• 방송공학회논문지
• /
• 제24권6호
• /
• pp.1134-1142
• /
• 2019

영상의 이중 압축 검출은 영상의 위조여부를 판단하는 한가지 효과적인 방식이다. 이러한 이중 압축 검출 기술을 바탕으로 HEVC로 압축된 영상의 진위 여부를 판단하는 다양한 종류의 기존 기술들이 소개되었지만, 동일한 압축 환경에서 이중 압축된 영상의 진위 여부를 검출하는 것은 상당히 어려운 일로 여겨지고 있다. 본 논문에서는 동일 압축 환경에서 HEVC의 이중압축 여부를 판단하는 기술로서, Intra모드로 압축된 영상의 분할 정보를 이용하여 판단하는 방식을 제안한다. Coding Unit (CU)와 Transform Unit (TU)의 분할 정보로부터 통계적 특징과 딥러닝 네트워크 기반의 특징을 우선 추출하고, softmax단에서 추출된 특징들을 통합하여 이중 압축 여부를 판단하는 기술을 제안한다. 실험결과를 통해서 제안하고 있는 기술이 WVGA 영상과 HD 영상에서 각각 87.5%와 84.1%의 정확도를 가지며 효과적으로 검출한다는 것을 보여준다,

• Steel and Composite Structures
• /
• 제35권3호
• /
• pp.415-437
• /
• 2020

Circular concrete filled steel tube (CFST) columns have an advantage over all other sections when they are used in compression members. This paper proposes a new approach for deriving a new empirical equation to predict the axial compressive capacity of circular CFST columns using the Artificial Neural Network (ANN). The developed ANN model uses 5 input parameters that include the diameter of circular steel tube, the length of the column, the thickness of steel tube, the steel yield strength and the compressive strength of concrete. The only output parameter is the axial compressive capacity. Training and testing the developed ANN model was carried out using 219 available sets of data collected from the experimental results in the literature. An empirical equation is then proposed as an important result of this study, which is practically used to predict the axial compressive capacity of a circular CFST column. To evaluate the performance of the developed ANN model and the proposed equation, the predicted results are compared with those of the empirical equations stated in the current design codes and other models. It is shown that the proposed equation can predict the axial compressive capacity of circular CFST columns more accurately than other methods. This is confirmed by the high accuracy of a large number of existing test results. Finally, the parametric study result is analyzed for the proposed ANN equation to consider the effect of the input parameters on axial compressive strength.

• Smart Structures and Systems
• /
• 제13권1호
• /
• pp.81-98
• /
• 2014

This paper presents the elastic buckling of smart lightweight column structures integrated with a pair of surface piezoelectric layers using artificial intelligence. The finite element modeling of Smart lightweight columns is found using $ANSYS^{(R)}$ software. Then, the first buckling load of the structure is calculated using eigenvalue buckling analysis. To determine the accuracy of the present finite element analysis, a compression study is carried out with literature. Later, parametric studies for length variations, width, and thickness of the elastic core and of the piezoelectric outer layers are performed and the associated buckling load data sets for artificial intelligence are gathered. Finally, the application of soft computing-based methods including artificial neural network (ANN), fuzzy inference system (FIS), and adaptive neuro fuzzy inference system (ANFIS) were carried out. A comparative study is then made between the mentioned soft computing methods and the performance of the models is evaluated using statistic measurements. The comparison of the results reveal that, the ANFIS model with Gaussian membership function provides high accuracy on the prediction of the buckling load in smart lightweight columns, providing better predictions compared to other methods. However, the results obtained from the ANN model using the feed-forward algorithm are also accurate and reliable.

• 열처리공학회지
• /
• 제31권4호
• /
• pp.180-186
• /
• 2018

High temperature flow behaviors of Fe-Cr-Mo-V-W-C tool steel were investigated using isothermal compression tests on a Gleeble simulator. The compressive test temperature was varied from 850 to $1,150^{\circ}C$ with the strain rate ranges of 0.05 and $10s^{-1}$. The maximum height reduction was 45%. The dynamic softening related to the dynamic recrystallization was observed during hot deformation. The constitutive model based on Arrhenius-typed equation with the Zener-Hollomon parameter was proposed to simulate the hot deformation behavior of Fe-Cr-Mo-V-W-C steel. An artificial neural network (ANN) model was also developed to compare with the constitutive model. It was concluded that the ANN model showed more accurate prediction compared with the constitutive model for describing the hot compressive behavior of Fe-Cr-Mo-V-W-C steel.

• 한국빅데이터학회지
• /
• 제9권1호
• /
• pp.187-196
• /
• 2024

본 연구에서는 수어의 좌표를 압축하여 학습 시간을 획기적으로 단축시킬 수 있는 DNN (Deep Neural Network) 기반 수어 번역 모델을 제안하고 수어 좌표 압축 유무에 따른 정확도와 모델 학습 시간을 비교 분석하였다. 제안한 모델을 사용하여 수어를 번역한 결과, 수어 영상을 압축하기 전과 후의 정확도는 약 5.9% 감소한 반면, 학습 시간은 56.57% 감소하여 수어 번역 정확도 손실 대비 학습 시간에서 많은 이득을 얻는 것을 확인하였다.

• 한국지반공학회논문집
• /
• 제27권1호
• /
• pp.17-24
• /
• 2011

CLSM의 플로우 및 강도특성은 비회, 매립회, 시멘트, 수량 등과 같은 배합비에 크게 의존하므로, 각 구성요소들의 배합비와 플로우 및 강도값에 대한 역학적 관계를 정량적으로 도출하기가 현실적으로 매우 어렵다. 따라서 CLSM의 구성성분 비율에 대한 플로우 및 압축강도값을 도출할 수 있는 산정방법이 필요하다. 이에 본 연구에서는 인공신경망 학습을 통해 플로우 및 일축압축강도를 실험을 통하지 않고 인공신경망을 이용하여 CLSM의 플로우 및 일축압축강도를 예측하고자 한다. 본 연구에 사용한 인공신경망모델에는 BPNN 학습 알고리즘을 적용, 인공신경망 학습효율 및 예측능력에 영향을 미치는 은닉층, 모멘텀상수, 목표시스템 오차값, 은닉층의 노드 수와 학습률을 변화시키면서 학습하여 각각의 변화에 따른 인공신경망 모델의 학습효율 및 예측능력을 평가하고 인공신경망의 유효성 검증을 위해 모델 구축 시에 사용하지 않은 새로운 자료에 대해 예측을 실시하여 실내실험 결과와 비교하여 이를 기준으로 CLSM의 플로우 및 압축강도 산정에 적합한 최적인공신경망 모델을 제안하였다.

• 한국마린엔지니어링학회:학술대회논문집
• /
• 한국마린엔지니어링학회 2002년도 춘계학술대회논문집
• /
• pp.213-217
• /
• 2002

Recently the subject of "wavelet analysis" has be drawn by both mathematical and engineering application fields such as Signal Processing, Compression/Decomposition, Wavelet-Neural Network, Statistics and etc. Even though its similar to courier analysis, wavelet is a versatile tool with much mathematical content and great potential for applications. Especially, wavelet transform uses localizable various mother wavelet functions in time-frequency domain. Therefore, wavelet transform has good time-analysis ability for high frequency component, and has good frequency-analysis ability for low frequency component. Using the discriminative ability is more easy method than other conventional techniques. In this paper, Morlet wavelet transform was applied to discriminate the kind of line fault by acquired data from real power transformation network. The experimental result presented that Morlet wavelet transform is easier, and more useful method than the FFW (Fast courier Transform).ransform).

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.280-282
• /
• 2020

최근 사물인터넷(IoT), 자율주행과 같이 기계 간의 통신이 요구되는 서비스가 늘어감에 따라, 기계 임무 수행에 최적화된 데이터의 생성 및 압축에 대한 필요성이 증가하고 있다. 또한, 사물인터넷과 인공지능(AI)이 접목된 기술이 주목을 받으면서 딥러닝 모델에서 추출되는 특징(feature)을 디바이스에서 클라우드로 전송하는 방안에 관한 연구가 진행되고 있으며, 국제 표준화 기구인 MPEG에서는 '기계를 위한 부호화(Video Coding for Machine: VCM)'에 대한 표준 기술 개발을 진행 중이다. 딥러닝으로 특징을 추출하는 가장 대표적인 방법으로는 합성곱 신경망(Convolutional Neural Network: CNN)이 있으며, 오토인코더는 입력층과 출력층의 구조를 동일하게 하여 출력을 가능한 한 입력에 근사시키고 은닉층을 입력층보다 작게 구성하여 차원을 축소함으로써 데이터를 압축하는 딥러닝 기반 이미지 압축 방식이다. 이에 본 논문에서는 이러한 오토인코더의 성질을 이용하여 CNN 기반의 이미지 분류 네트워크의 합성곱 신경망으로부터 추출된 feature에 오토인코더를 적용하여 압축하는 방안을 제안한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.22-25
• /
• 2020

본 논문에서는 큰 크기의 심층 신경망을 압축하기위해 네트워크 수준의 가중치 공유방법인 Global Weight 패러다임을 최초로 제시한다. 기존의 가중치 공유방법은 계층별로 가중치를 공유하는 것이 대부분이었다. Global Weight 는 기존 방법과 달리 전체 네트워크에서 가중치를 공유하는 효율적인 방법이다. 우리는 Global Weight 를 사용하여 학습되는 새로운 컨볼루션 연산인 Global Weight Convolution(GWConv)연산과 GWConv를 적용한 Global Weight Networks(GWNet)을 제안한다. CIFAR10 데이터셋에서 실험한 결과 2.18 배 압축에서 85.64%, 3.41 배 압축에서 85.46%의 정확도를 보였다. Global Weight 패러다임은 가중치 공유가 궁극적으로 풀고자 했던 중복되는 가중치를 최소화하는 획기적인 방법이며, 추후 심도 있는 연구가 수행될 수 있음을 시사한다.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.472-484
• /
• 2019

본 논문에서는 심층신경망을 이용한 시간 영역 음향 이벤트 검출 알고리즘을 제시한다. 본 시스템에서는 주파수 영역으로 변환되지 않은 시간 영역의 음향 데이터를 심층신경망의 입력으로 사용한다. 전반적인 구조는 CRNN 구조를 사용하였으며, GLU, ResNet, Squeeze-and-excitation 블럭을 적용하였다. 그리고 여러 계층에서 추출된 특징을 함께 고려하는 구조를 제안하였다. 또한 본 연구에서는 강한 라벨이 있는 훈련 데이터를 확보하는 것이 현실적으로 어렵다는 전제 아래에서 약한 라벨이 있는 훈련 데이터 약간 그리고 다수의 라벨이 없는 훈련 데이터를 활용하여 훈련을 수행하였다. 적은 수의 훈련 데이터를 효과적으로 사용하기 위해 타임 스트레칭, 피치 변화, 동적 영역 압축, 블럭 혼합 등의 데이터 증강 방법을 적용하였다. 라벨이 없는 데이터에는 의사 라벨을 붙여 부족한 훈련 데이터를 보완하였다. 본 논문에서 제안한 신경망과 데이터 증강 방법을 사용하는 경우, 종래의 방식으로 CRNN 구조의 신경망을 훈련하여 사용하는 경우보다, 음향 이벤트 검출 성능이 약 6 % (f-score 기준)가 개선되었다.