• 천문학회지
• /
• 제47권6호
• /
• pp.209-214
• /
• 2014

In this study we develop a set of solar proton event (SPE) forecast models with NOAA scales by Multi Layer Perceptron (MLP), one of neural network methods, using GOES solar X-ray flare data from 1976 to 2011. Our MLP models are the first attempt to forecast the SPE scales by the neural network method. The combinations of X-ray flare class, impulsive time, and location are used for input data. For this study we make a number of trials by changing the number of layers and nodes as well as combinations of the input data. To find the best model, we use the summation of F-scores weighted by SPE scales, where F-score is the harmonic mean of PODy (recall) and precision (positive predictive value), in order to minimize both misses and false alarms. We find that the MLP models are much better than the multiple linear regression model and one layer MLP model gives the best result.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.337-340
• /
• 2003

다층 퍼셉트론(Multi-Layer Perceptron, MLP) 구조를 이용한 비선형 적합은 실제문제에 매우 다양하게 적용되고 있다. 이때 일반화된 MLP 구조의 적합을 위해서는 은닉노드의 개수 초기 가중값 그리고 학습 회수와 같은 구조인자들을 함께 고려해야 한다. 만약 구조인자들이 부적절하게 선택되었다면 일반화된 MLP 구조의 적합효율이 매우 저하될 수 있다. 그러므로 MLP 구조에 영향을 주는 인자들의 영향을 살펴보는 것은 중요한 문제다. 이 논문에서는 제어상자(controller box)를 통한 학습결과와 더불어 MLP 구조를 일반화할 때 영향을 줄 수 있는 구조인자(factor)들의 실증분석과 이들의 상대효과를 살펴본다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2001년도 춘계학술대회 논문집
• /
• pp.280-285
• /
• 2001

폴리우레탄 코팅포의 촉감을 예측하기 위하여 신경망 이론이 사용되었다. 본 연구에서는 Neural Connection의 MLP(Multi Layer Perceptron)를 신경망 분석에 사용하였으며, 학습 알고리즘은 백프로파게인션(Backpropagation)을 이용하였다. 사용된 변수는 KES-FB시스템에서 측정된 17가지 역학적 특성치를 설명변수, 촉감치를 목표변수로 하였다. 폴리우레탄 코팅포의 촉감을 정확하게 예측할 수 있는 신경망 모델을 찾기 위해, 은닉층의 노드수를 8에서 34로 변화시켜 보았다. 또한 MLP적용함수로 선형함수, 비선형 시그모이드함수, 탄젠트 함수를 사용하여 목표변수를 예측하여 모형의 정확도를 살펴보았다. 구축된 신경망모델은 17가지 역학적특성치 자료를 이용하여 학습되었으며 학습 완료 후 학습에 사용되지 않은 시료를 시스템에 적용하여 학습된 신경망 시스템이 촉감을 평가하게 한 후 주관적으로 평가된 촉감치와 비교하여 본 시스템의 판단의 정확성을 평가하도록 하였다. 은닉층의 노드수와 MLP적용함수는 촉감예측에 영향을 미치는 것으로 나타났는데, 촉감 예측에 가장 적절한 모형은 MLP 적용함수가 탄젠트 함수이고 노드수가 22인 것으로 나타났다. 신경망을 통한 폴리우레탄 코팅포의 촉감 예측력은 선행연구에서 이용된 통계적 방법보다 높게 나타나 폴리우레탄 코팅포의 촉감예측에 신경망의 이용은 효과적인 것으로 밝혀졌다.

• Smart Structures and Systems
• /
• 제32권1호
• /
• pp.37-47
• /
• 2023

Indirect determination of pan evaporation (PE) has been highly regarded, due to the advantages of intelligent models employed for this objective. This work pursues improving the reliability of a popular intelligent model, namely multi-layer perceptron (MLP) through surmounting its computational knots. Available climatic data of Fresno weather station (California, USA) is used for this study. In the first step, testing several most common trainers of the MLP revealed the superiority of the Levenberg-Marquardt (LM) algorithm. It, therefore, is considered as the classical training approach. Next, the optimum configurations of two metaheuristic algorithms, namely cuttlefish optimization algorithm (CFOA) and teaching-learning-based optimization (TLBO) are incorporated to optimally train the MLP. In these two models, the LM is replaced with metaheuristic strategies. Overall, the results demonstrated the high competency of the MLP (correlations above 0.997) in the presence of all three strategies. It was also observed that the TLBO enhances the learning and prediction accuracy of the classical MLP (by nearly 7.7% and 9.2%, respectively), while the CFOA performed weaker than LM. Moreover, a comparison between the efficiency of the used metaheuristic optimizers showed that the TLBO is a more time-effective technique for predicting the PE. Hence, it can serve as a promising approach for indirect PE analysis.

• Steel and Composite Structures
• /
• 제44권6호
• /
• pp.867-882
• /
• 2022

Predicting the compressive strength of concrete (CSoC) is of high significance in civil engineering. The CSoC is a highly dependent and non-linear parameter that requires powerful models for its simulation. In this work, two novel optimization techniques, namely evaporation rate-based water cycle algorithm (ER-WCA) and equilibrium optimizer (EO) are employed for optimally finding the parameters of a multi-layer perceptron (MLP) neural processor. The efficiency of these techniques is examined by comparing the results of the ensembles to a conventionally trained MLP. It was observed that the ER-WCA and EO optimizers can enhance the training accuracy of the MLP by 11.18 and 3.12% (in terms of reducing the root mean square error), respectively. Also, the correlation of the testing results climbed from 78.80% to 82.59 and 80.71%. From there, it can be deduced that both ER-WCA-MLP and EO-MLP can be promising alternatives to the traditional approaches. Moreover, although the ER-WCA enjoys a larger accuracy, the EO was more efficient in terms of complexity, and consequently, time-effectiveness.

• 한국산업정보학회논문지
• /
• 제16권2호
• /
• pp.31-38
• /
• 2011

피부색은 자동화된 얼굴 인식을 위한 매우 중요한 정보 중의 하나이다. 본 논문에서는 다층 신경망(Multi-Layer Perceptron)을 이용한 피부 영역 검출 기법을 제안하였다. 제안된 방법은 적응적 조명 보정 기법을 통해 피부색 영역의 검출 성능을 개선하였고, 전처리 필터를 적용하여 피부색이 아닌 영역을 먼저 제거시킴으로써 처리 속도를 향상시켰다. 제안된 방법의 실험 결과 기존의 방법과 비교하여 보다 우수한 검출 결과를 나타냈으며, 처리 속도 또한 약 31~49% 향상시킬 수 있었다.

• 드라이브 ㆍ 컨트롤
• /
• 제20권3호
• /
• pp.25-34
• /
• 2023

In this study, we conducted a research on optimizing the spraying performance of agricultural drones and predicted the spraying performance in various flight conditions using the multi-layer perceptron (MLP). Data was collected using a test device for pesticide spraying performance according to the water sensitive paper (WSP) evaluation. MLP training involved supervised learning to achieve a coefficient of variation (CV), which indicates the degree of uniform spraying. The performance evaluation was conducted using R-squared (R²), the test samples showed an R² of 0.80. The results of this study showed that drone spraying performance can be predicted under various flight environments. In addition, the correlation analysis between flight conditions and predicted spraying performance will be useful for further research on optimizing the spraying performance of agricultural drones.

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.847-851
• /
• 2004

Bishop과 Nabnck에 의해 소개된 기존치 혼합 밀도 네트워크(Mixture Density Network)에서는 조건부 확률밀도 함수의 매개변수들(parameters)이 하나의 MLP(multi-layer perceptron)의 출력 벡터로 주어진다. 최근에는 변형된 혼합 밀도 네트워크(Modified Mixture Density Network)라고 하는 이름으로 조건부 확률밀도 함수의 선분포(priors), 조건부 평균(conditional means), 그리고 공분산(covariances) 등이 각각 독립적인 MLP의 출력벡터로 주어지는 경우를 다룬 연구가 보고된 바 있다. 본 논문에서는 조건부 평균이 입력에 관해 선형인 경우를 위한 버전에 대한 이론과 매트랩 프로그램 개발을 다룬다. 본 논문에서는 우선 일반적인 혼합 밀도 네트워크에 대해 간단히 설명하고, 혼합 밀도 네트워크의 출력인 다층 퍼셉트론의 매개변수를 각각 다른 다층 퍼셉트론에서 학습시키는 변형된 혼합 밀도 네트워크를 설명한 후, 각각 다른 다층 퍼셉트론을 통해 매개변수를 얻는 것은 동일하나 평균값은 선형함수를 통해 얻는 혼합 밀도 네트워크 버전을 소개한다. 그리고, 모의실험을 통하여 이러한 혼합 밀도 네트워크의 적용가능성에 대해 알아본다.

• Smart Structures and Systems
• /
• 제33권1호
• /
• pp.65-91
• /
• 2024

The use of five optimization techniques for the prediction of a strength-based concrete mixture's best-fit model is examined in this work. Five optimization techniques are utilized for this purpose: Slime Mold Algorithm (SMA), Black Hole Algorithm (BHA), Multi-Verse Optimizer (MVO), Vortex Search (VS), and Whale Optimization Algorithm (WOA). MATLAB employs a hybrid learning strategy to train an artificial neural network that combines least square estimation with backpropagation. Thus, 72 samples are utilized as training datasets and 31 as testing datasets, totaling 103. The multi-layer perceptron (MLP) is used to analyze all data, and results are verified by comparison. For training datasets in the best-fit models of SMA-MLP, BHA-MLP, MVO-MLP, VS-MLP, and WOA-MLP, the statistical indices of coefficient of determination (R²) in training phase are 0.9603, 0.9679, 0.9827, 0.9841 and 0.9770, and in testing phase are 0.9567, 0.9552, 0.9594, 0.9888 and 0.9695 respectively. In addition, the best-fit structures for training for SMA, BHA, MVO, VS, and WOA (all combined with multilayer perceptron, MLP) are achieved when the term population size was modified to 450, 500, 250, 150, and 500, respectively. Among all the suggested options, VS could offer a stronger prediction network for training MLP.

• 한국항행학회논문지
• /
• 제27권5호
• /
• pp.674-684
• /
• 2023

이 논문에서는 INS의 항법 정확도에 영향을 주는 중력 교란에 대한 실시간 예측기법으로 다층 퍼셉트론 모델을 제안하였다. 적합한 MLP 모델을 선정하기 위해서 학습 정확도 및 실행시간을 비교할 수 있게 신경망의 크기가 다른 4개의 모델을 설계하였다. 이 MLP 모델의 학습을 위해 해상 또는 육상의 지표면을 따라 이동하는 물체의 위치 및 중력교란 데이터를 사용하였으며, 중력교란 데이터의 계산은 2160차의 EGM2008을 SHM을 이용하여 이루어졌다. 학습 정확도 평가에서는 MLP4가 가장 우수한 것으로 확인 되었고, 이후 실행시간을 측정하기 위해 학습이 완료된 4개 모델의 가중치와 바이어스 항들을 INS의 내장형 컴퓨터에 저장하여 MLP 모델을 구현하였다. 4개 모델 중 MLP4의 실행시간이 가장 짧은 것을 확인할 수 있었다. 이러한 연구 결과는 향후 중력 교란 보상을 통한 INS의 항법 정확도를 향상시키는데 활용될 수 있을 것으로 기대된다.