• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1994년도 추계학술대회 논문집
• /
• pp.790-795
• /
• 1994

This paper describes multiple fault diagnosis method in complex system with hierarchical structure. Complex system is divided into subsystem, item, component. For diagnosing this hierarchical complex system, it is necessary to implement special neural network. We introducd to Hierarchical Artificial Neural Network(HANN) for this purpose. HANN consists of four level neural network, first level for symptom classification, second level for item fault diagnosis, third level for component symptom classification,forth level for component fault diagnosis. Each network is multi layer perceptron with 7 inputs, 30 hidden node and 7 outputs trainined by backpropagation. UNIX IPC(Inter Process Communication) is used for implementing HANN with multitasking and message transfer between processes in SUN workstation. We tested HANN in reactor system.

• 정보보호학회논문지
• /
• 제11권4호
• /
• pp.15-31
• /
• 2001

본 논문에서는 위성통신망의 보안 위협요소를 위성통신망의 특성과 데이터를 바탕으로 Level-0(위성 전파 신호), Level-1(위성 관제 데이터). Level-2(위성 응용 데이터) 그리고 지상망 보안 단계로 분류한다. 그리고 각 보안 단계에 대한 위협 요소를 분석한다. 그 후 도출된 위성통신망 보안 위협요소에 대한 보안 요구 사항을 신호보안과 정보보안 레벨로 나누고, 이를 근거로 기존의 신호보안 수준의 대응방안에서 벗어나 위성통신 네트워크 보안, 위성통신망 시스템 보안, 위성통신망 데이터 보안등의 정보보안 레벨에서 정보보호 정책을 통한 위성통신망 보안 위협요소 대응방안을 수립한다. 이와 같은 정보보호 정책 기반의 대응방안을 통해 본 논문에서는 안전한 위성통신망 보안 구조를 제안한다.

• Journal of Computing Science and Engineering
• /
• 제9권4호
• /
• pp.204-213
• /
• 2015

Under the conditional independence assumption among local features, the Naive Bayes Nearest Neighbor (NBNN) classifier has been recently proposed and performs classification without any training or quantization phases. While the original NBNN shows high classification accuracy without adopting an explicit training phase, the conditional independence among local features is against the compositionality of objects indicating that different, but related parts of an object appear together. As a result, the assumption of the conditional independence weakens the accuracy of classification techniques based on NBNN. In this work, we look into this issue, and propose a novel Bayesian network for an NBNN based classification to consider the conditional dependence among features. To achieve our goal, we extract a high-level feature and its corresponding, multiple low-level features for each image patch. We then represent them based on a simple, two-level layered Bayesian network, and design its classification function considering our Bayesian network. To achieve low memory requirement and fast query-time performance, we further optimize our representation and classification function, named relation-based Bayesian network, by considering and representing the relationship between a high-level feature and its low-level features into a compact relation vector, whose dimensionality is the same as the number of low-level features, e.g., four elements in our tests. We have demonstrated the benefits of our method over the original NBNN and its recent improvement, and local NBNN in two different benchmarks. Our method shows improved accuracy, up to 27% against the tested methods. This high accuracy is mainly due to consideration of the conditional dependences between high-level and its corresponding low-level features.

• 한국철도학회논문집
• /
• 제11권6호
• /
• pp.581-587
• /
• 2008

본 연구에서는 철도건설로 인한 네트워크 효과를 고려할 수 있는 철도망 설계문제(Railway Network Design Problem, RNDP)를 제안하고 이를 풀기 위한 알고리듬을 제시코자 한다. 이를 위하여 bi-level 프로그램으로 모형을 구축하며, 상위문제는 총 통행비용을 최소화시키는 설계변수(design variable)를 구하는 문제이고, 하위문제(lower level problem)는 이에 따른 철도 승객의 철도선택 문제로 표현된다. 따라서, 본 연구의 철도망 설계문제는 철도건설로 인한 승객들의 노선변화를 고려할 있는 장전이 있으며 이점이 기존 철도망설계문제와의 차이점이다. 본 연구에서 제안된 모형과 알고리듬을 2개의 예제 철도망에 적용해 본 결과, 합리적인 해를 산출하여 향후 철도망 계획분야에 적용할 수 있음을 확인하였다.

• 한국도로학회논문집
• /
• 제12권4호
• /
• pp.39-46
• /
• 2010

2007년부터 아이오와 주 교통국에서는 고속도로와 국도에서 FWD 장비를 이용하여 네트워크 레벨에 필요한 조사를 실시하였고 처짐 자료와 포장 구조분석 결과를 데이터베이스로 구축하는 작업을 시작하였다. 축적된 데이터베이스에 정보는 포장에 구조적 문제점을 발견하고 포장에 잔류 공용수명을 예측하여 포장에 유지보수 시점을 결정하는데 사용한다. 현재 아이오와 주 교통국에서 사용하고 있는 FWD 네트워크 레벨 조사 프로토콜은 포장 표면에 3번에 하중을 각각 재하하여 8개에 지오폰으로부터 측정한 처짐량을 이용, 역 계산을 통해 포장구조 해석을 수행하고 있으며 조사지점 수는 조사하는 도로의 구간 길이에 따라 결정하고 있다. 그러나, 현재 사용하고 있은 FWD 네트워크 레벨 조사 프로토콜은 1년 동안 아이오와 주 전체 도로 네트워크에 약 20%만을 조사할 수 있는 것으로 나타났다. 따라서, 해마다 아이오와 주 도로 네트워크에 20% 이상을 조사하기 위해서는 현재 사용하고 있는 FWD 네트워크 레벨 조사 프로토콜을 간소화해야 할 필요가 있다. 본 연구에 목적은 현재 사용하고 있는 FWD 네트워크 레벨 조사 프로토콜에서 FWD 측정 데이터에 영향을 미치지 않는 범위내에서 최소 하중 재하 수와 조사지점 수를 결정하기 위한 것이다. 83개에 합성포장 구간을 대상으로 측정한 FWD 네트워크 레벨 조사에서는 FWD 네트워크 레벨 조사 프로토콜에서 하중 재하 수와 조사지점 수를 줄여도 포장 구조해석 결과에는 크게 영향을 미치지 않는 것으로 나타났다. 간소화된 FWD 네트워크 레벨 조사 프로토콜은 FWD 측정 결과에 영향을 미치지 않으면서 측정 조사율을 높일 수 있을 뿐만 아니라 교통 통제로 인한 간접비용도 절감시킬 수 있을 것으로 기대하고 있다.

• 한국전자통신학회논문지
• /
• 제11권12호
• /
• pp.1187-1192
• /
• 2016

수중 MANET의 설계, 구축 및 운용에서 전송성능의 측정 및 분석은 네트워크 차원의 전송 파라미터를 중심으로 수행됨에 따라 성능 분석 결과가 네트워크 수준의 성능에 국한되고 있어 사용자 수준의 전송품질과 관련한 전송성능을 분석 고찰하기에는 미흡한 점이 있다. 본 논문에서는 수중 MANET에서 네트워크 수준의 전송성능 분석의 단점을 보완하고자 사용자 수준에서 요구되는 응용트래픽 관점에서 전송성능을 분석한다. 수중 MANET에서 활용도가 증가할 것으로 예상되는 음성트래픽을 대상으로 전송성능을 분석하고, MOS, CCR 및 EED 등의 음성 전송품질 요구조건에 적합한 수중 MANET 조건을 제시한다. 본 연구는 NS-2를 기반으로 구축된 컴퓨터 시뮬레이션을 사용하여 수행하며, 음성 트래픽으로는 VoIP 규격을 사용한다.

• 콘크리트학회논문집
• /
• 제17권3호
• /
• pp.323-328
• /
• 2005

교량구조물은 설계당시에 설계기준에서 요구하는 구조적 안전성을 확보할 수 있도록 설계 및 가설된다. 그러나 시간이 지날수록 중차량이나 교통환경변화 등 여러 원인에 의해 손상을 받게되고 문제가 있는 교량은 결국에는 교체 또는 개선이 필요하게 된다. 본 논문에서는 기존 연구자료를 검토하여 교량의 유지관리조치를 수행하기 위한 의사결정과정에 영향을 미치는 인자를 파악하였고, 이를 이용하여 우선순위 산정 알고리즘을 제안하였다.

• 한국정밀공학회지
• /
• 제14권11호
• /
• pp.135-146
• /
• 1997

This paper describes fault diagnosis method in complex system with hierachical structure similar to human body structure. Complex system is divided into unit, item and component. For diagnosing this hierarchical complex system, it is necessary to implement special neural network. Fault diagnosis system can forecast faults in a system and decide from current machine state signal information. Comparing with other diagnosis system for single fault, the developed system deals with multiple fault diagnosis comprising Hierarchical Neural Network(HNN). HNN consists of four level neural network, first level for item fault symptom classification, second level for item fault diagnosis, third level for component symptom classification, forth level for component fault diagnosis. UNIX IPC(Inter Process Communication) is used for implementing HNN wiht multitasking and message transfer between processes in SUN workstation with X-Windows(Motif). We tested HNN at four units, seven items per unit, seven components per item in a complex system. Each one neural newtork operate as a separate process in HNN. The message queue take charge of information exdhange and cooperation between each neural network.

• 대한지리학회지
• /
• 제38권4호
• /
• pp.591-609
• /
• 2003

본 연구는 중국 철도망의 구조와 철도여객 및 화물 유동에 대한 분석을 통하여 중국 도시 네트워크의 특징과 변화를 밝히는 것을 주요 목적으로 하였다. 중국 도시의 접근성은 허난성을 중심으로 한 중부지역이 가장 높고 주변으로 향할수록 접근성이 떨어진다. 도시 네트워크의 중심은 중부지역에서 동부지역으로 이동하였으며, 3개의 남북방향 축과 주요 도시들의 지역 중심성은 여전하지만 그들의 영향권은 확대되고 중심성도 분산되었다. 도시 네트워크의 계층구조는 3단계로 구분할 수 있는데 1단계 계층에서 대부분의 영향권은 도시 성(자치구) 범위를 크게 벗어나지 않았고, 2단계 계층에서는 대부분의 지역에서 영향권 교차현상이 나타났으며 선형 패턴이 더욱 뚜렷하였다. 3단계에서는 5대 영향권으로 구분되었다.

• 한국가시화정보학회지
• /
• 제20권2호
• /
• pp.78-85
• /
• 2022

In these days, the rapid development in prediction technology using artificial intelligent is being applied in a variety of engineering fields. Especially, dimensionality reduction technologies such as autoencoder and convolutional neural network have enabled the classification and regression of high-dimensional data. In particular, pixel level prediction technology enables semantic segmentation (fine-grained classification), or physical value prediction for each pixel such as depth or surface normal estimation. In this study, the pressure distribution of the ship's surface was estimated at the pixel level based on the artificial neural network. First, a potential flow analysis was performed on the hull form data generated by transforming the baseline hull form data to construct 429 datasets for learning. Thereafter, a neural network with a U-shape structure was configured to learn the pressure value at the node position of the pretreated hull form. As a result, for the hull form included in training set, it was confirmed that the neural network can make a good prediction for pressure distribution. But in case of container ship, which is not included and have different characteristics, the network couldn't give a reasonable result.