• 한국전자통신학회논문지
• /
• 제11권1호
• /
• pp.81-86
• /
• 2016

300년 전에 발표한 fractional calculus의 개념인 fractional 미분 방정식을 제어공학, 수학, 물리학 등에 적용하고자 하는 노력이 지속되고 있다. 본 논문에서는 Van der Pol 방정식으로 표현되는 동적 방정식을 정수 차수와 실수 차수를 가진 fractional 차수로 표현하고 실수 차수의 값을 변화시켜 가면서 시계열 데이터와 위상공간으로 정수 차수와 실수 차수의 비교를 수행한다.

• 제어로봇시스템학회논문지
• /
• 제2권1호
• /
• pp.21-25
• /
• 1996

In this paper we suggest a general purpose RNN training algorithm which is derived on the optimal control concepts and variational methods. First, learning is regared as an optimal control problem, then using the variational methods we obtain optimal weights which are given by a two-point boundary-value problem. Finally, the modified gradient descent algorithm is applied to RNN for on-line training. This algorithm is intended to be used on learning complex dynamic mappings between time varing I/O data. It is useful for nonlinear control, identification, and signal processing application of RNN because its storage requirement is not high and on-line learning is possible. Simulation results for a nonlinear plant identification are illustrated.

• Geomechanics and Engineering
• /
• 제15권1호
• /
• pp.621-630
• /
• 2018

In the note a comprehensive and optimal passive-active mode for describing the limit failure of circular shallow tunnel with settlement is put forward to predict the catastrophic stability during the geotechnical construction. Since the surrounding soil mass around tunnel roof is not homogeneous, with tools of variation calculus, several different curve functions which depict several failure shapes in different soil layers are obtained using virtual work formulae. By making reference to the simple-form of Power-law failure criteria based on numerous experiments, a numerical procedure with consideration of combination of upper bound theorem and stochastic medium theory is applied to the optimal analysis of shallow-buried tunnel failure. With help of functional catastrophe theory, this work presented a more accurate and optimal failure profile compared with previous work. Lastly the note discusses different effects of parameters in new yield rule and soil mechanical coefficients on failure mechanisms. The scope of failure block becomes smaller with increase of the parameter A and the range of failure soil mass tends to decrease with decrease of unit weight of the soil and tunnel radius, which verifies the geomechanics and practical case in engineering.

• 대한조선학회지
• /
• 제13권3호
• /
• pp.11-19
• /
• 1976

Grillages are abundant in ship structures and in many other types of structures such as bridges and building floors. Clarkson has shown that plated grillages can be satisfactorily analyzed as gridworks if an appropriate effective breadth is taken into account. Also, it has previously been pointed out, by Nielsen, that grillage calculations could be simplified by use of the Laplace transformation. In this paper, it is assumed that the torsional rigidity of the members and axial load are negligible, also that girders have the same scantling and spacing each other and so stiffeners do. Then the grillages composed of both-end-fixed girders and both-end-hinged stiffeners, which are subjected only to uniform normal loads are investigated. The calculus of variation is used to set up the differential equations and the Laplace transformation is applied to solve the differential equations. The program has been tested by FACOM 28 and the results show good agreements with those by the STRESS, which was developed in M.I.T.. The amount of the data input and computing time are much less than those of the STRESS. But this program has so much restrictions that it is urgent to extend the program to the grillage problems of arbitrary loading and boundary conditions.

• 지능정보연구
• /
• 제23권2호
• /
• pp.1-17
• /
• 2017

딥러닝 프레임워크의 대표적인 기능으로는 '자동미분'과 'GPU의 활용' 등을 들 수 있다. 본 논문은 파이썬의 라이브러리 형태로 사용 가능한 프레임워크 중에서 구글의 텐서플로와 마이크로소프트의 CNTK, 그리고 텐서플로의 원조라고 할 수 있는 티아노를 비교하였다. 본문에서는 자동미분의 개념과 GPU의 활용형태를 간단히 설명하고, 그 다음에 logistic regression을 실행하는 예를 통하여 각 프레임워크의 문법을 알아본 뒤에, 마지막으로 대표적인 딥러닝 응용인 CNN의 예제를 실행시켜보고 코딩의 편의성과 실행속도 등을 확인해 보았다. 그 결과, 편의성의 관점에서 보면 티아노가 가장 코딩 하기가 어렵고, CNTK와 텐서플로는 많은 부분이 비슷하게 추상화 되어 있어서 코딩이 비슷하지만 가중치와 편향을 직접 정의하느냐의 여부에서 차이를 보였다. 그리고 각 프레임워크의 실행속도에 대한 평가는 '큰 차이는 없다'는 것이다. 텐서플로는 티아노에 비하여 속도가 느리다는 평가가 있어왔는데, 본 연구의 실험에 의하면, 비록 CNN 모형에 국한되었지만, 텐서플로가 아주 조금이지만 빠른 것으로 나타났다. CNTK의 경우에도, 비록 실험환경이 달랐지만, 실험환경의 차이에 의한 속도의 차이의 편차범위 이내에 있는 것으로 판단이 되었다. 본 연구에서는 세 종류의 딥러닝 프레임워크만을 살펴보았는데, 위키피디아에 따르면 딥러닝 프레임워크의 종류는 12가지가 있으며, 각 프레임워크의 특징을 15가지 속성으로 구분하여 차이를 특정하고 있다. 그 많은 속성 중에서 사용자의 입장에서 볼 때 중요한 속성은 어떤 언어(파이썬, C++, Java, 등)로 사용가능한지, 어떤 딥러닝 모형에 대한 라이브러리가 잘 구현되어 있는지 등일 것이다. 그리고 사용자가 대규모의 딥러닝 모형을 구축한다면, 다중 GPU 혹은 다중 서버를 지원하는지의 여부도 중요할 것이다. 또한 딥러닝 모형을 처음 학습하는 경우에는 사용설명서가 많은지 예제 프로그램이 많은지 여부도 중요한 기준이 될 것이다.