• 한국지진공학회논문집
• /
• 제9권2호통권42호
• /
• pp.7-15
• /
• 2005

본 연구에서는 하이브리드 면진장치가 설치된 단자유도 구조물의 동적거동을 예측할 수 있는 수치해석모델을 제안한다. 하이브리드 면진장치는 MR 감쇠기와 마찰진자시스템(FPS)으로 구성된다. MR감쇠기의 동적거동을 모형화하기 위하여 뉴로-퍼지 모델을 사용한다. 다양한 변위, 속도, 전압의 조합을 사용하여 MR 감쇠기의 성능실험을 수행한 후 얻어진 데이터를 이용하여 MR 감쇠기 뉴로-퍼지 모델을 ANFIS로 학습시킨다. FPS의 모형화는 본 연구에서 유도한 비선형 모델식에 근거하여 뉴로-퍼지 모형화방법을 사용하여 이루어진다. 본 연구에서는 MR 감쇠기로 전달되는 제어전압을 조절하기 위하여 퍼지논리제어기를 사용한다. 다양한 지진하중을 사용한 진동대 실험을 통하여 얻은 실험체의 동적응답과와 뉴로-퍼지 모형화방법을 사용한 수치해석의 결과를 비교한다. 뉴로-퍼지 모델을 사용하여 MR 감쇠기와 FPS를 모형화해서 수치해석을 수행한 결과 하이브리드 면진장치의 동적거동을 매우 정확하게 예측할 수 있었다.

• 한국지리정보학회지
• /
• 제6권3호
• /
• pp.129-138
• /
• 2003

공간적 변수들의 추정에 필요한 유역의 지리수문학적 정보의 효율적인 사용과 모델매개변수들의 보다 정확한 추정을 도모하기 위하여 개발된 수문정보시스템은 지리정보시스템, SWMM, 및 L_BFGS_B 등으로 구축되었다. 여기서, 지리정보시스템은 모델의 검정에 필요한 유역의 지리지형 특성인자들의 자동추출을 위하여 사용되었으며, 수문학적인 모의를 위해서는 SWMM을, 그리고 모델의 매개변수 추정에 필요한 decision support system(DSS)으로 비선형 최적화 기법의 L_BFGS_B 알고리즘이 각각 사용되었다. 본 연구는 또한 토지이용을 주 인자로 하여 개발된 추론모델들을 통하여 공간변수추정의 정확성을 최대화하는 한편, 공간특성변수들의 추정에 드는 엄청난 시간과 노력을 최소화함으로서 기존의 모델검정방법의 문제점들을 개선하고자 하였다. 도출된 연구결과들의 비교분석을 통하여 모델 예측치의 신뢰성 향상 및 효과적이고 효율적인 모델 변수추정을 획득할 수 있음을 알 수 있었다. 따라서 이러한 결과들로부터 수문정보시스템의 매개변수 추정에 대한 적용성을 입증 하였다.

• 한국산업정보학회논문지
• /
• 제25권2호
• /
• pp.19-27
• /
• 2020

최근 가상현실 및 증강 현실 기술을 이용한 다양한 응용분야가 각광받으면서 빠르고 정확한 3차원 모델 생성이 요구되고 있다. 본 논문에서는 옷을 입은 3차원 사람 모델을 포인트 클라우드의 형상으로 변형하는 온-사이트 학습 (On-site learning) 기반 형상 변형 방법을 제안한다. 제안하는 알고리즘은 사전 학습과 온-사이트 학습 두 개의 파트로 구성되어 있으며, 각각의 학습은 인코더 네트워크, 템플릿 변형 네트워크, 디코더 네트워크로 구성된다. 딥러닝 네트워크 학습은 3차원 포인트 클라우드와 템플릿 정점 사이의 챔퍼 거리 (Chamfer distance)를 주요 손실 함수로 사용하는 비지도 학습을 적용한다. 입력된 포인트 클라우드 형태의 데이터에 대해 온-사이트 학습을 진행함으로써 추론의 결과물에 대한 높은 정확도를 얻을 수 있으며 이를 실험을 통해 제시한다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.215-229
• /
• 2020

산업 분야를 막론하고 머신러닝의 관심이 매우 높아지고 있으나, 머신러닝이 지닌 설명 불가능성은 여전히 문제로 남아있어 적극적인 업무 적용에 어려움이 있다. 본고에서는 증권사 금융 고객을 대상으로 이탈예측 모델 개발 사례를 소개하고 SHAP Value 기법을 사용하여 설명 가능한 머신러닝 모델 개발 시도와 해석 가능성 도출에 대한 연구 결과를 소개한다. 총 6가지 고객이탈 모델을 비교 분석하였으며, SHAP Value와 고객의 자산 변화에 따른 유형 분류 및 데이터 분석을 통해 고객 이탈 원인을 추론한다. 본 연구 결과를 토대로, 향후 마케팅 담당자의 실제 고객 마케팅 수행에 있어 원인 추론이 가능한 이탈 예측 결괏값을 사용하고 고객별 마케팅 여부를 점검하는 등의 종합적 판단 지표로 활용할 수 있을 것으로 판단된다.

• 한국정보기술학회논문지
• /
• 제18권5호
• /
• pp.55-64
• /
• 2020

태양광 시스템의 안정성과 신뢰성 향상을 위해서는 배터리의 잔존량 (State of Charge, SOC)을 정확하게 추정하여야 한다. 본 연구에서는 gradient descent, Levenberg-Marquardt 및 scaled conjugate gradient 학습방법을 사용한 인공 신경회로망 (Artificial Neural Networks, ANN)과 적응형 뉴로-퍼지 추론 시스템 (Adaptive Neuro-Fuzzy Inference System, ANFIS)을 사용한 SOC 추정방법을 제안한다. 입력으로는 충전 시작 전압 및 적류적산법을 통해 구한 충전 전류를 사용하여 추정된 SOC를 출력한다. 4개의 모델 (ANN-GD, ANN-LM, ANN-SCG, 및 ANFIS)을 사용하여 SOC 추정 방법을 구현하였고 실험을 통해 MATLAB을 사용하여 4개의 모델의 성능을 비교 분석하였다. 실험 결과로부터 ANFIS 모델을 사용한 배터리의 SOC 추정이 가장 정확도가 높았으며 빠른 속도로 수렴함을 확인하였다.

• Structural Engineering and Mechanics
• /
• 제83권3호
• /
• pp.327-340
• /
• 2022

The Collapse Margin Ratio (CMR) is a notable index used for seismic assessment of the structures. As proposed by FEMA P695, a set of analyses including the Nonlinear Static Analysis (NSA), Incremental Dynamic Analysis (IDA), together with Fragility Analysis, which are typically time-taking and computationally unaffordable, need to be conducted, so that the CMR could be obtained. To address this issue and to achieve a quick and efficient method to estimate the CMR, the Artificial Neural Network (ANN), Response Surface Method (RSM), and Adaptive Neuro-Fuzzy Inference System (ANFIS) will be introduced in the current research. Accordingly, using the NSA results, an attempt was made to find a fast and efficient approach to derive the CMR. To this end, 5016 IDA analyses based on FEMA P695 methodology on 114 various Reinforced Concrete (RC) frames with 1 to 12 stories have been carried out. In this respect, five parameters have been used as the independent and desired inputs of the systems. On the other hand, the CMR is regarded as the output of the systems. Accordingly, a double hidden layer neural network with Levenberg-Marquardt training and learning algorithm was taken into account. Moreover, in the RSM approach, the quadratic system incorporating 20 parameters was implemented. Correspondingly, the Analysis of Variance (ANOVA) has been employed to discuss the results taken from the developed model. Additionally, the essential parameters and interactions are extracted, and input parameters are sorted according to their importance. Moreover, the ANFIS using Takagi-Sugeno fuzzy system was employed. Finally, all methods were compared, and the effective parameters and associated relationships were extracted. In contrast to the other approaches, the ANFIS provided the best efficiency and high accuracy with the minimum desired errors. Comparatively, it was obtained that the ANN method is more effective than the RSM and has a higher regression coefficient and lower statistical errors.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.26-30
• /
• 2022

스파이킹 신경망은 실제 두뇌 뉴런의 작동원리를 적용한 신경망으로, 뉴런의 생물학적 메커니즘으로 인해 기존 신경망보다 학습과 추론에 소모되는 전력이 적다. 최근 딥러닝 모델이 거대해지며 운용에 소모되는 비용 또한 기하급수적으로 증가함에 따라 스파이킹 신경망은 합성곱, 순환 신경망을 잇는 3세대 신경망으로 주목받으며 관련 연구가 활발히 진행되고 있다. 그러나 스파이킹 신경망 모델을 산업에 적용하기 위해서는 아직 선행되어야 할 연구가 많이 남아있고, 새로운 모델을 적용하기 위한 모델 재학습 문제 역시 해결해야 한다. 본 논문에서는 기존의 학습된 딥러닝 모델의 가중치를 추출하여 스파이킹 신경망 모델의 가중치로 변환하는 것으로 모델 재학습 비용을 최소화하는 방법을 제안한다. 또한, 변환된 가중치를 사용한 추론 결과와 기존 모델의 결과를 비교해 가중치 변환이 올바르게 작동함을 보인다.

• Geomechanics and Engineering
• /
• 제34권6호
• /
• pp.697-726
• /
• 2023

Brittleness as an important property of rock plays a crucial role both in the failure process of intact rock and rock mass response to excavation in engineering geological and geotechnical projects. Generally, rock brittleness indices are calculated from the mechanical properties of rocks such as uniaxial compressive strength, tensile strength and modulus of elasticity. These properties are generally determined from complicated, expensive and time-consuming tests in laboratory. For this reason, in the present research, an attempt has been made to predict the rock brittleness indices from simple, inexpensive, and quick laboratory test results namely dry unit weight, porosity, slake-durability index, P-wave velocity, Schmidt rebound hardness, and point load strength index using multiple linear regression, exponential regression, support vector machine (SVM) with various kernels, generating fuzzy inference system, and regression tree ensemble (RTE) with boosting framework. So, this could be considered as an innovation for the present research. For this purpose, the number of 39 rock samples including five igneous, twenty-six sedimentary, and eight metamorphic were collected from different regions of Iran. Mineralogical, physical and mechanical properties as well as five well known rock brittleness indices (i.e., B₁, B₂, B₃, B₄, and B₅) were measured for the selected rock samples before application of the above-mentioned machine learning techniques. The performance of the developed models was evaluated based on several statistical metrics such as mean square error, relative absolute error, root relative absolute error, determination coefficients, variance account for, mean absolute percentage error and standard deviation of the error. The comparison of the obtained results revealed that among the studied methods, SVM is the most suitable one for predicting B₁, B₂ and B₅, while RTE predicts B₃ and B₄ better than other methods.

• 응용통계연구
• /
• 제29권1호
• /
• pp.99-112
• /
• 2016

비대칭 점프확산 모형은 자산 가격의 비대칭적 변동을 효과적으로 설명하는 모형으로 활용되어 왔다. 그러나 다변량 모형으로 확장한 다변량 비대칭 라플라스 점프확산 모형은 가능도함수가 닫힌 해로 존재하지 않아 모형의 추론에 한계가 존재하였다. 본 논문에서는 이러한 한계점을 극복하기 위해 자료 확장 기법을 제안하고 새로운 베이지안 추론 방법을 개발한다. 본 논문에서 제안된 모형은 단일 점프와 공통 점프 뿐만 아니라 모든 가능한 조합으로 발생하는 점프를 반영한 확장된 다변량 비대칭 라플라스 점프확산 모형이다. 이러한 모형을 분석하기 위해 붕괴된 깁스 샘플러를 고안한 베이지안 방법을 개발하였다. 본 논문에서 제안된 모형과 방법을 모의실험 자료 및 2005년 1월 3일부터 2015년 9월 30일까지 관찰된 일별 KOSPI, S&P500, 그리고 Nikkei225에 적용하여 효율성을 검증하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.197-197
• /
• 2016

Forecasting future drought events in a region plays a major role in water management and risk assessment of drought occurrences. The creeping characteristics of drought make it possible to mitigate drought's effects with accurate forecasting models. Drought forecasts are inevitably plagued by uncertainties, making it necessary to derive forecasts in a probabilistic framework. In this study, a new probabilistic scheme is proposed to forecast droughts, in which a discrete-time finite state-space hidden Markov model (HMM) is used aggregated with the Representative Concentration Pathway 8.5 (RCP) precipitation projection (HMM-RCP). The 3-month standardized precipitation index (SPI) is employed to assess the drought severity over the selected five stations in South Kore. A reversible jump Markov chain Monte Carlo algorithm is used for inference on the model parameters which includes several hidden states and the state specific parameters. We perform an RCP precipitation projection transformed SPI (RCP-SPI) weight-corrected post-processing for the HMM-based drought forecasting to derive a probabilistic forecast that considers uncertainties. Results showed that the HMM-RCP forecast mean values, as measured by forecasting skill scores, are much more accurate than those from conventional models and a climatology reference model at various lead times over the study sites. In addition, the probabilistic forecast verification technique, which includes the ranked probability skill score and the relative operating characteristic, is performed on the proposed model to check the performance. It is found that the HMM-RCP provides a probabilistic forecast with satisfactory evaluation for different drought severity categories, even with a long lead time. The overall results indicate that the proposed HMM-RCP shows a powerful skill for probabilistic drought forecasting.