• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 추계종합학술대회논문집
• /
• pp.201-204
• /
• 2000

This paper describes a study on the time-varying control of parameters in learning of the neural network. Elman recurrent neural network (RNN) is used to implement the control of parameters. The parameters of learning and momentum rates In the error backpropagation algorithm ate updated at every iteration using fuzzy rules based on performance index. In addition, the gain and slope of the neuron's activation function are also considered time-varying parameters. These function parameters are updated using the gradient descent algorithm. Simulation results show that the auto-tuned learning algorithm results in faster convergence and lower system error than regular backpropagation in the system identification.

• Structural Monitoring and Maintenance
• /
• 제6권3호
• /
• pp.173-190
• /
• 2019

Steel-confined reinforced concrete (SCRC) columns feature highly complex and invisible mechanisms that make damage evaluation and pattern recognition difficult. In the present article, the prevailing acoustic emission (AE) technique was applied to monitor and evaluate the damage process of steel-confined RC columns in a quasi-static test. AE energy-based indicators, such as index of damage and relax ratio, were proposed to trace the damage progress and quantitatively evaluate the damage state. The fuzzy C-means algorithm successfully discriminated the AE data of different patterns, validity analysis guaranteed cluster accuracy, and principal component analysis simplified the datasets. A detailed statistical investigation on typical AE features was conducted to relate the clustered AE signals to micro mechanisms and the observed damage patterns, and differences between steel-confined and unconfined RC columns were compared and illustrated.

• Current Optics and Photonics
• /
• 제7권6호
• /
• pp.655-664
• /
• 2023

Ghost imaging (GI) technology is developing rapidly, but there are inevitably some limitations such as the influence of atmospheric turbulence. In this paper, we study a ghost imaging system in atmospheric turbulence and use a gamma-gamma (GG) model to simulate the medium to strong range of turbulence distribution. With a compressed sensing (CS) algorithm and generative adversarial network (GAN), the image can be restored well. We analyze the performance of correlation imaging, the influence of atmospheric turbulence and the restoration algorithm's effects. The restored image's peak signal-to-noise ratio (PSNR) and structural similarity index map (SSIM) increased to 21.9 dB and 0.67 dB, respectively. This proves that deep learning (DL) methods can restore a distorted image well, and it has specific significance for computational imaging in noisy and fuzzy environments.

• 한국멀티미디어학회논문지
• /
• 제17권11호
• /
• pp.1363-1373
• /
• 2014

In this study, a hybrid multi-cup electric cupping system (HMECS) was proposed, based on the ancient cupping method. HMECS consisted of several cups that could be used simultaneously to treat different areas of the patient's body. Each cup was equipped with its own pump and pressure-monitoring system. Moreover, the vacuum pressure of the cups was controlled using fuzzy logic. Through automated control of the vacuum pressure, long-term relief of muscle tightness was achieved. To develop a scientific foundation for this alternative treatment, we compared the VAS(Visual Analog Scale) and ODI(Oswestry Disability Index) scores from conventional basic cupping to the VAS and ODI scores for our proposed HMECS. The improvement rate in the VAS and ODI scores using HMECS after three treatments was higher than that achieved by basic cupping. These results, combined with the convenience offered by enhanced IT capabilities, should increase the popularity of this device among an aging society, and facilitate the opportunity to further explore the potential of Oriental medical practices.

• 융합정보논문지
• /
• 제10권4호
• /
• pp.55-64
• /
• 2020

이 연구는 정부기관을 대상으로 성과정보의 활용 방식과 성과관리 과정에서 관리자의 의사결정 방식이 성과 달성 등에 미치는 영향을 실증적으로 규명하고자 하였다. 이 연구는 정부부처 성과관리 총괄담당자를 대상으로 성과정보 활용 방식, 성과지표의 적절성, 성과정보의 다양성, 관리자의 개입 수준을 조사하고, 부처별 성과 보고서를 통해 성과달성 수준을 측정하여 퍼지셋 질적분석모형을 적용하였다. 분석 결과 경성적 활용과 연성적 활용은 성과지표의 적절성 및 다양성과 조합되어 성과에 영향을 미치는 것으로 나타났으며, 과장급 관리자는 필요조건으로 사무관급은 성과지표의 적절성과 조합되어 성과에 긍정적 영향을 미치는 것으로 나타났다. 이는 정부 및 공공조직의 성과창출에 대한 영향 요인이 다양한 방식으로 조합됨을 시사하며, 후속 연구를 통해 학습의 왜곡 가능성과 시기별 편이의 한계를 극복할 필요성을 제기한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.154-154
• /
• 2012

지표에서의 토양수분은 작은 구성비를 가짐에도 불구하고 여러 수문 현상을 연계하는 매우 중요한 인자로써 최근 관련 연구가 활발하게 진행되고 있다. 토양수분은 침투나 침루를 통하여 강우와 지하수를 연결하는 기능을 함과 동시에 강우사상에 따른 유출특성에 직접적인 영향을 미치며 증발산을 통하여 에너지 순환을 연결하는 중요한 기능을 한다. 토양수분을 측정하는 방법에는 세타 탐침(Theta Probe), 장력계, TDR(Time Domain Reflectrometry) 등이 이용되고 있으며, 광역 토양수분자료의 보다 정확한 공간 변동성의 관측을 위하여 항공원격탐사와 인공위성 원격탐사기술이 개발되어 적용되고 있다. 인공위성 영상은 자료의 분석이 간편하며, 공간자료이므로 공간 변화를 분석하는 데 있어 매우 편리하다. 그 중 MODIS(Moderate Resolution Imaging Spectroradiometer) 위성영상은 저해상도 영상으로 극궤도 위성인 Terra와 Aqua 위성에 장착되어 있으며, NASA에서 필요한 정보를 받아 사용할 수 있다. 본 연구에서는 유역의 물리적 지형자료와 같은 방대한 양의 자료 수집 없이도, 모형이 구축되면 인공위성자료와 강우자료만으로도 신뢰성 높은 결과를 단시간 내에 효율적으로 산정할 수 있는 자료 지향형 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하였다. 사용된 퍼지변수로는 시험유역의 토양수분 관측자료와 강수량 및 인공위성 자료인 MODIS NDVI(Normalize Difference Vegetation Index), MODIS LST(Land-Surface Temperature) 영상을 이용하였다. MODIS NDVI는 시간 해상도 8일, 공간해상도 250 인 Level 3 영상이며, MODIS LST는 시간 해상도 1일, 공간해상도 1 km인 Level 3 영상을 사용하였다. 위성자료를 사용하기 위해 Korea TM 좌표체계로 변환한 뒤, 토양수분 관측지점이 속한 각 셀의 속성값을 추출하였다. 위성자료와 수집된 자료 및 토양수분자료와의 관계를 분석하기 위하여 입력자료를 다양한 방법으로 구성하여 입력 변수를 생성하였다. 생성된 입력 변수와 ANFIS 모형을 연계하여 각각의 토양수분 산정모형을 구축하고 대상지점에 대한 토양수분을 산정 및 비교 분석하였다.

• 한국사회정책
• /
• 제25권4호
• /
• pp.301-321
• /
• 2018

이 논문의 목적은 공적연금제도의 양적인 측면과 질적인 측면의 어떠한 결합형태가 노인빈곤감소율을 설명하는 원인조건이 되는지를 분석하는데 있다. 이를 위해 노인빈곤감소율을 결과조건변수로, 공적연금지출 비중, 재분배지수, 1층 공적연금비중, 2층 공적연금비중과 2층 강제적 사적연금비중을 원인조건변수로 하는 퍼지셋 질적비교분석을 수행했다. 분석결과, 높은 공적연금지출 비중, 낮은 2층 공적연금비중과 높은 2층 강제적 사적연금비중의 결합은 높은 노인빈곤감소율의 원인조건이 되고 있었다. 그리고 낮은 노인빈곤감소율의 원인조건으로는 보다 다양한 결합 형태가 발견되었다. 이 논문은 이상의 연구결과를 토대로 정책적 제언을 제시했다.

• Computers and Concrete
• /
• 제32권2호
• /
• pp.119-138
• /
• 2023

Concrete carbonation is a prevalent phenomenon that leads to steel reinforcement corrosion in reinforced concrete (RC) structures, thereby decreasing their service life as well as durability. The process of carbonation results in a lower pH level of concrete, resulting in an acidic environment with a pH value below 12. This acidic environment initiates and accelerates the corrosion of steel reinforcement in concrete, rendering it more susceptible to damage and ultimately weakening the overall structural integrity of the RC system. Lower pH values might cause damage to the protective coating of steel, also known as the passive film, thus speeding up the process of corrosion. It is essential to estimate the carbonation factor to reduce the deterioration in concrete structures. A lot of work has gone into developing a carbonation model that is precise and efficient that takes both internal and external factors into account. This study presents an ML-based adaptive-neuro fuzzy inference system (ANFIS) approach to predict the carbonation depth of fly ash (FA)-based concrete structures. Cement content, FA, water-cement ratio, relative humidity, duration, and CO2 level have been used as input parameters to develop the ANFIS model. Six performance indices have been used for finding the accuracy of the developed model and two analytical models. The outcome of the ANFIS model has also been compared with the other models used in this study. The prediction results show that the ANFIS model outperforms analytical models with R-value, MAE, RMSE, and Nash-Sutcliffe efficiency index values of 0.9951, 0.7255 mm, 1.2346 mm, and 0.9957, respectively. Surface plots and sensitivity analysis have also been performed to identify the repercussion of individual features on the carbonation depth of FA-based concrete structures. The developed ANFIS-based model is simple, easy to use, and cost-effective with good accuracy as compared to existing models.

• 한국지능시스템학회논문지
• /
• 제10권5호
• /
• pp.487-496
• /
• 2000

본 논문에서는, HCM 클러스러팅 방법과 유전자 알고리즘을 이용하여 다중 FNN 모델을 동정하고 최적화 한다. 제안된 다중 FNN은 Yamakawa의 FNN을 기본으로 하며, 퍼지 추론 방법으로 간략 추론을, 학습으로는 오류 역전파 알고리즘을 사용한다. 다중 FNN 모델의 구조와 파라미터를 동정하기 위해 HCM 클러스터링과 유전자 알고리즘을 사용한다. 여기서, 시스템 모델링을 위해 데이터 전처리 기능을 수행하는 HCM클러스터링 방법은 I/O 프로세서 공정 데이터를 이용하여 입출력 공간분할에 의한 다중 FNN 구조를 결정하기 위해 사용된다. 또한 유전자 알고리즘을 사용하여 멤버쉽함수의 정점, 학습율, 모멘텀 계수와 같은 다중 FNN 모델의 파라미터들을 동조한다. 모델의 근사화와 일반화 능력 사이에 합히적 균형을 얻기 위해 하중계수를 가진 합성 성능지수를 사용한다. 이 합성 성능지수는 근사화 및 예측 능력사이의 상호 균형과 의존성을 고려한 하중계수를 가진 합성 목적함수를 의미한다. 데이터 개수, 비선형성의 정도에 의존하는 이 합성 목적함수의 하중계수의 선택, 조절을 통하여 최적의 다중 FNN 모델을 설계하는 것이 유용하고 효과적임을 보인다. 제안된 모델의 성능 평가를 위하여 가스로 공정의 시계열 데이터와 비선형 함수의 수치 데이터를 사용한다.

• 한국지능시스템학회논문지
• /
• 제10권4호
• /
• pp.343-350
• /
• 2000

본 논문에서는, 최적 시스템을 위해서 FNN과 PNN에 기반을 둔 Multi-FPNN(다중 퍼지 다항식 뉴럴네트워크) 모델을 제안한다. 여기서 FNN 구조는 각각의 분리된 입력변수에 의해 분할된 퍼지 입력공간을 사용해서 설게되고, 간략 퍼지추론 방법과 오류 역전파 알고리즘을 이용한다. FNN은 더 좋은 출력성능을 얻기 위해 PNN과 결합한다. GMDH 방법에 기초한 PNN 구조의 각 노드는 1차 및 2차 고계 다항식의 두 형태를 사용하고, 그 노드의 입력의 입력은 2, 3, 4의 세 종류의 다변수 입력을 사용한다. 그리고 다중 FPNN 모델의 구조와 파라미터를 동정하기 위햐 HCM 크러스터링방법과 유전자 알고리즘을 사용한다. 여기서, 시스템을 위해 데이터 전처리 기능을 수행하는 HCM 클러스터링 방법은 입출력 공간분할에 의해 다중 FPNN 구조를 결정하기 위해 사용된다. 모델의 근사화와 일반화 능력 사이에 충분한 군형을 ？기 위해 하중계수를 가진 합성 성능지수(목적함수)를 사용한다. 데이터 개수, 비선형의 정도(입.출력 데이터 분포)에 위존하는 이 합성 목적함수의 하중계수의 선택 및 조절을 통하여 최적의 다중 FPNN모델을 설계하는 것이 유용하고 효과적임을 보인다. 본 연구는 두 개의 대표적 수치예의 도움으로 설명되고, 그 모델의 근사화 및 일만화 능력에 관련된 합성 성능 지수가 평가되고, 도한 토의된다.