본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 합성곱 신경망을 통해 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 합성곱 신경망 네트워크에 학습하기 위한 데이터를 구축하며, 이렇게 얻어진 데이터를 이용하여 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용하며, 네트워크 학습 단계에서 수렴률을 높이기 위해 스무딩을 과정을 한번 더 적용한 결과를 사용한다. 본 논문에서 제안하는 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 빠른 시간 내에 찾아내며, 제안하는 방법은 DoF영역을 사용자의 ROI(Region of interest)로 활용하여 NPR렌더링, 객체 검출 등 다양한 곳에 활용이 가능하다.
스트리밍 비디오를 다양한 수신자에게 전달하기 위해 비디오를 여러 계층으로 나누어 전송하고 이를 선택적으로 수신하는 계층형 비디오 멀티캐스트가 소개되었다. 계층형 비디오 멀티캐스트에서는 가용 대역폭을 측정하기 위해 가입 실험을 사용하는데, 가입 실험이 중복되거나 실패할 경우 수신 비디오의 품질을 저하시킬 수 있다. 이를 해결하기 위해 공유 학습 기법이 제안되었지만 응용 계층 멀티캐스트에 적용할 경우 많은 컨트롤 오버헤드와 높은 적응수렴 시간 문제를 야기한다. 따라서 본 논문에서는 응용 계층 멀티캐스트 기반의 계층형 비디오 멀티캐스트에서 가입실험이 영향을 주는 영역을 분석함으로써 컨트롤 오버헤드 및 수렴 시간을 최소화하는 새로운 공유 학습 기법을 제안한다. 시뮬레이션을 통해 제안 기법이 기존 연구와 비교하여 컨트롤 오버헤드와 수렴 시간 측면에서 더 좋은 성능을 나타냄을 확인하였다.
본 연구에서는 Liu 등의 학습 알고리즘과 Wu와 Zhang의 초기 가중값의 범위 설정, 그리고 Gunaseeli와 Karthikeyan의 초기 가중값에 관한 연구 결과를 이용하여 일반화 네트워크를 구할 수 있는 개선된 학습을 제안하고, 최적화된 신경망 학습률들을 이용하여 개선된 학습 과정의 학습효율등을 비교해 본다. 제시된 알고리즘을 이용한 학습에서 학습 초기에는 가장 단순한 학습 패턴과 은닉층으로부터 학습을 시작한다. 신경망 학습과정 중에 지역 최소값에 수렴되는 경우에는 가중값 범위 조정을 통하여 지역 최소값 문제를 해결하고, 지역 최소값으로부터 탈출이 용이하지 않으면 은닉노드를 점차적으로 하나씩 추가하면서 학습한다. 각 단계에서 새롭게 추가된 노드에 대한 초기 가중값의 선택은 이차계획법을 이용한 최적 처리절차를 이용한다. 최적 처리절차는 은닉층의 노드가 추가된 후의 새로운 네트워크에서 학습회수를 단순히 증가시키지 않아도 주어진 학습 허용오차를 만족시킬 수 있다. 본 연구에서 적용한 개선된 알고리즘을 이용하면서 초기 가중값들에 관한 기존 연구들을 적용하면 신경망 학습시의 수렴 정도를 높여주고 최소한의 단순 구조를 갖는 일반화 네트워크로 추정할 수 있게 된다. 이러한 학습률들을 변화시키는 모의실험을 통하여 기존의 연구 결과와의 학습 효율을 비교하고 향후 연구 방향을 제시하고자 한다.
평형트러스모델, Mohr적합트러스모델, 그리고 연성트러스모델은 회전각에 기초하기 때문에 회전각모델이라 불리 운다. 이러한 회전각모델들은 콘크리트기여도를 예측할 수 없는 단점이 있다. 콘크리트 기여 성분을 계산할 수 있는 MCFT(Modified Compression Field Theory)나 RA-STM(Rotating Angle-Softening Truss Model) 같은 최근 트러스모델(Modern Truss Model, MTM)은 균열이 발생한 철근콘크리트요소를 연속체 재료로 취급한다. 또한 MTM은 평형조건과 적합조건 그리고 2축 상태에서 콘크리트의 연성 응력-변형률 관계를 이용하여 비선형해석을 수행하고 있다. 본 연구는 전단응력-변형률의 전체 이력 상태를 모두 계산하지 않고, 철근항복과 스트럿 압괴(crushing failure) 파괴기준을 이용하여 해를 찾는 방법으로 수렴속도를 개선한 것이다. 이 알고리즘을 이용하여 Hsu가 실험한 9개의 전단응력-변형률 자료를 분석하였다.
본 연구는 주식 수익률의 생성과정에 비선형적 특성이 존재하는지를 검정하기 위해서 1980년 1월부터 2002년 5월까지 종합주가지수 일별 수익률과 주별 수익률을 이용하여 실증분석을 실시하였다. 실증분석의 내용은 크게 비선형 종속성에 대한 검정과 비선형 확률적 특성검정 그리고 비선형 결정론적인 카오스검정으로 구분할 수 있다. 비선형적 특성에 대한 분석의 결과는 주식 수익률은 leptokurtic한 비정규분포를 따르며, 수익률의 생성과정이 IID하지 않고 비선형 종속성이 존재하는 것으로 나타났다. 그리고 ARCH류의 비선형 확률모형으로는 주식 수익률의 비선형적 구조를 완전히 설명하지는 못하는 것으로 판단된다. 이는 주식 수익률의 생성과정을 설명하기 위해서 ARCH류의 모형과는 다른 형태의 비선형모형의 도입에 대해 고려할 필요가 있음을 시사하는 것이다. 종합주가지수 수익률에 대한 카오스검정의 결과를 정리하면, 우선 장기기억을 가지는 지속성이 강한 시계열로 편의된 랜덤워크를 따르며, 프랙탈분포하는 것으로 나타났다. 그리고 프랙탈 차원의 근사값인 상관차원(D)이 3과 4사이에 안정적으로 수렴하며, 최대 리아푸노프지수($L_1$)가 양(+)의 값을 가지므로 카오스적 끌개와 초기조건에 민감한 의존성이 존재하는 것으로 나타났다. 이러한 결과들은 카오스시스템의 특성과 부합하는 것으로 주식 수익률의 생성과정이 비선형 결정론적인 카오스과정을 따르는 것으로 판단할 수 있다.
FRP(Fiber Reinforced Polymer)는 부식의 저항성, 고강도, 피로저항 능력 및 성형성 등에서 우수한 건설 신소재이다. 광섬유 브래그 격자(Fiber Bragg Grating; FBG) 센서는 전자기 저항, 작은 소재의 크기, 그리고 높은 내구성 등의 이점으로 smart sensor로서 현재 많이 사용되고 있다. 하지만 FBG 센서의 변위 측정 기술 능력의 부족으로 현재까지는 변형률, 온도 등의 물리량 측정센서로서 활용되고 있는 실정이다. 본 연구에서는 FRP와 FBG센서의 기능 복합화(Hybrid)를 통하여 smart FRP Rod를 개발 한 후 인장시험을 실시하였다. 또한, FBG센서에 의해 측정된 변형률 데이터를 신경망(Neural Network) 기법을 이용하여 변위 추정 모형을 개발함으로서 FBG 센서 단점인 변형률 계측만을 위한 센싱 역할을 극복하고자 한다. 인공신경망 모형은 MLP(Multi-layer Perceptron)로, 오차범위 0.001에 수렴 될 수 있도록 학습(training)을 실시하였다. 학습에는 비선형 목적함수와 역전파 학습(Back-propagation) 알고리즘을 적용하였으며 모형의 검증은 UTM에서 측정된 변위 값과 수치해석에 의한 결과 값을 비교함으로서 실시하였다.
최근 건설 산업에서 CFRP는 재료적 장점들 때문에 구조물의 보강재로서 많이 사용되어 지고 있다. 본 논문에서 CFRP Plate가 보강된 철근콘크리트 보의 보강 효율과 설계 기초자료를 제공하려 한다. 정적 실험은 실험체의 파괴양상, 보강성능을 평가하였으며, 피로 실험은 처짐, 철근 변형률, CFRP Plate의 변형률을 분석하고, 에너지 소산과 보강성능을 평가하였다. 실험한 결과, 보강량이 증가할수록 단부 박리 파괴를 일으켰다. 그리고, 단부를 보강한 경우는 휨균열로 인한 박리파괴를 나타내는 파괴양상을 보였다. 피로 실험을 통하여 일정한 반복하중 횟수가 되면 처짐, 철근 변형률, CFRP Plate의 변형률 값이 일정한 값으로 수렴하였다. CFRP Plate가 보강된 보는 피로하중에 대해 사용성 확보가 가능했다.
전통 판재이론을 이용하여 기하학적 비선형성을 갖는 판재의 휨해석을 위한 혼합형 유한요소모델을 구성 하였다. 혼합형 유한요소 모델의 구성에 포함되는 변형률과 합성력의 관계에 대한 적절한 가중함수를 찾기 위하여 라그랑지 승수법과 최소가상에너지 원리를 사용하였다. 각 요소별 유한요소 방정식의 계수행렬과 뉴턴 반복법 사용을 위한 접선 행렬에 대한 구체적 값을 제시하였다. 구성된 유한요소 해석모델의 선형 해에 대한 정확도 분석을 위하여, 여러 경계조건하에서의 수학적 해와 제시된 모델과 기존 모델의 유한요소해를 비교하여 현재 모델의 정확도의 향상을 확인하였다. 또한 수렴된 비선형해를 이용하여 제시된 모델의 경우, 각종 합성력들에 대한 요소 경계에서의 연속성이 기존의 모델의 합성력에 비해 개선됨을 제시하였다. 최종적으로 수렴한 비선형해에 대한 유효성을 보이기 위하여 기존 모델의 비선형 수렴해와 현재 모델의 비선형 수렴해를 비교하여 제시하였다.
본 논문에서는 코호넨(Kohonen)의 SOFM (Self-Organizing Feature Map) 알고리즘의 단점을 해결하기 위한 새로운 학습 알고리즘 ASOFM(Adaptive Self-Organized Feature Map)을 제안한다. 코호넨의 학습 알고리즘은 초기화된 연결 벡터에 대하여 극소점에 빠지는 경우도 있다. 그러나 제안된 알고리즘에서는 학습과정중에 네트워크의 상태를 평가할 수 있는 목적함수(object function)을 사용하였고, 이 함수의 출력에 따라 학습의 각 시점에서 적응적으로 학습률의 재조정이 가능하였다. 이 결과, 네트워크의 상태가 최소점에 수렴함이 보증 되고 학습률의 적응성에 의해 임의의 학습패턴에 대한 학습의 일반화 능력이 보장되었다. 또한 제안된 알고리즘은 코호넨의 알고리즘보다 약 $70\%$이상의 학습시간을 단축한다.
본 연구에서는 파프리카를 자동 수확하기 위한 시스템 개발의 일환으로 파프리카 재배환경에서 획득한 영상 내에 존재하는 파프리카 영역과 비 파프리카 영역의 RGB 정보를 입력으로 하는 인공신경망을 설계하고 학습을 수행하고자 하였다. 학습된 신경망을 이용하여 영상 내 파프리카 영역과 비 파프리카 영역의 구분이 가능 할 것으로 사료된다. 심층 신경망을 설계하기 위하여 MS Visual studio 2015의 C++, MFC와 Python 및 TensorFlow를 사용하였다. 먼저, 심층 신경망은 입력층과 출력층, 그리고 은닉층 8개를 가지는 형태로 입력 뉴런 3개, 출력 뉴런 4개, 각 은닉층의 뉴런은 5개로 설계하였다. 일반적으로 심층 신경망에서는 은닉층이 깊을수록 적은 입력으로 좋은 학습 결과를 기대 할 수 있지만 소요되는 시간이 길고 오버 피팅이 일어날 가능성이 높아진다. 따라서 본 연구에서는 소요시간을 줄이기 위하여 Xavier 초기화를 사용하였으며, 오버 피팅을 줄이기 위하여 ReLU 함수를 활성화 함수로 사용하였다. 파프리카 재배환경에서 획득한 영상에서 파프리카 영역과 비 파프리카 영역의 RGB 정보를 추출하여 학습의 입력으로 하고 기대 출력으로 붉은색 파프리카의 경우 [0 0 1], 노란색 파프리카의 경우 [0 1 0], 비 파프리카 영역의 경우 [1 0 0]으로 하는 형태로 3538개의 학습 셋을 만들었다. 학습 후 학습 결과를 평가하기 위하여 30개의 테스트 셋을 사용하였다. 학습 셋을 이용하여 학습을 수행하기 위해 학습률을 변경하면서 학습 결과를 확인하였다. 학습률을 0.01 이상으로 설정한 경우 학습이 이루어지지 않았다. 이는 학습률에 의해 결정되는 가중치의 변화량이 너무 커서 비용 함수의 결과가 0에 수렴하지 않고 발산하는 경향에 의한 것으로 사료된다. 학습률을 0.005, 0.001로 설정 한 경우 학습에 성공하였다. 학습률 0.005의 경우 학습 횟수 3146회, 소요시간 20.48초, 학습 정확도 99.77%, 테스트 정확도 100%였으며, 학습률 0.001의 경우 학습 횟수 38931회, 소요시간 181.39초, 학습 정확도 99.95%, 테스트 정확도 100%였다. 학습률이 작을수록 더욱 정확한 학습이 가능하지만 소요되는 시간이 크고 국부 최소점에 빠질 확률이 높았다. 학습률이 큰 경우 학습 소요 시간이 줄어드는 반면 학습 과정에서 비용이 발산하여 학습이 이루어지지 않는 경우가 많음을 확인 하였다.
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.