• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.426-429
• /
• 2011

본 연구의 목적은 유역의 홍수사상을 모의하는데 널리 이용되고 있는 HEC-HMS와 하도의 수리해석에 이용되고 있는 HEC-RAS를 결합시켜 직렬보 운영에 따른 홍수예측을 수행하는 절차를 확립하는데 있다. 따라서 본 연구에서는 낙동강유역을 적용 대상유역으로 선정하고 주요 지류를 대상으로 38개 소유역을 분할하여 유역추적을 실시하였으며, 유역추적기법은 Clark법을 채택하였다. 또한 하도의 홍수추적은 HEC-RAS의 부정류 알고리즘을 이용한 홍수파 도달시간을 산정하여 직렬보 운영에 따른 하도의 주요지점에 대한 홍수예측을 수행하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.421-424
• /
• 2011

본 연구의 목적은 유역의 홍수사상을 모의하는데 널리 이용되고 있는 HEC-HMS와 하도의 수리해석에 이용되고 있는 HEC-RAS를 결합시켜 일반 하천유역의 홍수예측을 수행하는 절차를 확립하는데 있다. 따라서 본 연구에서는 낙동강유역을 적용 대상유역으로 선정하고 주요 지류를 대상으로 38개 소유역을 분할하여 유역추적을 실시하였으며, 유역추적기법은 Clark법을 채택하였다. 또한 하도의 홍수추적은 HEC-RAS의 부정류 알고리즘을 이용한 홍수파 도달시간을 산정하여 하도의 주요지점에 대한 홍수예측을 수행하였다. 지금까지 낙동강유역을 대상으로 연구된 결과를 요약 정리하면 다음과 같다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.177-178
• /
• 2007

플라즈마 공정은 집적회로 제작을 위한 미세 박막의 증착과 패턴닝에 핵심적으로 이용되고 있다. 본 연구에서는 플라즈마공정감시와 제어에 응용될 수 있는 모델을 제안한다. 본 모델은 광방사분광기 (Optical emission spectroscopy-OES)정보와 역전파 신경망을 이용해서 개발하였다. 제안된 기법은 Oxide 식각공정에서 수집한 데이터에 적용하였으며, 체계적인 모델링을 위해 공정데이터는 통계적 실험계획법을 적용하여 수집되었다. Raw OES 정보대신, Actinometric OES 정보를 이용하였으며, 신경망의 예측성능은 유전자 알고리즘을 이용해서 증진시켰다. OES의 차수를 줄이기 위해 주인자 분석 (Principal Component Analysis-PCA)을 세 종류의 분산(100, 99, 98%)에 대해서 적용하였다. 최적화한 모델의 예측에러는 323 $\AA/min$이었다. 이전에 PCA를 적용하고 은닉층 뉴런의 함수로 최적화한 모델의 예측에러는 570 $\AA/min$이었으며, 개발된 모델은 이에 비해 43% 증진된 예측 성능을 보이고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1789-1793
• /
• 2010

본 연구의 목적은 유역의 홍수사상을 모의하는데 널리 이용되고 있는 HEC-HMS와 하도의 수리해석에 이용되고 있는 HEC-RAS를 결합시켜 일반 하천유역의 홍수예측을 수행하는 절차를 확립하는데 있다. 따라서 본 연구에서는 낙동강유역을 적용 대상유역으로 선정하고 주요 지류를 대상으로 38개 소유역을 분할하여 유역추적을 실시하였으며, 유역추적기법은 Clark법을 채택하였다. 또한 하도의 홍수추적은 HEC-RAS의 부정류 알고리즘을 이용한 홍수파 도달시간을 산정하여 하도의 주요지점에 대한 홍수예측을 수행하였다. 지금까지 낙동강유역을 대상으로 연구된 결과를 요약 정리하면 다음과 같다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.5 no.3
• /
• pp.190-197
• /
• 2004

This paper presents automated prediction of transient ischemic episodes using neural networks(NN) based pattern matching method. The learning algorithm used to train the multilayer networks is a modified backpropagation algorithm. The algorithm updates parameters of nonlinear function in a neuron as well as connecting weights between neurons to improve learning speed. The performance of the method was evaluated using ECG signals of the MIT/BIH long-term database. Experimental results for 15 records(237 ischemic episodes) show that the average sensitivity and specificity of ischemic episode prediction are 85.71% and 71.11%, respectively. It is also found that the proposed method predicts an average of 45.53［sec］ ahead real ischemia. These results indicate that the NN approach as the pattern matching classifier can be a useful tool for the prediction of transient ischemic episodes.

• Journal of the Korean Institute of Telematics and Electronics T
• /
• v.35T no.3
• /
• pp.103-112
• /
• 1998

This paper proposes a propagation prediction model which can calculate a propagation path loss easily at option point in case of the propagation processing by repeat reflection when we analysis a propagation route, it makes the calculation speed which is the defect of a geometrical of image method and a ray-launching method improve and we develop and apply the algorithms which can do an angle of incidence, an angle of reflection with a propagation direct path, a reflection path and a maximum reflection number arithmetic process synchronously. Finally we choose as a sample which is the real road condition where is around SK telecoms chunnam branch office in wolgok-dong, kwangsan-ku, kwangju and simulate proposition model then we demonstrate the relative superiority with comparing the results.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2001.05a
• /
• pp.280-285
• /
• 2001

폴리우레탄 코팅포의 촉감을 예측하기 위하여 신경망 이론이 사용되었다. 본 연구에서는 Neural Connection의 MLP(Multi Layer Perceptron)를 신경망 분석에 사용하였으며, 학습 알고리즘은 백프로파게인션(Backpropagation)을 이용하였다. 사용된 변수는 KES-FB시스템에서 측정된 17가지 역학적 특성치를 설명변수, 촉감치를 목표변수로 하였다. 폴리우레탄 코팅포의 촉감을 정확하게 예측할 수 있는 신경망 모델을 찾기 위해, 은닉층의 노드수를 8에서 34로 변화시켜 보았다. 또한 MLP적용함수로 선형함수, 비선형 시그모이드함수, 탄젠트 함수를 사용하여 목표변수를 예측하여 모형의 정확도를 살펴보았다. 구축된 신경망모델은 17가지 역학적특성치 자료를 이용하여 학습되었으며 학습 완료 후 학습에 사용되지 않은 시료를 시스템에 적용하여 학습된 신경망 시스템이 촉감을 평가하게 한 후 주관적으로 평가된 촉감치와 비교하여 본 시스템의 판단의 정확성을 평가하도록 하였다. 은닉층의 노드수와 MLP적용함수는 촉감예측에 영향을 미치는 것으로 나타났는데, 촉감 예측에 가장 적절한 모형은 MLP 적용함수가 탄젠트 함수이고 노드수가 22인 것으로 나타났다. 신경망을 통한 폴리우레탄 코팅포의 촉감 예측력은 선행연구에서 이용된 통계적 방법보다 높게 나타나 폴리우레탄 코팅포의 촉감예측에 신경망의 이용은 효과적인 것으로 밝혀졌다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.26 no.1B
• /
• pp.39-50
• /
• 2006

The flood control offices of main rivers have used a storage function model to forecast flood stage in Korea and studies of flood forecasting actively have been done even now. On this account, the storage function model, which is used in flood control office, regression models and artificial neural network model are applied into flood forecasting of study watershed in this paper. The result obtained by each method are analyzed for the comparative study. In case of storage function model, this paper uses the representative parameters of the flood control offices and the optimized parameters. Regression coefficients are obtained by regression analysis and neural network is trained by backpropagation algorithm after selecting four events between 1995 to 2001. As a result of this study, it is shown that the optimized parameters are superior to the representative parameters for flood forecasting. The results obtained by multiple, robust, stepwise regression analysis, one of the regression methods, show very good forecasts. Although the artificial neural network model shows less exact results than the regression model, it can be efficient way to produce a good forecasts.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.27 no.3A
• /
• pp.196-204
• /
• 2002

The Sinusoidal Transform Coding(STC) is a vocoding scheme based on a sinusoidal model of a speech signal. The low bit-rate speech coding based on sinusoidal model is a method that models and synthesizes speech with fundamental frequency and its harmonic elements, spectral envelope and phase in the frequency region. In this paper, we propose the 2.4kbps low-rate speech coding algorithm using the sinusoidal model of a speech signal. In the proposed coder, the pitch frequency is estimated by choosing the frequency that makes least mean squared error between synthetic speech with all spectrum peaks and speech synthesized with chosen frequency and its harmonics. The spectral envelope is estimated using SEEVOC(Spectral Envelope Estimation VOCoder) algorithm and the discrete all-pole model. The phase information is obtained using the time of pitch pulse occurrence, i.e., the onset time, as well as the phase of the vocal tract system. Experimental results show that the synthetic speech preserves both the formant and phase information of the original speech very well. The performance of the coder has been evaluated in terms of the MOS test based on informal listening tests, and it achieved over the MOS score of 3.1.

• Magazine of the Korean Society of Agricultural Engineers
• /
• v.36 no.2
• /
• pp.88-95
• /
• 1994

This paper is to evaluate the applicability of neural networks to the estimation of evapotranspiration. Two neural networks were developed to forecast daily evapotranspiration of the rice crop with back-propagation and counter-propagation algorithm. The neural network trained by back-propagation algorithm with delta learning rule is a three-layer network with input, hidden, and output layers. The other network with counter-propagation algorithm is a four-layer network with input, normalizing, competitive, and output layers. Training neural networks was conducted using daily actual evapotranspiration of rice crop and daily climatic data such as mean temperature, sunshine hours, solar radiation, relative humidity, and pan evaporation. During the training, neural network parameters were calibrated. The trained networks were applied to a set of field data not used in the training. The created response of the back-propagation network was in good agreement with desired values and showed better performances than the counter-propagation network did. Evaluating the neural network performance indicates that the back-propagation neural network may be applied to the estimation of evapotranspiration of the rice crop. This study does not provide with a conclusive statement as to the ability of a neural network to evapotranspiration estimating. More detailed study is required for better understanding and evaluating the behavior of neural networks.