이 연구에서는 극궤도 기상위성인 NOAA/AVHRR 시계열 자료를 이용하여 한반도의 지면 피복을 분류하였다. 일주기 기상위성자료로부터 구름이 없는 상태의 지면상태 자료를 획득하기 위하여 10일 간격 최대치 합성법 자료를 작성하였으며 27개의 10일주기 식생지수 자료들(겨울철 12, 1, 2월 자료 9개 제외)로부터 4개의 식생 계절성 자료를 작성하였다. 또한 위성자료로부터 분석한 연 최고 및 연평균 지면온도, 그리고 지형고도 자료를 이용하였다. 각 지면 피복에 대한 특성 자료 수집이 어렵기 때문에 여기서는 2단계 무감독 분류법을 이용하였다. 즉, 초기 입력자료는 신경망 기법의 일종인 SOFM을 이용하여 군집화한 다음 결정나무를 이용하여 각 군집을 분류하였다. 최종 분류 결과는 식생지수의 시계열과 지상 자료로 검증한 결과 대도시, 농지, 낙엽수림 및 상록수림 등 우리 나라의 지면 피복을 개략적으로 잘나타내고 있는 것으로 판단된다.

본 연구에서는 차량하중에 의한 상시진동기록을 이용한 교량의 손상추정기법을 연구하였다. 즉, 차량진행 중 측정된 신호로부터 구조물의 모드특성을 구하고, 이를 이용하여 손상위치 및 손상정도를 추정하는 알고리즘을 제안하였다. 제안기법의 검증을 위하여 차량하중을 재하할 수 있는 모형교량을 제작하여 손상실험을 수행하였다. 차량진행 중 교량의 수직가속도를 계측하였으며, 측정된 가속도시계열로부터 random decrement(RD) 기법을 사용하여 자유진동신호를 구한 후, 이로부터 구조물의 모드특성을 추정하였다. 추정된 모드특성을 기초로 신경망기법을 적용하여 손상위치 및 손상정도를 추정하였으며, 추정된 결과는 실제 손상과 비교적 잘 일치하였다.

경영활동에 있어서 직관력은 잘 알려진 인지능력이지만 효과적인 의사결정지원시스템의 개발 목적으로는 거의 고려되고 있지 않다. 본 연구는 의사결정자의 인지 유형에 따른 시계열 예측의 정확성과 뇌파의 차이를 통계적 검증, 인공신경망, 데이터 마이닝의 세 가지 접근방법으로 탐색하여 그 결과를 비교 분석함으로써 시계열 직관 예측에 영향을 주는 의사결정자의 인지적/생리적 특성을 도출함으로써 효과적인 의사결정환경을 조성하는데 공헌하고자 하였다. 실험결과 통계적 분석에서는 아무런 유의성을 찾을 수 없었으나, 인공신경망 분석에서는 인지유형과 감성유형이 모두 시계열 예측 정확도와 상관성이 있는 것으로 나타났으며, 데이터 마이닝 분석에서는 보다 의미 있는 상관관계를 찾아낼 수 있었다.

본 논문에서는 언어장애인용 문장발생장치의 통신율을 증진시키기 위한 처리방안으로 신경망을 이용하여 문장발생장치에 동사예측을 적용하는 방법을 제안하였다. 각 단어들은 구문론과 의미론에 따른 정보벡터로 표현되며, 언어처리는 전통적으로 사전을 포함하는 것과는 달리, 상태공간에서 다양한 영역으로 분류되어 개념적으로 유사한 단어는 상태공간에서의 위치를 통하여 알게 된다. 사용자가 심볼을 누르면 심볼에 해당하는 단어는 상태공간에서의 위치를 찾아가며, 신경망 학습을 통해 동사를 예측하였고 그 결과 제한된 공간 내에서 약 20% 통신율 증진을 가져올 수 있었다.

프레임 구조물의 접합부 손상을 평가하기 위하여 접합부 손상모델과 신경망기법을 이용한 손상평가기법을 제안하였다 구조물의 보-기둥 접합부를 접합부의 회전강성을 갖는 등가의 스프링요소로 표현하였으며 접합부의 손상도는 손상 전 후의 고정도계수의 감소비율로 정의하였다 손상평가를 위하여 다층퍼셉트론즈 신경망 기법을 제안하였으며 손상평가성능을 향상시키기 위하여 부분구조추정법, 노이즈첨가학습, 자료교란법등의 기법을 적용하였다 10층 프레임 구조물에 대한 수치 예제해석과 2층 프레임 구조물에 대한 실험 예제해석을 통하여 제안기법의 유용성을 평가하였다 계측지점이 일부분으로 제한되어 있고 계측자료에 심한 계측오차가 포함되어 있는 경우에도 손상평가가 합리적으로 이루어질수 있음을 알 수 있었다.

본 논문에서는 역전파학습에 의한 신경망기법을 사용하여 구조물의 미지계수를 추정하는 기법을 연구하였다. 대형구조물의 경우 계측 또는 추정하여야 하는 자유도의 수가 많으므로 인하여 구조계수를 추정하는 데에는 많은 어려움이 존재한다. 이러한 어려움을 극복하기 위하여 부구조추정법과 부행렬계수를 사용하여 추정하고자 하는 미지계수의 수를 효율적으로 줄일 수 있도록 하였다. 구조물의 고유주파수 및 모드형상 등의 모드계수를 신경망의 입력자료로 사용하였으며, 추정하고자 하는 부재의 부행렬계수를 신경방의 출력자료로 사용하였다. 입력자료로 사용되는 모드계수에 포함되어 있는 계측오차 및 신호처리오차의 영향을 줄이기 위하여, 신경망의 학습과정에서 노이즈를 첨가하는 기법을 사용하였다. 일반적인 형태의 자켓구조물을 대상으로 수치해석을 수행함으로써 제안기법의 대형구조계에 대한 적용성을 검증하였다.

본 논문은 신경망 근사 해석 모델의 원형을 스터브 거더의 거동 해석에 적용하고, 이 과정 중에 발생한 문제점을 파악하여 해결책을 제시함으로써, 앞서 개발한 원형 모델을 스터브 거더 시스템에 적합하도록 발전시키는데 목적이 있다. 스터브 거더의 해석 변수는 주어진 시간 내에 시뮬레이션이 가능하게 7개, 해석 결과값은 탄성 처짐뿐만 아니라 응력까지 고려하여 총 4개의 결과값을 동시에 고려하고, 학습 패턴 수는 총 143개를 사용하였다. 근사해석의 정확도를 향상시키고 학습의 수렴성을 보장하기 위하여 다양한 시뮬레이션을 수행하여 은닉층 뉴런 수, 학습 패턴 그리고 최대 에러의 관계를 규명하고, 이 결과를 바탕으로 신경망 근사 해석 모델 개발 단계를 수정하여 제안하였다.

대부분의 손상도 추정법들을 부재의 손상을 해당부재의 평균적인 강성감소로 표현하였다. 본 연구에서는 보다 실제적인 손상도를 추정하기 위하여, 접합부의 손상을 도입하였다. 접합부의 모형화를 위하여 보의 양단에 회전스프링을 추가하였으며, 접합부 손상을 접합부 강성의 감소로 정의하였다. 접합부의 손상도를 계측된 모드벡터를 바탕으로하여, 신경망기법을 추정하였다. 효율적인 훈련패턴을 만들기 위하여 Latin Hypercube Sampling 기법을 도입하였으며, 국부영역에서의 손상도추정을 위하여 부구조법을 도입하였다. 제안된 기법의 효율성을 검증하기 위하여 10층 프레임구조물에 대한 수치해석결과를 이용하였다. 예제해석을 통하여 추정결과가 상당히 정확함을 확인하여, 실제 적용 가능한 방법임을 알수 있었다.

계측점의 규모가 제한되어 있는 경우에 대형구조물의 모든 부재의 손상을 추정하는 것은 기술적으로 불가능하다. 따라서 본 연구에서는 최근에 국내외에서 많이 연구되고 있는 인공신경망이론을 이용하여 구조물의 손상을 추정하는 기법을 개발하였으며, 대형구조물의 손상을 계측자료로부터 보다 효과적으로 평가하기 위해 두 단계로 수행되는 손상부재 평가과정을 개발하였다. 먼저 합리적인 평가대상 부재선택을 위해 구조물의 파괴 또는 이상거동 등에 가장 큰 영향을 미치는 부재를 민감도분석을 통해 선정한 후, 선정된 부재의 손상추정에 가장 영향을 미치는 계측점과 적절한 계측기의 수를 민감도분석기법을 이용해 선정하는 기법이다. 다양한 예제를 통하여 본 연구에서 제안된 방법들의 적용가능성을 검증한 결과, 본 연구에서 개발한 기법을 적용하면 제한된 수의 계측자료를 가지고 보다 효과적으로 대형구조물의 파괴나 이상거동을 사전에 감지할 수 있는 것으로 분석되었다.

대량의 복잡한 비선형적인 관계도 단순화의 과정 없이 연관 관계를 자체 조직화 할 수 있는 인간의 뇌와 가장 유사한 병렬 연산 모델인 인공 신경 회로망을 구조 해석 분야에 도입하였다. 본 논문은 스터브 거더의 거동 예측을 위한 신경망 근사해석 모델 개발을 궁극적인 목적으로 하는 기초적 연구로서, 단순 보의 처짐 문제와 같은 정확해를 구할 수 있는 문제로부터 신경망 근사해석모델의 원형 (prototype)을 제시하고 검증하는데 목적이 있다.

본 논문은 신경망 근사 해석 모델 개발을 궁극적인 목적으로 하는 기초적 연구로서, 기존의 수치해석 알고리즘과의 성능 비교를 통하여 신경망 알고리즘의 특성과 역할을 수치해석의 관점에서 정확히 판단하는데 목적이 있다. 신경망 알고리즘을 변형하여 선형 연립 방정식의 해를 구하는 두가지 방법을 제안하였고, 회귀분석, 보간법과의 비교를 통하여 광범위한 근사자(universal approximator)로서의 역할을 보였다.