• Structural Engineering and Mechanics
• /
• 제45권1호
• /
• pp.53-67
• /
• 2013

This study aimed to develop a model to accurately predict the acceleration of structural systems during an earthquake. The acceleration and applied force of a structure were measured at current time step and the velocity and displacement were estimated through linear integration. These data were used as input to predict the structural acceleration at next time step. The computation tool used was the Volterra/Wiener neural network (VWNN) which contained the mathematical model to predict the acceleration. For alleviating problems of relatively large-dimensional and nonlinear systems, the VWNN model was utilized as the signal processing tool, including the Taylor series components in the input nodes of the neural network. The number of the intermediate layer nodes in the neural network model, containing the training and simulation stage, was evaluated and optimized. Discussions on the influences of the gradient descent with adaptive learning rate algorithm and the Levenberg-Marquardt algorithm, both for determining the network weights, on prediction errors were provided. During the simulation stage, different earthquake excitations were tested with the optimized settings acquired from the training stage to find out which of the algorithms would result in the smallest error, to determine a proper simulation model.

• 인터넷정보학회논문지
• /
• 제4권5호
• /
• pp.69-76
• /
• 2003

본 논문에서는 패턴 분류를 위한 새로운 학습 알고리즘을 소개한다. 이 알고리즘은 학습 데이터 집합에 포함된 오류 때문에 네트워크 구조가 너무 복잡하게 되는 점증적 학습 알고리즘의 문제를 해결하기 위해 고안되었다. 이 문제를 위한 접근 방법으로 미리 정의된 판단기준을 가지고 학습 과정을 중단하는 전지 방법을 사용한다. 이 과정에서 적절한 처리과정에 의해 3층 전향구조를 가지는 반복적 모델이 점증적 모델로부터 유도된다 여기서 이 네트워크 구조가 위층과 아래층 사이에 완전연결이 아니라는 점을 주목한다. 전지 방법의 효율성을 확인하기 위해 이 네트워크는 EBP로 다시 학습한다. 이 결과로부터 제안된 알고리즘이 시스템 성능과 네트워크 구조를 이루는 노드의 수 면에서 효과적임을 발견할 수 있다.

• Geomechanics and Engineering
• /
• 재33권6호
• /
• pp.567-581
• /
• 2023

The prediction and achievement of a proper rock fragmentation size is the main challenge of blasting operations in surface mines. This is because an optimum size distribution can optimize the overall mine/plant economics. To this end, this study attempts to develop four improved artificial intelligence models to predict rock fragmentation through cascaded forward neural network (CFNN) and radial basis function neural network (RBFNN) models. In this regards, the CFNN was trained by the Levenberg-Marquardt algorithm (LMA) and Conjugate gradient backpropagation (CGP). Further, the RBFNN was optimized by the Dragonfly Algorithm (DA) and teaching-learning-based optimization (TLBO). For developing the models, the database required was collected from the Midouk copper mine, Iran. After modeling, the statistical functions were computed to check the accuracy of the models, and the root mean square errors (RMSEs) of CFNN-LMA, CFNN-CGP, RBFNN-DA, and RBFNN-TLBO were obtained as 1.0656, 1.9698, 2.2235, and 1.6216, respectively. Accordingly, CFNN-LMA, with the lowest RMSE, was determined as the model with the best prediction results among the four examined in this study.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권9호
• /
• pp.4145-4164
• /
• 2016

Energy harvesting is an increasingly attractive source of power for cellular networks, and can be a promising solution for green networks. In this paper, we consider a cellular network with power beacons powering multiple mobile terminals with microwave power transfer in energy beamforming. In this network, the power beacons are powered by grid and renewable energy jointly. We adopt a dual-level control architecture, in which controllers collect information for a core controller, and the core controller has a real-time global view of the network. By implementing the water filling optimized power allocation strategy, the core controller optimizes the energy allocation among mobile terminals within the same cluster. In the proposed green energy cooperation paradigm, power beacons dynamically share their renewable energy by locally injecting/drawing renewable energy into/from other power beacons via the core controller. Then, we propose a new water filling optimized green energy cooperation management strategy, which jointly exploits water filling optimized power allocation strategy and green energy cooperation in cellular networks. Finally, we validate our works by simulations and show that the proposed water filling optimized green energy cooperation management strategy can achieve about 10% gains of MT's average rate and about 20% reduction of on-grid energy consumption.

• KIEAE Journal
• /
• 제16권3호
• /
• pp.89-94
• /
• 2016

Purpose: This study aimed at developing an artificial neural network (ANN) model to predict the optimal start moment of the setback temperature during the normal occupied period of a building. Method: For achieving this objective, three major steps were conducted: the development of an initial ANN model, optimization of the initial model, and performance tests of the optimized model. The development and performance testing of the ANN model were conducted through numerical simulation methods using transient systems simulation (TRNSYS) and matrix laboratory (MATLAB) software. Result: The results analysis in the development and test processes revealed that the indoor temperature, outdoor temperature, and temperature difference from the setback temperature presented strong relationship with the optimal start moment of the setback temperature; thus, these variables were used as input neurons in the ANN model. The optimal values for the number of hidden layers, number of hidden neurons, learning rate, and moment were found to be 4, 9, 0.6, and 0.9, respectively, and these values were applied to the optimized ANN model. The optimized model proved its prediction accuracy with the very storing statistical correlation between the predicted values from the ANN model and the simulated values in the TRNSYS model. Thus, the optimized model showed its potential to be applied in the control algorithm.

• ETRI Journal
• /
• 제27권1호
• /
• pp.110-113
• /
• 2005

The resilient packet ring (RPR) is a data optimized ring network, where one of the key issues is on load balancing for competing streams of elastic traffic. This paper suggests three efficient traffic loading algorithms on the RPR. For the algorithms, we evaluate their efficiency via analysis or simulation.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권1호
• /
• pp.40-49
• /
• 2004

In this paper, we propose a new architecture of Genetic Algorithms(GAs)-based Self-Organizing Polynomial Neural Networks(SOPNN), discuss a comprehensive design methodology and carry out a series of numeric experiments. The conventional SOPNN is based on the extended Group Method of Data Handling(GMDH) method and utilized the polynomial order (viz. linear, quadratic, and modified quadratic) as well as the number of node inputs fixed (selected in advance by designer) at Polynomial Neurons (or nodes) located in each layer through a growth process of the network. Moreover it does not guarantee that the SOPNN generated through learning has the optimal network architecture. But the proposed GA-based SOPNN enable the architecture to be a structurally more optimized network, and to be much more flexible and preferable neural network than the conventional SOPNN. In order to generate the structurally optimized SOPNN, GA-based design procedure at each stage (layer) of SOPNN leads to the selection of preferred nodes (or PNs) with optimal parameters- such as the number of input variables, input variables, and the order of the polynomial-available within SOPNN. An aggregate performance index with a weighting factor is proposed in order to achieve a sound balance between approximation and generalization (predictive) abilities of the model. A detailed design procedure is discussed in detail. To evaluate the performance of the GA-based SOPNN, the model is experimented with using two time series data (gas furnace and NOx emission process data of gas turbine power plant). A comparative analysis shows that the proposed GA-based SOPNN is model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 한국통신학회논문지
• /
• 제33권11A호
• /
• pp.1021-1033
• /
• 2008

최근 무선 센서 네트워크를 통해 멀티미디어 데이터를 전송하고자 하는 노력이 늘고 있다. 무선 센서 네트워크는 저 전력 소형 노드를 이용하며, 낮은 전송 속도를 갖는 네트워크이다. 하지만 멀티미디어 데이터는 비교적 큰 용량을 가지며, 전송 시 지연에 민감한 특성을 갖는다. 그러므로 무선 센서 네트워크를 이용하여 멀티미디어 데이터를 전송하는 것은 어려운 일이 아닐 수 없다. 따라서 본 논문에서는 무선 센서 네트워크 환경에서 멀티미디어 데이터 전송을 위해 경로의 겹침이 없는 노드 독립적인 (Node-Disjoint) Multi-path Routing방법을 제안한다. 대용량의 데이터 전송 시 기존의 Single-path Routing 방법은 하나의 경로만을 사용하기 때문에 특정 노드에 부하를 가중시켜 데이터 손실이나 지연을 야기 시킬 수 있지만, 본 논문에서 제안하는 TinyONDMR(Tiny Optimized Node-Disjoint Multi-path Routing)방법은 서로 분리된 다른 경로에 데이터를 분산시켜 전송함으로써, 네트워크의 성능을 향상시킨다. 또한 Multi-path를 찾기 위한 라우팅 과정에서 발생하는 라우팅 오버헤드를 줄여 네트워크 부하를 감소시킨다.

• 한국정보과학회논문지:정보통신
• /
• 제35권6호
• /
• pp.510-520
• /
• 2008

오늘날 모바일 디바이스(Mobile Device)는 하나 이상의 네트워크 인터페이스를 가지고 있으며, 이를 효과적으로 활용하기 위한 네트워크 융합(Network Convergence) 기술이 활발히 연구되고 있다. 하지만, 이러한 네트워크 융합 환경을 효과적으로 활용하기 위해서는 물리적 네트워크 인터페이스의 특성뿐 아니라 비디오 부호화 기술에 대한 이해를 바탕으로 한 전송이 필수적이다. 따라서, 본 논문은 전송하려는 비디오 데이타의 특성 및 채널 환경을 이해하고 이에 따라 서로 다른 네트워크 경로로 전송하는 최적의 방법론을 밝힌다. 본 연구는 스케일러블 부호화(Scalable Coded)된 비디오를 계층적 중요성, 스트림 정보의 중요성, 그리고 비디오 디코더의 강인성(Robustness)을 고려한 중요성으로 나누어 다중 채널로 차별적 전송 한다. 실험 결과는 화질기준(PSNR)으로 평균 1dB 이상의 효과를 가졌다. 본 연구 결과는 모바일 디바이스가 하나 이상의 네트워크 인터페이스를 가지는 차세대 네트워크 컨버젼스 환경에 최적인 비디오 전송 기법이 될 것이다.

• 대한전자공학회논문지TC
• /
• 제47권5호
• /
• pp.9-17
• /
• 2010

본 논문에서는 이동 Ad-hoc 네트워크를 지원하여 확장성과 광대역의 무선 환경을 제공하는 무선 메쉬 네트워크인 무선 하이브리드 메쉬 구조를 고려하여, 이에 효율적으로 적용될 수 있는 무선 하이브리드 메쉬 네트워크를 위한 계층구조의 라우팅 기법을 제안하였다. 무선 하이브리드 메쉬 네트워크상에서 효율적인 토폴로지 관리와 소스노드에서 목적노드로 라우팅 패스를 설정할 시에 발생하는 트래픽을 감소시키고 노드간 링크 안정성을 고려하고, 노드의 문제 또는 링크간 장애로 인한 잦은 라우팅 재설정 문제를 해결하는 계층구조의 라우팅 기법을 제안하였다. 또한 case study를 통하여 본 논문에서 제안된 계층구조의 라우팅 기법을 이용하여 네트워크 클러스터링 및 토폴로지 관리의 효율성을 인지할 수 있었으며, 성능분석 결과에서는 제안된 방법을 적용하였을 때, 링크의 상태가 좋지 않을 경우 기존 HOLSR (hierarchical optimized link state routing) 방법보다 데이터 전송에 따른 종단간 지연시간이 감소되고 aggregate goodput과 packet delivery ratio가 향상됨을 알 수 있었다.