸다)이 사용된다. 상수 A와 $\alpha$는 주어진 측정 자료를 곡선적합하여 얻는다. 본 연구에서는 재료 파괴식을 이용하여 터널의 파괴시간을 예측하였고, 재료 파괴식을 적용하기 위하여 4가지 곡선적합기법이 사용되었다. 4가지 곡선적합기법 중 로그속도-로그가속도기법, 로그시간-로그속도기법, 역속도법은 선형최소자승법을 이용하고 비선형최소자승기법은 Levenberg-Marquardt 알고리즘을 이용한다. 로그속도-로그가속도기법은 재료 파괴식을 대수형태로 만들어 해석을 하기 때문에 터널의 파괴시간 예측에 재료 파괴식을 적용하는 것이 타당한지에 대한 근거를 제시한다. 로그속도-로그가속도기법에 따른 자료의 상관계수가 0.84로 비교적 높게 나타났기 때문에 재료 파괴식을 터널의 파괴시간 예측에 적용하는 것이 타당하다고 판단된다. 실제 파괴시간과 4가지 곡선적합기법으로부터 얻은 예측 파괴시간을 비교한 결과 로그시간-로그속도기법이 가장 우수한 결과를 보여주는 것으로 나타났다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권3_4호
• /
• pp.251-258
• /
• 2003

Support Vector Machine(SVM)은 이론상으로 좋은 일반화 성능을 보이지만, 실제적으로 구현된 SVM은 이론적인 성능에 미치지 못한다. 주 된 이유는 시간, 공간상의 높은 복잡도로 인해 근사화된 알고리듬으로 구현하기 때문이다. 본 논문은 SVM의 분류성능을 향상시키기 위해 Bagging(Bootstrap aggregating)과 Boosting을 이용한 SVM 앙상블 구조의 구성을 제안한다. SVM 앙상블의 학습에서 Bagging은 각각의 SVM의 학습데이타는 전체 데이타 집합에서 임의적으로 일부 추출되며, Boosting은 SVM 분류기의 에러와 연관된 확률분포에 따라 학습데이타를 추출한다. 학습단계를 마치면 다수결 (Majority voting), 최소자승추정법(LSE:Least Square estimation), 2단계 계층적 SVM등의 기법에 개개의 SVM들의 출력 값들이 통합되어진다. IRIS 분류, 필기체 숫자인식, 얼굴/비얼굴 분류와 같은 여러 실험들의 결과들은 제안된 SVM 앙상블의 분류성능이 단일 SVM보다 뛰어남을 보여준다.

• 한국융합학회논문지
• /
• 제10권3호
• /
• pp.23-30
• /
• 2019

본 연구는 당뇨병 치료제 후보약물 정보를 이용하여 항당뇨에 영향을 미치는 물질구조를 발견하는데 목적이 있다. 정량적구조 활성관계를 이용한 기계 학습 모델을 만들고 부분최소자승 알고리즘을 통해 실험데이터 별로 결정계수를 파악한 후 변수중요도척도를 활용하여 주요 분자표현자를 도출하였다. 연구 결과, 후보약물 구조정보를 반영한 molecular access system fingerprint 데이터로 분석한 결과가 in vitro 데이터를 이용한 분석 결과보다 설명력이 높았으며, 항당뇨에 영향을 미치는 주요 분자표현자 역시 다양하게 도출할 수 있었다. 제안된 항당뇨 예측 및 주요인자 분석 방법을 활용한다면 유사한 과정을 반복 실험하는 기존 신약개발 방식과는 달리, 많은 비용과 시간이 소요되는 후보물질 스크리닝 (screening) 기간을 최소화하고, 신약개발 탐색기간도 단축하는 계기가 될 수 있을 것으로 기대한다.

• 한국측량학회지
• /
• 제30권3호
• /
• pp.295-303
• /
• 2012

풍력발전 단지의 수익성 평가를 위해 연간 에너지 생산량(AEP ; Annual Energy Production)의 계산이 중요하다. AEP를 계산하기 위해서는 바람의 확률밀도함수(PDF ; Probability Density Function)와 풍력발전기의 발전곡선(PC; Power Curve)이 필요하며, AEP 예측의 정확성을 향상시키기 위해서는 허브 높이에서의 PDF예측과 그 높이의 공기밀도에 따른 풍력발전기 PC의 결정이 중요하다. 본 연구에서는 제주도 한동, 평대의 실관측 풍황탑(met mast) 자료를 이용하였으며 풍속의 PDF를 Weibull 분포 함수로 가정 하였고 Weibull 함수의 파라미터의 값이 높이에 따라 변화하는 양상을 확인하였다. Weibul 함수의 계산은 모멘트법과 LN-least법을 사용하였으며, 모멘트법과 LN-least법에 의한 형상계수의 경우 높이의 증가에 따라 변화를 보이지 않았고 평균값에서 ${\pm}0.1$의 변화 패턴을 보였다. 척도계수의 경우 높이가 증가함에 따라 선형적으로 증가하였으며 지형별 분류에 따른 높이별 척도계수의 기울기는 확연한 차이를 보이고 있었다. 60m 높이에서 관측된 바람의 상대도수와 관측 값의 높이 보정에 의한 공기밀도와 일반식에 의한 공기밀도를 각각 계산하여 그 결과에 대응하는PC를 선택하여 AEP차이를 계산하였다.

• 한국산업정보학회논문지
• /
• 제10권3호
• /
• pp.21-29
• /
• 2005

대부분의 자동협상시스템은 협상의 진행과정에 있어 협상자의 제안에 의존적이라 할 수 있다. 특히 협상속성에 대한 선호도, 평가함수 그리고 협상전략 등은 협상자에 의해 협상라운드마다 다양하게 변화하게 되고 이러한 특징은 협상의 수정제안 생성에 영향을 미치게 된다. 따라서 본 연구에서는 협상자의 참여를 최소화하는 자동협상방법론 및 협상 모델을 제안하였다. 협상자의 참여를 최소화하기 위하여, 협상자의 속성에 대한 선호도는 판매자와 구매자의 제안값에 대한 비율에 의해 예측되었으며, 협상자의 평가함수는 각 협상라운드마다 최소자승법을 통하여 예측한 후, 결정계수($R^2$)값에 의해 평가함수가 선택되도록 하였다. 또한 본 연구에서는 예측된 속성에 대한 선호도와 평가함수를 이용하여 최적 수정 제안을 유전알고리즘을 이용하여 생성하였다.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.4102-4102
• /
• 2001

In multivariate analysis, absorbance spectrum is measured over a band of wavelengths. One does not often pay attention to the size of this wavelength band. However, it is desirable that spectrum is measured at only necessary wavelengths as long as the acceptable accuracy of prediction can be met. In this paper, the method of selecting an optimal band of wavelengths based on the loading vector analysis was proposed and applied for determining total protein in human serum using near-infrared transmission spectroscopy and PLSR. Loading vectors in the full spectrum PLSR were used as reference in selecting wavelengths, but only the first loading vector was used since it explains the spectrum best. Absorbance spectra of sera from 97 outpatients were measured at 1530∼1850 nm with an interval of 2 nm. Total protein concentrations of sera were ranged from 5.1 to 7.7 g/㎗. Spectra were measured by Cary 5E spectrophotometer (Varian, Australia). Serum in the 5 mm-pathlength cuvette was put in the sample beam and air in the reference beam. Full spectrum PLSR was applied to determine total protein from sera. Next, the wavelength region of 1672∼1754 nm was selected based on the first loading vector analysis. Standard Error of Cross Validation (SECV) of full spectrum (1530∼l850 nm) PLSR and selected wavelength PLSR (1672∼1754 nm) was respectively 0.28 and 0.27 g/㎗. The prediction accuracy between the two bands was equal. Wavelength selection based on loading vector in PLSR seemed to be simple and robust in comparison to other methods based on correlation plot, regression vector and genetic algorithm. As a reference of wavelength selection for PLSR, the loading vector has the advantage over the correlation plot since the former is based on multivariate model whereas the latter, on univariate model. Wavelength selection by the first loading vector analysis requires shorter computation time than that by genetic algorithm and needs not smoothing.

• 대한전자공학회논문지
• /
• 제26권7호
• /
• pp.166-175
• /
• 1989

본 논문은 rotation of subspaces 개념을 이용한 도래각 추정 방법을 제시한다. 이 방법은 여러 응용분야에서 대두되는 부공간들(subspaces)의 각도 및 거리와 밀접한 관련이 있다. 먼저 최소 자승을 이용하여 한 부공간을 다른 부공간으로 변환 시켜주는 최적 변환 행렬을 구하기 위한 효율적인 방법을 유도하고 이를 이용하여 다중 광대역 신호들 (인코히어런트, 부분적인 코히어런트와 완전한 코히어런트의 혼합신호들)의 도래각을 추정한다. 대표적인 응용으로, 잡음의 배열 스펙트럼 밀도 행렬이 변하지 않는 액티브 시스템(e. g. sonar system) 경우에 성능을 높이기 위하여 효율적인 ROSS (rotation of signal subspaces) 알고리듬을 제안한다. ROSS 알고리듬은 Wang-Kaveh's CSS-focusing 방법에서 사용하는 예비처리와 공간 필터링을 필요로 하지 않는 장점이 있으며 일반적인 모든 배열 안테나에도 적용될 수 있다. 시뮬레이션 결과, 제안된 새로운 알고리듬이 CSS-focusing 방법 및 Forward-Backward Spatial Smoothed MUSIC 보다 높은 성능을 가짐을 알 수 있었다.