• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.671-672
• /
• 2020

VVC(Versertile Video Codec)의 화면 내 예측은 인코더에서 영상을 적절하게 사각형 블록으로 분할하고, 블록 주변의 먼저 재구성된 참조샘플들을 이용하여 예측블록을 형성한다. 인코더는 화면 내 예측 모드에서 각 PU(Prediction Unit)에 대하여 MIP(Matrix-based weighted Intra Prediction) 적용 여부, MIP에서 matrix의 인덱스, MRL(Multi Reference Line)의 인덱스, DC/Planar/Angular 모드에 대한 최적모드를 고려하여 각 정보를 디코더로 전송하며 각 후보모드들의 압축효율을 비교하는 과정에서 높은 연산량을 요구한다. 본 논문에서는 이러한 모드 결정은 원본영상으로도 대략적인 결정이 가능하다는 전제를 가지고 NN(Nueral Netwrok)의 일종인 CNN(Convolutional Nerual Network)를 이용하여 복잡한 모드 결정 방법을 생략하는 방법을 제안한다.

• 콘크리트학회논문집
• /
• 제24권4호
• /
• pp.481-490
• /
• 2012

염화물 이온은 콘크리트 내부로 유입되어 철근부식을 야기하므로 염화물 침투 평가는 매우 중요하다. 전기영동실험을 통한 촉진확산계수가 현실적으로 많이 쓰이고 있지만, 이는 자유염화물 이온에 대한 전기장 내의 이온속도를 나타낼 뿐이므로 염화물량에 대한 명확한 해를 제공하지 못한다. 겉보기 확산계수는 단순한 Fick의 이론을 배경으로 엔지니어에게 전염화물의 확산을 명확하게 제공할 수가 있다. 이 연구는 인공신경망이론을 이용하여 최적의 확산계수를 도출하고 시간의존성 확산계수를 이용하여 염화물 침투를 평가할 수 있는 기법을 제시하는 것이다. 이를 위해 기존의 연구에서 30개의 배합 및 염소이온 겉보기 염화물 확산계수를 인용하였으며, 배합인자(물결합재비, 단위시멘트량, 슬래그, 플라이애쉬, 실리카퓸, 단위 잔골재 및 굵은 골재)를 뉴런으로 선택하여 확산계수에 대한 학습을 훈련하였다. 또한 시간의존성 확산계수를 고려하여 단순한 Fick 법칙으로 염화물 침투를 평가할 수 있는 기법을 제시하였다. 장기침지실험 및 실태조사 결과를 이용하여 제안된 기법의 결과와 비교를 수행하였으며, 그 적용성을 평가하였다. 이 기법은 다양한 배합 및 관련 확산계수의 입수 및 학습을 통하여 더욱 합리적인 기법으로 발전할 수 있다.

• 대한원격탐사학회지
• /
• 제36권5_4호
• /
• pp.1179-1194
• /
• 2020

본 연구에서는 지상기상센서가 설치되지 않은 미 관측지점의 기온정보를 추정하기 위하여 K-최근접 이웃, 랜덤 포레스트, 신경망 알고리즘을 대상으로 위성영상을 이용하여 기온자료를 산출하고 그 정확성을 평가·분석하고자 하였다. 위성영상자료는 2019년에 취득된 Landsat-8과 MODIS Aqua/Terra을 이용하였으며, 기상자료는 기상청과 산림청의 AWS/ASOS 자료를 이용하였다. 또한 추정 정확도를 향상시키기 위하여 수치표면 모델, 일사량, 경사방향, 경사도를 생성하여 이용하였다. 머신러닝 알고리즘 정확도 비교는 10-fold 교차검증을 통하여 R²(결정계수) 및 RMSE(평균제곱근오차)의 통계량을 계산하여 대상지역별 추정결과를 비교하였다. 그 결과 신경망 알고리즘이 R²=0.805, RMSE=0.508로 세 알고리즘 중 가장 안정적인 결과를 나타내었다. 신경망 알고리즘을 구축된 위성영상 데이터셋에 적용하여 2019년 6월부터 9월까지의 평균기온 지도를 생성할 수 있었으며 세밀한 기온 정보를 관측할 수 있음을 확인하였다. 연구 성과는 폭염 대응 정책, 열섬완화 연구 등 국가재난안전 관리에 활용 될 수 있을 것으로 기대된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1338-1343
• /
• 2003

Data is the expression of the language or numerical values that show some characteristics. And information is extracted from data for the specific purposes. The knowledge is utilized as information to construct rules that recognize patterns and make decisions. Today, knowledge extraction and application of the knowledge are broadly accomplished to improve the comprehension and to elevate the performance of systems in several industrial fields. The knowledge extraction could be achieved by some steps that include the knowledge acquisition, expression, and implementation. Such extracted knowledge can be drawn by rules. Clustering (CU, input space partition (ISP), neuro-fuzzy (NF), neural network (NN), extension matrix (EM), etc. are employed for expression the knowledge by rules. In this paper, the various approaches of the knowledge extraction are examined by categories that separate the methods by the applied industrial fields. Also, the several test data and the experimental results are compared and analysed based upon the applied techniques that include CL, ISP, NF, NN, EM, and so on.

• 정보기술응용연구
• /
• 제1권
• /
• pp.173-211
• /
• 1999

The task of classification permeates all walks of life, from business and economics to science and public policy. In this context, nonlinear techniques from artificial intelligence have often proven to be more effective than the methods of classical statistics. The objective of knowledge discovery and data mining is to support decision making through the effective use of information. The automated approach to knowledge discovery is especially useful when dealing with large data sets or complex relationships. For many applications, automated software may find subtle patterns which escape the notice of manual analysis, or whose complexity exceeds the cognitive capabilities of humans. This paper explores the utility of a collaborative learning approach involving integrated models in the preprocessing and postprocessing stages. For instance, a genetic algorithm effects feature-weight optimization in a preprocessing module. Moreover, an inductive tree, artificial neural network (ANN), and k-nearest neighbor (kNN) techniques serve as postprocessing modules. More specifically, the postprocessors act as second0order classifiers which determine the best first-order classifier on a case-by-case basis. In addition to the second-order models, a voting scheme is investigated as a simple, but efficient, postprocessing model. The first-order models consist of statistical and machine learning models such as logistic regression (logit), multivariate discriminant analysis (MDA), ANN, and kNN. The genetic algorithm, inductive decision tree, and voting scheme act as kernel modules for collaborative learning. These ideas are explored against the background of a practical application relating to financial fraud management which exemplifies a binary classification problem.

• 정보처리학회논문지D
• /
• 제8D권4호
• /
• pp.387-392
• /
• 2001

많은 소프트웨어 프로젝트는 시험이나 운영단계에서 고장시간이나 고장 수 데이타보다 그룹 고장 데이터(여러 고장 간격에서 또는 가변적인 시간 간격에서의 고장들)가 수집된다. 본 논문은 그룹 고장 데이터에 대해 가변적인 미래의 시간에서 누적 고장 수를 예측할 수 있는 신경망 모델을 제시한다. 2개의 변형된 캐스케이드-상관 학습 알고리즘을 제안하였다. 제안된 신경망 모델들은 다른 잘 알려진 신경망 모델과 통계적 소프트웨어 신뢰도 성장 모델과 비교되었다. 실험결과, 그룹 데이터에 대해 변형된 캐스케이드-상관 학습 알고리즘이 좋은 예측 결과를 나타내었다.

• Computers and Concrete
• /
• 제4권4호
• /
• pp.299-316
• /
• 2007

The compressive strength of concrete is a commonly used criterion in producing concrete. However, the test on the compressive strength is complicated and time-consuming. More importantly, since the test is usually performed 28 days after the placement of the concrete at the construction site, it is too late to make improvements if unsatisfactory test results are incurred. Therefore, an accurate and practical strength estimation method that can be used before the placement of concrete is highly desirable. In this study, the estimation of the concrete strength is performed using support vector regression (SVR) based on the mix proportion data from two ready-mixed concrete companies. The estimation performance of the SVR is then compared with that of neural network (NN). The SVR method has been found to be very efficient in estimation accuracy as well as computation time, and very practical in terms of training rather than the explicit regression analyses and the NN techniques.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제3권2호
• /
• pp.194-199
• /
• 2003

Data are an expression of the language or numerical values that show some features. And the information is extracted from data for the specific purposes. The knowledge is utilized as information to construct rules that recognize patterns or make a decision. Today, knowledge extraction and application of that are broadly accomplished for the easy comprehension and the performance improvement of systems in the several industrial fields. The knowledge extraction can be achieved by some steps that include the knowledge acquisition, expression, and implementation. Such extracted knowledge is drawn by rules with data mining techniques. Clustering (CL), input space partition (ISP), neuro-fuzzy (NF), neural network (NN), extension matrix (EM), etc. are employed for the knowledge expression based upon rules. In this paper, the various approaches of the knowledge extraction are surveyed and categorized by methodologies and applied industrial fields. Also, the trend and examples of each approaches are shown in the tables and graphes using the categories such as CL, ISP, NF, NN, EM, and so on.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.706-712
• /
• 2009

본 논문에서는 프레스공정라인에서 발생하는 고장을 감지하고 분류하기 위한 고장진단기법을 제안한다. 또한 윤활유 레벨을 자동감지 하기 위한 방법도 제안하다. 제안한 방법에서는 FFT 주파수해석과 여러 경계인수를 갖는 ART2 신경회로망을 사용하며, LabVIEW를 이용하여 고장진단 및 윤활유 레벨 자동감시를 위한 GUI(Graphical User Interface) 프로그램을 제작하여 고장진단을 수행하였다. 실험결과들로부터 제안한 유도전동기 고장진단 및 윤활유 레벨 자동감시시스템의 성능을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제15권6호
• /
• pp.673-681
• /
• 2005

원자력 발전소는 안정성 및 신뢰성 확보가 가장 중요하므로 고장의 감지 및 진단 시스템의 개발은 원전 자체가 구축하고 있: 다중의 하드웨어 중첩도(hardware redundancy)에도 불구하고 가장 중요한 문제로 취급되고 있다. 본 논문에서는 원저 PWR 증기발생기에서 발생한 고장을 진단하기 위한 알고리듬의 개발을 위해 시스템에서 발생한 고장을 감지하고 분류할 수 있는 ART2 시경회로망 기반 고장진단방법을 제안한다. 고장진단시스템은 발생한 고장을 감지하기 위한 고장감지부, 변화된 시스템파라미터를 추정하기 위한 파라미터 추정부 및 발생한 고장의 종류를 알아내기 위한 고장분류부로 구성된다. 고장분류부는 여러 경계인수를 갖는 ART2(adaptive resonance theory 2) 신경회로망을 이용한 고장분류기로 구성된다. 제안한 고장진단 알고리듬을 증기발생기의 고장진단문제에 적용하여 성능을 확인하였다.