• 한국구조물진단유지관리공학회 논문집
• /
• 제22권1호
• /
• pp.199-207
• /
• 2018

이형철근과 FRP 보강근의 복합 이중근을 갖는 FRC 보의 휨성능을 평가하기 위하여 실험이 수행되었다. 인장근의 종류(CFRP 보강근, GFRP 보강근, 철근)과 PVA 섬유 혼입률(0.5%, 0%)을 주요변수로 한 7개의 실험체를 제작하였다. 유한요소해석을 통하여 FRC 보의 균열 및 휨거동을 예측하기 위한 해석적 방법이 제안되고 분석되었다. 복합 이중근을 가지는 실험체들에서 철근으로 이중근을 가지는 실험체가 철근과 FRP 보강근을 이단으로 배치한 실험체들에 비하여 26~34% 균열하중이 큰 것으로 나타났다. 최대 휨강도에서는 복합 이중근을 가지는 실험체들 중 CFRP 보강근을 최외측으로 한 실험체가 가장 큰 내력을 나타내었다. 해석과 실험을 통한 휨강도를 비교한 결과, 강도비는 평균 1.2, 표준편차 0.085, 최대 오차율은 22% 등으로 나타났다. 이러한 결과에서 본 연구의 유한요소해석방법이 복합 이중근을 가지는 보의 실제 거동을 효과적으로 표현할 수 있음을 알 수 있다.

• 한국정보통신학회논문지
• /
• 제15권10호
• /
• pp.2149-2156
• /
• 2011

본 논문에서는 디지털통신을 위한 새로운 3차원 16진 신호성상도의 설계방법을 제시하고 그 성능을 분석한다. 기존의 성상도와는 달리 새로운 성상도는 모든 신호점들이 구의 표면에 균일하게 분포하므로 상진폭과 대칭적 구조 특성을 동시에 만족한다. 신호성상도의 평균전력을 정규화시킨 경우 제시된 16진 신호성상도는 기존의 비상진폭(non-constant envelope) 성상도들에 비하여 최대 11.4% 가량 증가된 최소 유클리드 거리를 가지는 것으로 나타났다. 이로 인하여 가산성 백색 가우시안잡음 환경에서 제안된 신호성상도가 적용된 디지털 통신시스템의 심볼오율은 기존 성상도를 이용하는 시스템에 비하여 1.2dB 가량 향상됨을 확인할 수 있다. 유클리드 거리 측면에서 최적화된 기존 상진폭 신호성상도에서는 신호점들이 구의 표면에 균일하게 분포하지 않는 반면 새로운 성상도는 3차원 신호공간에서 완전 대칭인 신호점 분포를 가진다. 이와 함께 기존의 성상도에 비하여 제안된 성상도에서는 설계에 요구되는 연산복잡도가 거의 없는 장점도 있다. 따라서 제안된 3차원 16진 신호성상도는 편광편이키잉과 같이 상진폭 특성이 요구되는 디지털 통신시스템에 적합한 것으로 판단된다.

• 한국콘텐츠학회논문지
• /
• 제12권9호
• /
• pp.500-511
• /
• 2012

최근 운행경로와 소통상태 등을 제공하는 교통정보의 이용자 활용빈도가 높아지고 있다. 특히, 교통정보 제공 매체 중 편의성이 가장 좋은 인터넷 포탈사이트의 이용자 선호도가 가장 높은 것으로 조사되었다. 하지만, 포탈사이트 교통정보콘텐츠는 민간(포탈업체)에서 자체적으로 정보를 수집 제공하고 있어 공공에서 제공하는 콘텐츠에 비해서 신뢰성 등에 관한 검증 체계가 부재한 실정이다. 본 연구의 목적은 포탈사이트에서 제공하는 정보의 실제 정확도와 이용자가 느끼는 정확도를 알아보는 것이다. 이에 본 연구에서는 포탈사이트를 중심으로 현장 데이터를 통하여 정확도를 검증해보고, 설문조사를 통하여 이용자의 콘텐츠 이용실태와 이용자가 느끼는 교통정보콘텐츠의 정확도를 알아보았다. 또한, 교통정보콘텐츠에 대한 이용자의 기대치와 만족도를 조사하고, IPA기법을 적용하여 개선을 요구하는 콘텐츠를 선정하였다. 이동식 DSRC(Dedicated Short Range Communication)검지장비를 활용한 현장데이터 정확도 검증결과, 오차율은 14~32%로 조사되었으며 경우에 따라 아주 높은 오차율을 보이기도 하였다. 또한 설문에 응한 전체 응답자 중 28.3%가 포탈사이트의 정보를 가장 선호한다고 답변했으며, 포탈 교통정보 콘텐츠의 정확도에 대해서는 50.8%가 부정확하다는 답변하였다. 가장 부정확한 정보 콘텐츠는 '실시간 소통현황'을 지목하였으며, IPA기법을 적용한 결과에서도 '실시간 소통현황' 정보의 집중적인 개선노력이 필요한 것으로 분석되었다.

• 한국지능시스템학회논문지
• /
• 제22권5호
• /
• pp.624-630
• /
• 2012

피어리뷰(peer review)를 통한 학습은 학습자간 피드백을 주고받으며 다양한 정보를 관찰, 분석하는 과정을 통해 학습성과를 향상시키는 방법이다. 피어리뷰 시스템의 중요한 문제 중 하나는, 학습자의 여러 특징을 고려하여 학습자의 학습성과를 향상시키는데 적합한 평가자를 찾는 것이다. 그러나 기존 피어리뷰 시스템에서는 학습자들이 가지는 다양한 특징을 고려하지 않고 단순히 피어리뷰 평가자를 임의로 할당하거나 제한적인 학습 전략에 따라 피어리뷰 평가자를 편성하였다. 본 논문에서는 학습자와 평가자의 다양한 특징을 고려하여, 특정 학습자와 평가자의 조합으로 피어리뷰 학습이 이루어졌을 때 학습자에게 어느 정도의 학습성과 향상이 있을지 예측하는 방법을 제안한다. 제안하는 방법은 학습자와 평가자의 프로파일 정보로부터 대표 속성을 추출하고 다양한 회귀 모델을 적용하였다. 또한 학습자들의 다양한 특징으로 인하여 나타날 수 있는 이상치(outlier)가 학습성과 예측에 미치는 영향을 알아보기 위해, 회귀 모델에 다양한 이상치 제거 방법을 적용하여 학습성과 예측성능을 비교하였다. 실험 결과 이상치를 제거 하지 않은 SVR 모델이 평균 0.47%의 에러율을 보이며 가장 우수한 학습성과 예측결과를 보였다.

• 대한전자공학회논문지TC
• /
• 제42권12호
• /
• pp.127-134
• /
• 2005

VoIP에서 패킷의 손실은 음성의 품질에 영향을 주는 가장 중요한 요인이다. 따라서 수신된 정보로부터 손실된 패킷을 복구하는 것은 중요하다. 따라서 본 논문은 VoIP에서 가장 많이 사용되는 CELP 부호화기를 위한 수신측 기반의 손실 패킷 복구방법을 제안한다. 제안하는 WSOLA(Waveform Shift OverLab Add)기반의 BS-PLC (Both Side Packet Loss Concealment) 방법은 패킷 손실이 발생하였을 경우 미래 패킷을 이용할 수 있는 경우와 그렇지 않을 경우로 나누고, LP(Linear prediction) 파라미터와 여기 신호를 복구한다. 미래 패킷을 이용할 수 없는 경우에는 과거에 전송된 정상 패킷만을 가지고 복원을 하며, 미래 패킷을 이용할 수 있을 경우에는 과거의 정상 패킷과 미래의 정상 패킷을 동시에 이용하여 손실된 패킷을 복구한다. 연속 패킷 손실 환경은 Gilbert 모델로 설정하였고, 제안한 알고리즘을 VoIP에서 가장 많이 사용되는 CELP 음성부호화기인 G.729에 적용하여 성능을 비교한다. 성능 비교를 위해 손실율을 변화시키면서 SNR(Signal to Noise)와 MOS(Mean Opinion Score)측정하였고, 제안한 방법을 G.729의 패킷 손실 은닉 방법과 비교하였다. 실험 결과, 평균 손실률이 $20\%$에서도 SNR은 2dB, MOS값은 0.3정도로의 음질 개선을 보였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제22권6호
• /
• pp.197-205
• /
• 2018

최근 건축물의 노후화에 따라 리모델링이 증가하고 있다. 이에 구조물의 품질관리 중요성이 대두되어 구조물의 안전진단 및 상태평가에 대한 관심이 증가되고 있다. 노후건축물의 정확한 진단을 위해서 구조물의 결함을 사전에 평가할 수 있는 진단평가기법이 필요하다. 이와 더불어 재건축을 위한 안전진단 기준이 개선되어 구조안전성의 가중치가 증가함에 따라 보다 신속하고 신뢰성 높은 구조물의 안전진단기법에 대한 연구가 필요한 실정이다. 초음파속도법을 이용하여 압축강도를 추정하는 연구는 공시체를 기반으로 한 연구들이 주로 이루어져 왔으며 실제 건축물이나 콘크리트 구조부재를 대상으로 한 연구는 부족한 실정이다. 본 연구에서는 비파괴검사법 중 하나인 초음파속도법을 이용하여 철근콘크리트 수직 및 수평부재로 구성된 단층 규모의 구조물을 대상으로 초음파속도와 압축강도의 상관관계를 검증하여 압축강도를 추정하고자 하며, 또한 이를 바탕으로 현장 적용성을 검토하고자 하였다. 그 결과, 초음파속도법을 이용한 구조체의 압축강도 추정 평균 오차율은 28.7%로 현장 적용성을 확인하였다. 그러나 추정의 정확도를 높이기 위하여 복합 비파괴검사법을 이용한 신뢰도 높은 진단기법의 필요성을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.593-606
• /
• 2016

컴퓨터 시뮬레이션은 전산유쳬역학, 나노 물리, 계산화학, 구조 동역학, 전산설계 등 여러 계산과학공학 분야에서 시스템의 움직임을 예측하기 위해 널리 사용되고 있다. 하지만 시뮬레이션의 정밀도와 복잡도가 점점 증가함에 따라 시뮬레이션을 수행하는 비용 역시 크게 증가하고 있다. 따라서 시뮬레이션의 수행비용을 줄이는 것은 특히 입력 변수들의 값을 변화시켜가며 시뮬레이션을 반복적으로 수행하는 경우, 시뮬레이션 수행 시간 단축을 위해 매우 중요하다. 본 논문은 어떤 시뮬레이션의 수행이 요청되었을 때, 해당 시뮬레이션을 실제로 수행하지 않고도 기존에 수행된 시뮬레이션의 결과를 저장하여 이전에 획득되거나 혹은 예측된 결과를 반환하는 시스템을 개발한다. 이를 위해 본 논문에서 개발된 시스템은 크게 다음 2가지 기능을 제공한다: (1) 수행이 완료된 시뮬레이션의 결과를 데이터베이스에 저장하는 기능, (2) 사용자가 요청한 시뮬레이션의 결과를 통계적 기계학습 기술을 사용하여 예측하는 기능. 본 논문에서 개발한 예측 시스템의 예측 성능을 실제 유체역학 시뮬레이션 데이터를 사용하여 평가한 결과, 출력변수에 따라 0.9%의 매우 낮은 평균 예측 오차율을 보였다. 본 논문에서 개발한 시스템을 통하여 사용자들은 계산 및 저장 자원에 큰 부하를 주는 시뮬레이션을 실제 수행하지 않고도, 수행을 원하는 시뮬레이션의 결과를 빠르게 예측해 볼 수 있다.

• 대한교통학회지
• /
• 제19권6호
• /
• pp.183-194
• /
• 2001

중앙집중형 도로교통정보시스템은 실시간 교통정보를 수집하고, 사용자의 요청을 받아 경로탐색, 위치정보, 목적지탐색 등의 정보를 전달해주는 시스템이다. 이러한 시스템에서 서버는 매우 많은 클라이언트로부터 경로탐색 요청을 받게 되며, 이 요청을 서버에서 효율적으로 처리해야 하는 다중경로탐색 알고리즘이 필요하다. 본 연구에서는 다중경로탐색을 수행하기 위하여, 주기적으로 연산된 이웃노드의 최단경로탐색 결과를 이용하여 클라이언트의 경로탐색 수행시간을 감소시키는 휴리스틱(Heuristic) 알고리즘을 제시한다. 본 연구에서 제시하는 이웃노드 최단경로탐색 결과를 이용한 다중경로탐색 알고리즘은 많은 경우에 최단과 동일한 결과를 나타내며, 최단이 아닌 경우에도 최단경로 값과 오차가 크지 않으면서도 연산시간을 많이 줄일 수 있는 알고리즘이고, 도로교통과 같은 토폴로지(Topology) 형태에 효과적으로 적용되고, 계층을 이루는 형태의 모델에서도 효율적인 결과를 나타낸다. 이웃노드 최단경로탐색 결과를 이용한 다중경로탐색 알고리즘의 경로탐색시간은 다른 꼬리표설정 알고리즘과 꼬리표개선 알고리즘보다 50배 이상 빨랐으며, 경로탐색 결과가 최단이 아닌 경우 0.1%이하의 거리오차가 발생했다.

• 한국지반공학회논문집
• /
• 제35권4호
• /
• pp.27-35
• /
• 2019

역해석 수행 시 상대적으로 복잡한 공간 및 목표 설계 변수가 많은 경우, 지반공학 분야에 적용하기 위한 연구를 수행하였다. 지반공학 다변수 문제에 대한 모델로 터널 분야 및 흙막이벽체에 대해서 Sharan 공식 및 Blum 방법을 사용하였다. 최적화 방법은 크게 결정론적인 방법 및 확률론적인 방법으로 구분된다. 본 연구에서는 전자 중 모의강화법(SA), 후자 중 차분진화 알고리즘(DEA), 입자 군집 최적화 알고리즘(PSO)을 선택하여 다변수 모델을 적용해서 비교하였다. 지반공학 다변수 역해석 문제에서 결정론적인 방법은 문제가 있음을 확인하였고, 차분진화 알고리즘의 우수성을 확인하였다. DEA는 Sharan의 이론 해에 대한 문제에서 평균 3.12%, Blum 문제에 대해서 평균 2.23% 오차율을 보였고, 반복 탐색 회수도 가장 작은 것으로 파악되었다. DEA 대비해서 SA는 117.39~167.13배, PSO는 2.43~6.91배의 탐색시간이 소요되었다. 지반공학 문제의 다변수 역해석에 차분진화 알고리즘을 적용하면, 계산속도 및 정확도가 향상될 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.