• 한국지반공학회지:지반
• /
• 제13권2호
• /
• pp.77-90
• /
• 1997

지하수 거동에 대한 불확실성을 극복하기 위해서 암반 지반의 투수계수를 예측할 수 있는 신뢰적이고 경제적인 방법이 필요하다. 이러한 목적을 위하여 암반의 투수계수 예측 방법에 대한 연구가 수행되어졌다. 인공 신경망 이론을 적용한 투수계수 예측 방법에 대한 일환으로 오차역 전파 학습알고리즘을 이용한 투수계수 예측 방법에 대하여 연구를 수행하였으며, 이 방법의 타당성 검토를 위하여 현장투수시험 결과와 지반물성치들에 적용하여 검증을 실시하였다. 검증결과 평균오차 범위가 작아 비교적 정착한 투수계수 예측방법임을 보여주었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.152-154
• /
• 2005

In this paper, we propose a new architecture of Fuzzy Polynomial Neural Networks(FPNN) by means of genetically optimized Fuzzy Polynomial Neuron(FPN) and discuss its comprehensive design methodology involving mechanisms of genetic optimization, especially Genetic Algorithms(GAs). The design of the network exploits the extended Group Method of Data Handling(GMDH) with some essential parameters of the network being provided by the designer and kept fixed throughout the overall development process. This restriction may hamper a possibility of producing an optimal architecture of the model. The proposed FPNN gives rise to a structurally optimized network and comes with a substantial level of flexibility in comparison to the one we encounter in conventional FPNNs. It is shown that the proposed genetic algorithms-based Fuzzy Polynomial Neural Networks is more useful and effective than the existing models for nonlinear process. We experimented with Medical Imaging System(MIS) dataset to evaluate the performance of the proposed model.

• 한국물환경학회지
• /
• 제22권5호
• /
• pp.952-957
• /
• 2006

The present study applied wavelet transform and artificial neural networks (ANNs) for the prediction of daily TOC data. TOC data were transformed into denoised data by the wavelet transform and the noise-reduced data were used for the prediction model by artificial neural networks. For the application of wavelet transform, Daubechies wavelet of order 10 ('db10') was used as a basis function and decomposed the TOC data up to fifth level with five detail components and one approximation component. ANNs were calibrated with the input data of the segregated TOC data corresponding to the details from second to fifth level and the approximation. Consequently, the ANNs model for the prediction of daily TOC data showed the best result when it had seventeen hidden nodes in its layer.

• 한국IT서비스학회지
• /
• 제5권1호
• /
• pp.97-109
• /
• 2006

As software becomes more complex and its scope dramatically increases, the importance of research on developing methods for estimating software development efforts has been increased. Such accurate estimation has a prominent impact on the development projects. To develop accurate effort estimation models, many studies have been conducted among the academia and the practitioners. Out of the numerous methods, Constructive Cost Model (COCOMO) based on Line of Code (LOC), Regression Model based on Function Point (FP) were the most popular models in the past. As today's development environments are dynamically changing, these traditional methods do not work anymore. There is an impending need to develop an accurate estimation model which accommodates itself to the new environments. As a possible solution, this research proposes and evaluates an software development estimation model based on function points and neural networks.

• 한국항공우주학회지
• /
• 제35권11호
• /
• pp.990-998
• /
• 2007

불확실한 비선형 다중입출력 시스템에 대해서 신경회로망을 이용한 적응출력피드백제어기법이 제안되었다. 역변환 기반의 제어입력으로부터 불확실한 비선형성을 분리하기 위해 변형된 운동 역변환 모델(Modified Dynamic Inversion Model, MDIM)이 도입되었다. MDIM은 근사된 운동 역변환 모델과 역변환 모델 오차로 구성되었고 한 개의 신경회로망이 MDIM을 보상하는데 적용되었다. 여기서 신경회로망의 출력은 필터링된 근사오차 기반의 제어기를 증대시킨다. 추적성능과 종국적 유계성(ultimate boundedness)을 보장하기 위해 리야프노프의 직접방법(Lyapunov's direct method)으로부터 유도된 온라인 가중치 적응법칙이 이용되었다. 수치적 시뮬레이션을 통해 본 논문의 타당성을 검증하였다.

• 지능정보연구
• /
• 제7권1호
• /
• pp.135-147
• /
• 2001

본 연구에서는 퍼지신경망을 이용한 기업부실예측모형을 제안한다. 신경망은 탁월한 학습능력을 가진 것으로 알려져 있으나, 잡음이 심한 재무자료에 대해서는 종종 일관되지 못하고 기대에 미치지 못하는 예측성과를 보인다. 이는 연속형의 형태를 지닌 독립변수와 과다한 양의 원자료로부터 예측에 필요한 일정한 패턴을 찾기가 어렵기 때문이다. 이러한 문제점은 예측모형에서의 독립변수와 종속변수간의 인과관계를 신경망이 용이하게 찾아낼 수 있도록 독립변수의 형태를 변환함으로써 해결한 수 있다. 이러한 해결방법의 하나는 기존 신경망에 퍼지집합의 개념을 적용하여 신경망 학습에 사용될 자료를 퍼지화하고 이를 신경망에 학습시키는 것이다 입력자료를 퍼지화 함으로써 정보의 손실 없이도 신경망이 자료 내의 복잡한 관계를 용이하게 학습하는 것이 가능하다. 본 연구에서 제안된 퍼지신경망을 기업부도예측에 적용한 결과, 퍼지신경망이 기존의 신경망보다 우월한 예측성과를 나타내었다.

• 사물인터넷융복합논문지
• /
• 제9권6호
• /
• pp.111-117
• /
• 2023

시간-공간적 의존성을 모두 고려하는 방법으로 그래프 신경망과 순환 신경망을 함께 사용하는 연구가 많이 진행되고 있다. 특히 그래프 신경망은 새롭게 활발히 연구되고 있는 분야이다. 서울시 자전거 대여 서비스(일명 따릉이)는 서울시 곳곳에 대여소를 갖추고 있으며 각 대여소에서 대여 정보가 충실하게 기록되어 있는 시계열 자료이다. 각 대여소의 대여 정보는 시간에 따른 주기성을 보이는 시간적인 특성을 갖추고 있으며, 지역적인 특성도 대여 현황에 큰 영향을 미치리라고 생각된다. 지역적 상관관계는 그래프 신경망을 이용하여 잘 이해할 수 있다. 이 연구에서는 서울시 자전거 대여 서비스의 시계열 데이터를 그래프로 재구성하고 그래프 신경망과 순차 신경망을 결합한 대여 예측 모델을 개발하였다. 시간에 따른 주기성과 같은 시간 특성과 지역적인 특성 및 각 대여소의 중요도 정도를 고려하였다. 대여소의 중요도 정도는 대여량 예측에 중요한 인자로 사용됨을 확인하였다.

• 한국수자원학회논문집
• /
• 제39권8호
• /
• pp.717-726
• /
• 2006

본 연구에서는 상층기상자료, 자동 기상 관측망 자료 및 신경망기법을 사용하여 단시간 강우 예측 모형을 개발하였다. 호우를 동반한 이송 기상 시스템의 이동 경로가 라디오존데로부터 획득할 수 있는 상층기상 자료 즉 상층 풍향자료와 동일한 방향으로 이동한다는 가정 하에 원거리에서 발생하는 기상현상의 발달과정을 판단 할 수 있는 알고리즘을 개발하고, 이러한 원거리 입력 자료와 예측하고자 하는 값 사이의 비선형 상관관계를 연결하는 기법으로 인공 신경망 기법을 도입하였다. 개발된 모형을 2002년 태풍 루사로 인하여 큰 피해를 입은 감천지역에 적용하였다. 포항과 오산의 라디오존데에서 획득한 700mb에서의 풍향자료와 5년의 자료기간을 가지는 350개의 자동 기상 관측망 자료를 입력 자료로 사용하였으며 결과는 상층 풍향자료를 사용한 경우에 상관계수가 0.41에서 0.73으로 개선되었으며 숙련도도 35%향상되었다. 모형의 개선도를 나타내는 통계치의 개선을 통해 상층기상자료를 활용한 강우예측 모형이 단지 지상 강우계 자료만 사용한 예측보다 개선된 결과를 보여줌을 알 수 있다.

• 대한전자공학회논문지SP
• /
• 제40권1호
• /
• pp.139-147
• /
• 2003

동적 신경망은 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에 적용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(CRNN)으로 구성된 합성 신경망을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 합성 신경망은 LRNN으로 IIR-MLP와 CRNN으로 Elman RNN 신경망으로 구성되어 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측 성능의 상대적인 비교를 위해 Elman RNN과 IIR-MLP 신경망과 상호 비교하였다. 실험결과에 의하면 합성 신경망은 수렴속도과 정확도에서 더 우수한 성능을 보여줌으로써, 제안된 신경망이 기존의 다층 리커런트 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2633-2635
• /
• 2003

In this study, we propose a fuzzy polynomial neural networks (FPNN) and a genetically optimized fuzzy polynomial neural networks(GoFPNN) for identification of non-linear system. GoFPNN architecture is designed by a FPNN based on fuzzy set and its structure and parameters are optimized by genetic algorithms. A fuzzy neural networks(FNN) based on fuzzy set divide into two structures that is simplified inference structure and linear inference structure. The proposed FPNN is resulted from integration and extension of simplified and linear inference structure of FNN. The consequence structure of the FPNN consist of polynomials represented by networks using connection weights for rules. The networks comprehend simplified(Type 0), linear (Type 1), and quadratic(Type 3) inferences. The proposed FPNN can select polynomial type of consequence part for each rule. Therefore, proposed scheme can offer flexible structure design capability for a system characteristics. Moreover, GAs is applied to networks structure and parameters tuning of proposed FPNN, and its efficient application method is discussed, these subjects are result in GoFPNN that is optimal FPNN. To evaluate proposed model performance, a numerical experiment is carried out.