• 토지주택연구
• /
• 제14권1호
• /
• pp.67-82
• /
• 2023

본 연구의 목적은 서울시 1인 가구들의 코로나19 발생 전과 비교한 주거의 질 변화를 진단하고 이에 영향을 미치는 영향 요인에 대해 규명하는 것이다. 연구의 대상은 설문조사 응답자 가운데 서울시에 거주하는 1인 가구이며 인공신경망과 로지스틱 회귀모형을 사용하였다. 분석결과, 주거정책지원, 고용개선여부, 고용정책지원 요인 등이 1인 가구 주거의 질 변화에 중요 요인들로 나타났다. 서울시 1인 가구의 주거여건의 질 개선을 위한 정책적 지원 강화와 노력이 필요하며, 양질의 일자리 확대를 통한 고용난 해소는 주거 부문의 개선으로 이어질 것이다. 본 연구는 인공신경망이 가지는 블랙박스 특성과 인과관계를 규명하기 어려운 한계가 존재한다. 개선된 방법론으로 후속연구가 필요할 것이다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.109-126
• /
• 2017

최근 지능형 서비스를 제공하기 위해 감정을 인식하기 위한 많은 연구가 진행되고 있다. 특히, 전시 분야에서 관중에게 개인화된 서비스를 제공하기 위해 얼굴표정을 이용한 감정인식 연구가 수행되고 있다. 그러나 얼굴표정은 시간에 따라 변함에도 불구하고 기존연구는 특정시점의 얼굴표정 데이터를 이용한 문제점이 있다. 따라서 본 연구에서는 전시물을 관람하는 동안 관중의 얼굴표정의 변화로부터 감정을 인식하기 위한 예측 모델을 제안하였다. 이를 위하여 본 연구에서는 시계열 데이터를 이용하여 감정예측에 적합한 순차적 인공신경망 모델을 구축하였다. 제안된 모델의 유용성을 평가하기 위하여 일반적인 표준인공신경망 모델과 제안된 모델의 성능을 비교하였다. 시험결과 시계열성을 고려한 제안된 모델의 예측이 더 뛰어남으로 보였다.

• 한국정보처리학회논문지
• /
• 제2권2호
• /
• pp.215-228
• /
• 1995

언어에서 단어가 차지하는 중요성은 매우 크다. 그럼에도 불구하고 단어를 구성하 는 음운론적, 형태소론적 요소에 관한 계산적 연구는 그리 많지 않다. 대개의 전통적 언어학 이론은 추상적인 기저구조와 일련의 명시된 규칙들을 가정함으로 해서 형태음 운현상을 설명한다. 그러나 이러한 접근방법은 (1) 기저구조의 가정, (2) 규칙의 발 견, 그리고 (3) 규칙간의 상호관계 등에서 문제점을 내포하고 있다. 본 연구는 인공신 경망이 단어를 구성하는 음소열과 그 단어의 의미를 학습하는 과정에서 규칙은 생겨난 다는 가정에서 시작한다. 다양한 국어의 형태음운현상에 대한 실험결과는 인공신경망 이 규칙이나 기저구조의 도움없이 형태음운현상을 학습할 수 있음을 보여준다.

• 대한기계학회논문집A
• /
• 제33권5호
• /
• pp.514-520
• /
• 2009

In configuring an automated polishing system, a monitoring scheme to estimate the surface roughness is necessary. In this study, a precision polishing process, magnetic abrasive finishing (MAF), along with an in-process monitoring setup was investigated. A magnetic tooling is connected to a CNC machining to polish the surface of stavax(S136) die steel workpieces. During finishing experiments, both AE signals and force signals were sampled and analysed. The finishing results show that MAF has nano scale finishing capability (upto 8nm in surface roughness) and the sensor signals have strong correlations with the parameters such as gap between the tool and workpiece, feed rate and abrasive size. In addition, the signals were utilized as the input parameters of artificial neural networks to predict generated surface roughness. Among the three networks constructed -AE rms input, force input, AE+force input- the ANN with sensor fusion (AE+force) produced most stable results. From above, it has been shown that the proposed sensor fusion scheme is appropriate for the monitoring and prediction of the nano scale precision finishing process.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2022년도 가을 학술논문 발표대회
• /
• pp.57-58
• /
• 2022

Concrete mix design is used as essential data for the quality of concrete, analysis of structures, and stable use of sustainable structures. However, since most of the formulation design is established based on the experience of experts, there is a lack of data to base it on. are suffering Accordingly, in this study, the purpose of this study is to build a predictive model to use the concrete mixing factor as basic data for calculation using the DNN technique. As for the data set for DNN model learning, OPC and ternary concrete data were collected according to the presence or absence of admixture, respectively, and the model was separated for OPC and ternary concrete, and training was carried out. In addition, by varying the number of hidden layers of the DNN model, the prediction performance was evaluated according to the model structure. The higher the number of hidden layers in the model, the higher the predictive performance for the prediction of the mixing elements except for the compressive strength factor set as the output value, and the ternary concrete model showed higher performance than the OPC. This is expected because the data set used when training the model also affected the training.

• 한국ITS학회 논문지
• /
• 제16권6호
• /
• pp.67-78
• /
• 2017

교통혼잡비용은 매해 증가하며, 교통혼잡비용의 63.8%에 해당되는 도심부 교통혼잡에 대한 대책 마련이 시급한 상태이다. 최근 빅데이터, 인공지능 등 4차 산업혁명을 선도하는 기술들의 발전으로 교통부문의 정보화에도 많은 변화가 초래되고 있다. 이러한 신개념 기술을 활용하여 소통상황 예측정보를 제공함으로써 교통혼잡비용을 저감할 수 있을 것으로 기대된다. 이에 본 연구에서는 순환 인공 신경망(RNN)을 활용하여 반복 및 비반복 정체 예측 모형을 개발하고자 하였다. 제안 모형은 실시간 소통정보, 이력정보, 유고상황정보 등을 활용하여 현재를 기점으로 15분 간격의 1시간 이후 소통 상황을 예측하는 모형이다. 33개 링크로 구성된 서울시 논현로에 대해 2개의 은닉층으로 구성된 RNN 모형을 구축하였다. 총 30개 모형을 계량활용변화역전파 알고리즘으로 학습하여, 이 중 평균오차제곱이 0.0834인 모형을 최적 모형으로 선정하였다. 모형 검증 결과 25개 링크에 대해 유의성 높은 예측을 하였다. 모형의 예측력을 열지도를 통해 검토한 결과 반복 정체뿐 아니라 비반복 정체까지 예측할 수 있는 것을 확인할 수 있었다. 따라서 실제 도로 상에서의 교통혼잡 예측을 위한 모형으로 활용할 수 있을 것이라 기대된다.

• 한국지반공학회논문집
• /
• 제27권1호
• /
• pp.17-24
• /
• 2011

CLSM의 플로우 및 강도특성은 비회, 매립회, 시멘트, 수량 등과 같은 배합비에 크게 의존하므로, 각 구성요소들의 배합비와 플로우 및 강도값에 대한 역학적 관계를 정량적으로 도출하기가 현실적으로 매우 어렵다. 따라서 CLSM의 구성성분 비율에 대한 플로우 및 압축강도값을 도출할 수 있는 산정방법이 필요하다. 이에 본 연구에서는 인공신경망 학습을 통해 플로우 및 일축압축강도를 실험을 통하지 않고 인공신경망을 이용하여 CLSM의 플로우 및 일축압축강도를 예측하고자 한다. 본 연구에 사용한 인공신경망모델에는 BPNN 학습 알고리즘을 적용, 인공신경망 학습효율 및 예측능력에 영향을 미치는 은닉층, 모멘텀상수, 목표시스템 오차값, 은닉층의 노드 수와 학습률을 변화시키면서 학습하여 각각의 변화에 따른 인공신경망 모델의 학습효율 및 예측능력을 평가하고 인공신경망의 유효성 검증을 위해 모델 구축 시에 사용하지 않은 새로운 자료에 대해 예측을 실시하여 실내실험 결과와 비교하여 이를 기준으로 CLSM의 플로우 및 압축강도 산정에 적합한 최적인공신경망 모델을 제안하였다.

• 한국지반환경공학회 논문집
• /
• 제9권6호
• /
• pp.61-70
• /
• 2008

본 연구는 저소성 실트의 비배수 전단거동특성을 파악하기 위해서 낙동강 중류에서 채취한 저소성 실트를 이용하여 비배수 삼축압축시험을 수행하였다. 시험 결과 축차응력은 항복응력에 도달한 후 사질토의 거동인 경화현상이 나타났으며, 간극수압은 최대값 이후 감소하여 한계상태에 도달하였다. 유효응력경로에서는 압밀응력이나 과압밀비에 상관없이 사질토와 같이 한계상태선(CSL)과 상태전이선(PTL)이 존재하였다. 저소성 실트 거동에 대해 Modified Cam-Clay(MCC) 모델과 동적인공신경망 모델인 Jordan과 Elman-Jordan 모델을 적용하여 예측을 실시하였다. 예측결과, MCC model은 저소성 실트의 전반적인 거동을 예측할 수 없었으나, Jordan과 Elman-Jordan 모델은 모두 저소성 실트의 거동을 비교적 잘 예측하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권2호
• /
• pp.327-335
• /
• 2016

2008년 글로벌 금융위기 이후 중국은 위안화 국제화의 점진적 추진을 진행하면서 중국상하이 외환시장과 중국홍콩 외환시장에서 거래되는 통화인 역내위안화와 역외위안화를 형성시켰다. 본 연구는 위안화 국제화와 점진적인 중국 자본계정 개방에 따라 급변하는 외환시장상황의 변동성을 정확하게 파악하기 위해서 GARCH모형 (일반화된 자기회귀 조건부이분산성모형)에 다단계인공신경망을 결합한 MLP-GARCH 모형과 GARCH모형과 기계학습의 일종인 딥러닝 (deep learning)을 통합한 DL-GARCH을 가지고 위안화 변동성예측을 비교 실험과 분석을 하였다. 비교분석 결과 DL-GARCH 모형은 MLP-GARCH보다 모형 위안화 역내 외 환율변동성 예측 면에서 더욱 더 개선된 예측값을 제공하였다. 그래서 이분산시계열모형을 딥러닝과 결합한 DL-GARCH 모형은 시계열의 환율 변동성 예측 문제에 딥러닝을 응용할 수 있음을 확인하였다. 향후 이분산시계열과 결합된 딥러닝 모형은 다른 금융시계열 데이터에 응용하여 그 일반화 가능성을 높일 수 있을 것이다.

• 해양환경안전학회지
• /
• 제26권4호
• /
• pp.382-391
• /
• 2020

본 연구에서는 인공지능기법을 이용하여 진동만의 용존산소량 예측을 하였다. 관측자료에 존재하는 결측 구간을 보간하기 위해 양방향재귀신경망(BRITS, Bidirectional Recurrent Imputation for Time Series) 딥러닝 알고리즘을 이용하였고, 대표적 시계열 예측 선형모델인 ARIMA(Auto-Regressive Integrated Moving Average)과 비선형모델 중 가장 많이 이용되고 있는 LSTM(Long Short-Term Memory) 모델을 이용하여 진동만의 용존산소량을 예측하고 그 성능을 평가했다. 결측 구간 보정 실험은 표층에서 높은 정확도로 보정이 가능했으나, 저층에서는 그 정확도가 낮았으며, 중층에서는 실험조건에 따라 정확도가 불안정하게 나타났다. 실험조건에 따라 정확도가 불안정하게 나타났다. 결과로부터 LSTM 모델이 중층과 저층에서 ARIMA 모델보다 우세한 정확도를 보였으나, 표층에서는 ARIMA모델의 정확도가 약간 높은 것으로 나타났다.