• 컴퓨터교육학회논문지
• /
• 제21권1호
• /
• pp.51-58
• /
• 2018

인공 신경망은 최근 다양한 분야에서 뛰어난 성능을 보여주고 있다. 하지만 인공 신경망이 학습한 지식이 정확히 어떤 내용인지를 사람이 파악하기 어렵다는 문제점이 존재하는데, 이를 해결하기 위한 방법 중 하나로 학습된 인공 신경망에서 규칙을 추출하는 방법들이 연구되고 있다. 본 연구에서는 학습된 인공 신경망으로부터 규칙을 추출하는 방법 중 하나인 ordered-attribute search(OAS) 알고리즘을 사용하여 인공 신경망으로부터 규칙을 추출해보고, 추출된 규칙을 개선하기 위해 규칙들을 분석하였다. 그 결과로 은닉 층의 출력값 분포가 OAS 알고리즘을 이용해 추출된 규칙의 정확도에 영향을 주는 것을 파악하였고, 은닉 유닛 명확화 기법을 통해 은닉 층 출력값을 이진화하여 효율적인 규칙을 추출할 수 있음을 제시하였다.

• 한국물환경학회지
• /
• 제21권1호
• /
• pp.21-28
• /
• 2005

The training and prediction modeling using an artificial neural network was implemented to predict the turbidity of treated water as well as to estimate the optimized feed concentration of polyaluminium chloride (PACl) in a water treatment plant. The parameters used in the input layers were pH, temperature, turbidity and alkalinity, while those in output layers were PACl and turbidity of treated water. Levenberg-Marquadt method of feedforward back-propagation perceptron in the neural network toolbox of MATLAB program was used in this study. Correlation coefficients of the training data with the measured data were 0.9997 for PACl and 0.6850 for turbidity and those of the testing data with measured data were 0.9140 for PACl and 0.3828 for turbidity, when four parameters at input layer, 12-12 nodes each at both the first and the second hidden layers, and two parameters(PACl and turbidity) at output layer were used. Although the predictability of PACl was improved, compared to that of the previous studies to use the only coagulant dose as output layer, turbidity in treated water could not be predicted well. Acquisition of more data through several years obtained with the advanced on-line measuring system could make the artificial neural network useful and practical in actual water treatment plants.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권12호
• /
• pp.565-572
• /
• 2017

본 연구는 기존의 수요 예측 등의 시계열 연구에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial neural network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 훈련 자료로는 2015년 3월부터 9월까지의 일별 KBO 관중 수 자료를 대상으로 하였다. 전방향 신경망(Feedforward neural network)의 모형 훈련 과정에서, 그리드 탐색(Grid search)을 적용하여 최적의 초모수(Hyperparameter)를 찾고자 하였다. 그 결과, 그리드 탐색법의 최적 모형을 이용한 평균 절대 백분율 오차(MAPE)는 평균 20.9% 였다. 앙상블 기법을 이용한 모형의 MAPE는 평균 20.0%였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 26.3%, 30.3% 높은 예측력을 보인다.

• 한국방사선학회논문지
• /
• 제10권8호
• /
• pp.637-643
• /
• 2016

최근 인공지능에 대중의 관심으로 인해, 인공신경망을 사용한 의료영상 처리가 학계와 산업계에서 관심이 커져가고 있다. 딥러닝을 이용한 컨볼루션 신경망은 영상을 효과적으로 표현할 수 있는 것으로 증명되었다. 그러나 학습을 위해서는 고성능 H/W 플랫폼이 요구된다. 따라서 고차원의 많은 학습 샘플을 저사양 H/W 플랫폼에서 학습하는 것은 매우 도전적인 문제이다. 본 논문에서는 온라인 인공 신경망을 사용해 라즈베리파이에서 동작할 수 있는 실시간 신경망 알고리즘을 제안하고자 한다. 다양한 실험 결과를 통해 제안된 방법은 실시간 학습이 가능함을 보여주었다.

• 한국지반공학회논문집
• /
• 제16권1호
• /
• pp.75-81
• /
• 2000

일반적으로 자연상태의 흙은 이방성을 나타내며, 이러한 흙의 이방성이 응력-변형률 거동에 미치는 영향은 매우 크다. 따라서 본 연구에서는 인공신경회로망 모델을 이용하여 압밀응력비 변화에 따른 정규압밀점토의 응력-변형률 거동을 모델링하고 비배수전단강도를 예측하여 보았다. 이때 사용된 신경회로망은 일반화된 델타규칙으로도 불리우는 오차역전파 학습 알고리즘을 이용한 다층신경회로망이다. 신경회로망의 학습은 인공퇴적 점토시료를 이용, 연직압밀응력과 압밀응력비를 다르게 정규압밀시킨후 비배수전단시험을 실시하여 얻어진 시험 결과를 이용하였고, 학습된 신경회로망을 이용하여 학습시 제외되었던 압밀응력비 상태에서의 비배수전단강도를 추론하여 본 결과 예측치와 실측치가 잘 일치하였다. 검토결과 실측치와 추론치 사이에는 결정계수($r^2$) 0.973 이상의 높은 상관관계가 있음을 확인하였다. 따라서, 본 연구결과는 점토의 비배수전단강도를 예측함에 있어서 인공신경회로망모델의 적용 가능성을 보여주었다.

• 재활복지공학회논문지
• /
• 제6권1호
• /
• pp.67-73
• /
• 2012

본 논문에서는 표면 근전도 신호를 사용하여 손목 움직임의 동작을 분류하기 위해 인공 신경 회로망(ANN : Artificial Neural Network)기반의 동작 분류 알고리즘을 제안한다. 손목 움직임에 무리가 없는 20~30대 성인 26명을 대상으로 척측 수근 굴근과 척측 수근 신근에 부착한 2채널의 전극으로부터 표면 근전도 신호를 취득하고, 취득한 근전도로부터 손목의 굴곡, 신전, 내전, 외전, 휴식 다섯 동작을 인식한다. 빠른 처리 속도를 위해 획득한 신호로부터 시간 영역에서의 특징점을 추출하고 ANN을 이용한 동작 분류에 사용된다. 특징점으로 DAMV, DASDV, MAV, RMS를 사용하였으며, ANN 기반의 동작 분류의 인식율은 DAMV는 98.03%, DASDV는 97.97%, MAV는 96.95%, 그리고 RMS는 96.82%의 정확도를 나타낸다.

• Journal of Biosystems Engineering
• /
• 제33권5호
• /
• pp.340-347
• /
• 2008

Dipstick urinalysis is used as a routine test for a screening test of UTI (urinary tract infection) in primary practice because urine dipstick test is simple. The result of dipstick urinalysis brings medical professionals to make a microscopic examination and urine culture for exact UTI diagnosis, therefore it is emphasized on a role of screening test. The objective of this study was to the classification between UTI patients and normal subjects using hybrid neural network classifier with enhanced clustering performance in urine dipstick screening test. In order to propose a classifier, we made a hybrid neural network which combines with RBF layer, summation & normalization layer and L VQ artificial neural network layer. For the demonstration of proposed hybrid neural network, we compared proposed classifier with various artificial neural networks such as back-propagation, RBFNN and PNN method. As a result, classification performance of proposed classifier was able to classify 95.81% of the normal subjects and 83.87% of the UTI patients, total average 90.72% according to validation dataset. The proposed classifier confirms better performance than other classifiers. Therefore the application of such a proposed classifier expect to utilize telemedicine to classify between UTI patients and normal subjects in the future.

• 한국전산구조공학회논문집
• /
• 제33권6호
• /
• pp.359-366
• /
• 2020

본 논문에서는 전산구조 해석 데이터를 기반으로 인공 신경망을 활용하여 헬리데크 구조물에 대한 손상 추정 기법을 제안하였다. 헬리데크를 구성하는 트러스와 서포트 부재들에 대해서 절점을 공유하는 부재들을 70개의 모델로 그룹화 하였으며, 최대 3가지 부재 그룹에 무작위로 손상을 부여하여 총 37,400개의 손상 시나리오를 생성하였다. 이들 각각에 대해서 구조 해석 프로그램을 통해 모드 해석을 수행하였으며, 전체 손상 시나리오를 사용 목적에 따라 학습, 유효성 검사, 그리고 검증 시나리오로 분리하였다. 헬리데크의 손상 및 비손상 상태의 동적 응답 특성에 대한 패턴 인식을 위해 PyTorch 프로그램을 활용하여 3개의 은닉층을 가지는 인공 신경망을 구성하였으며, 이에 대해서 다양한 손상 시나리오를 반복 학습함으로써 손실 함수를 최소로 하는 인공 신경망을 도출하였다. 최종적으로 총 400개의 검증 시나리오에 대해서 인공 신경망이 추정한 손상률과 실제 부여된 손상률을 비교하였으며, 그 결과 본 연구를 통해 얻어진 인공 신경망이 손상 부재의 위치와 손상 정도를 매우 높은 정확도로 예측하는 것을 확인하였다.

• 대한기계학회논문집A
• /
• 제21권5호
• /
• pp.727-734
• /
• 1997

In practice, the design of forging processes is performed based on an experience-oriented technology, that is designer's experience and expensive trial and errors. Using the finite element simulation and the artificial neural network, we propose an optimal die geometry satisfying the design conditions of final product. A three-layer neural network is used and the back propagation algorithm is employed to train the network. An optimal die geometry that satisfied the same between inner extruded rib and outer extruded one is determined by applying the ability of function approximation of neural network. The neural networks may reduce the number of finite element simulation for determine the optimal die geometry of forging products and further they are usefully applied to physical modelling for the forging design.

• 한국경영과학회지
• /
• 제27권1호
• /
• pp.33-51
• /
• 2002

A fully connected Artificial Neural Network (ANN) contains many connections. Compared to the pruned ANN with fewer connections, the fully connected ANN takes longer time to produce solutions end may not provide appropriate solutions to new unseen date. Therefore, by reducing the sloe of ANN, we can overcome the overfitting problem and increase the computing speed. In this research, we reduced the size of ANN by destroying the connections. In other words, we investigated the performance change of the reduced ANN by systematically destroying the connections. Then we found the acceptable level of connection-destruction on which the resulting ANN Performs as well as the original fully connected ANN. In the previous researches on the sloe reduction of ANN, the reduced ANN had to be retrained every time some connections were eliminated. Therefore, It tool lolly time to obtain the reduced ANN. In this research, however, we provide the acceptable level of connection-destruction according to the size of the fully connected ANN. Therefore, by applying the acceptable level of connection-destruction to the fully connected ANN without any retraining, the reduced ANN can be obtained efficiently.