• 한국인공지능학회지
• /
• 제12권2호
• /
• pp.17-23
• /
• 2024

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.

• 한국정보기술학회논문지
• /
• 제18권5호
• /
• pp.55-64
• /
• 2020

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.

• Computers and Concrete
• /
• 제12권2호
• /
• pp.229-241
• /
• 2013

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.

• 융합신호처리학회논문지
• /
• 제16권4호
• /
• pp.134-138
• /
• 2015

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.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1042-1047
• /
• 2004

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.

• Wind and Structures
• /
• 제36권6호
• /
• pp.423-434
• /
• 2023

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.

• 한국수자원학회논문집
• /
• 제33권5호
• /
• pp.537-550
• /
• 2000

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.

• 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.

• 한국의학물리학회지:의학물리
• /
• 제20권3호
• /
• pp.132-138
• /
• 2009

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.

• 한국ITS학회 논문지
• /
• 제16권6호
• /
• pp.67-78
• /
• 2017

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.