• 대한원격탐사학회지
• /
• 제28권3호
• /
• pp.337-346
• /
• 2012

In the view from most application system developers and users, cloud computing becomes popular in recent years and is still evolving. But in fact it is not easy to reach at the level of actual operations. Despite, it is known that the cloud in the practical stage provides a new pattern for deploying a geo-spatial application. However, domestically geo-spatial application implementation and operation based on this concept or scheme is on the beginning stage. It is the motivation of this works. Although this study is an introductory level, a simple and practical processed result was presented. This study was carried out on Amazon web services platform, as infrastructure as a service in the geo-spatial areas. Under this environment, cloud instance, a web and mobile system being previously implemented in the multi-layered structure for geo-spatial open sources of database and application server, was generated. Judging from this example, it is highly possible that cloud services with the functions of geo-processing service and large volume data handling are the crucial point, leading a new business model for civilian remote sensing application and geo-spatial enterprise industry. The further works to extend geo-spatial applications in cloud computing paradigm are left.

• International Journal of Concrete Structures and Materials
• /
• 제1권1호
• /
• pp.63-73
• /
• 2007

Optimum multi-layered feed-forward neural network (NN) models using a resilient back-propagation algorithm and early stopping technique are built to predict the shear capacity of reinforced concrete deep and slender beams. The input layer neurons represent geometrical and material properties of reinforced concrete beams and the output layer produces the beam shear capacity. Training, validation and testing of the developed neural network have been achieved using 50%, 25%, and 25%, respectively, of a comprehensive database compiled from 631 deep and 549 slender beam specimens. The predictions obtained from the developed neural network models are in much better agreement with test results than those determined from shear provisions of different codes, such as KBCS, ACI 318-05, and EC2. The mean and standard deviation of the ratio between predicted using the neural network models and measured shear capacities are 1.02 and 0.18, respectively, for deep beams, and 1.04 and 0.17, respectively, for slender beams. In addition, the influence of different parameters on the shear capacity of reinforced concrete beams predicted by the developed neural network shows consistent agreement with those experimentally observed.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2009년도 춘계 학술발표회
• /
• pp.456-463
• /
• 2009

The preconsolidation pressure has been commonly determined by oedometer test. However, it can also be determined by in-situ test, such as piezocone test with theoretical and(or) empirical correlations. Recently, Neural Network(NN) theory was applied and some models were proposed to estimate the preconsolidation pressure or OCR. However, since the optimization process of synaptic weights of NN model is dependent on the initial synaptic weights, NN models which are trained with different initial weights can't avoid the variability on prediction result for new database even though they have same structure and use same transfer function. In this study, Committee Neural Network(CNN) model is proposed to improve the initial weight dependency of multi-layered neural network model on the prediction of preconsolidation pressure of soft clay from piezocone test result. It was found that even though the NN model has the optimized structure for given training data set, it still has the initial weight dependency, while the proposed CNN model can improve the initial weight dependency of the NN model and provide a consistent and precise inference result than existing NN models.

• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.71-77
• /
• 2014

본 논문에서는 저조도 및 음영이 생기는 조명 환경하에서 성능이 개선된 계량기 숫자 인식 방법을 제안한다. 저조도 및 음영 문제를 해결하기 위해 LN(Local Normalization) 처리 기법을 이용한 조명 정규화를 수행한 후, 계량기 숫자 영역 검출과 3단계 계량기 숫자 분할이 이루어진다. 마지막으로 분할된 숫자 데이터를 분류하기 위한 하이브리드 숫자 분류기가 적용된다. 제안된 하이브리드 숫자 분류기는 역전파 신경망과 템플레이트 매칭의 연속 결합으로 이루어지고, 계량기 숫자 분류에 보다 강인한 휴리스틱 규칙에 의해 최종적으로 숫자를 분류한다. 저조도 및 음영 조명 환경하의 다양한 계량기 종류에 대해 직접 촬영하여 자체 제작한 계량기 이미지 데이터베이스에 기반한 실험을 통해 본 논문에서 제안한 숫자 인식 방법을 평가하고, 제안된 계량기 숫자 인식 방법이 효과적으로 잘 동작함을 확인하였다.

• 대한토목학회논문집
• /
• 제29권3C호
• /
• pp.115-125
• /
• 2009

지반의 응력이력을 정의하는데 이용되는 선행압밀하중은 일반적으로 일차원 실내압밀실험으로부터 결정되어져 왔으나 피에조콘과 같은 원위치 시험의 관측값을 이용한 이론적인 방법과 경험적인 상관관계를 통한 결정도 가능하다. 최근 선행압밀하중을 결정하기 위한 인공신경망 모델들이 제안된 바 있으며, 기존의 이론적 경험적 선행압밀하중 추정 방법들이 갖는 지역의존성의 문제를 극복하고 예측 정확도 면에서도 크게 개선된 것으로 보고되었다. 그러나 인공신경망 모델은 모델구조와 학습과정에서 초기에 무작위로 부여되는 연결강도에 영향을 받아 예측에 변동성이 존재한다. 본 연구에서는 기존의 피에조콘 결과를 이용한 선행압밀하중 추정 인공신경망 모델이 연약지반에서 선행압밀하중 예측 시 보이는 변동성을 개선하기 위하여 신경망 모델의 구조 최적화를 수행하고 군집신경망 모델을 구축하였다. 제안된 군집신경망 모델을 이용한 예측결과는 기존의 다층신경망 모델 및 이론적 경험적 모델들과 비교되었다. 연구결과, 최적화된 구조를 갖는 다층신경망 모델일지라도 초기 연결강도에 따라 최종 학습 후 예측결과의 변동성이 여전히 존재하나, 다층신경망을 네트워크로 연결하여 제안된 군집신경망 모델은 기존의 다층신경망 모델들이 갖는 초기 연결강도 의존성을 개선하여 다층신경망 모델에 비해 일관성 있으며 보다 정확한 예측이 가능한 것으로 나타났다.

• Structural Engineering and Mechanics
• /
• 제57권4호
• /
• pp.657-680
• /
• 2016

Reinforced concrete (RC) deep beams are structural members that predominantly fail in shear. Therefore, determining the shear strength of these types of beams is very important. The strut-and-tie method is commonly used to design deep beams, and this method has been adopted in many building codes (ACI318-14, Eurocode 2-2004, CSA A23.3-2004). In this study, the efficiency of artificial neural networks (ANNs) in predicting the shear strength of RC deep beams is investigated as a different approach to the strut-and-tie method. An ANN model was developed using experimental data for 214 normal and high-strength concrete deep beams from an existing literature database. Seven different input parameters affecting the shear strength of the RC deep beams were selected to create the ANN structure. Each parameter was arranged as an input vector and a corresponding output vector that includes the shear strength of the RC deep beam. The ANN model was trained and tested using a multi-layered back-propagation method. The most convenient ANN algorithm was determined as trainGDX. Additionally, the results in the existing literature and the accuracy of the strut-and-tie model in ACI318-14 in predicting the shear strength of the RC deep beams were investigated using the same test data. The study shows that the ANN model provides acceptable predictions of the ultimate shear strength of RC deep beams (maximum $R^2{\approx}0.97$). Additionally, the ANN model is shown to provide more accurate predictions of the shear capacity than all the other computed methods in this study. The ACI318-14-STM method was very conservative, as expected. Moreover, the study shows that the proposed ANN model predicts the shear strengths of RC deep beams better than does the strut-and-tie model approaches.

• 한국전자거래학회지
• /
• 제15권3호
• /
• pp.85-98
• /
• 2010

유비쿼터스 컴퓨팅 및 모바일 기술의 발달에 따라 위치 기반 서비스의 사용이 확대되어 가고 있고 모바일 전자 거래 환경에서 가장 주요한 서비스로 자리 잡고 있다. 하지만, 이와 함께 개인의 위치가 추적되고 노출됨에 의하여 사생활 침해와 같은 문제점들도 대두되고 있다. 본 연구는 개인의 위치를 노출시키지 않고도 시공간 질의를 처리하기 위한 새로운 시공 간 질의 처리 기법을 제안한다. 기존의 사용자 위치 은폐 기술은 사용자의 식별자를 감추거나 위치를 정적인 4분 트리나 격자 구조를 이용하여 은폐하는 방법을 사용하였다. 격자를 이용한 위치 은폐는 단순히 사용자의 식별자를 감추는 방법에 비해서는 우수한 방법이지만 미리 정해진 격자의 크기에 의해 위치를 은폐하므로 객체의 위치 분포에 따라 실제보다 불필요하게 많은 오차를 포함하게 되어 질의 성능이 저하되는 문제점을 지닌다. 본 연구에서는 시공간 질의 처리에 널리 사용되는 R-트리를 이용하여 위치 은폐를 수행하는 기법을 제안한다. R-트리의 노드는 기본적으로 최소 객체 개수를 보장하므로 R-트리의 MBR을 은폐된 위치로 직접 사용하면 위치 분포에 보다 능동적으로 대처할 수 있다. 본 연구는 다양한 실험 을 통하여 R-트리에 기반한 위치 은폐가 기존의 기법들에 비하여 우수한 성능을 보임을 증명하였다.

• 대한토목학회논문집
• /
• 제26권5D호
• /
• pp.797-804
• /
• 2006

본 연구에서는 비파괴 시험 장비인 FWD(Falling Weight Deflectometer)에 의한 처짐곡선을 활용하여 아스팔트 포장구조체의 물성을 합리적으로 추정할 수 있는 방법을 개발하였다. 2004년 국도 PMS(Pavement Management System)의 FWD 자료로 다층탄성이론에 근거한 역산프로그램을 사용하여 역해석을 실시하였다. 3층 포장구조체로 기반암을 고려하여 역해석을 실시하였으며, 통계분석을 통하여 각 층 탄성계수의 95% 신뢰구간을 선정하였다. 이 신뢰구간의 범위와 기존 문헌상의 범위를 비교한 결과 차이가 없었으며, 그 결과를 바탕으로 회귀분석을 실시하여 탄성계수를 직접 추정할 수 있는 회귀 분석 모델을 제시하였다. 회귀 분석모델의 적합성 및 유의성 검증, 다중공선성 분석, 잔차 분석 그리고 분산 분석을 통하여 본 연구에서 제시한 회귀 분석모델이 유의하며 높은 적합성을 갖고 있음을 증명하였다. 따라서, 본 연구에서 제시한 회귀 분석 모델을 통해 FWD 시험시 현장에서 역해석을 실시하지 않고도 직접 탄성계수를 추정하여 포장구조체의 상태평가를 할 수 있을 것으로 판단된다. 또한, 아스팔트층의 탄성계수는 온도변화에 따라 많은 차이를 나타내므로 기준온도로 온도보정을 실시하였으며 그 결과를 토대로 현재 공용중인 국도 아스팔트 포장구조체 각 층의 탄성계수와 95%신뢰구간의 탄성계수를 제시하였다.