• 한국지구과학회지
• /
• 제32권6호
• /
• pp.640-653
• /
• 2011

이 연구에서는 기존의 탄성파 모델링 알고리즘에 지진 송신원을 적용하고, 음향-탄성파 결합 매질을 구현하여 남극대륙 주변과 같은 극지해역에서 발생할 수 있는 지진파의 거동을 모사한다. 기존의 변위근사 유한차분법과 달리 속도-응력 식으로 구성되는 엇격자 유한차분법의 경우 다양한 송신원을 구현하는데 적합하므로 변위-속도-응력 식에 기초하여 개발된 3차원 엇격자 유한차분법 알고리즘과 이중 우력(Double Couple Forces)을 이용하여 구현한 지진 송신원을 접목시켜 지진파의 거동을 모사한다. 좌수향 주향이동단층, 정단층, 역단층 형태의 지진 송신원에 대해서 개발된 알고리즘을 검증한 결과 이론적으로 예측되는 P파의 초동을 정확히 모사할 수 있었고, 섭입대 모델에 대한 수치모형실험 결과 섭입대에서 역단층에 의해 발생된 후 대륙지각, 해양지각 및 해양에서 전파되는 지진파의 거동양상이 정확하게 모사되는 것을 확인할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제16권12호
• /
• pp.1368-1375
• /
• 2013

본 논문에서는 공간 적응적인 노이즈 검출 및 제거 방식에 대해 제안한다. 관측 영상 및 첨가 노이즈가 가우시안 분포 특성을 갖고 있다는 가정 하에 국부 통계 특성을 이용하여 노이즈 매개 변수들을 예측하며, 예측된 매개변수들은 1차 마르코프 랜덤 장과 연동하여 노이즈 검출 과정의 제약 조건을 설정하기 위해 사용된다. 더불어, 노이즈 검출 과정에서 설정된 제약 조건에 따라 제안된 가변 크기의 적응 저주파 통과 필터를 사용하여 적응적으로 복원 영상의 완화 정도를 제어하였다. 실험 결과를 통해 제안 방식의 효율성을 입증할 수 있었다.

• 한국지반공학회논문집
• /
• 제17권2호
• /
• pp.73-83
• /
• 2001

본 연구에서는 전국 4개 지구의 화강암 풍화토를 연구대상으로 현장 및 실내시험을 수행하고 토량 변화율을 노상과 노체에 대하여 결정하였다. 그리고, 본 연구에서는 인공 신경망 중 오류 역전파 학습 알고리즘을 도입하여 토량 변화율 C 값을 추정하고 신경망의 적용성에 대한 검증을 수행하였다. 화강암 풍화토에 대한 실내 및 현장시험 결과에서 얻어진 토량 변화율 C 값은 노상과 노체 구분 없이 최소 0.7에서 최대 1.2정도의 넓은 범위로 나타났다. 토지공사에서 제안하는 C값의 산정식과 본 연구 결과를 비교한 결과, 토지공사의 산정식에 의한 결과가 과대 평가될 가능성이 큰 것으로 나타났다. 비중, 자연 함수비, 자연상태의 습윤단위중량, #200 통과율 그리고 균등계수의 입력변수를 갖는 $I_{5-1}$$H_{30-30}$$O_1$의 신경망에서 다른 신경망 구조들보다 잦은 지역 최소점에 수렴하는 결과를 보였다. 본 연구에서 사용한 모든 신경망 구조에서 시험결과와 신경망 결과의 상관계수는 0.9이상으로 나타나 높은 상관성을 나타내었다. 특히, 인공 신경망에 의한 예측결과는 다양한 영향인자들 중에서 비중, 자연 함수비, 자연상태의 습윤단위중량 그리고 #200 통과율의 4개 변수만으로도 C값을 예측할 수 있었으며, 상관계수는 0.96으로 나타났다.다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.565-568
• /
• 2002

본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 독립적이면서 대표적인 강화학습법인 Q-학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 the Prey and Hunters Problem를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM 을 이용한 일반화 방법을 제안한다. 이 방법은 다층 퍼셉트론 신경망과 역전파 알고리즘을 이용한 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM 을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 채 경험하지 못한 상태-행동들에 대한 Q 값을 예측하고 이용할 수 있다는 장점이 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2280-2282
• /
• 2003

신경 진동자는 이미지정보의 해석, 음성인식, 지질 변화 예측 등의 진동하는 시스템에 응용되어진다. 이러한 진동하는 시스템에 기존의 역전파 알고리즘을 이용하는 경우, 복잡 다양한 입력 패턴을 추정하기가 어려우므로 학습단계에서 더 많은 양의 학습 데이터가 필요하게 되며 수렴 속도의 지연과 근사화가 어렵다. 따라서 본 논문에서는 모델에 대한 함수의 근사화가 쉬우며 학습하는 구조를 가지는 신경 진동자에 의한 위상 동기화 특성을 연구하고 이를 이용한 한글 문자 인식시스템을 구현하였다.

• 상하수도학회지
• /
• 제12권4호
• /
• pp.43-52
• /
• 1998

The purpose of this study is to establish a method of estimating the daily urban water demend using Backpropagation algorithm is part of ANN(Artificial Neural Network). This method will be used for the development of the efficient management and operations of the water supply facilities. The data used were the daily urban water demend, the population and weather conditions such as treperarture, precipitation, relative humidity, etc. Kwangju city was selected for the case study area. We adjusted the weights of ANN that are iterated the training data patterns. We normalized the non-stationary time series data [-1,+1] to fast converge, and choose the input patterns by statistical methods. We separated the training and checking patterns form input date patterns. The performance of ANN is compared with multiple-regression method. We discussed the representation ability the model building process and the applicability of ANN approach for the daily water demand. ANN provided the reasonable results for time series forecasting.

• 지질공학
• /
• 제15권1호
• /
• pp.67-76
• /
• 2005

암석의 물리적 특성과 슈미트반발경도 결과로부터 일축압축강도를 예측하기 위한 인공신경망 이론의 적용과 최적 모델 구성에 대하여 연구하였다. 대구지 역의 퇴적암(사암, 셰일) 시료 55개가 사용되었으며, 이들 중 인공신경망 학습을 위하여 45개가 사용되었고 학습결과의 검증을 위하여 10개의 시료가 이용되었다. 인공신경망에 의한 추산 결과와 비교하기 위하여 통계적 방법을 통한 회귀분석을 통하여 역학특성의 상관식을 도출하였으며, 인공신경망의 유효성 검증을 위하여 모델 구축 시 에 사용하지 않은 새로운 자료에 대해 예측을 실시하고 통계적 방법에 의한 결과 및 실내 시험 결과와 비교하였다. 본 연구에 사용한 인공신경망모델에는 백프로퍼게이션 학습 알고리즘(back-propagation teaming algorithm)이 적용되었으며, 인공신경망의 학습효율 및 예측능력에 영향을 미치는 입ㆍ출력층 및 은닉층의 구조, 학습율, 시스템오차율 등을 달리 하며 학습을 시행하였다. 그 결과 통계적 분석보다는 인공신경망의 학습에 의한 예측결과가 더 나은 예측능력을 나타냈다.

• 터널과지하공간
• /
• 제31권6호
• /
• pp.494-507
• /
• 2021

TBM의 활용이 증가하면서 최근 국내에서도 머신러닝 기법으로 TBM 데이터를 분석하여 TBM 전방의 지반을 예측하고 디스크커터의 교환주기 예측 및 굴진율을 예측하는 연구가 수행되고 있다. 본 연구에서는 TBM 굴진 시 기계 데이터를 대상으로 전통적 암반에 대한 분류 기법과 최근에 다양한 분야에서 널리 사용되고 있는 머신러닝 기법들을 접목하여 슬러리 쉴드 TBM 현장의 암반 특성에 대한 분류 예측을 하였다. 암반 특성 분류 기준 항목을 RQD, 일축압축강도, 탄성파속도로 설정하고 항목별 암반상태를 클래스 0(양호),1(보통),2(불량)의 3개 클래스로 구분한 다음, 6개의 분류 알고리즘에 대한 기계학습을 수행하였다. 그 결과, 앙상블 계열의 모델이 좋은 성능을 보여주었고 특히 학습성능과 더불어 학습속도에서 우수한 결과를 보인 LigthtGBM 모델이 대상 현장 지반에서 최적인 것으로 나타났다. 본 연구에서 설정한 3가지 암반 특성에 대한 분류 모델을 활용하면 지반정보가 제공되지 않은 구간에 대한 암반 상태를 제공할 수 있어 굴착작업 시 도움을 줄 수 있을 것으로 판단된다.

• 한국지반공학회논문집
• /
• 제16권1호
• /
• pp.83-97
• /
• 2000

본 연구에서는, 흙막이 벽체의 변위 예측시스템 개발을 위하여 다층퍼셉트론을 이용해 임의의 인공신경망 모델을 구축하고 그 성능을 평가하여 최적의 모델을 선정하였다. 인공신경망모델의 학습과 검증을 위해 국내 도심지에 실제 시공이 완료된 다양한 현장의 계측자료를 수집하였고, 수집된 계측자료의 분석을 통해 흙막이벽체의 거동에 영향을 미치는 인자를 조사하였다. 아울러 실행비를 기준으로 선별한 신뢰성 있는 계측자료를 조사된 영향인자를 토대로 데이터 베이스화하여 인공신경망 모델의 학습과 검증에 사용하였으며, 학습은 최급강하법을 기초로 하는 역전파 알고리즘을 이용하여 수행하였다. 학습에 포함되지 않은 현장들에 대하여 흙막이벽체의 최대수평변위와 그 발생위치를 예측하고 이를 계측치와 비교하여, 제시한 변위 예측시스템의 적용성을 부분적으로 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권8호
• /
• pp.137-146
• /
• 2011

에너지 소모에 대한 증가되는 소비자의 관심을 지원하기 위하여 가전기기의 에너지 모니터링과 예측 방식을 제안한다. 제안한 시스템은 0.5초마다 전류 센서를 지나가는 전류량을 측정하는 스마트 플러그라는 일반 전기 콘센트로 설계하고, 신경회로망의 훈련과 시험 데이터를 얻기 위해 평균기온, 최저기온, 초고기온, 습도, 일조시간의 날씨 정보를 입력 데이터로 사용하고, 스마트 플러그를 통한 전기 사용량을 목표값으로 사용하였다. 훈련을 위한 실험데이터를 사용하여 역전파 알고리즘을 기반으로 한 신경회로망을 구성하였다. 입력과 출력 데이터의 비선형 매핑을 위해 다층신경회로망을 사용하였다. 제안한 신경회로망 모델은 상관관계 계수가 0.9965로 우수하게 전기 사용량을 예측할 수 있는 것을 확인하였으며, 예측의 평균 제곱 오차는 0.02033이다.