• Advances in concrete construction
• /
• 제13권1호
• /
• pp.11-23
• /
• 2022

Conventional concrete needs some improvement in the mechanical properties, which can be obtained by different admixtures. However, making concrete samples costume always time and money. In this paper, different types of hybrid algorithms are applied to develop predictive models for forecasting compressive strength (CS) of concretes containing metakaolin (MK) and fly ash (FA). In this regard, three different algorithms have been used, namely multilayer perceptron (MLP), radial basis function (RBF), and support vector machine (SVR), to predict CS of concretes by considering most influencers input variables. These algorithms integrated with the grey wolf optimization (GWO) algorithm to increase the model's accuracy in predicting (GWMLP, GWRBF, and GWSVR). The proposed MLP models were implemented and evaluated in three different layers, wherein each layer, GWO, fitted the best neuron number of the hidden layer. Correspondingly, the key parameters of the SVR model are identified using the GWO method. Also, the optimization algorithm determines the hidden neurons' number and the spread value to set the RBF structure. The results show that the developed models all provide accurate predictions of the CS of concrete incorporating MK and FA with R² larger than 0.9972 and 0.9976 in the learning and testing stage, respectively. Regarding GWMLP models, the GWMLP1 model outperforms other GWMLP networks. All in all, GWSVR has the worst performance with the lowest indices, while the highest score belongs to GWRBF.

• 드라이브 ㆍ 컨트롤
• /
• 제20권4호
• /
• pp.133-139
• /
• 2023

A weighing system calculates the bucket's excavation amount of an excavator. Usually, the excavation amount is computed by the excavator's motion equations with sensing data. But these motion equations have computing errors that are induced by assumptions to the linear systems and identification of the equation's parameters. To reduce computing errors, some commercial weighing system incorporates particular motion into the excavation process. This study introduces a linear regression model on an artificial neural network that has fewer predicted errors and doesn't need a particular pose during an excavation. Time serial data were gathered from a 30tons excavator's loading test. Then these data were preprocessed to be adjusted by MPL (Multi Layer Perceptron) or CNN (Convolutional Neural Network) based linear regression models. Each model was trained by changing hyperparameter such as layer or node numbers, drop-out rate, and kernel size. Finally ID-CNN-based linear regression model was selected.

• 정보처리학회논문지D
• /
• 제9D권5호
• /
• pp.939-944
• /
• 2002

In this paper, we propose and apply new classification method to the remotely sensed image acquired from airborne multi-spectral scanner. This is a neuro-fuzzy image classifier derived from the generic model of a 3-layer fuzzy perceptron. We implement a classification software system with the proposed method for land cover image classification. Comparisons with the proposed and maximum-likelihood classifiers are also presented. The results show that the neuro-fuzzy classification method classifies more accurately than the maximum likelihood method. In comparing the maximum-likelihood classification map with the neuro-fuzzy classification map, it is apparent that there is more different as amount as 7.96% in the overall accuracy. Most of the differences are in the "Building" and "Pine tree", for which the neuro-fuzzy classifier was considerably more accurate. However, the "Bare soil" is classified more correctly with the maximum-likelihood classifier rather than the neuro-fuzzy classifier.

• 제어로봇시스템학회논문지
• /
• 제13권4호
• /
• pp.371-376
• /
• 2007

This paper presents an emotion recognition and its expression system of an intelligent robot like a home robot or a service robot. Emotion recognition method in the robot is used by a facial image. We use a motion and a position of many facial features. apply a tracking algorithm to recognize a moving user in the mobile robot and eliminate a skin color of a hand and a background without a facial region by using the facial region detecting algorithm in objecting user image. After normalizer operations are the image enlarge or reduction by distance of the detecting facial region and the image revolution transformation by an angel of a face, the mobile robot can object the facial image of a fixing size. And materialize a multi feature selection algorithm to enable robot to recognize an emotion of user. In this paper, used a multi layer perceptron of Artificial Neural Network(ANN) as a pattern recognition art, and a Back Propagation(BP) algorithm as a learning algorithm. Emotion of user that robot recognized is expressed as a graphic LCD. At this time, change two coordinates as the number of times of emotion expressed in ANN, and change a parameter of facial elements(eyes, eyebrows, mouth) as the change of two coordinates. By materializing the system, expressed the complex emotion of human as the avatar of LCD.

• Smart Structures and Systems
• /
• 제30권2호
• /
• pp.195-207
• /
• 2022

Computational drawbacks associated with regular predictive models have motivated engineers to use hybrid techniques in dealing with complex engineering tasks like simulating the compressive strength of concrete (CSC). This study evaluates the efficiency of tree potential metaheuristic schemes, namely shuffled complex evolution (SCE), multi-verse optimizer (MVO), and beetle antennae search (BAS) for optimizing the performance of a multi-layer perceptron (MLP) system. The models are fed by the information of 1030 concrete specimens (where the amount of cement, blast furnace slag (BFS), fly ash (FA1), water, superplasticizer (SP), coarse aggregate (CA), and fine aggregate (FA2) are taken as independent factors). The results of the ensembles are compared to unreinforced MLP to examine improvements resulted from the incorporation of the SCE, MVO, and BAS. It was shown that these algorithms can considerably enhance the training and prediction accuracy of the MLP. Overall, the proposed models are capable of presenting an early, inexpensive, and reliable prediction of the CSC. Due to the higher accuracy of the BAS-based model, a predictive formula is extracted from this algorithm.

• 로봇학회논문지
• /
• 제18권4호
• /
• pp.436-443
• /
• 2023

With the advancement of robot intelligence, the concept of man and unmanned teaming (MUM-T) has garnered considerable attention in military research. In this paper, we present a transformer-based architecture for predicting the health status of agents, with the help of multi-head attention mechanism to effectively capture the dynamic interaction between friendly and enemy forces. To this end, we first introduce a framework for generating a dataset of battlefield situations. These situations are simulated on a virtual simulator, allowing for a wide range of scenarios without any restrictions on the number of agents, their missions, or their actions. Then, we define the crucial elements for identifying the battlefield, with a specific emphasis on agents' status. The battlefield data is fed into the transformer architecture, with classification headers on top of the transformer encoding layers to categorize health status of agent. We conduct ablation tests to assess the significance of various factors in determining agents' health status in battlefield scenarios. We conduct 3-Fold corss validation and the experimental results demonstrate that our model achieves a prediction accuracy of over 98%. In addition, the performance of our model are compared with that of other models such as convolutional neural network (CNN) and multi layer perceptron (MLP), and the results establish the superiority of our model.

• 전기전자학회논문지
• /
• 제20권1호
• /
• pp.94-102
• /
• 2016

본 논문에서는 기계학습 알고리즘을 이용하여 다중물리(Multi-physics) 시뮬레이션의 반복 횟수를 획기적으로 줄일 수 있는 다중물리해석 예측 방법을 제안한다. 기존의 다중물리해석 시뮬레이션의 경우 소요되는 시간과 노력을 줄이기 위해 시뮬레이션 자체에 대한 방법과 환경 개선에 초점이 맞추어져 있으나 본 논문에서는 다중물리 시뮬레이션 결과를 기계학습 알고리즘으로 학습하여 추가적인 시뮬레이션을 수행하지 않고 학습된 기계학습 알고리즘을 사용하여 수십분에서 수시간에 걸리는 다중 물리 해석과 유사한 결과를 수초 내에 예측할 수 있음을 보였다. 기계학습 알고리즘 간의 성능을 비교하여 다중물리해석에 적합한 기계학습 알고리즘을 확인하였으며 가장 우수한 성능을 보인 가우시안 프로세스 회귀(Gaussian Process Regression)의 경우 100개 이하의 학습 샘플만으로도 우수한 예측 결과를 얻어낼 수 있음을 확인하였다. 제안하는 방식을 통해 시뮬레이션을 하고자 하는 모델의 형상이나 재질이 변경될 경우 기존의 시뮬레이션 결과로 학습된 알고리즘이 있다면 시뮬레이션을 반복 수행하기 전에 알고리즘을 이용하여 결과를 예측할 수 있어 시뮬레이션의 반복 횟수를 줄일 수 있을 것으로 기대한다.

• 전자공학회논문지CI
• /
• 제46권3호
• /
• pp.107-115
• /
• 2009

피부색 검출은 피부색과 비피부색에 대한 분류기가 사용되며, 분류 성능이 높은 분류기가 필요하다. 기존의 피부색 검출을 위한 분류기들은 대부분 하나의 칼라 모델을 사용하고 있다. 그러나 칼라 모델에 따라 피부색의 분포 특성이 다르기 때문에 하나 이상의 칼라 모델을 사용함으로써 분류 성능을 높일 수 있다. MLP(Multi Layer Perceptron)는 다른 분류기보다 적은 파라미터를 사용하면서 좋은 분류 성능을 보이고 있다. 하지만 두 개의 칼라 모델을 사용할 경우 MLP의 입력 차원이 증가되기 때문의 파라미터 수가 증가되는 문제가 발생하게 되며, 파라미터 수의 증가는 MLP의 학습 시간이 증가되는 원인이 된다. 따라서 본 논문에서는 두 칼라 모델의 구성 성분을 조합함으로써 피부색과 비피부색의 분류 성능을 향상시키고, 적은 수의 파라미터가 사용된 피부색 검출 방법을 제안한다. 제안한 부분 연결 MLP는 각 칼라 모델에 따라 연결 강도를 부분적으로 연결함으로써 연결 강도의 수를 감소 시켰으며, 각 부분 네트워크에 서로 다른 칼라 모델의 특성을 학습시킴으로써 분류율을 향상시킬 수 있다. 실험 결과 제안한 부분연결 MLP를 RGB와 CbCr 칼라 정보로 구성했을 때 91.8%의 분류율을 달성하였다.

• 한국수자원학회논문집
• /
• 제44권2호
• /
• pp.97-107
• /
• 2011

수문학적 예측에 있어서 강우수치예보의 활용성을 제고하기 위하여 인공신경망을 이용한 정량강수예측기법을 제시하였다. 본 연구에서는 2001년 6월과 7월, 2002년 8월의 중규모수치예보자료와 AWS의 3시간 누적강수, 상층기상관측소에서의 가강수량과 상대습도, 각 선행시간별 강수발생확률을 이용하여 각 선행시간에 따른 강수량을 예측하였다. 강수는 대기변수의 물리적 비선형조합으로 발생하기 때문에 강수에 영향을 미치는 대기변수와 관측강수사이의 비선형관계를 고려하는데 유용한 인공신경망기법을 이용하였다. 인공신경망의 구조는 전방향 다층퍼셉트론(feedforward multi-layer perceptron)을선택하였으며, 신경망의 학습 시 음의 강수모의값을 고려하여 무강수로전환하기 위하여 비선형 양극활성화함수를 사용하였다. 중규모수치예보모형과 인공신경망에서 예측된 강수량은 Nash-Sutcliffe Coefficient of Efficiency (NS-COE)와 Coefficient of Correlation (CORR)로 선행시간별로 통계분석을 실시하였다. 3시간 누적강수를 기준으로 NS는 한반도영역에서 평균적으로 선행시간이 12 hr인 경우 -0.04에서 0.31로, 선행시간이 24 hr인 경우 -0.04에서 0.38로, 선행시간이 36 hr인 경우 -0.03에서 0.33으로, 선행시간이 48 hr인 경우 -0.05에서 0.27로 증가하여, 강수예측의 정확도가 향상됨을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제14권5호
• /
• pp.2393-2399
• /
• 2013

본 논문에서는 특이값 분해(SVD: singular value decomposition)에 의한 기저 스펙트럼의 합성을 통해 혈소판 라만 스펙트럼에서 알츠하이머병(AD: Alzheimer's disease)을 검출하는 방법을 제안하였다. AD가 유도된 형질 전환 실험용 쥐의 혈소판에서 측정한 라만 스펙트럼은 가산 잡음과 배경 잡음의 제거와 정규화로 구성된 전처리 과정을 수행한다. 각 데이터 행렬의 열벡터는 AD와 정상(NR: normal)의 라만 스펙트럼으로 구성한다. 이 데이터 행렬을 SVD로 분해한 다음 각 행렬의 열벡터 12개를 AD와 NR의 기저 스펙트럼으로 결정한다. 분류 과정은 각 클래스의 기저 스펙트럼을 선형 합성한 스펙트럼과 분류 스펙트럼의 평균제곱근오차(root mean square error)가 최소인 클래스를 선택하는 것으로 완료된다. 278개의 혈소판 라만 스펙트럼을 사용한 실험에 따르면 제안한 방법의 평균 분류율은 약 97.6%로 주성분 분석(principle components analysis)으로 추출한 특징에 MLP(multi-layer perceptron)를 이용한 경우보다 약 6.1% 정도의 우수한 성능을 보였다. 이 결과에서 SVD에 의한 기저 스펙트럼이 혈소판 라만 스펙트럼에서 AD의 검출에 적합하게 사용될 수 있음을 확인하였다.