Various methods have been developed to predict the flight path of an air-launched weapon to intercept a fast-moving target in the air. However, it is also getting more challenging to predict the optimal firing zone and provide it to a pilot in real-time during engagements for advanced weapons having new complicated guidance and thrust control. In this study, a method is proposed to develop an optimized weapon engagement zone by the SCG (Scaled Conjugate Gradient) algorithm to achieve both accurate and fast estimates and provide an optimized launch display to a pilot during combat engagement. SCG algorithm is fully automated, includes no critical user-dependent parameters, and avoids an exhaustive search used repeatedly to determine the appropriate stage and size of machine learning. Compared with real data, this study showed that the development of a machine learning-based weapon aiming algorithm can provide proper output for optimum weapon launch zones that can be used for operational fighters. This study also established a process to develop one of the critical aircraft-weapon integration software, which can be commonly used for aircraft integration of air-launched weapons.
태양광 시스템의 안정성과 신뢰성 향상을 위해서는 배터리의 잔존량 (State of Charge, SOC)을 정확하게 추정하여야 한다. 본 연구에서는 gradient descent, Levenberg-Marquardt 및 scaled conjugate gradient 학습방법을 사용한 인공 신경회로망 (Artificial Neural Networks, ANN)과 적응형 뉴로-퍼지 추론 시스템 (Adaptive Neuro-Fuzzy Inference System, ANFIS)을 사용한 SOC 추정방법을 제안한다. 입력으로는 충전 시작 전압 및 적류적산법을 통해 구한 충전 전류를 사용하여 추정된 SOC를 출력한다. 4개의 모델 (ANN-GD, ANN-LM, ANN-SCG, 및 ANFIS)을 사용하여 SOC 추정 방법을 구현하였고 실험을 통해 MATLAB을 사용하여 4개의 모델의 성능을 비교 분석하였다. 실험 결과로부터 ANFIS 모델을 사용한 배터리의 SOC 추정이 가장 정확도가 높았으며 빠른 속도로 수렴함을 확인하였다.
The objective of this study is to reveal the sufficiency of neural networks (NN) as a securer, quicker, more robust and reliable method to be used in seismic assessment of existing reinforced concrete buildings. The NN based approach is applied as an alternative method to determine the seismic performance of each existing RC buildings, in terms of damage level. In the application of the NN, a multilayer perceptron (MLP) with a back-propagation (BP) algorithm is employed using a scaled conjugate gradient. NN based model wasd eveloped, trained and tested through a based MATLAB program. The database of this model was developed by using a statistical procedure called P25 method. The NN based model was also proved by verification set constituting of real existing RC buildings exposed to 2003 Bingol earthquake. It is demonstrated that the NN based approach is highly successful and can be used as an alternative method to determine the seismic performance of each existing RC buildings.
본 논문은 심장질환을 비침습적 방법으로 빠르고 쉽게 진단할 수 있도록 심음을 이용하는 방법에 대한 가능성을 찾는 것이다. 일반적으로 심음의 분류를 위하여 심음을 분리한 후에 특징파라미터를 추출하는 과정을 거치지 않고, 심음 분리에 사용되는 Shannon 엔트로피로 정규화하여 신경회로망의 입력으로 사용하였다. 심장질환에 따른 심잡음 분류를 위하여 Scaled conjugate gradient 역전파 알고리즘을 이용하여 신경회로망 분류기를 구현하였다. 정상 심음과 심장 질환의 경우 5가지를 포함하여 6종류의 심잡음에 대하여 분류가 가능함을 확인하였다.
Voltage control is an essential part of the electric energy transmission and distribution system to maintain proper voltage limit at the consumer's terminal. Besides the generating units that provide the basic voltage control, there are many additional voltage-controlling agents e.g., shunt capacitors, shunt reactors, static VAr compensators, regulating transformers mentioned in [1], [2]. The most popular one, among all those agents for controlling voltage levels at the distribution and transmission system, is the on-load tap changer transformer. It serves two functions-energy transformation in different voltage levels and the voltage control. Artificial Neural Network (ANN) has been realized as a convenient tool that can be used in controlling the on load tap changer in the distribution transformers. Usage of the ANN in this area needs suitable training and testing data for performance analysis before the practical application. This paper briefly describes a procedure of processing the data to train an Artificial Neural Network (ANN) to control the tap changer operating decision of parallel transformers for a closed primary bus. The data set are used to train a two layer ANN using three different neural net learning algorithms, namely, Standard Backpropagation [3], Bayesian Regularization [4] and Scaled Conjugate Gradient [5]. The experimental results are presented including performance analysis.
Aerodynamic force coefficients are generally obtained from traditional wind tunnel tests or computational fluid dynamics (CFD). Unfortunately, the techniques mentioned above can sometimes be cumbersome because of the cost involved, such as the computational cost and the use of heavy equipment, to name only two examples. This study proposed to build a deep neural network model to predict the aerodynamic force coefficients based on data collected from CFD simulations to overcome these drawbacks. Therefore, a series of CFD simulations were conducted using different geometric parameters to obtain the aerodynamic force coefficients, validated with wind tunnel tests. The results obtained from CFD simulations were used to create a dataset to train a multilayer perceptron artificial neural network (ANN) model. The models were obtained using three optimization algorithms: scaled conjugate gradient (SCG), Bayesian regularization (BR), and Levenberg-Marquardt algorithms (LM). Furthermore, the performance of each neural network was verified using two performance metrics, including the mean square error and the R-squared coefficient of determination. Finally, the ANN model proved to be highly accurate in predicting the force coefficients of similar bridge sections, thus circumventing the computational burden associated with CFD simulation and the cost of traditional wind tunnel tests.
본 연구에서는 낙동강 진동지점에서 일유출량을 예측하기 위하여 신경망모형이 제시되었다. 신경망모형의 구조는 CASE 1(5-5-1)과 CASE 2(5-5-5-1)로 구성하였으며, 은닉층의 수에 따라 두 가지의 모형으로 분류하였다. 각 신경망모형은 광역최소점과 훈련임계치에 수렴하는데 기존의 역전파훈련 알고리즘(BP) 보다 뛰어난 Fletcher-Reeves 공액구배 역전파훈련 알고리즘(FR-CGBP)과 축적된 공액구배 역전파훈련 알고리즘(SCGBP)을 이용하였다. 그리고 모형의 훈련과 검증을 위하여 이용된 자료는 풍수년, 평수년, 갈수년 풍수년+평수년, 풍수년+갈수년, 평수년+갈수년 및 풍수년+평수년+갈수년으로 구분하여 구성하였다. 모형의 훈련과정에서 각 자료를 이용하여 최적 연결강도와 편차가 결정되어 졌으며, 동시에 일유출량이 계산되어졌다. 예측오차의 통계분석을 통하여 풍수년+갈수년의 자료를 제외하고는 훈련결과가 양호한 것으로 나타났다. 모형의 검증에는 모형의 훈련을 통해 산정된 CASE 1 의 SCGBP 알고리즘의 연결강도와 편차를 이용하였으며, 검증의 결과는 훈련결과처럼 만족스러운 것으로 분석되었다. 또한 본 연구에서 선정한 신경망모형과 비교검토하기 위하여 다중회귀분석모형을 적용하여 일유출량을 예측하였으며, 그 결과 신경망모형이 다소 우수한 결과를 나타내는 것으로 분석되었다. 이와 같이 신경망모형은 조직적인 접근법, 매개변수의 감소 및 모델을 개발하는데 소모되는 시간을 줄일수 있는 장점이 있다.
Hore, Sirshendu;Chatterjee, Sankhadeep;Sarkar, Sarbartha;Dey, Nilanjan;Ashour, Amira S.;Balas-Timar, Dana;Balas, Valentina E.
Structural Engineering and Mechanics
/
제58권3호
/
pp.459-473
/
2016
Various vague and unstructured problems encountered the civil engineering/designers that persuaded by their experiences. One of these problems is the structural failure of the reinforced concrete (RC) building determination. Typically, using the traditional Limit state method is time consuming and complex in designing structures that are optimized in terms of one/many parameters. Recent research has revealed the Artificial Neural Networks potentiality in solving various real life problems. Thus, the current work employed the Multilayer Perceptron Feed-Forward Network (MLP-FFN) classifier to tackle the problem of predicting structural failure of multistoried reinforced concrete buildings via detecting the failure possibility of the multistoried RC building structure in the future. In order to evaluate the proposed method performance, a database of 257 multistoried buildings RC structures has been constructed by professional engineers, from which 150 RC structures were used. From the structural design, fifteen features have been extracted, where nine features of them have been selected to perform the classification process. Various performance measures have been calculated to evaluate the proposed model. The experimental results established satisfactory performance of the proposed model.
호흡으로 인한 방사선 치료 표적의 움직임을 고려함으로써 치료 성적 향상과 동시에 주변 장기 보호를 지향하는 4차원 방사선 치료의 구현, 성능 개선의 연구가 활발히 진행되고 있다. 환자가 자연스럽게 호흡하도록 하는 장점이 있는 호흡 동기방식이나 종양추적방식을 사용하는 경우, 방사선조사 표적의 움직임을 예측, 방사선조사 시 이를 보정하여 줌으로써 방사선치료 효과를 극대화할 수 있다. 신경회로망은 통계 수식에 의존하지 않고 주어진 자료를 표현하는 일종의 규칙을 찾아내므로, 방사선 치료 표적의 실시간 움직임과 같은 비선형성을 가진 시계열(Time Series)을 표현하는 데에 유리하다. 본 연구에서는 신경회로망 예측 알고리즘의 4차원 방사선치료에 적용 가능성을 평가하였다. Multi-layer Perceptron으로 신경회로망을 구성하였고 Scaled Conjugate Gradient 알고리즘을 신경회로망 학습 알고리즘으로 사용하였다. RPM 시스템을 이용하여 획득한 실제 임상 현장의 환자에 대한 호흡 자료를 기반으로 학습한 신경회로망 예측 결과를 RPM 시스템의 측정치와 상호 비교하였다. 10명의 환자에의 적용 결과, 신경회로망 학습에 사용된 자료가 환자의 호흡 범위 전체를 포함하지 않는 경우를 제외하고는, 최대절대오차 3 mm 미만의 우수한 예측 성능을 보였다. 학습 영역 이외의 호흡 자료 예측 시 발생하는 상당한 오차는 신경회로망의 외삽에 대한 학습능력 부족을 보이는 것으로, 오차의 원인을 제거하기 위한 일환으로, 호흡자료를 측정할 때 최대 호흡을 하도록 하여 충분한 학습 자료를 확보하는 방안을 고려해 볼 수있겠다. 4차원 방사선치료 시스템 성능 개선에의 직접 활용을 위하여, 다양한 시스템 대기시간에 따른 예측 성능 평가와 방사선 조사 장치와 연동, 실용 타당성 검증의 추가 연구가 진행될 것이다.
교통혼잡비용은 매해 증가하며, 교통혼잡비용의 63.8%에 해당되는 도심부 교통혼잡에 대한 대책 마련이 시급한 상태이다. 최근 빅데이터, 인공지능 등 4차 산업혁명을 선도하는 기술들의 발전으로 교통부문의 정보화에도 많은 변화가 초래되고 있다. 이러한 신개념 기술을 활용하여 소통상황 예측정보를 제공함으로써 교통혼잡비용을 저감할 수 있을 것으로 기대된다. 이에 본 연구에서는 순환 인공 신경망(RNN)을 활용하여 반복 및 비반복 정체 예측 모형을 개발하고자 하였다. 제안 모형은 실시간 소통정보, 이력정보, 유고상황정보 등을 활용하여 현재를 기점으로 15분 간격의 1시간 이후 소통 상황을 예측하는 모형이다. 33개 링크로 구성된 서울시 논현로에 대해 2개의 은닉층으로 구성된 RNN 모형을 구축하였다. 총 30개 모형을 계량활용변화역전파 알고리즘으로 학습하여, 이 중 평균오차제곱이 0.0834인 모형을 최적 모형으로 선정하였다. 모형 검증 결과 25개 링크에 대해 유의성 높은 예측을 하였다. 모형의 예측력을 열지도를 통해 검토한 결과 반복 정체뿐 아니라 비반복 정체까지 예측할 수 있는 것을 확인할 수 있었다. 따라서 실제 도로 상에서의 교통혼잡 예측을 위한 모형으로 활용할 수 있을 것이라 기대된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.