This paper deals with damage detection using a Gapped Smoothing Method (GSM) combined with deep learning. Convolutional Neural Network (CNN) is a model of deep learning. CNN has an input layer, an output layer, and a number of hidden layers that consist of convolutional layers. The input layer is a tensor with shape (number of images) × (image width) × (image height) × (image depth). An activation function is applied each time to this tensor passing through a hidden layer and the last layer is the fully connected layer. After the fully connected layer, the output layer, which is the final layer, is predicted by CNN. In this paper, a complete machine learning system is introduced. The training data was taken from a Finite Element (FE) model. The input images are the contour plots of curvature gapped smooth damage index. A free-free beam is used as a case study. In the first step, the FE model of the beam was used to generate data. The collected data were then divided into two parts, i.e. 70% for training and 30% for validation. In the second step, the proposed CNN was trained using training data and then validated using available data. Furthermore, a vibration experiment on steel damaged beam in free-free support condition was carried out in the laboratory to test the method. A total number of 15 accelerometers were set up to measure the mode shapes and calculate the curvature gapped smooth of the damaged beam. Two scenarios were introduced with different severities of the damage. The results showed that the trained CNN was successful in detecting the location as well as the severity of the damage in the experimental damaged beam.
Background: To prepare for future work stoppages in the medical industry, this study aimed to identify the effects of healthcare worker strikes on the mortality rate of patients visiting the emergency department (ED) at six training hospitals in Daegu, South Korea. Methods: We used a retrospective, cross-sectional, multicenter design to analyze the medical records of patients who visited six training hospitals in Daegu (August 21-September 8, 2020). For comparison, control period 1 was set as the same period in the previous year (August 21-September 8, 2019) and control period 2 was set as July 1-19, 2020. Patient characteristics including age, sex, and time of ED visit were investigated along with mode of arrival, length of ED stay, and in-hospital mortality. The experimental and control groups were compared using t-tests, and Mann-Whitney U-test, chi-square test, and Fisher exact tests, as appropriate. Univariate logistic regression was performed to identify significant factors, followed by multivariate logistic regression analysis. Results: During the study period, 31,357 patients visited the ED, of which 7,749 belonged to the experimental group. Control periods 1 and 2 included 13,100 and 10,243 patients, respectively. No significant in-hospital mortality differences were found between strike periods; however, the results showed statistically significant differences in the length of ED stay. Conclusion: The ED resident strike did not influence the mortality rate of patients who visited the EDs of six training hospitals in Daegu. Furthermore, the number of patients admitted and the length of ED stay decreased during the strike period.
Support vector machine (SVM)은 패턴인식 분야에 많이 사용되어지고 있고 그 한 예로서 3GPP2 selectable mode vocoder(SMV)와 같은 규격화된 코덱에 쓰여 코덱의 음성/음악 분류 성능을 향상시킬 수 있다. 본 논문에서는 SVM을 개선시켜 음성/음악의 분류성능을 더욱 향상시키는 새로운 방법을 제안한다. 음성/음악신호의 각 프레임들은 서로 강한 상관관계를 가지고 있는데, 이를 바탕으로 2차 조건 사후 최대 확률기법을 SVM에 적용하여 음성/음악 분류성능을 향상시킨다. 또한 SVM을 학습시킬 때 적용되는 기존의 기법들과는 달리 제안되는 기법은 SVM이 패턴분류를 행할 때 사용된다. 그렇기 때문에 기존의 기법들과 독립적으로 개발되고 사용될 수 있고, 따라서 패턴분류의 성능을 한층 더 향상시킬 수 있다. 실험을 통해 제안된 기법의 독립성과 성능향상을 기존의 기법들과 비교하여 증명하였다.
Support vector machine (SVM)은 패턴인식 분야에 많이 사용되어지고 있다. 한 예로서 3GPP2 selectable mode vocoder (SMV)와 같은 규격화된 코덱에 쓰여 코덱의 음성/음악 분류 성능을 향상시킬 수 있다. 본 논문에서는 SVM을 개선시켜 음성/음악의 분류성능을 향상시키는 새로운 방법을 제안한다. SVM을 학습시킬 때 적용되는 기존의 기법들과는 달리 제안되는 기법은 SVM이 패턴분류를 행할 때 사용된다. 그렇기 때문에 기존의 기법들과 독립적으로 개발되고 사용될 수 있고, 따라서 패턴분류의 성능을 한층 더 향상시킬 수 있다. 이를 위해 먼저 radial basis function의 커널 width 파라미터가 SVM의 패턴분류에 미치는 영향을 분석해 보았다. 분석한 결과, 커널 width 파라미터를 가지고 SVM의 패턴분류 성향을 미세 조정할 수 있다는 것을 알았다. 또한 음성신호의 각 프레임 간의 상관관계 (correlation)을 확인하고 이를 커널 width 파라미터조절의 길잡이로 삼았다. 실험을 통해, 제안된 기법이 SVM의 성능을 향상시킬 수 있음을 증명하였다.
수중음향채널에서 시변 다중경로 전달특성에 의해 발생하는 시변 인접심볼간 간섭을 완화할 수 있는 방법으로 선형 등화와 결정궤환 등화 기법을 사용할 수 있다. 그러나 선형 등화 기법은 간섭성분을 완벽하게 제거하지 못하는 단점이 있고, 결정궤환 등화기는 검출 오류 발생 시 오류 전파가 발생하는 문제를 가지고 있다. 본 논문에서는 이러한 문제점을 개선하기 위해 훈련 시퀀스를 이용하여 등화 모드를 선택하는 기법을 제안한다. 제안된 기법은 훈련시퀀스로부터 산출된 신호 대 잡음비에 따라 등화기법을 선택하여 동작시키는 방법으로 낮은 SNR일 때에는 선형 등화 기법이 적용하여 오류전파를 줄이고, 높은 SNR일 때에는 결정궤환 등화 기법을 적용하여 간섭성분을 제거함으로써 하나의 등화기법을 사용하는 경우보다 오류 성능을 향상시킬 수 있다. 해상실험을 통해 얻은 채널 응답을 이용하여 전산모의실험을 수행한 결과 제안된 기법이 효과적으로 오류 성능이 개선됨을 보였다.
본 연구에서는 풍력발전기 타워의 효과적인 상태 모니터링을 위하여 타워의 고유진동수 및 모드형상을 이용한 손상추정기법을 제안하였다. 풍력발전기에 대한 동력학 시뮬레이션 프로그램을 이용하여 타워의 거동을 시뮬레이션하고 결과를 이용하여 타워의 모드특성을 추정하였다. 다양한 손상에 의한 타워의 고유진동수와 모드형상의 변화를 모드특성 추정 프로그램을 이용하여 해석적으로 구하여 훈련패턴을 생성하고 이를 이용하여 신경망을 훈련시켰다. 복수 손상 경우를 포함한 10가지 손상경우에 대한 모드특성을 훈련된 신경망에 입력하여 손상을 추정하였으며, 모든 손상 경우에 대하여 비교적 정확하게 손상위치와 손상정도를 판정할 수 있었다. 단, 미소 손상의 경우 손상정도가 약간 과소평가되는 경향을 보였으나 손상위치는 합리적으로 추정됨을 알 수 있었다. 향후, 미소 손상 추정결과의 정확성을 개선하고, 실험을 통하여 제안된 기법을 검증할 계획이다.
제주대학교 실습선 아라호에 정착된 능동형 횡동요 감쇠장치의 성능에 관해 연구하기 위하여 33$^{\circ}$00‘.44”N, 125$^{\circ}$59’.88 ”E 위치에서 선박을 정지한 후, 횡동요 감쇠장치를 정지 (Passive A.R.T), 작동 (Active A.R.T)을 했을 때 경사계에 의한 횡동요각 및 종동요각, 풍속계에 의한 풍속의 변화와 그리고 선박이 항해 중에 감쇠장치의 작동을 정지(Passive A.R.T), 작동(Active A.R.T) 했을 때 의 능동형 횡동요 감쇠장치의 성능을 분석한 결과에 대해 요약하면 다음과 같다. 1. 선박이 정지했을 때 횡동요 감쇠장치를 정지, 작동한 경우 횡동요각의 평균진폭 (Average Amplitude of Roll) 은 각각 8.30$^{\circ}$, 4.37$^{\circ}$, 횡동요각의 유의진폭(Significant Amplitude of Roll $_{{\pi}{1/3}}$)은 각각 10.10$^{\circ}$, 5.30$^{\circ}$으로 나타났다. 2. 선박이 항해 중 일 때에는 횡동요각의 평균진폭 (Average Amplitude of Roll)은 각각 5.01$^{\circ}$, 4.36$^{\circ}$, 횡동요각의 유의진폭 (Significant Amplitude of Roll$^{\circ}$) 은 각각 5.50$^{\circ}$, 5.10$^{\circ}$으로 각각 나타났다. 3. 횡동요 감쇠장치는 선박이 정치했을 때에는 47.5%, 선박이 운항 했을 때는 12.7% 정도의 감쇠 효율을 보여서 정지했을 때 그 효율이 높은 것으로 나타났다. 4. 횡동요 감쇠 장치는 종동요(Pitching)에 대해서는 거의 영향을 미치지 않았다.
In this study, the nonlinear vibrations of stepped beams having different boundary conditions were investigated. The equations of motions were obtained by using Hamilton's principle and made non dimensional. The stretching effect induced non-linear terms to the equations. Natural frequencies are calculated for different boundary conditions, stepped ratios and stepped locations by Newton-Raphson Method. The corresponding nonlinear correction coefficients are also calculated for the fundamental mode. At the second part, an alternative method is produced for the analysis. The calculated natural frequencies and nonlinear corrections are used for training an artificial neural network (ANN) program which has a multi-layer, feed-forward, back-propagation algorithm. The results of the algorithm produce errors less than 2.5% for linear case and 10.12% for nonlinear case. The errors are much lower for most cases except clamped-clamped end condition. By employing the ANN algorithm, the natural frequencies and nonlinear corrections are easily calculated by little errors, and the computational time is drastically reduced compared with the conventional numerical techniques.
A novel index representing burden distribution form in the blast furnace is developed and index estimation model is built with an empirical modeling method to monitor inner condition of the furnace without expensive sensors. To find the best combination of index and modeling method, two candidates for the index and four modeling methods have been examined. Results have shown that 3-D index have more resolution in describing the distribution form than 1-D index and ANN model produces smallest RMSE due to nonlinearity between the indices and charging mode. Although ANN has shown the best prediction accuracy in this study, PLS can be a good alternative due to its advantages in generalization capability, consistency, simplicity and training time. The second best result of PLS in the prediction results supports this fact.
A three-dimensional pharmacophore hypothesis was developed for atypical antipsychotics in order to map common structural features of highly active compounds by using HipHop in CATALYST program. The pharmacophore hypotheses were generated using 12 compounds as training set and validated using 11 compounds as test set. The most predictive hypothesis (Hypo1) comprises five features viz. two hydrophobic regions, two hydrogen bond acceptor lipid and one aromatic ring. In the absence of information like crystallized structure of 5-$HT_{2A}$ receptor and binding mode of antipsychotics with 5-$HT_{2A}$ receptor, this hypothesis will serve as a potentially valuable tool in the design of novel atypical antipsychotics acting primarily at 5-$HT_{2A}$ and $D_2$ receptors.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.