• Structural Engineering and Mechanics
• /
• 제29권2호
• /
• pp.223-235
• /
• 2008

This paper focuses on the application of artificial neural networks (ANN) for optimal design of tensegrity grid as light-weight roof structures. A tensegrity grid, 2 m ${\times}$ 2 m in size, is fabricated by integrating four single tensegrity modules based on half-cuboctahedron configuration, using galvanised iron (GI) pipes as struts and high tensile stranded cables as tensile elements. The structure is subjected to destructive load test during which continuous monitoring of the prestress levels, key deflections and strains in the struts and the cables is carried out. The monitored structure is analyzed using finite element method (FEM) and the numerical model verified and updated with the experimental observations. The paper then explores the possibility of applying ANN based on multilayered feed forward back propagation algorithm for designing the tensegrity grid structure. The network is trained using the data generated from a finite element model of the structure validated through the physical test. After training, the network output is compared with the target and reasonable agreement is found between the two. The results demonstrate the feasibility of applying the ANNs for design of the tensegrity structures.

• 가정과삶의질연구
• /
• 제33권4호
• /
• pp.51-65
• /
• 2015

Case management is becoming increasingly more important in the field of social welfare. The purpose of this study was to examine the practice of case management at community child centers and to identify factors influencing their performance. In addition, this study also analysed the performance level of case management at each stage and the factors influencing the level at each stage. For the purpose of this study, data obtained from about 181 community child center workers in Busan, Ulsan and Gyeongsangnamdo were analyzed. According to the results of the analysis, in Model 1 which represents the category of socio-demographic and personal factors, three factors namely gender, experience in case management, and interpersonal skills were found to be significantly influential and they have an explanatory power of 21.5%. Under the category of organizational factors in Model 2, four factors were found to be influential: experience in case management, interpersonal skills, availability of case management guidelines, and holding case conferences. These factors account for 33% explanatory power, 11.5% higher than that of Model 1. In Model 3 which represents the third category of community network literacy, three factors namely interpersonal skills, availability of case management guidelines, and ability to utilize networks were found to influence case management at community child centers, and they have an explanatory power of 43.4%, 10.4% higher than that of Model 2. For the practice of social welfare, these findings have the implication that community child center workers need to improve their interpersonal skills by cultivating communication skills, collaborative problem-solving skills, conflict-management skills, and other relevant skills. Furthermore, it is necessary to provide specific guidelines for case management, to have regular case conferences, to establish a community network, and to reinforce cooperation and mutual support among institutions within the network.

• 정보관리학회지
• /
• 제40권2호
• /
• pp.59-80
• /
• 2023

기존의 연구자 유형 구분 모델은 대부분 연구성과 지표를 활용해왔다. 이 연구에서는 인용 영향력이 공동연구와 관련이 있다는 점을 감안하여 인용 데이터를 활용하지 않고 공동연구 지표만으로 연구자 유형을 분석하는 새로운 방법을 모색해보았다. 공동연구 패턴과 공동연구 범위를 기준으로 연구자를 Sparse & Wide (SW) 유형, Dense & Wide (DW) 유형, Dense & Narrow (DN) 유형, Sparse & Narrow (SN) 유형의 4가지로 구분하는 모델을 제안하였다. 제안된 모델을 양자계측 분야에 적용해본 결과, 구분된 연구자 유형별로 인용지표와 공저 네트워크 지표에 차이가 있음이 통계적으로 검증되었다. 이 연구에서 제시한 공동연구 특성에 따른 연구자 유형 구분 모델은 인용정보를 필요로 하지 않으므로 연구관리 정책과 연구지원서비스 측면에서 폭넓게 활용할 수 있을 것으로 기대된다.

• 경영정보학연구
• /
• 제22권1호
• /
• pp.113-124
• /
• 2020

농가를 운영함에 있어서 수확한 작물에 대한 품질을 평가하여 불량품을 분류하는 작업은 매우 중요하다. 그러나, 농가는 부족한 자본과 인력으로 인하여 품질평가에 소요되는 비용과 시간을 감당하는데 어려움이 있다. 이에 본 연구는 인공지능 기술인 딥 러닝 알고리즘을 이용하여 과일의 표피를 분석함으로써 불량을 검출하고자 한다. 과일을 촬영한 동영상 이미지에 대하여 영역기반 합성곱 신경망(Region Convolutional Neural Network)을 기반으로 한 YOLOv3 알고리즘을 적용하여 표피를 분석할 수 있는 모델을 개발하였다. 총 4개의 클래스를 정해서 학습을 진행하였고, 총 97,600번의 epoch을 통해서 우수한 성능의 불량검출 모델을 얻을 수 있었다. 본 연구에서 제안한 농작물 불량검출 모델은 데이터 수집, 분석된 데이터를 통한 품질평가, 그리고 불량검출에 이르는 과정의 자동화에 활용될 수 있다. 특히, 농작물들 중에서도 외상에 가장 취약한 복숭아를 대상으로 분석모델을 개발하였기 때문에, 다른 작물에도 적용될 수 있을 것으로 기대된다.

• 대한토목학회논문집
• /
• 제26권1B호
• /
• pp.39-50
• /
• 2006

홍수를 예측하기 위해서 국내 5대강 유역의 홍수통제소는 저류함수모형을 사용하고 있으며 현재까지 홍수예측에 대한 많은 연구가 이루어지고 있다. 이에 본 논문에서는 현재 홍수통제소에서 사용되고 있는 저류함수모형과 과거의 강우-수위 관계를 이용한 회귀분석(regression analysis), 그리고 인공신경망(artificial neural network)을 이용하여 홍수를 예측하고 이를 비교, 분석하고자 하였다. 저류함수모형의 경우는 홍수통제소의 대표매개변수와 보정된 최적(평균)매개변수를 적용하였다. 그리고 회귀분석과 인공신경망은 1995~2001년까지의 홍수사상 중 4개의 홍수사상을 선택하여 회귀계수를 구하고 역전파(backpropagation) 알고리즘을 사용하여 학습을 시켰다. 그 결과 저류함수모형의 경우 최적 매개변수를 이용하였을 때 기존의 홍수통제소에서 사용하고 있는 대표매개변수보다 예측이 개선되었으며, 회귀분석의 방법인 다중회귀분석, Robust 회귀분석, Stepwise 회귀분석을 이용한 홍수예측은 비교적 정확한 결과를 얻을 수 있었다. 역전파 알고리즘을 사용한 인공신경망의 경우도 회귀분석을 이용한 홍수예측보다는 다소 못하였지만 정확한 결과를 얻을 수 있었다.

• 한국정보통신학회논문지
• /
• 제23권11호
• /
• pp.1357-1363
• /
• 2019

본 논문은 사람의 중기 염색체로 이루어진 디지털 이미지에서 Faster Region-based Convolutional Neural Network(R-CNN) 모델로 염색체 객체를 검출할 때 필요한 경사 하강 최적화기의 성능을 비교한다. Faster R-CNN의 경사 하강 최적화기는 Region Proposal Network(RPN) 모듈과 분류 점수 및 바운딩 박스 예측 블록의 목적 함수를 최소화하기 위해 사용된다. 실험에서는 이러한 네 가지 경사 하강 최적화기의 성능을 비교하였으며 VGG16이 기본 네트워크인 Faster R-CNN 모델은 Adamax 최적화기가 약 52%의 Mean Average Precision(mAP)를 달성하였고 ResNet50이 기본 네트워크인 Faster R-CNN 모델은 Adadelta 최적화기가 약 58%의 mAP를 달성하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권6호
• /
• pp.131-138
• /
• 2022

Novel Coronavirus (COVID-19) is viewed as one of the main general wellbeing theaters on the worldwide level all over the planet. Because of the abrupt idea of the flare-up and the irresistible force of the infection, it causes individuals tension, melancholy, and other pressure responses. The avoidance and control of the novel Covid pneumonia have moved into an imperative stage. It is fundamental to early foresee and figure of infection episode during this troublesome opportunity to control of its grimness and mortality. The entire world is investing unimaginable amounts of energy to fight against the spread of this lethal infection. In this paper, we utilized machine learning and deep learning techniques for analyzing what is going on utilizing countries shared information and for detecting the climate factors that effect on spreading Covid-19, such as humidity, sunny hours, temperature and wind speed for understanding its regular dramatic way of behaving alongside the forecast of future reachability of the COVID-2019 around the world. We utilized data collected and produced by Kaggle and the Johns Hopkins Center for Systems Science. The dataset has 25 attributes and 9566 objects. Our Experiment consists of two phases. In phase one, we preprocessed dataset for DL model and features were decreased to four features humidity, sunny hours, temperature and wind speed by utilized the Pearson Correlation Coefficient technique (correlation attributes feature selection). In phase two, we utilized the traditional famous six machine learning techniques for numerical datasets, and Dense Net deep learning model to predict and detect the climatic factor that aide to disease outbreak. We validated the model by using confusion matrix (CM) and measured the performance by four different metrics: accuracy, f-measure, recall, and precision.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제8권3호
• /
• pp.57-67
• /
• 2018

앙상블 기법은 기계학습에서 다수의 알고리즘을 사용하여 더 좋은 성능을 내기 위해 사용하는 방법이다. 본 논문에서는 앙상블 기법에서 많이 사용되는 부스팅과 배깅에 대해 소개를 하고, 서포트벡터 회귀, 방사기저함수 네트워크, 가우시안 프로세스, 다층 퍼셉트론을 이용하여 설계한다. 추가적으로 순환신경망과 MOHID 수치모델을 추가하여 실험을 진행한다. 실험적 검증를 위해 사용하는 뜰개 데이터는 7 개의 지역에서 관측된 683 개의 관측 자료다. 뜰개 관측 자료를 이용하여 6 개의 알고리즘과의 비교를 통해 앙상블 기법의 성능을 검증한다. 검증 방법으로는 평균절대오차를 사용한다. 실험 방법은 배깅, 부스팅, 기계학습을 이용한 앙상블 모델을 이용하여 진행한다. 각 앙상블 모델마다 동일한 가중치를 부여한 방법, 차등한 가중치를 부여한 방법을 이용하여 오류율을 계산한다. 가장 좋은 오류율을 나타낸 방법은 기계학습을 이용한 앙상블 모델로서 6 개의 기계학습의 평균에 비해 61.7%가 개선된 결과를 보였다.

• 천문학회보
• /
• 제37권2호
• /
• pp.123.1-123.1
• /
• 2012

We have compared near-real time Kp forecast models based on neural network (NN) and support vector machine (SVM) algorithms. We consider four models as follows: (1) a NN model using ACE solar wind data; (2) a SVM model using ACE solar wind data; (3) a NN model using ACE solar wind data and preliminary kp values from US ground-based magnetometers; (4) a SVM model using the same input data as model 3. For the comparison of these models, we estimate correlation coefficients and RMS errors between the observed Kp and the predicted Kp. As a result, we found that the model 3 is better than the other models. The values of correlation coefficients and RMS error of the model 3 are 0.93 and 0.48, respectively. For the forecast evaluation of models for geomagnetic storms ($Kp{\geq}6$), we present contingency tables and estimate statistical parameters such as probability of detection yes (PODy), false alarm ratio (FAR), bias, and critical success index (CSI). From a comparison of these statistical parameters, we found that the SVM models (model 2 and model 4) are better than the NN models (model 1 and model 3). The values of PODy and CSI of the model 4 are the highest among these models (PODy: 0.57 and CSI: 0.48). From these results, we suggest that the NN models are better than the SVM models for predicting Kp and the SVM models are better than the NN models for forecasting geomagnetic storms.

• 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.