• Steel and Composite Structures
• /
• 제51권6호
• /
• pp.679-695
• /
• 2024

This paper presents a novel technique that combines machine learning (ML) with moth-flame optimization (MFO) methods to predict the axial compressive strength (ACS) of concrete filled double skin steel tubes (CFDST) columns. The proposed model is trained and tested with a dataset containing 125 tests of the CFDST column subjected to compressive loading. Five ML models, including extreme gradient boosting (XGBoost), gradient tree boosting (GBT), categorical gradient boosting (CAT), support vector machines (SVM), and decision tree (DT) algorithms, are utilized in this work. The MFO algorithm is applied to find optimal hyperparameters of these ML models and to determine the most effective model in predicting the ACS of CFDST columns. Predictive results given by some performance metrics reveal that the MFO-CAT model provides superior accuracy compared to other considered models. The accuracy of the MFO-CAT model is validated by comparing its predictive results with existing design codes and formulae. Moreover, the significance and contribution of each feature in the dataset are examined by employing the SHapley Additive exPlanations (SHAP) method. A comprehensive uncertainty quantification on probabilistic characteristics of the ACS of CFDST columns is conducted for the first time to examine the models' responses to variations of input variables in the stochastic environments. Finally, a web-based application is developed to predict ACS of the CFDST column, enabling rapid practical utilization without requesting any programing or machine learning expertise.

• 한국시뮬레이션학회논문지
• /
• 제19권1호
• /
• pp.143-151
• /
• 2010

지문분류는 1:N 지문인식 시스템의 효율성을 높이는 단계로 지문의 매칭 시간 단축과 인식의 정확성을 높여주는 역할을 한다. 지문 각 클래스의 융선 패턴은 한 개 이상의 클래스와 중복되는 성질을 가지기 때문에 지문분류 작업은 어렵다. 또한 잡음을 많이 포함하거나 예외적인 입력 상태인 경우에도 분류 작업은 어려워진다. 본 논문에서는 다양한 품질의 지문을 효과적으로 분류하기 위해 지문의 방향특징을 이용해 확률 모델을 설계하고, 이를 최적화 하여 지문분류를 수행하는 방법을 제안하였다. 지문 융선을 픽셀단위로 탐색하여 방향 값을 산출하고, 산출된 방향 값을 일정 픽셀 단위로 병합하여 지문의 방향특징을 추출한다. 추출된 방향 특징을 이용해 확률론적 정보추출 및 인식 방식인 마코프 모델을 이용하여 지문의 클래스별 마코프 모델을 생성한다. 생성된 클래스별 마코프 모델의 상태전이 행렬을 분석하여 클래스별 분류 모델의 가중치 항목을 결정하고 유전자 알고리즘을 이용하여 지문분류 성능을 향상시킬 수 있는 최적의 수치를 찾아낸다. 유전알고리즘에 의해 최적화된 분류모델에 다양한 품질의 지문 데이터베이스를 적용하여 실험해 본 결과 최적화 되기 전의 분류 모델에 비해 우수한 분류성능을 보였다. 또한 실험에 사용한 다양한 품질의 데이터베이스를 분석해본 결과 제안한 방법은 특이점 유, 무 및 상태에 독립적으로 예외적인 입력상황의 지문에 대해 효율적으로 지분분류를 수행했다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권9호
• /
• pp.862-866
• /
• 2003

조합 최적화 문제인 순회 판매원 문제(Traveling Salesman Problem, TSP)를 유전자 알고리즘(Genetic Algorithm)과 Local Search Heuristic인 Lin-Kernighan(LK) Heuristic［1］을 이용하여 접근하는 것은 최적 해를 구하기 위해 널리 알려진 방법이다. 본 논문에서는 TSP 문제를 해결하기 위한 또 다른 접근법으로 ACS(Ant Colony system) 알고리즘을 소개하고 새로운 페로몬 갱신 방법을 제시하고자 한다. ACS 알고리즘은 다수의 개미들이 경로를 만들어 가는 과정에서 각 에지상의 페로몬 정보를 이용하며, 이러한 반복적인 경로 생성 과정을 통해 최적 해를 발견하는 방법이다. ACS 기법의 전역 갱신 단계에서는 생성된 모든 경로들 중 전역 최적 경로에 속한 에지들에 대하여 페로몬을 갱신한다. 그러나 본 논문에서는 전역 갱신 규칙이 적용되기 전에 생성된 모든 에지에 대하여 페로몬을 한번 더 갱신한다. 이 때 페로몬 갱신을 위해 각 에지들의 발생 빈도수를 이용한다. 개미들이 생성한 전체 에지들의 발생 빈도수를 페로몬 정보에 대한 가중치(weight)로 부여함으로써 각 에지들에 대하여 통계적 수치를 페로몬 정보로 제공할 수 있었다. 또한 기존의 ACS 알고리즘보다 더 빠른 속도로 최적 해를 찾아내며 더 많은 에지들이 다음 번 탐색에 활용될 수 있게 함으로써 지역 최적화에 빠지는 것을 방지할 수 있다.

• 한국통신학회논문지
• /
• 제34권1A호
• /
• pp.76-83
• /
• 2009

본 논문에서는 OFDMA를 이용하는 시스템에서의 elastic 서비스를 위한 공평성을 고려한 opportunistic 스케줄링 기법에 대하여 연구한다. 본 논문에서는 각 유저의 만족도를 유틸리티로 정의한 후 네트워크 유틸리티 극대화 기법을 이용한다. 이러한 유틸리티는 각 유저가 이용하는 서비스에 따라 서로 다르게 정의할 수 있으며 elastic 서비스의 경우에는 평균 전송률이 높을수록 유저의 만족도가 높아지게 된다. 이를 반영하기 위하여 각 유저의 유틸리티를 평균 전송률에 대한 함수로 정의한다. 또한 각 유저 사이의 공평한 자원 배분을 위한 조건을 유저들의 유틸리티를 이용하여 정의하고 이를 만족하는 동시에 각 유저의 유틸리티의 합으로 정의되는 네트워크 유틸리티를 극대화 하기위한 opportunistic 스케줄링 기법을 연구한다. 본 논문에서는 각각의 공평성 조건에 대한 opportunistic 스케줄링 문제를 최적화 문제로 정의하고 이를 dual 기법과 stochastic sub-gradient 기법으로 풀어 스케줄링 기법을 구현하도록 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.115-119
• /
• 2006

채널은 무선망에 있어서 한정된 주요 자원 중의 하나이다. 다양한 채널 관리 기법들이 제시되어 왔으며, 최근 들어 가드채널의 최적화 문제가 부각되고 있다. 본 논문에서는 신경망을 이용한 지능적인 채널 관리 기법을 제안한다. 신경망의 학습 데이터 생성과 성능분석을 위하여 SRN(Stochastic Reward Net) 채널 할당 모델이 개발된다. 제안된 기법에서 신경망은 지도학습 방법인 역전파 알고리즘을 이용하여 최적의 가드채널 값 g를 계산하도록 학습한다. 학습된 신경망을 이용하여 최적의 g를 계산하고, 이를 SRN모델에서 구해진 결과와 비교한다. 실험결과는 신경망에서 구한 가드채널 수와 SRN 모델로부터 구한 가드채널 수의 상대적 차이가 없음을 보여준다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.647-654
• /
• 2023

딥러닝은 이미지, 텍스트와 같이 복잡한 데이터를 분류 및 인식하는데 유용한 방법으로 딥러닝 기법의 정확도는 딥러닝이 인터넷상의 AI 기반의 서비스를 유용하게 하는데 기초가 되었다. 그러나 딥러닝에서 훈련에 사용되는 방대한 양의 사용자 데이터는 사생활 침해 문제를 야기하였고 사진이나 보이스와 같이 사용자이 개인적이고 민감한 데이터를 수집한 기업들이 데이터들을 무기한으로 소유한다. 사용자들은 자신의 데이터를 삭제할 수 없고 사용되는 목적도 제한할 수 없다. 예를 들면, 환자 진료기록에 대한 딥러닝 기술을 적용하기 원하는 의료기관들과 같은 데이터소유자들은 사생활과 기밀유지 문제로 환자의 데이터를 공유할 수 없고 딥러닝 기술의 혜택을 받기 어렵다. 우리는 멀티 파티 시스템에서 다수의 작업자들이 입력 데이터집합을 공유하지 않고 신경망 모델을 공동으로 사용할 수 있는 프라이버시 보존 기술을 적용한 딥러닝 방법을 설계한다. 변형된 확률적 경사 하강에 기초한 최적화 알고리즘을 이용하여 하위 집합을 선택적으로 공유할 수 있는 방법을 이용하였고 결과적으로 개인정보를 보호하면서 학습 정확도를 증가시킨 학습을 할 수 있도록 하였다.

• 대한토목학회논문집
• /
• 제29권1A호
• /
• pp.45-52
• /
• 2009

기존의 구조물의 설계에서는 안전성 및 경제성 등을 향상시키기 위해서 시방서에 명시된 설계지침을 제약조건으로 하여 확정론적 최적설계를 수행하는 것이 일반적이다. 하지만, 구조물의 설계에는 본질적으로 재료성질, 작용하중 및 시공오차 등의 불확실성이 내포되어 있으며, 이러한 불확실성과 경제성을 동시에 고려한 설계가 보다 더 합리적인 설계라 할 수 있다. 기존의 확정론적 최적설계에서는 이러한 불확실성을 고려하기 위하여 결정론적인 안전율을 도입하여 설계하지만, 이러한 경우 각 한계상태 및 파괴모드에 대한 일관된 안전성 및 신뢰도 수준을 확보하지 못한다. 최근에 이러한 불확실성 및 경제성을 동시에 고려하는 신뢰도 기반 최적설계에 대한 연구가 수행되고 있다. 신뢰도 기반 최적설계는 확률구속조건을 평가하는 방법에 따라 RIA(reliability index approach) 및 PMA(performance measure approach)로 구분된다. 일반적으로 PMA가 RIA 보다 안정성 및 효율성 측면에서 더 우수하다는 비교연구가 수행된 바 있다. 하지만 아직도 대형구조해석을 필요로 하는 경우에는 계산비용이 과다하여 최적설계가 불가능하므로 보다 개선된 신뢰도 기반 최적설계 알고리즘이 필요하다고 할 수 있다. 본 연구에서는 계산비용을 줄이면서도 안정적으로 수렴하는 개선된 신뢰도 기반 최적설계 알고리즘을 제안한다. PMA에 적합한 응답면 기법을 개발하였으며, 한계상태식의 근사는 이동최소자승근사법을 사용하였다. 이로부터 더 적은 표본점의 추출만으로 더욱더 정확한 응답면 함수를 얻게 되어 정확도 및 효율성을 개선할 수 있었다. 수학적 문제 및 10-bar truss 문제에 대하여 제안된 방법을 적용한 결과, 수렴성 및 효율성 측면에서 우수한 성능을 보여줌을 확인하였다.

• Smart Structures and Systems
• /
• 제17권3호
• /
• pp.523-539
• /
• 2016

The ambient vibration measurement is an output-data-only dynamic testing where natural excitations are represented, for instance, by winds and typhoons. The modal identification involving output-only measurements requires the use of specific modal identification techniques. This paper presents the application of a reliable method (the Stochastic Subspace Identification - SSI) implemented in a general purpose software. As a criterion toward the robustness of identified modes, a bio-inspired optimization algorithm, with a highly nonlinear objective function, is introduced in order to find the optimal deployment of a reduced number of sensors across a large civil engineering structure for the validation of its modal identification. The Ting Kau Bridge (TKB), one of the longest cable-stayed bridges situated in Hong Kong, is chosen as a case study. The results show that the proposed method catches eigenvalues and eigenvectors even for a reduced number of sensors, without any significant loss of accuracy.

• 대한기계학회논문집A
• /
• 제30권8호
• /
• pp.1001-1007
• /
• 2006

In this paper we present robust optimal supporting positions for large glass panels used for TFT-LCD monitors when they are stored in a cassette during manufacturing process. The criterion taken is to minimize their maximum deflection. Since they are supported by some supports and have large deformations, contact analysis with a geometrically nonlinear effect is necessary. In addition, the center of a panel can not be positioned exactly as intended and should be considered as uncertainties. To take into account of these effects, the mean and the standard deviation of system response functions, particularly the deflection of the panels, need be calculated. A function approximation moment method (FAMM) is utilized to estimate them. It is a special type of response surface methodology for structural reliability analysis and can be efficiently used to estimate the two stochastic properties, that is, the system performance and the perturbations caused by uncertainties. For a design purpose, they are to be minimized simultaneously by some optimization algorithm to obtain robust optimal supporting positions.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3519-3533
• /
• 2020

Tuberculosis is a chronic and delayed infection which is easily experienced by young people. According to the statistics of the World Health Organization (WHO), there are nearly ten million fell ill with tuberculosis and a total of 1.5 million people died from tuberculosis in 2018 (including 251000 people with HIV). Tuberculosis is the largest single infectious pathogen that leads to death. In order to help doctors with tuberculosis diagnosis, we compare the tuberculosis classification abilities of six popular convolutional neural network (CNN) models in the same data set to find the best model. Before training, we optimize three parts of CNN to achieve better results. We employ sigmoid function to replace the step function as the activation function. What's more, we use binary cross entropy function as the cost function to replace traditional quadratic cost function. Finally, we choose stochastic gradient descent (SGD) as gradient descent algorithm. From the results of our experiments, we find that Densenet121 is most suitable for tuberculosis diagnosis and achieve a highest accuracy of 0.835. The optimization and expansion depend on the increase of data set and the improvements of Densenet121.