• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1994년도 추계학술대회 논문집 학회본부
• /
• pp.21-23
• /
• 1994

The degree of forecast accuracy with BP-algorithm largely depends upon the neuron number in hidden layer. In order to construct the optimal structure, first, we prescribe the error bounds of learning procedure, and then, we provid the method of incrementing the number of hidden neurons by using the derivative of errors with respect to an output neuron weights. For the case study, we apply the proposed method to forecast the component-wise residential load, and compare this results to that of time series forecasting.

• 한국도로학회논문집
• /
• 제20권2호
• /
• pp.57-65
• /
• 2018

PURPOSES : The study aims to predict the service life of national highway asphalt pavements through deep learning methods by using maintenance history data of the National Highway Pavement Management System. METHODS : For the configuration of a deep learning network, this study used Tensorflow 1.5, an open source program which has excellent usability among deep learning frameworks. For the analysis, nine variables of cumulative annual average daily traffic, cumulative equivalent single axle loads, maintenance layer, surface, base, subbase, anti-frost layer, structural number of pavement, and region were selected as input data, while service life was chosen to construct the input layer and output layers as output data. Additionally, for scenario analysis, in this study, a model was formed with four different numbers of 1, 2, 4, and 8 hidden layers and a simulation analysis was performed according to the applicability of the over fitting resolution algorithm. RESULTS : The results of the analysis have shown that regardless of the number of hidden layers, when an over fitting resolution algorithm, such as dropout, is applied, the prediction capability is improved as the coefficient of determination ($R^2$) of the test data increases. Furthermore, the result of the sensitivity analysis of the applicability of region variables demonstrates that estimating service life requires sufficient consideration of regional characteristics as $R^2$ had a maximum of between 0.73 and 0.84, when regional variables where taken into consideration. CONCLUSIONS : As a result, this study proposes that it is possible to precisely predict the service life of national highway pavement sections with the consideration of traffic, pavement thickness, and regional factors and concludes that the use of the prediction of service life is fundamental data in decision making within pavement management systems.

• 한국정보통신학회논문지
• /
• 제10권5호
• /
• pp.983-989
• /
• 2006

현재의 출입국 관리는 여권을 제시하면 여권을 육안으로 검색하고 수작업으로 정보를 입력하여 여권 데이터베이스와 대비하는 것이다. 본 논문에서는 여권의 정보를 인식 할 수 있는 방법을 제안한다. 제안된 여권 인식 방법은 소벨 연산자와 수평 스미어링, 윤곽선 추적 알고리즘을 적용하여 코드의 문자열 영역을 추출한다. 추출된 문자열 영역을 이진화하고 이진화된 문자열 영역에 대해서 개별 코드의 문자들을 복원하기 위하여 CDM 마스크를 적용한 후에 수직 스미어링을 적용하여 개별 코드의 문자를 추출한다. 개별 코드의 인식은 ART2 알고리즘을 RBF 네트워크의 중간층으로 적용하고 중간층과 출력층의 학습에는 일반화된 델타 학습 방법으로 동작하는 RBF 네트워크를 적용한다. 사진 영역은 코드의 문자열 영역을 추출한 후에 코드의 문자열 영역이 시작되는 좌표를 중심으로 사진 영역을 추출한 후, Luminance, Edge, Hue 정보를 이용하여 사진 부분을 검증한다. 검증된 사진 부분 영상은 ART2 알고리즘을 적용하여 사진의 특징들을 분류하고, 이를 이용하여 사진 인증을 하게 된다. 제안된 방법의 성능을 확인하기 위해서 실제 여권 영상을 대상으로 실험한 결과, 제안된 방법이 여권 인식에 우수한 성능이 있음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제21권1호
• /
• pp.12-18
• /
• 2011

본 논문에서는 RBF 뉴럴 네트워크에서 은닉층 활성함수에 Interval type-2 퍼지개념을 적용한 새로운 RBF 뉴럴 네트워크를 설계하였다. 퍼지 시스템 분야에서 불확실한 정보에 대한 Type-1 퍼지집합의 성능을 보안하고자 Type-2 퍼지집합이 제안되었으며, 멤버쉽함수 안에 다시 멤버쉽함수를 생성함으로써 불확실한 정보를 좀 더 효과적으로 다루고자 하였다. 따라서 본 논문에서는 RBF 뉴럴 네트워크의 은닉층 활성함수에 type-2 퍼지집합의 개념을 적용하여 불확실한 정보에 대한 모델 성능을 개선하고자 하였다. 나아가 연결가중치를 상수항이 아닌 1차식으로 구성된 다항식을 사용하여 최종출력을 입력-출력의 관계식으로 표현하였다. 연결가중치는 기존의 경사하강법(Gradient Descent Method; GDM) 대신 conjugate gradient method(CGM)을 사용하여 파라미터를 동조하고, 은닉층의 활성함수는 공간탐색 진화 알고리즘(Space Search Evolutionary Algorithm; SSEA)을 이용하여 가우시안 함수의 중심점 및 분포상수를 동조하여 모델의 성능을 개선시킨다. 제안된 모델의 성능을 평가하기 위해 가스로 시계열 데이터를 사용하였으며, 결과를 기존 모델과 비교하였다.

• Computers and Concrete
• /
• 제22권2호
• /
• pp.249-259
• /
• 2018

This paper presents Artificial Neural Network (ANN) models for evaluating bond strength of deformed, plain and cold formed bars in low strength concrete. The ANN models were implemented using the experimental database developed by conducting experiments in three different universities on total of 138 pullout and 108 splitting specimens under monotonic loading. The key parameters examined in the experiments are low strength concrete, bar development length, concrete cover, rebar type (deformed, cold-formed, plain) and diameter. These deficient parameters are typically found in non-engineered reinforced concrete structures of developing countries. To develop ANN bond model for each bar type, four inputs (the low strength concrete, development length, concrete cover and bar diameter) are used for training the neurons in the network. Multi-Layer-Perceptron was trained according to a back-propagation algorithm. The ANN bond model for deformed bar consists of a single hidden layer and the 9 neurons. For Tor bar and plain bars the ANN models consist of 5 and 6 neurons and a single hidden layer, respectively. The developed ANN models are capable of predicting bond strength for both pull and splitting bond failure modes. The developed ANN models have higher coefficient of determination in training, validation and testing with good prediction and generalization capacity. The comparison of experimental bond strength values with the outcomes of ANN models showed good agreement. Moreover, the ANN model predictions by varying different parameters are also presented for all bar types.

• 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.

• 한국통신학회논문지
• /
• 제31권12B호
• /
• pp.1058-1067
• /
• 2006

무선 인지 기술 환경에서 CR 기지국이 숨겨진 인컴번트 시스템의 등장으로 인해 CR 사용자와 통신이 불가하고 인컴번트 사용자가 간섭을 받을 때, 이를 해결하기 위한 시그널링 방법에 관한 것으로 숨겨진 인컴번트 시스템의 검출을 위한 프로토콜을 제안한다. 특히 아웃밴드 시그널링 검출 방법을 통해 상향링크 및 하향링크 프레임 구조를 이용하여 단말의 채널상태 보고 방법과 이에 대한 기지국의 확인방법 및 절차를 제안한다. 서로 다른 CR 기지국이 공존하는 방법으로 낮은 충돌 확률로 아웃밴드 시그널링 메시지를 전송할 수 있도록 하고 이 때 주파수 사용 효율을 높이기 위해 분할 주파수 대역을 사용한다. 이를 통해 무선 인지 기술에서의 신뢰성 있고 효율적인 아웃밴드 시그널링 프로토콜을 제안한다.

• 한국정보전자통신기술학회논문지
• /
• 제12권1호
• /
• pp.92-98
• /
• 2019

본 논문에서는 몰포러지 연산을 기본으로 하는 몰포러지 신경망(MNN: Morphological Neural Network) 기반 딥러닝 시스템을 제안하였다. 딥러닝에 사용되는 레이어는 몰포러지 레이어, 풀링 레이어, ReLU 레이어, Fully connected 레이어 등이다. 몰포러지 레이어에서 사용되는 연산은 에로전, 다이레이션, 에지검출 등이다. 본 논문에서 새롭게 제안한 MNN은 기존의 CNN(Convolutional Neural Network)을 이용한 딥러닝 시스템과는 달리 히든 레이어의 수와 각 레이어에 적용되는 커널 수가 제한적이다. 레이어 단위 처리시간이 감소하고, VLSI 칩 설계가 용이하다는 장점이 있으므로 모바일 임베디드 시스템에 딥러닝을 다양하게 적용할 수 있다. MNN에서는 제한된 수의 커널로 에지와 형상검출 등의 연산을 수행하기 때문이다. 데이터베이스 영상을 대상으로 행한 실험을 통해 MNN의 성능 및 딥러닝 시스템으로의 활용 가능성을 확인하였다.

• 전기전자학회논문지
• /
• 제25권4호
• /
• pp.650-663
• /
• 2021

Subsurface topology estimation is an important factor in the geophysical survey. Electrical impedance tomography is one of the popular methods used for subsurface imaging. The EIT inverse problem is highly nonlinear and ill-posed; therefore, reconstructed conductivity distribution suffers from low spatial resolution. The subsurface region can be approximated as piece-wise separate regions with constant conductivity in each region; therefore, the conductivity estimation problem is transformed to estimate the shape and location of the layer boundary interface. Each layer interface boundary is treated as an open boundary that is described using front points. The subsurface domain contains multi-layers with very complex configurations, and, in such situations, conventional methods such as the modified Newton Raphson method fail to provide the desired solution. Therefore, in this work, we have implemented a 7-layer artificial neural network (ANN) as an inverse problem algorithm to estimate the front points that describe the multi-layer interface boundaries. An ANN model consisting of input, output, and five fully connected hidden layers are trained for interlayer boundary reconstruction using training data that consists of pairs of voltage measurements of the subsurface domain with three-layer configuration and the corresponding front points of interface boundaries. The results from the proposed ANN model are compared with the gravitational search algorithm (GSA) for interlayer boundary estimation, and the results show that ANN is successful in estimating the layer boundaries with good accuracy.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1991년도 추계학술대회 논문집 학회본부
• /
• pp.39-42
• /
• 1991

The Application of Artificial Neural Network(ANN) to forecast a load in a power system is investigated. The load forecasting is important in the electric utility industry. This technique, methodology based on the fact that parallel structure can process very fast much information is a promising approach to a load forecasting. ANN that is highly interconnected processing element in a hierachy activated by the each input. The load pattern can be divided distinctively into two patterns, that is, weekday and weekend. ANN is composed of a input layer, several hidden layers, and a output layer and the past data is used to activate input layer. The output of ANN is the load forecast for a given day. The result of this simulation can be used as a reference to a electric utility operation.