In this study, we implemented landslide distribution of Jeju Island using ANN and GIS, respectively. To do this, we first get the counter line from 1:2,5000 digital map and use this counter line to make the DEM. for the evaluate the land slide susceptibility. Next, we abstracted slop map and aspect map from the DEM and get the land use map using ISODATA classification method from Landsat 7 images. In the computation processes of landslide analysis, we make the class to the soil map, tree diameter map, Isohyet map, geological map and so on. Finally, we applied the ANN method to the landslide one and calculated its weighted values. GIS results can be calculated by using Acrview program and produced Jeju landslide susceptibility map by usign Weighted Overlay method. Based on our results, we found the relatively weak points of landslide ware concentrated to the top of Halla mountains.

풍화토 사면은 장시간 공기에 노출되거나 물과 접촉을 하게 되면 전단강도가 급격히 저하되며 계절에 따른 수위의 변화가 매우 큰 댐사면의 경우는 강도저하가 더욱 크게 발생한다. 풍화토 사면의 강도저하 파악을 위하여 반복전단시험 및 수침․건조를 반복한 시료에 대한 잔류강도 시험을 통해 포화에 따른 강도의 저하를 파악하였다. 또한 소형동적콘관입시험기를 이용하여 관입타격횟수와 전단강도정수관계를 파악하고 인공신경망 해석을 통하여 관입타격횟수 Nc를 이용한 전단강도정수의 예측이 용이하도록 상관식을 구성하였다.

컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.

본 연구의 목적은 인접한 2항만 간 화주의 항만선택에 관한 행동을 분석하기 위한 것이다. 이를 위해 본 연구에서는 퍼지추론법과 뉴럴네트웍 모델을 이용하여 항만선택 행동모델, 즉 퍼지-뉴로 행동모델을 구축하고 부산항과 광양항을 대상으로 화주의 항만선택 행동을 분석하였다. 또한 로짓모델과 비교하여 퍼지-뉴로 모델의 판별 우수성을 검정하였고, 서비스 수준과 화물량 등의 파라미터를 변경한 항만선택 행동을 분석하였다.

In this paper, new application of adaptive neural network to design a ship's Rudder-Roll Damping(RRD) control system is presented Firstly, the ANNAI neural network controller is presented. Secondly, new RRD control system using this neural network approach is developed. It uses two neural network controllers for heading control and roll damping control separately. Finally, Computer simulation of this RRD control system is carried out to compare with a linear quadratic optimal RRD control system; discussions and conclusions are provided. The simulation results show the feasibility of using ANNAI controller for RRD. Also, the necessity of mathematical ship model in designing RRD control system is removed by using NN control technique.

구조 재료와 시공기술의 발달로 구조물은 높고 길게 설계할 수 있게 되었으나, 그에 따른 진동문제와 사용성에 관한 문제가 발생하였고, 구조물의 과다한 변위는 구조물에 심각한 손상을 발생시켰다. 이러한 구조물의 진동 문제를 해결하기 위하여 본 논문에서는 구조물의 상태벡터와 제어력만으로 구성된 훈련패턴을 기본으로 하여 인공신경망이론과 확률신경망이론을 사용하여 구조물의 진동을 능동제어하는 방법을 제안하였다. 구조물의 제어를 위해 LQR 제어알고리즘을 이용하여 구조물의 상태벡터와 제어력을 구한 후, 상태벡터를 입력으로 제어력을 출력으로 하는 인공신경망과 확률신경망의 훈련패턴을 구성하였다. 제안된 방법을 사용하여 Northridge 지진하중을 받는 3층 빌딩구조물을 제어하였고, 제안된 인공신경망과 확률신경망의 제어 결과를 비교하였다.

본 연구에서는 화강풍화토 지반에 시공된 PHC 매입말뚝의 지지력의 평가를 위해 인공신경망을 적용하였다. 오류역전파 인공신경망의 적용성을 증명하기 위해 168개의 PHC 매입말뚝의 현장시험 데이터가 사용되었다. 연구결과 오류역전파 인공신경망의 말뚝지지력 평가가 동재하시험결과와 잘 일치함을 보여주었으며, 이러한 결과는 인공신경망을 이용한 PHC 매입말뚝의 지지력 평가가 신뢰성이 있음을 보여준다.

본 연구에서는 FRP Rebar로 보강된 철근콘크리트 보의 휨성능을 평가할 수 있는 모형을 개발하기 위하여 인공신경망 중 다층인식자 모형을 사용하였다. 인공신경망 모형에 사용될 학습자료들은 기존 연구자료들의 데이터를 이용하였다. 입력층의 독립변수는 휨성능에 주요 요소인 폭, 유효깊이, 압축강도, FRP 보강비, FRP 균형철근비을 사용하였다. 출력층 종속변수는 실험에서 측정된 모멘트 성능을 사용하였다. 개발된 인공신경망 모형은 GFRP, CFRP, AFRP Rebar 적용이 모두 가능하며, 모형의 검증은 다른 선행 연구자들이 수행한 자료를 이용하였다. 인공신경망 모형 추정결과 ANN(0.05) 모형의 경우에 비교적 정확한 휨성능 추정값을 나타낸 반면, ANN(0.1) 모형에서는 다소 오차가 발생하였다. 인공신경망 모형의 검증결과 주어진 실험 데이터 값과 비교적 일치하고 있음을 확인할 수 있었다. 또한, 휨성능 평가 변수에 대한 민감도 분석결과 유효깊이의 영향이 가장 크고 FRP 철근비, FRP 균형철근비, 압축강도, 폭으로 분석되었다.

게임의 발전에 따라 게임에 등장하는 NPC(Non-Player Character)들의 지능 또한 중요성을 더해 가고 있다. 단순히 이동하고 플레이어를 공격하기만 하는 수준을 넘어서 WPC들 역시 다양한 기술과 전술을 사용하는 것이 최근의 MMORPG 게임의 추세이다. 본 논문에서는 신경망과 유전자 알고리즘을 이용하여 롤플레잉 게임에 사용되는 캐릭터에게 학습 및 적응 능력을 부여하는 방법을 제안한다. 제안된 지능 캐릭터가 얼마나 게임의 규칙과 전술을 잘 학습하고 적응하는지를 살펴보기 위하여 본 논문에서는 간단한 게임 모델을 제작하여 실험하였다. 캐릭터는 탱커(Tanker), 딜러(Dealer), 힐러(Healer)의 3가지 종류가 있으며, 지능 캐릭터 집단은 신경망과 유전 알고리즘으로 학습되고 FSM으로 움직이는 적 캐릭터 집단과의 전투를 통해 학습한다. 실험 결과 지능 캐릭터가 전투를 통해 자신과 적의 능력에 따른 적절한 전투 방식을 스스로 학습하고, 게임 규칙의 변화에 적응하는 것을 볼 수 있었다.

This paper presents an improved adaptive neural network autopilot based on our previous study for track-keeping control of ships. The proposed optimal neural network controller can automatically adapt its learning rate and number of iterations. Firstly, the track-keeping control system of ships is described For the track-keeping control task, a way-point based guidance system is applied To improve the track-keeping ability, the off-track distance caused by external disturbances is considered in learning process of neural network controller. The simulations of track-keeping performance are presented under the influence of sea current and wind as well as measurement noise. The toolbox for track-keeping simulation on Mercator chart is also introduced.

In Part I(theoretical study) of the paper, a new adaptive autopilot for ships based on Adaptive Neural Networks was proposed. The ANNAI autopilot was designed for course-keeping, turning and track-keeping control for ships. In this part of the paper, to show the effectiveness and feasibility of the ANNAI autopilot and automatic selection algorithm for learning rate and number of iterations, computer simulations of course-keeping and track-keeping tasks with and without the effects of measurement noise and external disturbances are presented. Additionally, the results of the previous studies using Adaptive Neural Network by backpropagation algorithm are also showed for comparison.

구조물이 손상을 받으면 그 구조물의 동적특성인 고유진동수, 감쇠비, 모드형상 등이 변한다. 본 논문에서는 구조물이 손상을 받을 때 고유진동수의 감소율에 대한 특성을 알아보고 그 감소율을 이용한 구조물의 손상평가를 다룬다. 손상의 유무뿐만 아니라 손상의 위치와 정도까지도 고유진동수의 감소율만으로 파악하고자 하였으며 인공신경망을 이용하였다. 신경망에 사용되는 자료는 다른 연구와 달리 해석 자료로부터 얻어지는 오차 없는 자료뿐만 아니라 실측자료를 가상하여 오차를 포함하는 자료를 대상으로 하였으며, 고유진동수의 감소율로 훈련된 인공신경망을 활용하여 구조물의 손상 위치와 정도를 파악할 수 있었다.

This paper presents a new adaptive autopilot for ships based on the Adaptive Neural Networks. The proposed adaptive autopilot is designed with some modifications and improvements from the previous studies on Adaptive Neural Networks by Adaptive Interaction (ANNAI) theory to perform course-keeping, turning and track-keeping control. A strategy for automatic selection of the neural network controller parameters is introduced to improve the adaptation ability and the robustness of new ANNAI autopilot. In Part II of the paper, to show the effectiveness and feasibility of the proposed ANNAI autopilot, computer simulations of course-keeping and track-keeping tasks with and without the effects of measurement noise and external disturbances will be presented.

본 논문에서는 신경망 모형을 이용해서 개발된 홍수유출 예측 시스템의 적용성을 검토하였다. 홍수유출 예측을 위한 신경망 모형을 공주, 부여지점에 적용하였으며, 신경망 모형을 입력층, 은닉층, 출력층으로 구성하였다. 입력층에는 강우자료와 홍수량 자료를 출력층에는 홍수유출량이 예측되도록 구성하였다. 홍수유출 예측 시스템 구성시 예측모형 선정을 위해 신경망 모형과 상태공간 모형을 이용하여 홍수시 실시간 하천유출량 예측을 수행하였다. 두 모형의 예측결과 비교시

본 논문은 비선형성을 많이 내포하고 있어 수학적으로 모델링 하기 어려운 선박용 안정화 위성 안테나 시스템을 모델링하기 위해서, 신경 회로망의 오차 및 응답시간을 최소로 하는 최적 구조 신경 회로망 모델을 도출하고 이를 적용하고자 한다. 오차와 응답시간을 최소화하기 위해 유전알고리즘을 이용하여 신경 회로망 구조를 설계하였다. 안테나 시스템으로부터 얻어진 입출력 데이터에 거하여 본 논문에서 제안한 식별기를 이용하여 안테나 시스템을 식별하였으며, 실제 선박의 운동 성분에 대해서도 시스템을 잘 표현할 수 있는 최적 구조 신경 회로 기반 시스템 식별기를 얻을 수 있었다. 실제 실험을 통해서, 최적 신경회로망 구조가 안테나 시스템 식별에 효과적인 것을 알 수 있었다.

차량동역학제어시스템은 복잡하고 비선형이므로 잠금방지 제동시스템 및 자동주행시스템 개발에 어려움이 있다. 차량절대속도를 추정하기 위해 퍼지 로직 기법이 최근 적용되어 정상적인 조건에서 만족할 만한 결과를 얻고 있다. 그러나 급격한 제동시 추정오차가 크게 발생되었다. 본 논문에서는 휠 속도 센서를 이용하여 무인 컨테이너 운송차량의 절대속도를 추정하기 위해, 뉴럴 네트워크 모델의 방사대칭 기저함수와 주성분 분석법을 적용하여 10개의 추정 알고리즘중 오차를 4％ 이내로 추정할 수 있는 알고리즘을 제시하였다.

본 논문은 신경 회로망과 유전 알고리즘을 이용한 비선형 시스템 모델링을 다룬다. 비선형 함수의 근사성 때문에 시스템을 식별하고 제어하기 위해서 신경 회로망을 응용한 연구가 실제로 많이 이루어지고 있다. 빠른 응답시간과 최소의 오차를 위해서는 최적구조 신경 회로망을 설계하는 것이 중요하다. 유선 알고리즘은 최근에 단순성과 견고성 때문에 점점 많이 이용되는 추세이다. 따라서 본 논문에서는 유선알고리즘을 이용하여 신경회로망을 최적화한다. 오차와 응답시간을 최소화하는 신경 회로망 구조를 위해서 유전알고리즘의 유전자로 이진 코딩하여 최적 신경회로망을 탐색하고자 한다. 시뮬레이션을 통해서, 최적 신경회로망 구조가 비선형 시스템 식별에 효과적인 것을 입증하고자 한다.

레이더 신호처리론 포함하여 무선통신 시스템의 성능향상을 위한 수신신호의 도래방향 추정기술 중, MUSIC과 ESPRIT와 같은 방법들은 수신신호 벡터로부터 얻어진 상관행렬의 고유치 분해를 통하여 도래방향을 정도 높게 추정할 수 있는 초고분해 알고리즘들로 잘 이용되어 왔다. 그러나, 이러한 방법들은 계산의 복잡성으로 인하여 실시간 처리에 장애가 되어 왔으며, 어레이 안테나의 물리적인 결함에 대한 보정을 요구한다. 이에 대한 해결방법으로서 신경망 모델을 이용한 도래방향 추정방법들이 연구되어 왔으나, 복수의 신호가 존재할 경우 신경망 모델에 대한 대규모 학습량을 요구하고, 실시간 처리가능성에 대한 명확한 해를 제공하지 못한다. 본 연구에서는 상호결합형 신경망 모델을 이용하여 도래방향을 추정하기 위한 방법을 제안하고, 컴퓨터 시뮬레이션을 통하여 실시간 처리가능성을 보여주었으며, 제안된 방법이 MUSIC 보다 더 좋은 추정치를 제공한다. 게다가, 제안된 방법은 대규모 학습을 요구하지 않는다. 즉, 도래방향을 추정하기 전에 상호결합계수를 신경망에 할당할 뿐이다.