• 한국정보통신학회논문지
• /
• 제11권11호
• /
• pp.2143-2149
• /
• 2007

최근 시각 장애인을 위한 인공망막 모델 구현에 관한 연구 중 시피질 자극기 기술은 시각 자극 전달의 중간 단계를 생략하고 직접 뇌세포를 자극하는 것이다. 본 논문에서는 망막에서 시각 피질로 시각정보를 전달할 때 발생하는 시각 피질의 특성, 즉 방향성에 대한 반응 특성을 특징 데이터로 구성하여 인식함으로써 인간 시각 정보 처리와 유사한 영상 추출 및 인식 모델을 제안한다. 제안된 방법은 영상의 특징을 추출 한 후 Delta-bar-delta 기반 오류 역전파 알고리즘을 적용하여 영상의 특징들을 인식한다. 제시된 방법의 성능을 분석하기 위하여 다양한 숫자 패턴들을 대상으로 실험한 결과, 제안된 망막 세포로부터 전달된 정보를 방향성에 대한 민감성을 고려하여 영상의 특성을 추출하여 인식하는 모델이 기존의 영상 추출 및 인식 모델보다 인식률에 있어서는 별 차이가 없지만 다양한 실험에서 확인할 수 있듯이 인간 시각과 같이 인식 성능이 민감하지 않는 것을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제26권1호
• /
• pp.47-57
• /
• 2010

본 연구의 목적은 2006년 태풍 에위니아, 빌리스, 개미와 집중호우로 인해 많은 산사태가 발생한 진부면 지역을 대상으로 항공사진을 이용한 산사태 탐지 및 인공신경망과 GIS를 이용한 산사태 취약성을 분석하는데 있다. 산사태 위치는 산사태 발생 전후의 항공사진을 판독 후 현장에서 확인하였다. 취약성 분석을 위해 지형, 지질, 토양, 임상, 선구조, 토지이용도 등의 자료는 공간 데이터베이스로 구축하였다. 산사태와 관련 요인들간의 상대적 가중치는 인공신경망의 역전파 알고리즘을 이용하여 결정하였다. 그 결과 경사방향과 경사는 다른 요인들 보다 1.2~1.5배 높게 나타났다. 이 가중치를 이용하여 취약성도를 작성 후 분석에 사용하지 않은 산사태 위치와 비교하여 검증하였다. 그 결과 예측 정확도는 81.44%로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.424-424
• /
• 2018

인공신경망(Artificial Neural Network; ANN)은 뇌에 존재하는 생물학적 신경세포와 이들의 신호처리 과정을 수학적으로 묘사하여 뇌가 나타내는 지능적 형태의 반응을 구현한 것이다. 인공신경망은 학습(training)을 통해 입력과 출력으로 구성되는 하나의 시스템을 병렬적이고 비선형적으로 구축할 수 있으며, 유연한 모델링 특성으로 인하여 시스템 예측, 패턴인식, 분류 및 공정제어 등의 다양한 분야에서 활용되고 있다. 인공신경망에 대한 최초의 이론은 Muculloch and Pitts(1943)가 제안한 Perceptron에서 시작 되었으며, 기본적인 학습기법인 오차역전파 기법(back-propagation Algorithm) 이 1980년대에 들어 수학적으로 정립된 이후 여러 분야에서 활용되기 시작하였다). 본 연구에서는 하도추적, 구체적으로는 상류단의 복수의 수위관측을 이용하여 하류단의 수위를 예측하기 위하여 인공신경망 모델을 구성하였다. 대상하도는 금강유역의 용담댐과 대청댐 사이의 본류이며, 상류단 입력자료로써 본류에 있는 수통, 호탄 관측소 관측수위와 지류인 송천 관측소 관측수위를 고려하였다. 출력 값으로는 하류단의 옥천 관측소 수위를 3시간 및 6시간의 선행시간으로 예측하도록 인공신경망 모형을 구성하였다. 인공신경망의 학습(testing), 시험(testing), 검증(validation)을 위해 2000년부터 2012년까지 13년간의 시수위자료를 이용하여 학습을 진행하였으며, 2013년부터 2014년의 2년간의 수위자료를 이용한 시험을 통해 최적의 모형을 선정하였다. 또한 선정된 최적의 모형을 이용하여 2015년부터 2016년까지의 수위예측을 수행하였다.

• Nuclear Engineering and Technology
• /
• 제53권10호
• /
• pp.3275-3285
• /
• 2021

A Nuclear Power Plant (NPP) is a complex dynamic system-of-systems with highly nonlinear behaviors. In order to control the plant operation under both normal and abnormal conditions, the different systems in NPPs (e.g., the reactor core components, primary and secondary coolant systems) are usually monitored continuously, resulting in very large amounts of data. This situation makes it possible to integrate relevant qualitative and quantitative knowledge with artificial intelligence techniques to provide faster and more accurate behavior predictions, leading to more rapid decisions, based on actual NPP operation data. Data-driven models (DDM) rely on artificial intelligence to learn autonomously based on patterns in data, and they represent alternatives to physics-based models that typically require significant computational resources and might not fully represent the actual operation conditions of an NPP. In this study, a feed-forward backpropagation artificial neural network (ANN) model was trained to simulate the interaction between the reactor core and the primary and secondary coolant systems in a pressurized water reactor. The transients used for model training included perturbations in reactivity, steam valve coefficient, reactor core inlet temperature, and steam generator inlet temperature. Uncertainties of the plant physical parameters and operating conditions were also incorporated in these transients. Eight training functions were adopted during the training stage to develop the most efficient network. The developed ANN model predictions were subsequently tested successfully considering different new transients. Overall, through prompt prediction of NPP behavior under different transients, the study aims at demonstrating the potential of artificial intelligence to empower rapid emergency response planning and risk mitigation strategies.

• 한국융합학회논문지
• /
• 제12권9호
• /
• pp.1-10
• /
• 2021

과거에 설계자는 주로 과거의 경험과 설계 공간에 대한 산업 표준 임계값에 대한 참조에 의존했습니다. 이러한 설계는 종종 사용자의 요구를 충족하지 않는 공간을 초래합니다. 공간설계를 위한 BP신경망 알고리즘을 구축해 설계 매개변수를 생성하는 과정과 방법을 조사하는 것이 목적이다. 그런 관점에서. 본 논문은 공간 내 복잡한 욕구가 많은 유치원을 연구 대상으로 삼고 있으며, 기계학습의 BP신경망 알고리즘을 통해 환경행동변수와 공간설계변수의 상관관계를 각인하고 있다. 공간 설계 매개변수를 생성하는 방법을 연구합니다. 미래에는 특정 환경행동영향요소를 대체하여 해당 공간설계 매개변수를 도출할 수 있어 보다 광범위한 시나리오에 적용할 수 있고 설계자의 효율성을 높일 수 있다.

• 한국정보통신학회논문지
• /
• 제22권11호
• /
• pp.1442-1447
• /
• 2018

RFID를 이용한 실내 위치 인식 시스템은 실내의 위치를 예측하는 방식이기 때문에 장애물 등 주변 환경에 의해 오차가 발생한다. 본 논문에서는 역전파 신경망을 이용하여 오차를 줄이고자 한다. 신경망은 층간의 가중치를 조정하고 훈련시켜 리더를 보유한 물체의 실제위치와 실험을 통해 예상되는 위치간의 오차를 줄인다. 본 논문에서는 중앙값을 사용한 방법과 방사 형태를 사용한 방법을 신경망의 입력으로 사용하는 구성을 제안하였다. 두 가지 방법 중 장애물이 있는 환경에서 어떤 방법이 실제 위치를 인식하는 데에 더 효율적인지 확인하고 오차를 줄이고자 한다. 그 결과 중앙값을 이용한 방법이 오차가 더 적었으며, 데이터 개수가 많을수록 오차가 더 줄어드는 것을 확인하였다.

• 산업진흥연구
• /
• 제6권1호
• /
• pp.1-7
• /
• 2021

본 연구는 다층 퍼셉트론과 지도형 학습알고리즘에 대해 알아보았고, 아울러 neuralnet이라는 패키지를 사용하여 공변수들과 반응변수 간의 함수적 관계를 어떻게 모델링하는지 살펴보았다. 본 연구에서 적용된 알고리즘은 반응변수 값의 실제치와 예측치 간의 비교에 근거한 오차함수의 최소화를 위한 모수인 가중치들의 계속적인 조정을 특징으로 한다. 본 연구에서 설명하는 neuralnet 패키지는 활성화함수와 오차함수를 주어진 상황에 맞게 적절히 선택하고 나머지 매개변수들은 기본값으로 둘 수 있다. 본 연구에서 살펴본 불임 데이터에 대해 neuralnet 패키지를 활용한 결과 4개의 독립변수 중에서 age는 불임에 영향력이 거의 없음을 파악할 수 있었다. 아울러 신경망의 가중치는 -751.6부터 7.25에 이르기까지 다양한 값을 취하며, 첫 번째 은닉층의 절편은 -92.6과 7.25이며, 첫 번째 은닉뉴런으로 가는 공변수 age, parity, induced, spontaneous에 대한 가중치는 각각 3.17, -5.20, -36.82, -751.6임을 파악했다.

• Advances in concrete construction
• /
• 제10권6호
• /
• pp.479-488
• /
• 2020

The experimental and numerical works were carried out on high performance fiber reinforced concrete (HPFRC) with w/cm ratios ranging from 0.25 to 0.40, fiber volume fraction (Vf)=0-1.5% and 10% silica fume replacement. Improvements in compressive and flexural strengths obtained for HPFRC are moderate and significant, respectively, Empirical equations developed for the compressive strength and flexural strength of HPFRC as a function of fiber volume fraction. A relation between flexural strength and compressive strength of HPFRC with R=0.78 was developed. Due to the complex mix proportions and non-linear relationship between the mix proportions and properties, models with reliable predictive capabilities are not developed and also research on HPFRC was empirical. In this paper due to the inadequacy of present method, a back propagation-neural network (BP-NN) was employed to estimate the 28-day compressive strength of HPFRC mixes. BP-NN model was built to implement the highly non-linear relationship between the mix proportions and their properties. This paper describes the data sets collected, training of ANNs and comparison of the experimental results obtained for various mixtures. On statistical analyses of collected data, a multiple linear regression (MLR) model with R2=0.78 was developed for the prediction of compressive strength of HPFRC mixes, and average absolute error (AAE) obtained is 6.5%. On validation of the data sets by NNs, the error range was within 2% of the actual values. ANN model has given the significant degree of accuracy and reliability compared to the MLR model. ANN approach can be effectively used to estimate the 28-day compressive strength of fibrous concrete mixes and is practical.

• 열처리공학회지
• /
• 제35권4호
• /
• pp.185-192
• /
• 2022

Variations in the microstructure and mechanical properties of API X70 steel processed by piping, electrical resistance welding (ERW), and post seam annealing (PSA) are investigated in this study. In the welding zone, some elongated pearlites are formed and grains coarsening occurs due to extra heat caused by the ERW and PSA processes. After the piping, the base metal shows continuous yielding behavior and a decrease in yield and impact strengths because mobile dislocation and back stress are introduced during the piping process. On the other hand, the ERW and PSA processes additionally decreased the impact strength of welding zone at room and low temperatures because some elongated pearlites easily act as crack initiation site and coarse ferrite grains facilitate crack propagation. As a result, the fracture surface of the welding zone specimen tested at low temperature revealed mostly cleavage fracture unlike the base metal specimen.

• 사물인터넷융복합논문지
• /
• 제9권3호
• /
• pp.61-67
• /
• 2023

구리의 전기주조 공정을 최적화하기 위하여 이중 비밀 다층구조의 역전파 뉴럴 네트워크가 구성된다. 샘플 학습을 통하여, 구리 전기주조 공정 조건과 목표 특성 간의 함수관계가 정확히 성취되고, 구리 전기주조 공정 내에서 다층구조의 미세강도와 장력에 대한 예측이 이루어진다. 예측된 결과는 펄스 전원공급기를 장착한 구리 피로인산염 솔루션 시스템 내에서 구리의 전해석출 시험에 의하여 증명된다. 그 결과는 다음과 같이 나타난다. "3-4-3-2" 구조의 이중비밀 다층구조 뉴럴 네트워크에 의하여 예측된 구리 다층구조의 미세강도와 장력은 실험값에 매우 근접하며 그 상대적 오차는 2.32%보다 작다. 주어진 파라미터의 범위 내에서, 구리의 미세강도는 100.3~205.6MPa이며, 장력은 112~485MPa 정도로 측정된다. 미세강도와 장력이 최적인 조건에서 그에 대응하는 공정 조건은 다음과 같다: 전류밀도는 2A·dm-2, 펄스 주파수는 2KHz, 펄스의 듀티싸이클은 10%이다.