• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.402-404
• /
• 2012

감시카메라의 성능이 향상됨에 따라 감시 카메라를 적용한 다양한 분야에 자동탐지 시스템의 적용 사례가 증가하고 있다. 하지만 동적인 상황이 빈번히 발생하는 실외환경에서의 감시카메라는 빛이나 날씨 등에 의해 불확실성을 일으킬 수 있다. 본 논문에서는 발생한 불확실성을 시계열로 보정하기 위한 방법으로 동적 베이지만 네트워크 기반의 시스템을 제안한다. 객체의 속도와 레이블, 방향 등을 시계열로 고려해 발생한 불확실한 상황에 대해 객체 검출을 보정하였다. 또한 실제 비디오 영상을 이용한 실험 및 평가를 수행하여 그 유용성을 입증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.286-288
• /
• 2006

영상 이해는 컴퓨터 비전의 가장 높은 수준의 처리 기법이다. 영상을 이해하기 위해서는 위치 정보, 물체 존재정보와 같은 기본 컨텍스트들을 추출하는 것이 중요하다. 그러나 실내 환경의 영상 정보는 카메라의 흔들림이나 각도, 빛의 상태에 따라 불확실해지기 때문에 이러한 불확실함에 강인한 영상 인식 기법이 필요하다. 동적 베이지안 네트워크(DBN)는 이러한 불확실한 정보의 처리에 강인하며 장소와 물체의 관계등 고수준의 컨텍스트를 모델링하는데 좋은 성능을 보이는 확률 모델이다. 또한 DBN은 이전 상태를 추론에 활용할 수 있으므로 장소 인식과 같은 컨텍스트의 추출에 좋다. 본 연구에서는 불확실한 실내 환경 영상으로부터 영상 전처리를 통해 특징값을 추출하고, 회전이나 크기 변화에 강인한 물체인식기법인 크기불변 특징 변환기법(SIFT)을 이용하여 물체 존재정보를 추출하여 고수준 컨텍스트가 모델링된 DBN 추론으로 장소 및 물체를 인식하는 방법을 제안한다. 실제 대학 실내 환경에서의 실험으로 DBN을 이용한 영상 인식기법이 좋은 성능을 보임을 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.60-63
• /
• 2008

개인화 장비 기술의 발달과 함께 최근 모바일 디바이스는 카메라, MP3 플레이어 등 다양한 기능을 포함하고 있으며, 많은 사용자가 이를 사용하고 있다. 모바일 디바이스는 사용자가 항상 휴대하기 때문에 사용자 정보를 습득하기에 유용하며 따라서 이로부터 수집된 다양한 정보를 바탕으로 최근 여러가지 서비스를 제공하기 위한 노력이 이루어지고 있다. 본 논문에서는 사용자의 모바일 로그를 바탕으로 행동 패턴을 파악하여 사용자가 앞으로 취할 행동을 예측하고자 하며, 이 과정에서 다양한 행동 패턴 중 정확한 행동 예측을 수행하기 위해 다음과 같은 방법을 활용하였다. 장소, 시간, 요일 정보를 함께 사용하여 동적 베이지안 네트워크를 이용해 시간 변화에 따른 사용자 행동 패턴을 학습하였으며, 개인 사용자 모델과 전체 사용자 모델을 따로 학습함으로써 더 정확한 행동 패턴의 학습이 가능하도록 하였다. 실험을 위해 대학생들로부터 수집된 모바일 로그를 통해 제안하는 행동 예측 모델의 성능을 확인한 결과 77~94%의 예측 정확도를 보임을 확인하였다.

• 정보과학회 논문지
• /
• 제42권7호
• /
• pp.889-900
• /
• 2015

최근 복잡해진 시스템의 실행 환경에서 발생하는 문제들을 해결하기 위해 자가적응형 시스템의 중요성이 대두되고 있다. 그러나 시스템 설계 시점에 구축된 모델과 실행 환경 사이의 불확실성이 시스템을 알 수 없는 상황으로 이끌 수 있기 때문에 이를 다루기 위한 연구가 중요한 이슈로 떠오르고 있다. 본 논문은 불확실한 상황에서 적응 시점을 결정하고 모델에 실시간 환경을 반영하기 위한 방법을 제안한다. 적합한 적응 시점을 위해 시스템의 이전 상태들과 현재상태를 비교하여 베이지안 서프라이즈를 계산하고, 설계된 모델에 실시간 환경을 수행된 적응 정책의 결과를 모델에 반영한다. 제안 방법론을 네비게이션 시스템에 적용하여 제안 사항의 유효성을 확인하였다.

• Membrane and Water Treatment
• /
• 제9권2호
• /
• pp.115-121
• /
• 2018

Artificial neural network (ANN) simulation is used to predict the dynamic change of permeate flux during wheat starch industry wastewater microfiltration with and without static turbulence promoter. The experimental program spans range of a sedimentation times from 2 to 4 h, for feed flow rates 50 to 150 L/h, at transmembrane pressures covering the range of $1{\times}10^5$ to $3{\times}10^5Pa$. ANN predictions of the wastewater microfiltration are compared with experimental results obtained using two different set of microfiltration experiments, with and without static turbulence promoter. The effects of the training algorithm, neural network architectures on the ANN performance are discussed. For the most of the cases considered, the ANN proved to be an adequate interpolation tool, where an excellent prediction was obtained using automated Bayesian regularization as training algorithm. The optimal ANN architecture was determined as 4-10-1 with hyperbolic tangent sigmoid transfer function transfer function for hidden and output layers. The error distributions of data revealed that experimental results are in very good agreement with computed ones with only 2% data points had absolute relative error greater than 20% for the microfiltration without static turbulence promoter whereas for the microfiltration with static turbulence promoter it was 1%. The contribution of filtration time variable to flux values provided by ANNs was determined in an important level at the range of 52-66% due to increased membrane fouling by the time. In the case of microfiltration with static turbulence promoter, relative importance of transmembrane pressure and feed flow rate increased for about 30%.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권10호
• /
• pp.995-999
• /
• 2010

매년 차량의 수가 꾸준히 증가함에 따라 이에 비례하여 도로의 혼잡도와 사고 발생률 또한 증가되고 있다. 이와 같은 교통문제를 완화하기 위해서 도로 설계 및 신호 체계 등이 발전되고 있음에도 불구하고 교통사고로 인한 인명 및 재산 피해는 감소되지 않고 있다. 본 논문에서는 발생원 사고를 실시간으로 인식하여 이에 빠르게 대응함으로써 후속사고를 예방하고 사고 원인을 파악하기 위한 실시간 사고 인식 및 분석 시스템을 제안한다. 제안하는 시스템은 특정 교차로에서 뿐만 아니라 교통흐름과 디자인이 다른 교차로에서 발생한 사고를 정확히 인식하는 것이 목적이다. 본 연구에서는 실제 교차로에서 수집되는 데이터가 정확하다고 보장할 수 없고, 사고 발생에 쓰이는 데이터는 서로 유기적으로 복잡한 관계가 있기 때문에 정확한 사고 인식을 위해 확률기반 연산을 하는 동적 베이지안 네트워크를 이용하였다.

• Steel and Composite Structures
• /
• 제47권6호
• /
• pp.759-779
• /
• 2023

The paper proposes two hybrid metaheuristic optimization and artificial neural network (ANN) methods for the close prediction of the ultimate axial compressive capacity of concentrically loaded concrete filled double skin steel tube (CFDST) columns. Two metaheuristic optimization, namely genetic algorithm (GA) and particle swarm optimization (PSO), approaches enable the dynamic training architecture underlying an ANN model by optimizing the number and sizes of hidden layers as well as the weights and biases of the neurons, simultaneously. The former is termed as GA-ANN, and the latter as PSO-ANN. These techniques utilize the gradient-based optimization with Bayesian regularization that enhances the optimization process. The proposed GA-ANN and PSO-ANN methods construct the predictive ANNs from 125 available experimental datasets and present the superior performance over standard ANNs. Both the hybrid GA-ANN and PSO-ANN methods are encoded within a user-friendly graphical interface that can reliably map out the accurate ultimate axial compressive capacity of CFDST columns with various geometry and material parameters.

• 한국전산구조공학회논문집
• /
• 제26권2호
• /
• pp.139-146
• /
• 2013

본 논문에서는 페러데이 법칙을 이용한 진동발전 장치를 지하철의 자갈도상과 콘크리트 도상의 분류에 따른 기전력 량을 분석 하였다. 지하철 2호선 서초~방배 구간의 자갈도상에서 콘크리트 도상 변경으로 동일한 전동차 운행속도로 동일 구간에서 차량운행에 의한 동특성을 분석하고 진동력발전 장치를 이용해 얻어질 수 있는 기전력 량을 분석하였다. 또한 페러데이의 법칙에 의한 유도 기전력 식에 의한 계산 기전력 량과 발전 장치에 의한 관측 기전력 량을 베이지안 회귀 분석 및 상관분석을 통하여 철도에 적용되는 모델에 대한 신뢰구간과 모델식을 각 도상별로 업데이팅하였다. 수정된 식을 이용한 기전력은 한 개의 진동발전 장치 당 콘크리트 도상에서 4mV, 자갈도상에서는 40mV의 전력을 얻을 수 있다.

• 대한교통학회지
• /
• 제18권5호
• /
• pp.83-97
• /
• 2000

직접적인 신호제어 및 정보제공을 이용한 교통혼잡의 완화는 링크수준(Link-level)의 자료와 통행수준(Trip-level)의 자료를 동시에 이용하는 것이 효율적이나, 통행수준의 자료인 교통수요의 기점과 종점, 그리고 출발시간 등이 검지체계를 통해서 직접적으로 얻을 수 없어 이를 간접적으로 추정하는 것이 필요하다. 따라서, 본 연구의 목적은 기존의 기종점 추정 모형과는 달리, 교통류 시뮬레이션 모형이나 기종점 수요에 대한 시계열자료 등의 사전정보 없이도 링크교통량만을 가지고도 해당 네트워크에 가능한 모든 O-D조합에 대한 분할비를 동시에 시간 효율적으로 추정 가능한 모형을 개발, 비교하는 것이다 이 모형에는 비통행배정기반 모형에 적합한 칼만필터를 베이지안 갱신법에 기초하여 개발하고 최소자승법과 이를 토대로한 정규화 최소자승법도 함께 제시하였다. 본 연구에서 개발한 3가지의 모형을 가상의 고속도로 네트워크에 적용한 결과, 갑작스러운 수요 변화를 가지는 교통수요 패턴과 첨두를 3개 가지는 하루 24시간 교통수요 패턴에도 적응성 있는 결과를 보였다. 따라서, 본 모형은 연속류에서 수요관리 및 제어, 여행시간 예측과 동적통행배정, 차종분류 등의 기초적인 자료획득을 위해 사용될 수 있을 것으로 판단된다.

• Structural Monitoring and Maintenance
• /
• 제2권1호
• /
• pp.77-93
• /
• 2015

The idea of using measured dynamic characteristics for damage detection is attractive because it allows for a global evaluation of the structural health and condition. However, vibration-based damage detection for complex structures such as long-span cable-supported bridges still remains a challenge. As a suspension or cable-stayed bridge involves in general thousands of structural components, the conventional damage detection methods based on model updating and/or parameter identification might result in ill-conditioning and non-uniqueness in the solution of inverse problems. Alternatively, methods that utilize, to the utmost extent, information from forward problems and avoid direct solution to inverse problems would be more suitable for vibration-based damage detection of long-span cable-supported bridges. The auto-associative neural network (ANN) technique and the probabilistic neural network (PNN) technique, that both eschew inverse problems, have been proposed for identifying and locating damage in suspension and cable-stayed bridges. Without the help of a structural model, ANNs with appropriate configuration can be trained using only the measured modal frequencies from healthy structure under varying environmental conditions, and a new set of modal frequency data acquired from an unknown state of the structure is then fed into the trained ANNs for damage presence identification. With the help of a structural model, PNNs can be configured using the relative changes of modal frequencies before and after damage by assuming damage at different locations, and then the measured modal frequencies from the structure can be presented to locate the damage. However, such formulated ANNs and PNNs may still be incompetent to identify damage occurring at the deck members of a cable-supported bridge because of very low modal sensitivity to the damage. The present study endeavors to enhance the damage identification capability of ANNs and PNNs when being applied for identification of damage incurred at deck members. Effort is first made to construct combined modal parameters which are synthesized from measured modal frequencies and modal shape components to train ANNs for damage alarming. With the purpose of improving identification accuracy, effort is then made to configure PNNs for damage localization by adapting the smoothing parameter in the Bayesian classifier to different values for different pattern classes. The performance of the ANNs with their input being modal frequencies and the combined modal parameters respectively and the PNNs with constant and adaptive smoothing parameters respectively is evaluated through simulation studies of identifying damage inflicted on different deck members of the double-deck suspension Tsing Ma Bridge.