• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.53-56
• /
• 2011

본 논문에서는 지진시 구조물의 진동을 줄이기 위한 방법으로 모드에너지 기반 신경망 제어 방법을 제안하였다. 모드에너지 기반 신경망 제어 방법은 신경망의 학습 과정에서 구조물의 모드 에너지를 이용하여 목적함수를 구성하며, 이 목적함수를 최소로 하는 학습을 진행한다. 제안된 제어 알고리즘의 적용성을 검증하기 위해서 능동질량감쇠기(AMD, Active Mass Damper)가 설치된 3층 구조물을 예제 모델로 선택하였으며, El Centrol지진을 이용하여 모드에너지기반 신경망제어 알고리즘을 학습시켰다. 모드에너지 기반 신경망 제어 알고리즘의 제어 성능은 학습 후 임의의 지진에 대한 하중으로 California지진을 사용하여 검증하였다. 해석 결과에서 California지진에 대한 제어 전 후의 결과와 기존의 방법인 MLP(Muli-layer Perceptron)의 결과와 비교하였다. 또한 제안된 제어 방법을 적용할 때, 지진시 구조물의 비선형 거동은 제어후 거의 보이지 않는 것을 확인 할 수 있었다.

• Information and Communications Magazine
• /
• v.33 no.10
• /
• pp.40-48
• /
• 2016

본고에서는 최근 활발하게 연구되고 있는 심층 학습에 대하여 알아본다. 기계 학습 분야 중 하나인 심층 학습은 인공 신경망의 한 형태인 심층 신경망을 통해 구현된다. 심층 신경망은 기존 다층 신경망의 구조와 거의 유사한 학습 구조를 가지지만, 학습 과정에서 발생하는 부정확한 학습 문제를 해결함으로써 최근의 성공을 이끌어낼 수 있었다. 본고에서는 다층 신경망이 가지고 있던 문제점들을 심층 신경망에서 어떻게 극복하였는지 심층 신경망의 발전 과정을 통해 알아보고, 기계 학습의 기본개념을 바탕으로 이를 설명하여 비전문가들의 이해를 돕고자 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.262-264
• /
• 2004

시스템 호출 감사자료기반 기계학습기법을 사용한 프로그램 행위 학습방법은 효과적인 호스트기반 침입탐지 방법이며, 특히 신경망은 기존 연구 중 가장 좋은 성능을 보였다. 하지만 보통의 신경망은 그 구조를 찾기 위한 방법이 알려져 있지 않아 침입탐지에 효과적인 구조를 찾기 위해서는 많은 시간이 요구된다. 본 논문에서는 기존 신경망 기반 침입탐지시스템의 단점을 보완하고 성능을 향상시키기 위해 진화신경망을 이용한 방법을 제안한다. 진화 신경망은 신경망의 구조와 가중치를 동시에 학습하기 때문에 일반 신경망보다 빠른 시간 내에 더 좋은 성능의 신경망을 얻을 수 있다는 장점이 있다. 1999년의 DARPA IDEVAL자료로 실험한 결과 기존의 연구보다 좋은 성능을 보여 진화신경망이 침입탐지에 효과적임을 확인할 수 있었다.

• Journal of the Korean Geotechnical Society
• /
• v.21 no.9
• /
• pp.25-34
• /
• 2005

This paper proposes a selection methodology composed of neural network (NN) and genetic algorithm (GA) to design optimal NN structure. We combine the characteristics of GA and NN to reduce the computational complexity of artificial intelligence applications and increase the precision of NN' prediction in the design of NN structure. Genetic selection approach of design parameters of NN is introduced to obtain optimal NN structure. Analyzed results for geotechnical problems are given to evaluate the performance of the proposed hybrid methodology.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.687-691
• /
• 2010

구조물의 건전도를 평가하기 위해 상시 구조물 계측을 이용한 Structural Health Monitoring (SHM) 시스템을 적용하게 된다. SHM 시스템의 궁극적 목적은 계측된 데이터를 이용하여 구조물의 손상위치 및 손상정도를 분석하여 거주자에게 유지관리정보와 대처요령 신속하게 제공하는 것이다. 따라서 본 연구에서는 구조물의 손상탐지를 위해 인공신경망(Artificial Neural Network)을 도입한 알고리즘을 수립하고, 이를 3층 실대 RC Mock-up 구조물에 적용하여 성능을 평가하였다. 먼저 인공신경망의 학습을 위해 구조해석 프로그램을 이용하여 구조물의 손상에 따른 동적특성 변화 데이터베이스를 구축하였다. 그리고 학습된 인공망에 실제 구조물에서 추출한 동특성의 변화를 입력하여 손상탐지를 실시하였다. 이를 통해 인공신경망의 학습방법, 학습데이터의 정규화 방법 등을 규명하고 인공신경망을 이용한 손상탐지의 효과를 분석하였다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2000.11a
• /
• pp.17-22
• /
• 2000

시계열 자료를 분석할 때 쉽게 접근하는 통계적 방법은 ARMA 모형이며 신경망 학습 방법 중에서는 다층 퍼셉트론에서의 Back-propagation 알고리즘이 일반적이다. Back-propagation을 비롯한 신경망 학습의 구조는 자료의 특성에 따라 경험적으로 결정하는 것으로 알려져 있다. 그러나 바로 이 점이 신경망 학습방법의 이용을 어렵게 하는 요인이기도 하다. 본 연구는 ARMA 모형 중 몇 개 유형의 자료에 대하여 Back-propagation 알고리즘을 적용함에 있어 어떠한 구조로 학습하는 것이 효율적인가를 입력층과 은닉층의 크기, 활성화 함수를 중심으로 검토하였다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1999.12a
• /
• pp.747-757
• /
• 1999

본 논문에서는 가변구조제어기의 슬라이딩모드이득과 경계층두께(boundary layer thickness)를 신경망을 이용하여 계산하는 신경망 가변구조제어기를 제시한다. 제시된 방법은 신경망의 역전파오차 학습기능을 이용하여 슬라이딩모드이득과 경계층 범위를 계산할 수 있도록 신경망 제어기를 학습시킴으로써, 슬라이딩모드 제어법칙을 단순화 하고, 시스템 불확실성에 대하여 강인하며, 추적오차를 더욱 개선시킬 수 있다. 설계의 예와 시뮬레이션 결과를 통하여 제시된 방법에 대한 유용성을 보인다.

• Computational Structural Engineering
• /
• v.11 no.4
• /
• pp.361-370
• /
• 1998

본 논문에서는 역전파학습에 의한 신경망기법을 사용하여 구조물의 미지계수를 추정하는 기법을 연구하였다. 대형구조물의 경우 계측 또는 추정하여야 하는 자유도의 수가 많으므로 인하여 구조계수를 추정하는 데에는 많은 어려움이 존재한다. 이러한 어려움을 극복하기 위하여 부구조추정법과 부행렬계수를 사용하여 추정하고자 하는 미지계수의 수를 효율적으로 줄일 수 있도록 하였다. 구조물의 고유주파수 및 모드형상 등의 모드계수를 신경망의 입력자료로 사용하였으며, 추정하고자 하는 부재의 부행렬계수를 신경방의 출력자료로 사용하였다. 입력자료로 사용되는 모드계수에 포함되어 있는 계측오차 및 신호처리오차의 영향을 줄이기 위하여, 신경망의 학습과정에서 노이즈를 첨가하는 기법을 사용하였다. 일반적인 형태의 자켓구조물을 대상으로 수치해석을 수행함으로써 제안기법의 대형구조계에 대한 적용성을 검증하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.08a
• /
• pp.419-424
• /
• 1998

담화 구조를 파악하기 위한 대표적인 방법으로 Litman과 Allen 의 계획 기법에 의한 것과 RDTN을 이용한 것을 들 수 있다. 그 중에서도 RDTN을 이용하여 대화의 흐름을 파악하려는 시도는 간단하며, 결정적이라는 장점이 있는 반면에 몇 가지 단점도 가지고 있다. RETN을 이용한 대화 분석의 가장 큰 단점은 정확히 분석된 화행을 입력으로 사용한다는 것이다. 즉, 현 상태에서 다음 상태로의 전이에 정의된 화행 이외의 화행이 입력으로 사용되면 분석을 실패하게 된다. 또 하나의 단점은 RDTN 이 어느정도 영역에 의존적인 특성을 보인다는 것이다. 본 논문에서는 이러한 확장성에 대한 문제점을 해결하고, 화행 분석의 어려움을 덜기 위해 신경망을 이용한 새로운 대화 전이망을 제안한다. 제안된 대화 전이 신경망은 지역적 대화 전이 신경망과 전역적 대화 전이 신경망은 이전의 두 발화와 현재 발화와의 관계를 살펴서 현재 발화가 이전 대화의 연속인지, 새로운 대화이 시작인지, 아니면 부대화의 시작인지를 결정하는 역할은 한다.전역적 대화전이 신경망은 담화 스택과의 상호 작용을 통해 담화의 전체구조를 살피고,전체 담화 구조에서 현재 발화가 어떤 역할을 하는지를 결정한다.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2998-3000
• /
• 2000

본 논문에서는 BNN, 블록기반 신경망 모델을 재구성가능 하드웨어(FPGA)로 설계한다. 블록기 반 신경망은 재구성가능 하드웨어에 의하여 구현이 용이하고 구조 및 가중치의 최적화에 진화 알고리즘을 적용시킬 수 있다. 블록기반 신경망의 구조와 가중치를 표현하는 바이너리 스트링을 오프라인으로 진화시킨 후, 재구성가능 하드웨어로 구현한다. FPGA로 구현된 블록기반 신경망의 성능을 확인하기 위하여 간단한 성능시험에 사용되는 대표적인 패턴들을 사용하여 블록기반 신경망의 패턴분류 성능을 알아본다.