• 소성∙가공
• /
• 제31권4호
• /
• pp.214-228
• /
• 2022

The yield criterion, or called yield function, plays an important role in the study of plastic working of a sheet because it governs the plastic deformation properties of the sheet during plastic forming process. In this paper, we propose a novel anisotropic yield function useful for describing the plastic behavior of various anisotropic sheets. The proposed yield function includes the anisotropic version of the second stress invariant J₂ and the third stress invariant J₃. The anisotropic yield function newly proposed in this study is as follows. F(J₂)+ αG(J₃)+ βH (J₂ × J₃) = k^m The proposed yield function well explains the anisotropic plastic behavior of various sheets by introducing the parameters α and β, and also exhibits both symmetrical and asymmetrical yield surfaces. The parameters included in the proposed model are determined through an optimization algorithm from uniaxial and biaxial experimental data under proportional loading path. In this study, the validity of the proposed anisotropic yield function was verified by comparing the yield surface shape, normalized uniaxial yield stress value, and Lankford's anisotropic coefficient R-value derived with the experimental results. Application for the proposed anisotropic yield function to aluminum sheet shows symmetrical yielding behavior and to pure titanium sheet shows asymmetric yielding behavior, it was shown that the yield curve and yield behavior of various types of sheet materials can be predicted reasonably by using the proposed new yield anisotropic function.

• Geomechanics and Engineering
• /
• 제33권3호
• /
• pp.279-289
• /
• 2023

Brittleness index (BI) is an important property of rocks because it is a good index to predict rockburst. Due to its importance, several empirical and soft computing (SC) models have been proposed in the literature based on the punch penetration test (PPT) results. These models are very important as there is no clear-cut experimental means for measuring BI asides the PPT which is very costly and time consuming to perform. This study used a novel Multivariate Adaptive regression spline (MARS), M5P, and white-box ANN to predict the BI of rocks using the available data in the literature for an improved BI prediction. The rock density, uniaxial compressive strength (σ_c) and tensile strength (σ_t) were used as the input parameters into the models while the BI was the targeted output. The models were implemented in the MATLAB software. The results of the proposed models were compared with those from existing multilinear regression, linear and nonlinear particle swarm optimization (PSO) and genetic algorithm (GA) based models using similar datasets. The coefficient of determination (R²), adjusted R² (Adj R²), root-mean squared error (RMSE) and mean absolute percentage error (MAPE) were the indices used for the comparison. The outcomes of the comparison revealed that the proposed ANN and MARS models performed better than the other models with R² and Adj R² values above 0.9 and least error values while the M5P gave similar performance to those of the existing models. Weight partitioning method was also used to examine the percentage contribution of model predictors to the predicted BI and tensile strength was found to have the highest influence on the predicted BI.

• Journal of Yeungnam Medical Science
• /
• 제16권2호
• /
• pp.237-243
• /
• 1999

연구목적: 연구목적: $^{99m}Tc$ d,l-hexamethylpropyleneamine oxime(HMPAO)와 $^{99m}Tc$ ethyl cysteinate dimer(ECD)의 뇌세포에 의한 섭취는 뇌혈류량에 비례를 한다. 그러나 뇌혈류량이 아주 높은 경우에는 뇌세포에 의한 섭취가 그 만큼 증가를 하지 않기 때문에 뇌혈류량이 과소평가 될 수 있다. 이를 보안하기 위하여 Lassen이 linearization algorithm을 만들었다. 그러나 이 방정식은 뇌의 상태에 따라 사용되는 알파값으로 표현되는 변수가 변할 수 있다. 저자들은 뇌경색이 있는 10명의 환자를 대상으로 가장 적절한 ${\alpha}$값을 구하고자 하였다. 재료 및 방법: 10명의 환자들은 모두 0.1에서 10까지의 알파값을 이용하여 교정한 $^{99m}Tc$-HMPAO와 $^{99m}Tc$-ECD 뇌관류 단일광자방출 단층촬영(single photon emission computed tomography: SPECT) 영상을 구하고, 양전자방출단층촬영술로 뇌혈류영상을 구하였다. 그리고 상호정보의 최대화에 의한 multi-modal volume registration을 이용하는 컴퓨터프로그램으로 양전자방출단층촬영술로 구한 뇌혈류와 SPECT 영상에서 다양한 알파값을 대입하여 Lassen의 linearization algorithm으로 구한 뇌혈류값을 픽셀단위로 서로 비교하였다. 결과: Lassen의 linearization algorithm을 이용하여 구한 $^{99m}Tc$-HMPAO와 $^{99m}Tc$-ECD 뇌관류 SPECT의 국소 뇌혈류량은 알파값이 각각 1.4와 2.1일때 양전자방출전산화단층촬영술로 구한 뇌혈류량과의 상관관계가 가장 높았다. 결론: Lassen의 linearization algorithm을 이용하여 뇌혈류량을 정량화하는 경우에는 $^{99m}Tc$-HMPAO의 경우는 1.4, $^{99m}Tc$-ECD의 경우는 2.1을 사용할 때 뇌혈류량을 가장 잘 반영할 것으로 생각된다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권10호
• /
• pp.363-372
• /
• 2022

최근 코로나 19 팬더믹 이후 원격근무의 확대와 더불어 랜섬웨어 팬더믹이 심화하고 있다. 현재 안티바이러스 백신 업체들이 랜섬웨어에 대응하고자 노력하고 있지만, 기존의 파일 시그니처 기반 정적 분석은 패킹의 다양화, 난독화, 변종 혹은 신종 랜섬웨어의 등장 앞에 무력화될 수 있다. 이러한 랜섬웨어 탐지를 위한 다양한 연구가 진행되고 있으며, 시그니처 기반 정적 분석의 탐지 방법과 행위기반의 동적 분석을 이용한 탐지 연구가 현재 주된 연구유형이라고 볼 수 있다. 본 논문에서는 단일 분석만을 이용하여 탐지모델에 적용하는 것이 아닌 ".text Section" Opcode와 실제 사용하는 Native API의 빈도수를 추출하고 K-means Clustering 알고리즘, 코사인 유사도, 피어슨 상관계수를 이용하여 선정한 특징정보들 사이의 연관성을 분석하였다. 또한, 타 악성코드 유형 중 웜과 Cerber형 랜섬웨어를 분류, 탐지하는 실험을 통해, 선정한 특징정보가 특정 랜섬웨어(Cerber)를 탐지하는 데 특화된 정보임을 검증하였다. 위와 같은 검증을 통해 최종 선정된 특징정보들을 결합하여 기계학습에 적용하여, 최적화 이후 정확도 93.3% 등의 탐지율을 나타내었다.

• 전자공학회논문지
• /
• 제53권11호
• /
• pp.32-40
• /
• 2016

센서네트워크 센서노드의 위치정보는 기본적으로 센싱 데이터가 얻어진 위치를 알려주는 목적으로 사용되며 Context 기반 고차원 서비스를 제공하기 위한 가장 중요한 정보중 하나이다. 센서네트워크상에서 위치인식을 위해 다양한 방법들이 연구되고 제안되어 왔으며, 이러한 방법 중에 IEEE 802.15.4 센서네트워크의 물리 계층과 매체 접근 계층을 이용한 위치인식 방법에 관한 연구방법이 크게 대두되고 있다. IEEE 802.15.4 프로토콜은 장치간의 저가격, 저속의 무선 통신을 지향하기 때문에 구현에 있어서 고도화된 최적화가 중요한 요구사항이라 할 수 있다. 하지만 수신 신호의 세기를 가지고 센서 노드들의 위치를 계산하는 방법은 최적화 문제의 해를 구하기 위한 과정이기 때문에 많은 연산 량이 필요로 하게 되고, IEEE802.15.4를 지원하는 System-On-a-Chip (SoC)의 경우 8비트 마이크로 컨트롤러기반으로 설계되어 있다는 점을 고려하면, IEEE802.15.4 기반의 위치 인식 서비스를 위해서는 하드웨어에 기반을 둔 위치 인식 엔진의 필요성이 무엇보다 중요하다. 본 논문은 IEEE 802.15.4 물리계층에 기반을 둔 가중치 기반의 최대우도방법 위치인식기 하드웨어 구현에 관해 제안하고자 한다. 테스트 베드를 이용한 필드테스트 결과 제안하는 하드웨어 기반 가중치 방식의 위치 인식방법은 정확도에서 10% 정도의 개선과 함께 내장 마이크로 컨트롤러의 연산량 및 메모리 액세스를 30% 정도 감소시켜 시스템 전원소모를 줄일 수 있는 결과를 얻을 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제15권3호
• /
• pp.357-373
• /
• 2013

본 논문에서는 터널-지반 시스템의 거동을 합리적으로 해석하고 재료의 특성과 터널설계정수 평가를 위한 역해석 프로그램을 개발하였다. 이 프로그램은 유한차분법과 직접법을 조합한 역해석 기법을 이용하기 위하여 상용 프로그램인 FLAC(Fast Lagrangian Analysis of Continua)과 최적화 알고리즘을 이용하여 지하구조물의 역해석이 가능하도록 구성되었다. 역해석 알고리즘으로는 최적화 기법 중 미분계수를 구하지 않고 직접탐색이 가능한 로젠브록법(Rosenbrock Method)을 이용하였다. 이 연구를 통하여 개발된 역해석 알고리즘의 현장 적용성 검증을 위하여 4개 구간의 실제현장을 대상으로 현장 계측결과를 이용하여 역해석을 수행하였다. 역해석 과정에서 현장계측 변위에 대한 해석 대상지반의 최적함수를 파악하기 위하여 비선형 회귀분석(nonlinear regression analysis)을 실시하였다. 회귀분석은 지수함수와 분수함수를 이용하였으며, 이를 통하여 결정된 최적함수를 이용하여 계산된 총 변위를 역해석 입력 자료로 활용하였다. 이 연구결과로써 대상구조체의 실측변위를 이용한 역해석을 수행한 결과는 계측변위와 평균 4.5%의 오차율을 보였다. 따라서 이 연구에서 제안하는 역해석 기법이 터널 해석에 유용하게 적용될 수 있음을 알 수 있었다.

• 대한환경공학회지
• /
• 제30권5호
• /
• pp.544-551
• /
• 2008

QUAL2K는 QUAL2E 모델의 단점을 개선하고 편의성을 향상시킨 모델로 입자성 유기물, 부착조류, 탈질화 및 퇴적층-수체 상호작용 등을 추가 반영하였으며, CBOD는 느린 CBOD와 빠른 CBOD 두 가지로 구분하여 현실화 하였다. QUAL2E와 QUAL2K 모델을 안양천에 적용하여 DO, BOD, Org-N, NH$_3$-N, NO$_3$-N, Org-P, Dis-P 및 Chl-a 등 8개 수질항목을 모의하여 결과를 비교 분석하였다. Org-N, NH$_3$-N, Org-P 및 Chl-a는 두 모델에서 비슷한 결과가 나타났으나, DO, BOD, NO$_3$-N 및 Dis-P는 다른 결과가 나타났다. 이는 QUAL2K에 추가된 부착조류, 탈질화, 퇴적층-수체의 상호작용 및 입자성 유기물의 영향에 기인한 것으로 판단된다. DO는 부착조류의 영향으로 낮게 나타났고, BOD는 입자성 유기물의 영향으로 높게 나타났다. NO3-N은 퇴적층-수체의 상호작용과 탈질화의 영향으로 실측치에 더 가깝게 나타났다. 모의 결과를 단순통계인자를 이용하여 평가하였으며, 대부분 수질항목에서 상대오차와 분산계수가 QUAL2E보다 QUAL2K에서 작게 나타났다. 자연현상을 좀더 실제에 가깝게 모의할 수 있는 QUAL2K 모델은 하천 및 하천화한 호소 수질관리에 적절히 이용할 수 있을 것으로 판단된다.

• Geomechanics and Engineering
• /
• 제35권2호
• /
• pp.121-133
• /
• 2023

The demand for cement and limestone crushed materials has increased many folds due to the tremendous increase in construction activities in Pakistan during the past few decades. The number of cement production industries has increased correspondingly, and so the rock-blasting operations at the limestone quarry sites. However, the safety procedures warranted at these sites for the blast-induced ground vibrations (BIGV) have not been adequately developed and/or implemented. Proper prediction and monitoring of BIGV are necessary to ensure the safety of structures in the vicinity of these quarry sites. In this paper, an attempt has been made to predict BIGV using artificial neural network (ANN) at three selected limestone quarries of Pakistan. The ANN has been developed in Python using Keras with sequential model and dense layers. The hyper parameters and neurons in each of the activation layers has been optimized using randomized and grid search method. The input parameters for the model include distance, a maximum charge per delay (MCPD), depth of hole, burden, spacing, and number of blast holes, whereas, peak particle velocity (PPV) is taken as the only output parameter. A total of 110 blast vibrations datasets were recorded from three different limestone quarries. The dataset has been divided into 85% for neural network training, and 15% for testing of the network. A five-layer ANN is trained with Rectified Linear Unit (ReLU) activation function, Adam optimization algorithm with a learning rate of 0.001, and batch size of 32 with the topology of 6-32-32-256-1. The blast datasets were utilized to compare the performance of ANN, multivariate regression analysis (MVRA), and empirical predictors. The performance was evaluated using the coefficient of determination (R²), mean absolute error (MAE), mean squared error (MSE), mean absolute percentage error (MAPE), and root mean squared error (RMSE)for predicted and measured PPV. To determine the relative influence of each parameter on the PPV, sensitivity analyses were performed for all input parameters. The analyses reveal that ANN performs superior than MVRA and other empirical predictors, andthat83% PPV is affected by distance and MCPD while hole depth, number of blast holes, burden and spacing contribute for the remaining 17%. This research provides valuable insights into improving safety measures and ensuring the structural integrity of buildings near limestone quarry sites.

• 지능정보연구
• /
• 제26권1호
• /
• pp.1-21
• /
• 2020

인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.