• 한국압력기기공학회 논문집
• /
• 제19권2호
• /
• pp.93-101
• /
• 2023

In this study, a deep learning algorithm was used to diagnose electric potential signals obtained through CIPS and DCVG, used indirect inspection methods to confirm the soundness of buried pipes. The deep learning algorithm consisted of CNN(Convolutional Neural Network) model for diagnosing the electric potential signal and Grad CAM(Gradient-weighted Class Activation Mapping) for showing the flaw prediction point. The CNN model for diagnosing electric potential signals classifies input data as normal/abnormal according to the presence or absence of flaw in the buried pipe, and for abnormal data, Grad CAM generates a heat map that visualizes the flaw prediction part of the buried pipe. The CIPS/DCVG signal and piping layout obtained from the 3D finite element model were used as input data for learning the CNN. The trained CNN classified the normal/abnormal data with 93% accuracy, and the Grad-CAM predicted flaws point with an average error of 2m. As a result, it confirmed that the electric potential signal of buried pipe can be diagnosed using a CNN-based deep learning algorithm.

• Smart Structures and Systems
• /
• 제32권1호
• /
• pp.37-47
• /
• 2023

Indirect determination of pan evaporation (PE) has been highly regarded, due to the advantages of intelligent models employed for this objective. This work pursues improving the reliability of a popular intelligent model, namely multi-layer perceptron (MLP) through surmounting its computational knots. Available climatic data of Fresno weather station (California, USA) is used for this study. In the first step, testing several most common trainers of the MLP revealed the superiority of the Levenberg-Marquardt (LM) algorithm. It, therefore, is considered as the classical training approach. Next, the optimum configurations of two metaheuristic algorithms, namely cuttlefish optimization algorithm (CFOA) and teaching-learning-based optimization (TLBO) are incorporated to optimally train the MLP. In these two models, the LM is replaced with metaheuristic strategies. Overall, the results demonstrated the high competency of the MLP (correlations above 0.997) in the presence of all three strategies. It was also observed that the TLBO enhances the learning and prediction accuracy of the classical MLP (by nearly 7.7% and 9.2%, respectively), while the CFOA performed weaker than LM. Moreover, a comparison between the efficiency of the used metaheuristic optimizers showed that the TLBO is a more time-effective technique for predicting the PE. Hence, it can serve as a promising approach for indirect PE analysis.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2007년도 추계학술발표논문집
• /
• pp.81-84
• /
• 2007

In this thesis, we have designed the indirect adaptive controller using Dynamic Neural Units(DNU) for unknown nonlinear systems. Proposed indirect adaptive controller using Dynamic Neural Unit based upon the topology of a reverberating circuit in a neuronal pool of the central nervous system. In this thesis, we present a genetic DNU-control scheme for unknown nonlinear systems. Our method is different from those using supervised learning algorithms, such as the backpropagation (BP) algorithm, that needs training information in each step. The contributions of this thesis are the new approach to constructing neural network architecture and its training.

• 한국통신학회논문지
• /
• 제34권4C호
• /
• pp.403-413
• /
• 2009

본 논문에서는 OFDM 신호의 높은 PAPR과 전력 증폭기의 비선형성에 의한 신호의 왜곡과 스펙트럼의 확산을 방지하기 위한 전치 보상기의 설계 기법으로 디지털 영역에서 구현 가능한 p차 역필터를 이용한 방법, 간접 학습 구조를 이용한 방법 그리고 룩업 테이블을 이용한 방법 등 3가지 방식을 설명하고 각각의 성능을 비교 분석하였다. 앞의 두 방법은 다항식을 이용한 방법으로, 계수의 개수가 적어 많은 메모리가 필요 없고 수렴 속도가 빠르고, 진폭과 위상의 보상을 나누어서 구성하므로 복소 계산이 필요 없어 계산도 간단하다. 룩업 테이블 방법은 연산 과정이 간단하기 때문에 구현이 가장 쉬운 장점을 가지지만 위의 두 방식에 비해 많은 메모리를 필요로 하는 단점을 가진다. 모의 실험 결과 간접 학습 구조가 가장 좋은 성능을 가지지만 64QAM 변조 방식을 기준으로 $BER=10^{-4}$에서 최대 SNR 1 dB 정도의 차이를 가지므로 거의 같은 성능을 가진다고 볼 수 있다. 위의 세가지 전치보상기는 증폭기의 에이징(aging)과 환경 변화에 적응적으로 동작하며 구현 상의 요구에 따라 선택될 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제6권4호
• /
• pp.243-248
• /
• 2013

In this thesis, we have designed the indirect adaptive controller using Dynamic Neural Units(DNU) for unknown nonlinear systems. Proposed indirect adaptive controller using Dynamic Neural Unit based upon the topology of a reverberating circuit in a neuronal pool of the central nervous system. In this thesis, we present a genetic DNU-control scheme for unknown nonlinear systems. Our method is different from those using supervised learning algorithms, such as the backpropagation (BP) algorithm, that needs training information in each step. The contributions of this thesis are the new approach to constructing neural network architecture and its training.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권12호
• /
• pp.3798-3814
• /
• 2022

Social recommendation algorithm can alleviate data sparsity and cold start problems in recommendation system by integrated social information. Among them, matrix-based decomposition algorithms are the most widely used and studied. Such algorithms use dot product operations to calculate the similarity between users and items, which ignores user's potential preferences, reduces algorithms' recommendation accuracy. This deficiency can be avoided by a metric learning-based social recommendation algorithm, which learns the distance between user embedding vectors and item embedding vectors instead of vector dot-product operations. However, previous works provide no theoretical explanation for its plausibility. Moreover, most works focus on the indirect impact of social friends on user's preferences, ignoring the direct impact on user's rating preferences, which is the influence of user rating preferences. To solve these problems, this study proposes a user bias drift social recommendation algorithm based on metric learning (BDML). The main work of this paper is as follows: (1) the process of introducing metric learning in the social recommendation scenario is introduced in the form of equations, and explained the reason why metric learning can replace the click operation; (2) a new user bias is constructed to simultaneously model the impact of social relationships on user's ratings preferences and user's preferences; Experimental results on two datasets show that the BDML algorithm proposed in this study has better recommendation accuracy compared with other comparison algorithms, and will be able to guarantee the recommendation effect in a more sparse dataset.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2374-2376
• /
• 2000

In this paper, we propose an indirect vector control method using Adaptive Neuro-Fuzzy Inference System (ANFIS) parameter estimator. It estimates the rotor time constant when the indirect vector control of induction motor is applied. We use the stator current error that is difference between the current command and estimated current calculated from terminal voltage and current. And two induced current estimate equations are used in training ANFIS.The estimator is trained by the hybrid learning algorithm. Simulation results shows good performance under load disturbance and motor parameter variations.

• 한국지능시스템학회논문지
• /
• 제15권6호
• /
• pp.720-729
• /
• 2005

본 논문에서는 미지의 비선형 시스템을 제어하기 위해 웨이블릿 신경 회로망을 이용한 간접 적응 제어기를 설계한다. 제안 된 간접 적응 제어기는 웨이블릿 신경 회로망을 이용한 동정 모델과 제어기로 구성된다. 여기서 동정 모델과 제어기에 사용되는 웨이블릿 신경 회로망은 시간과 주파수에 대한 정보를 동시에 포함하는 웨이블릿의 특성을 가지고 있기 때문에 다층구조 신경회로망과 방사 기저 함수 신경회로망에 보다 더 빠른 수렴특성을 보인다. 웨이블릿 신경 회로망의 학습방법은 경사 하강법, 유전알고리듬, DNA 기법등 여러 가지가 있으나, 본 논문에서는 확장 칼만 필터를 기반으로 한 학습 방법을 제안한다. 확장 칼만 필터 학습 방법은 계산이 복잡하기는 하지만 학습되어 갱신되는 파라미터의 이전 데이터 정보를 이용하는 특성 때문에 매우 빠른 수렴 특성을 보인다. 본 논문에서는 Buffing 시스템과 1축 머니퓰레이터에 대한 컴퓨터 모치실험을 통해 제안한 확장 칼만 필터 학습 방법을 이용한 간접 적응 제어기가 일반적인 경사 하강법을 이용한 경우보다 우수함을 보인다.

• 사물인터넷융복합논문지
• /
• 제8권5호
• /
• pp.11-16
• /
• 2022

상수도분야 인공지능 기술개발 관심도가 증가함에 따라 상수도 관로에 대해서 노후관 상태평가 데이터 결과를 활용하여 반복적인 학습으로 개량 의사결정 등급을 예측할 수 있는 인공신경망 알고리즘을 개발하고 검증과정을 통하여 가장 신뢰성 있는 예측 모델을 제시하고자 한다. 2020년 한강유역의 노후관로 정비 기본계획에 의한 간접평가 데이터 12개 항목을 기반으로 데이터 전처리 하고 인공신경망 알고리즘을 적용하여 반복학습과 검증을 통해 계산된 결과값과 직접평가 결과값의 일치율이 90% 이상이 되도록 역전파 과정을 통해 가중치를 업데이트 하면서 최적화하여 관로 등급을 예측하는 알고리즘을 개발하였다. 알고리즘 정확도 검증결과 모든 관종 데이터가 고르게 분포되어 있고 학습 데이터가 많아야 예측평가 정확도가 높아지는 것을 확인할 수 있었다. 향후 전국의 다양한 데이터가 확보되면 인공신경망을 이용한 관로등급 예측의 신뢰도가 좀 더 향상되어 객관화된 노후관 상태평가 의사결정 지원 역할을 수행할 수 있을 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.15-20
• /
• 2023

본 논문은 캐릭터 웹드라마에 적합한 간접광고 제품을 추천하는 인공지능(AI) 시스템 알고리즘 개발에 관한 연구이다. 본 연구는 웹드라마의 대사 작성에 있어 그에 어울리는 간접광고 제품을 추천함으로써 시청자의 콘텐츠 몰입도를 높이고, 드라마의 스토리를 보다 깊게 이해하는 데 도움을 주는 것을 목표로 한다. 본 연구에서는 자연어처리 모델 인 GPT를 활용하여 대사, 줄거리를 분석하고, 분석 결과를 바탕으로 소품형, 배경형 등 두 가지 유형의 간접광고 제품 추천 시스템을 개발한다. 이를 통해 웹드라마의 스토리에 부합하는 제품을 적절히 배치함으로써 간접광고가 자연스럽게 노출될 수 있도록 하고, 그로 인해 시청자들의 몰입도가 증가하며, 상품 홍보의 효과 또한 높인다. 숨겨진 뜻이나 문화적 뉘앙스를 완벽하게 이해하기 어려운 인공지능 모델의 한계와 학습에 필요한 충분한 데이터 확보가 어렵다는 한계가 있다. 그러나 본 연구는 AI가 창작물 제작에 어떻게 기여할 수 있는지에 대한 새로운 인사이트를 제공하고, 창의적 산업 분야에서 자연어 처리 모델의 활용 가능성을 넓히는 중요한 발판이 될 것이다.