JSTS:Journal of Semiconductor Technology and Science
/
v.10
no.1
/
pp.28-36
/
2010
Hardware implementation methods for Artificial Neural Network (ANN) have been researched for a long time to achieve high performance. We have proposed a Network on Chip (NoC) for ANN, and this architecture can reduce communication load and increase performance when an implemented ANN is small. In this paper, a multiple NoC models are proposed for ANN, which can implement both a small size ANN and a large size one. The simulation result shows that the proposed multiple NoC models can reduce communication load, increase system performance of connection-per-second (CPS), and reduce system running time compared with the existing hardware ANN. Furthermore, this architecture is reconfigurable and reparable. It can be used to implement different applications of ANN.
Temperature and humidity forecasting have been performed using artificial neural networks model(ANN). We composed ANN with multi-layer perceptron which is 2 input layers, 2 hidden layers and 1 output layer. Back propagation algorithm was used to train the ANN. 6 nodes and 12 nodes in the middle layers were appropriate to the temperature model for training. And 9 nodes and 6 nodes were also appropriate to the humidity model respectively. 90% of the all data was used learning set, and the extra 10% was used to model verification. In the case of temperature, average temperature before 15 minute and humidity at present constituted input layer, and temperature at present constituted out-layer and humidity model was vice versa. The sensitivity analysis revealed that previous value data contributed to forecasting target value than the other variable. Temperature was pseudo-linearly related to the previous 15 minute average value. We confirmed that ANN with multi-layer perceptron could support pollutant dispersion model by computing meterological data at real time.
Hossain, Khandaker M.A.;Lachemi, Mohamed;Easa, Said M.
Computers and Concrete
/
v.3
no.6
/
pp.439-454
/
2006
This paper develops an artificial neural network (ANN) model for uniformly loaded restrained reinforced concrete (RC) slabs incorporating membrane action. The development of membrane action in RC slabs restrained against lateral displacements at the edges in buildings and bridge structures significantly increases their load carrying capacity. The benefits of compressive membrane action are usually not taken into account in currently available design methods based on yield-line theory. By extending the existing knowledge of compressive membrane action, it is possible to design slabs in building and bridge decks economically with less than normal reinforcement. The processes involved in the development of ANN model such as the creation of a database of test results from previous research studies, the selection of architecture of the network from extensive trial and error procedure, and the training and performance validation of the model are presented. The ANN model was found to predict accurately the ultimate strength of fully restrained RC slabs. The model also was able to incorporate strength enhancement of RC slabs due to membrane action as confirmed from a comparative study of experimental and yield line-based predictions. Practical applications of the developed ANN model in the design process of RC slabs are also highlighted.
Journal of The Korean Society of Agricultural Engineers
/
v.54
no.4
/
pp.65-71
/
2012
The objective of this study was to estimate surface runoff from rice paddy plots using an artificial neural network (ANN). A field experiment with three treatment levels was conducted in the NICS saemangum experimental field located in Iksan, Korea. The ANN model with the optimal network architectures, named Paddy1901 with 19 input nodes, 1 hidden layer with 16 neurons nodes, and 1 output node, was adopted to predict surface runoff from the plots. The model consisted of 7 parameters of precipitation, irrigation rate, ponding depth, average temperature, relative humidity, wind speed, and solar radiation on the daily basis. Daily runoff, as the target simulation value, was computed using a water balance equation. The field data collected in 2011 were used for training and validation of the model. The model was trained based on the error back propagation algorithm with sigmoid activation function. Simulation results for the independent training and testing data series showed that the model can perform well in simulating surface runoff from the study plots. The developed model has a main advantage that there is no requirement for any prior assumptions regarding the processes involved. ANN model thus can be a good tool to predict surface runoff from rice paddy fields.
Artificial neural network (ANN) model is applied to predict arc welding process window for automotive steel plate. Target weldment was various automotive steel plate combination with lap fillet joint. The accuracy of prediction was evaluated through comparison experimental result to ANN simulation. The effect of ANN variables on the accuracy is investigated such as number of hidden layers, perceptrons and transfer function type. A static back propagation model is established and tested. The result shows comparatively accurate predictability of the suggested ANN model. However, it restricts to use nonlinear transfer function instead of linear type and suggests only one single hidden layer rather than multiple ones to get better accuracy. In addition to this, obvious fact is affirmed again that the more perceptrons guarantee the better accuracy under the precondition that there are enough experimental database to train the neural network.
Journal of The Korean Society of Agricultural Engineers
/
v.47
no.4
/
pp.65-74
/
2005
AnnAGNPS model was applied to a catchment mainly occupied with bushland for modeling non-point source pollution. Since the single event model cannot handle events longer than 24 hours duration, the event-based calibration was carried out using the continuous mode. As event flows affect sediment and nutrient generation and transport, the calibration of the model was performed in three steps: Hydrologic, Sediment and Nutrient calibrations. The results from hydrologic calibration for the catchment indicate a good prediction of the model with average ARE(Absolute Relative Error) of $24.6\%$ fur the runoff volume and $12\%$ for the peak flow. For the sediment calibration, the average ARE was $198.8\%$ indicating acceptable model performance for the sediment prediction. The predicted TN(Total Nitrogen) and TP(Total Phosphorus) were also found to be acceptable as the average ARE for TN and TP were $175.5\%\;and\;126.5\%$, respectively. The AnnAGNPS model was therefore approved to be appropriate to model non-point source pollution in bushland catchments. In general, the model was likely to result in underestimation for the larger events and overestimation fur the smaller events for the water quality predictions. It was also observed that the large errors in the hydrologic prediction also produced high errors in sediment and nutrient prediction. This was probably due to error propagation in which the error in the hydrologic prediction influenced the generation of error in the water quality prediction. Accurate hydrologic calibration should be hence obtained for a reliable water quality prediction.
Proceedings of the Korea Water Resources Association Conference
/
2012.05a
/
pp.195-195
/
2012
인공신경망 모형은 복잡하고 비선형의 입력과 출력 관계를 잘 반영할 수 있어서 유출 모델링에 널리 적용되어 왔다. 그러나 인공신경망 모형은 강우나 유역특성의 공간적 분포를 반영하는 것이 어려우며 물리적 개념이 결여되어 있는 단점이 있다. 본 연구에서는 유역특성과 물리적 개념을 반영할 수 있는 물리기반 모형과 인공신경망 모형의 장점들을 조합하여 물리기반 모형의 일 유출량 해석 능력을 향상하기 위하여 SWAT 모형과 인공신경망(ANN)을 연계하였다. SWAT-ANN 연계모형은 두 단계로 구성되어 진다. 첫 번째 단계에서는 관측 자료를 이용하여 SWAT 모형을 보정한다. 두 번째 단계에서는 첫 번째 단계에서 계산한 소유역별 SWAT 모형의 유출결과를 ANN의 입력자료로 이용하여 SWAT-ANN 연계모형을 구축한다. SCE-UA 최적화 방법을 적용하여 SWAT 모형의 매개변수들을 보정하였고, ANN 학습은 3층의 feed-forward 역전파 알고리즘에 기초한 Bayesian Regularization 방법을 적용하였다. ANN 은닉층의 뉴런 및 전달함수는 시행착오를 통하여 적절한 ANN 구조를 설정하여 SWAT-ANN 연계모형의 일유출량을 모의하였다. 여러 가지 통계적 오차기준을 이용하여 보청천 유역에서 SWAT-ANN 연계모형의 결과와 SWAT 단독 모형의 결과를 비교하였다. SWAT-ANN 연계모형이 SWAT 단독 모형보다 더 우수한 결과를 나타내어 일 유출량 해석을 위한 SWAT-ANN 연계모형의 유용성을 확인할 수 있었다.
This study estimated the daily maximum snow depth using the Artificial Neural Network (ANN) model in Korean Peninsula. First, the optimal ANN model structure was determined through the trial-and-error approach. As a result, daily precipitation, daily mean temperature, and daily minimum temperature were chosen as the input data of the ANN. The number of hidden layer was set to 1 and the number of nodes in the hidden layer was set to 10. In case of using the observed value as the input data of the ANN model, the cross validation correlation coefficient was 0.87, which is higher than that of the case in which the daily maximum snow depth was spatially interpolated using the Ordinary Kriging method (0.40). In order to investigate the performance of the ANN model for estimating the daily maximum snow depth of the ungauged area, the input data of the ANN model was spatially interpolated using Ordinary Kriging. In this case, the correlation coefficient of 0.49 was obtained. The performance of the ANN model in mountainous areas above 200m above sea level was found to be somewhat lower than that in the rest of the study area. This result of this study implies that the ANN model can be used effectively for the accurate and immediate estimation of the maximum snow depth over the whole country.
Developing two process models to simulate wastewater treatment process is needed to draw a comparison between measured BOD data and estimated process model data: a mathematical model based on the process mass-balance and an ANN (artificial neural network) model. Those two types of simulator can fit well in terms of effluent BOD data, which models are formulated based on the distinctive five parameters: influent flow rate, effluent flow rate, influent BOD concentration, biomass concentration, and returned sludge percentage. The structuralized mass-balance model and ANN modeI with seasonal periods can estimate data set more precisely, and changing optimization algorithm for the penalty could be a useful option to tune up the process behavior estimations. An complex model such as ANN model coupled with mass-balance equation will be required to simulate process dynamics more accurately.
The landslide is one of the most significant natural disasters, which cause a lot of loss of human lives and properties. The landslides in natural slopes generally occur by complicated problems such as soil properties, topography, and geology. Artificial Neural Network (ANN) model is efficient computing technique that is widely used to solve complicated problems in many research fields. In this paper, the ANN model with application of error back propagation method was proposed for estimation of landslide hazard in natural slope. This model can evaluate the possibility of landslide hazard with two different approaches: one considering only soil properties; the other considering soil properties, topography, and geology. In order to evaluate reasonably the landslide hazard, the SlideEval (Ver, 1.0) program was developed using the ANN model. The evaluation of slope stability using the ANN model shows a high accuracy. Especially, the prediction of landslides using the ANN model gives more stable and accurate results in the case of considering such factors as soil, topographic and geological properties together. As a result of comparison with the statistical analysis(Korea Institute of Geosciences and Mineral Resources, 2003), the analysis using the ANN model is approximately equal to the statistical analysis. Therefore, the SlideEval (Ver. 1.0) program using ANN model can predict landslides hazard and estimate the slope stability.
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.