본 논문에서는 교량 모니터링 시스템의 일부분으로 서해대교에 설치된 교량 하중측정 시스템(BWIM system)으로부터 획득한 신호를 분석하여 통행차량의 정보를 추출하기 위한 알고리즘의 개발과정과 이를 위해 수행한 현장 차량주행시험에 대하여 기술하였다. 개발된 BWIM 시스템은 포장층에 매설하는 축감지기가 없는 형태로, 바닥판과 가로보에 설치된 변형률계로부터 측정한 시간이력 변형률신호만을 이용하였다. 이들 측정신호로부터 추출하고자 하는 차량의 정보는 통과차로, 통과속도, 차 축수 및 총 중량이며, 이들 정보의 추출을 위해 패턴인식기법의 일종인 인공신경망(Aritificial Neural Network, ANN) 기법을 사용하였다. 현장 차량주행시험을 통하여 기지차량 및 미지차량 통행시의 BWIM 응답 데이터를 측정하였으며, 이들 실측데이터를 사용하여 인공신경망의 학습 및 성능검증을 수행하였다. 개발된 기법을 사용하여 추출되는 차량의 정보들은 현재의 교량상태 및 피로수명 평가시 활용될 수 있을 것이며, 향후 설계트럭 하중모델의 개정시 기초자료로도 활용될 수 있을 것으로 기대된다.

목적 : 인간의 뇌는 손상을 받은 후에 자발적인 회복이나 뇌신경 회로의 재조직화를 통해 기존의 기능을 회복 할 수 있다．이러한 뇌의 재조직화가 뇌졸중 환자의 운동 기능회복에 중요한 역할을 하는 것으로 알려져 있다．최근의 뇌지도화 기법이 발달함에 따라，뇌손상 환자의 운동 기능 회복에 따른 뇌신경망의 재조직화에 대한 몇 가지 기전이 보고되었고，특히 뇌손상 부위에 따라 뇌활성화되는 양상이 서로 다르게 나타날 수 있다고 추정되고 있다．따라서 본 연구는 뇌손상 부위에 따른 뇌 활성도의 양상을 비교하고자 하였다． 연구방법 : 본 연구에 참여한 대상자는 손의 운동 기능이 일상생활을 독립적으로 할 수 있는 정도로 회복되고 그 기능이 서로 비슷한 대뇌피질(n＝2) 또는 방사관(n=2)에 국소적인 손상을 받은 뇌경색 환자 4명과 신경학적 증상에 대한 과거 병력이 없는 정상 성인(n=7)을 대상으로 하였다．환자군에서 도수근력검사，악력，퍼듀-페그 보드와 경상운동의 정도를 측정하였고，모든 대상자는 손가락의 굴곡과 신전을 반복하는 과제를 실시하는 동안，기능적 자기공명영상의 촬영에 참가하였고，이 때 활성화되는 뇌부위를 분석 비교하였다． 결과 : 환자군에서 평가된 손의 운동 기능은 모두 비슷하였지만，뇌 활성화되는 양상은 서로 다르게 나타났다，대 뇌피질에 손상을 받은 환자들은 정상인 및 그들의 비손상측 손 운동시 활성화되는 양상과 같이 운동을 수행한 손의 반대측 일차운동피질에서 활성화를 보였다．방사관에 손상을 받은 환자군은 양측의 일차운동피질에서 활성화를 보였다． 결론 : 뇌손상 부위는 대뇌피질과 방사관으로 분류되었고，손의 운동 기능 회복의 정도는 비슷하였다．하지만 활성화된 부위는 명확하게 다르게 나타났다．따라서 뇌손상 부위에 따라 뇌신경 회로의 재조직되는 형태가 서로 다르게 나타난다는 것을 알 수 있다．이는 뇌신경재활의 영역에서 마비된 손의 기능이 회복됨에 따라 뇌신경망 에서 나타나는 가소성을 증명하는 것으로，환자의 예후 측정과 신경생리학적 기전에 대한 이해를 제공할 것으로 생각된다．

교량의 손상추정을 위한 구조계 규명기법은 신호취득시스템 및 정보처리기술의 발전과 함께 최근에 많은 연구개발이 이루어지고 있다. 신경망기법이나 유전자 알고리즘과 같은 소프트컴퓨팅 기법은 뛰어난 패턴인식성능 때문에 손상추정 문제에 활발히 활용되고 있다. 본 연구에서는 모드계수를 활용한 신경망기법기반 손상추정을 수행하였으며, 신경망을 훈련시키기 위한 훈련패턴을 생성하는 해석모델에서의 불확실성을 효과적으로 고려할 수 있는 방법을 제시하였다. 해석모델의 불확실성 대하여 민감하지 않은 입력자료인 손상 전 후의 모드형상의 차 또는 모드형상의 비를 신경망의 입력자료로 활용하였다. 단 순보와 다주형교량에 대한 수치예제를 통하여 본 연구에서 제시한 기법의 타당성 및 적용성을 검증하였다.

엘니뇨현상과 관련된 해양 아표층 변동성을 조사하기 위해 1980년부터 2004년까지의 적도 해역의 20도 등온선 깊이(Z20)와 난수질량(WWV) 자료를 분석하였다. 주성분 분석, 합성 분석 및 교차상관 분석 결과, 아표층 시계열 자료는 Nino3.4 SST와 유의미한 시간 지연을 가지고 강한 상관성을 보였다. 이 결과는 아표층 해양 변수가 엘니뇨현상에 유용한 예측 인자임을 시사한다. 분석된 결과를 근거로 1996년부터 2004년까지 Nino3.4 SST를 예측하기 위해 신경망 예측 모델을 구성하였다. 해상풍을 입력 자료로 사용하였을 경우 보다 WWV를 적용하였을 때 3개월 이하의 단기 예측을 제외하고 모든 예측 시간에서 더 우수한 예측력을 보였으며, 5-8개월의 예측에 있어서는 기존의 여러 통계 모델 결과보다 예측 성능이 우수함을 확인하였다.

철근콘크리트 부재의 전단거동에 대한 오랜 연구에 의하여 이에 대한 다양한 이론모델들과 제안식들이 존재한다. 그러나 전판거동의 메커니즘이 복잡하고 영향을 미치는 요소들이 많아서 이론모델들은 대부분 매우 복잡한 경향이 있고, 실험에 의한 제안식들은 제한된 범위내의 실험변수에 대해서만 유효한 경우가 많다. 이러한 문제점을 해결할 수 있는 대안의 하나로써 인공신경망이 여러 연구자들에 의하여 제안되어 왔으며, 본 논문에서는 인공신경망을 이용하여 전단보강근이 없는 철근콘크리트 보의 전단강토를 예측하였다 특히, 기존의 전단실험결과를 광범위하게 모아 구축한 데이타베이스를 활용함으로써 넓은 범위의 구조변수들을 포함한 다양한 부재들을 인공신경망의 훈련자료로 이용하였고, 인공신경망에 의한 전단강토 예측 결과를 ACI의 규준식, Zsutty, Okamura의 제안식들과도 비교 분석하였다. ACI의 규준식은 전단보강근이 없는 철근콘크리트 부재에 대해서 매우 부정확한 전단강도를 제공하였으며, Zsutty의 제안식은 ACI의 규준식에 비해 향상된 예측 결과를 보였으나 부재의 크기효과를 반영하지 못하였다. Okamura의 제안식은 주요 변수들의 영향을 비교적 잘 반영하여 상당히 정확하면서도 안정적인 전단강토를 제공하였다 이에 비해 인공신경망은 실험 결과에 가장 근접한 부재의 전단강도를 제공함으로써, 다양한 변수들의 영향을 매우 정확하게 반영할 수 있는 것으로 나타나서 인공신경망이 전단강도와 같이 메커니즘이 복잡하고 영향을 끼치는 변수들이 많은 다른 구조적 거동이나 강도를 예측하는데 매우 적절한 수단을 제공할 수 있음을 보여주었다.통합에 사용될 수 있음을 보였다. 구현하였다. 분포면적은 최근 25년간 총 2,893ha에 이르는 얕은 습지의 매립으로 인해 크게 변화하고 있으며 하구를 찾는 수금류의 분포, 환경수용력 등과 크게 상관성이 있어 앞으로 심도 있는 연구가 더욱 필요하다.에서 단정도실수 및 배정도실수의 역수 제곱근 계산에 필요한 평균 곱셈 횟수를 계산한다 이들 평균 곱셈 횟수를 종래 알고리즘과 비교하여 본 논문에서 제안한 알고리즘의 우수성을 증명한다. 본 논문에서 제안한 알고리즘은 오차가 일정한 값보다 작아질 때까지만 반복하므로 역수 제곱근 계산기의 성능을 높일 수 있다. 또한 최적의 근사 역수 제곱근 테이블을 구성할 수 있다. 본 논문의 연구 결과는 디지털 신호처리, 컴퓨터 그라픽스, 멀티미디어, 과학 기술 연산 등 부동소수점 계산기가 사용되는 분야에서 폭 넓게 사용될 수 있다.순으로 좋게 평가되었다. 결론적으로 감농축액의 첨가는 당과 탄닌성분을 함유함으로써 인절미의 노화를 지연시키고 저장성을 높이는데 효과가 있는 것으로 생각된다. 또한 인절미를 제조할 때 찹쌀가루에의 감농축액을 첨가하는 것이 감인절미의 색, 향, 단맛, 씹힘성이 적당하고 쓴맛과 떫은맛은 약하게 느끼면서 촉촉한 정도와 부드러운 정도는 강하게 느낄수 있어서 전반적인 기호도에서 가장 적절한 방법으로 사료된다.비위생 점수가 유의적으로 높은 점수를 나타내었다. 조리종사자의 위생지식 점수와 위생관리 수행수준의 상관관계를 조사한 결과, 위생지식

최근 전자상거래나 웹 컨텐츠 사이트가 늘어나면서 웹 로그 정보를 분석하여 사용자 행동 패턴이나 사이트 구조를 분석하기 위한 연구가 활발하게 이루어지고 있다. 웹 사이트에 접속함으로써 발생되는 누적된 로그를 데이터 마이닝 기법을 이용하여 사용자 행동 패턴을 분석하여 효과적으로 이용하려는 연구는 다양한 웹 컨텐츠 정보 안에서 고객이 진정으로 원하는 정보를 얻기까지 소요되는 시간과 노력을 절약하기 위한 고객 지원 서비스의 차원에서 중요한 문제로 대두되고 있다. 그러나 이러한 연구들 또한 개인화와 고객의 구매성향의 변화에 대한 실시간 대응이라는 두 가지 관점에서 해결방안을 동시에 제시하지 못하고 있다. 본 논문에서는 ART2 신경망 알고리즘을 통해 실시간적이고 방대한 량의 웹 로그 데이터를 효과적으로 군집화하기 위하여 군집화 특성을 평가하고자 한다.

대표적인 엘니뇨 지수인 태평양 Nino 해역의 표층 수온을 예측하기 위해 비선형 통계모델 중의 하나인 신경망 기법을 적용하였다. 신경망 모델 학습 과정의 입력 자료로 1951년부터 1993년까지의 태평양 해역(120˚ E, 20˚ S-20˚ N) NCEP/NCAR의 재분석 표층 수온 편차의 경험적 직교함수 7개 주모드를 사용하였고, 그 중 1994년부터 2003년까지의 10년 결과를 분석하였다. 모든 해역에서의 9개월까지의 신경망 모델의 예측력은 비교적 우수하였으며, 특히 1997년과 1998년의 강한 엘니뇨의 발달 및 소멸도 잘 예측함을 확인할 수 있었다. 해역별로는 Nino3 지역의 예측성능이 가장 높았으며, 9개월 이후부터는 그 예측력이 급격히 감소하였다. 한편 지역적인 영향이 커 예측력이 낮은 동태평양 연안의 Nino1+2 지역은 9개월 이후에도 예측력의 감소가 관찰되지 않았다.

효과적으로 공정을 관리하기위하여 제품의 품질특성치에 영향을 주는 데이터를 수집하고 공정을 해석하여한다. 이를 위해서 데이터 마이닝(Data Mining)이 많이 수행되어지고 있다. 본 연구에서는 공정으로부터 수집된 대량의 정보 데이터를 신경망(Neural Network)기법을 통하여 공정의 불량률을 예측하고 불량률이 높게 나타난 데이터를 통해 연관규칙(Association Rule)을 적용하여 불량에 영향을 주는 공정의 패턴을 파악 공정을 개선하고자 한다.

본 연구의 목적은 적응신경망퍼지추론시스템(ANFIS)과 회귀분석을 활용하여 7가지 역학적 특성치를 갖는 면직물의 시각적 질감을 해석하고 두 가지 방법을 비교하는 것이다. AMFIS는 퍼지 소속 함수와 신경망 구조를 갖는 것으로 인간의 비선형적 감성예측에 유용한 도구이다. 상관관계 및 회귀 분석의 통계분석은 7가지 역학적 특성치가 주관적 질감과 선형의 관계가 있음을 나타내었지만 설명력이 높지 않았고, 선형 이외의 관련성과 변수들 간의 상호작용을 표현하기 어려운 문제가 있었다. 통계분석과 비교하여, ANFIS는 변수들 간의 비선형적인 관련성과 상호작용을 가시적으로 보여주는데 설명력 있는 유용한 도구였으나, 입력 변수 중 출력 변수에 영향력이 있는 변수를 변별하지 못하여, 생성된 규칙의 수가 복잡한 문제가 있었다. 따라서 ANFIS의 해석이 단순하고 의미있는 모델을 구성하기 위해서는 영향력 있는 출력 변수를 추출하고 나머지 변수를 유사하게 통제하는 실험 모델의 구성이 필요하다.

본 논문에서는 납삽입 적층 고무베어링의 비선형 모델링에 대해 신경망 이론을 적용한 수학적 모델링 기법을 제안하였다. 신경망 모델의 수치검증을 위해 납삽입 적층 고무베어링이 설치된 프레임 축소모델의 진동대 실험 자료가 사용되었는데, 제안된 신경망의 학습 및 예측을 위한 하중 자료로써 백색잡음과 세 종류의 지진파를 선택하였다. 지진파의 경우 PGA의 세기를 달리하여 신경망 모델의 계산정도를 고찰하였다. 그 결과, 납삽입 적층 고무베어링의 전단변위가 신경망의 학습 영역을 벗어나지 않는 경우 실험결과의 복잡한 이력곡선을 잘 추종하였고 신경망 이론에 의한 비선형 모델링 기법이 유용하게 활용될 수 있다는 가능성을 확인할 수 있었다.

The recycling cell formation problem means that disposal products are classified into recycling product families using group technology in their end-of-life phase. Disposal products have the uncertainties of product condition usage influences. Recycling cells are formed considering design, process and usage attributes. In this paper, a new approach for the design of cellular recycling system is proposed, which deals with the recycling cell formation and assignment of identical products concurrently. Fuzzy ART neural networks are applied to describe the condition of disposal product with the membership functions and to make recycling cell formation. The approach leads to cluster materials, components, and subassemblies for reuse or recycling and can evaluate the value at each cell of disposal products. Disposal refrigerators are shown as an example.

철근콘크리트 구조물의 보수ㆍ보강 등의 유지관리를 위해서는 내구성과 내하성을 동시에 고려한 건전성평가의 의사결정기준이 절실히 요구된다. 본 논문은 CART-ANFIS을 사용하는 철근콘크리트 구조물에 대하여 효율적인 모델을 나타내었다. 철근콘크리트 구조물의 손상과 진단 등에 활용되어온 분류형 전문가시스템의 일종인 퍼지이론을 이용한 결정목 구조와 기존의 인공신경망을 이용한 결정목 구조의 건전성평가를 비교 분석한다. 손상된 철근콘크리트의 내구성 회복을 위한 보강설계 이론과 내하력 증가를 위한 보장설계 이론을 정립시켜 손상검출의 산정식을 유도하였다. 본 연구의 건전성 평가시스템 모델을 이용함으로서 보다 효율적인 철근콘크리트 유지관리 뿐만 아니라 생애주기비용 예측을 수행 할 수 있다.

Final disposal of radioactive waste generated from Nuclear Power Plant (NPP) requires the detailed information about the characteristics and the quantities of radionuclides in waste package. Most of these radionuclides are difficult to measure and expensive to assay. Thus it is suggested to the indirect method by which the concentration of the Difficult-to-Measure (DTM) nuclide is estimated using the correlations of concentration - it is called the scaling factor - between Easy-to-Measure (Key) nuclides and DTM nuclides with the measured concentration of the Key nuclide. In general, the scaling factor is determined by the log mean average (LMA) method and the regression method. However, these methods are inadequate to apply to fission product nuclides and some activation product nuclides such as 14 and 90 . In this study, the artificial neural network (ANN) method is suggested to improve the conventional SF determination methods - the LMA method and the regression method. The root mean squared errors (RMSE) of the ANN models are compared with those of the conventional SF determination models for 14 and 90 in two parts divided by a training part and a validation part. The SF determination models are arranged in the order of RMSEs as the following order: ANN model

손상평가를 위해 많은 연구자들에 의해 인공신경망이 이용되어 왔다. 그러나, 인공신경망을 이용한 손상평가에 있어 정확성과 능률성을 제고하기 위해서는 몇가지 문제점이 있다. 기존의 인공신경망 특히 역전파신경망(BPNN)의 경우 신경망 학습을 위해 많은 수의 학습패턴을 필요로 하며, 또한 신경망의 구조와 해의 수렴간에 어떤 확정적인 관계가 존재하지 않는다. 따라서 신경망의 은닉층의 수와 한 은닉층에서의 노드수는 시행착오적으로 결정되게 된다. 이러한 많은 훈련패턴의 준비와 최적의 신경망 구조 결정을 위해서는 많은 시간이 필요하다. 본 논문에서는 이러한 단점들을 극복하기 위해 확률신경망을 패턴분류기로 사용하였다. 이를 판형철도교의 손상평가에 수치해석적으로 검증하였다. 또한 확률신경망을 이용한 철도판형교 손상평가시 적절한 훈련패턴 선택을 위해 모드형상과 고유진동수를 사용한 경우의 적용성에 대해 검토하였다.

이 논문에서는 기존의 보-거더 구조계 주차장 구조물에 대한 차량하중영향 연구를 토대로, 플랫 슬래브 구조계에서 차량하중영향에 대한 연구를 수행하였다. 먼저, 최대부재력을 일으키는 차량하중의 적용을 위해 플랫 슬래브의 주요 설계지점에 대한 영향면을 구성하였으며, 플랫 슬래브의 등가차량하중계수를 인공 신경망기법을 이용하여, 슬래브 두께, 지판 두께, 지판 크기, 슬래브의 단변, 장변 길이 등 주요구조변수로 제시하였다. 사용된 신경망의 훈련은 많은 패턴수를 갖는 비선형 회귀분석에 적합한 Levenberg-Marquardt 알고리즘을 이용하였으며 해석결과와 인공 신경망의 출력의 비교를 통해 알고리즘의 유효성을 검증하였다. 플랫 슬래브 구조계의 등가차량하중계수를 살펴보면, 보-거더 구조계의 경우와 유사하게 주열대와 중간대의 정모멘트 부재력에서 차량하중에 매우 취약함을 알 수 있었다.

We report the reorganization of motor network resulted from intensive unilateral coordination training and the effect of cross education on the untrained side in patient with traumatic brain injury using functional magnetic resonance imaging (fMRI). A 22 year-old male patient who had suffered from diffuse axonal injury for 58 months showed coordination deficit in the left hand at initial examination. Intensive motor training including complex finger movements and coordination activities using a metronome was introduced to the patient 4 hours per day for a week. FMRI was performed on a 3T ISOL Forte scanner. All functional images were analyzed using SPM-99 software. Hand function was improved after training not only in the trained left hand, but also in the untrained right hand. There was no activation in the right primary motor area (M1) during left hand movement before training whereas robust activation of left M1 was demonstrated by the right hand movement. Profuse activation of bilateral prefrontal lobes was seen during both hand movements before training. After training of left hand, right M1 became prominently activated during the left hand motion. The activation of bilateral prefrontal lobes disappeared after training not only for the left hand movement but also for the right, which clearly demonstrated the effect of cross education. This case report demonstrated the learning-dependent reorganization of the M1 and the effect of cross education.

신경망은 설계자의 경험과 통찰력과 같은 비정형적 정보에 의존하는 초기 구조설계단계의 시스템화에 매우 적합하다. 초기 구조설계단계를 시작하는 시점에서는 설계정보가 매우 적음을 생각해 볼 때, 신경망 모델은 제한적인 적은 정보를 입력으로 하고 상대적으로 훨씬 많은 출력을 가지도록 설계되어야 한다. 그러나, 이러한 상황은 신경망 학습시 학습속도, 수렴, 출력 값의 신뢰성등 여러 가지 문제점을 초래한다. 본 연구에서는 이러한 문제점을 해결하기 위하여 설계 정보가 점진적으로 증가하는 흐름을 가지고 있다는 점에 착안해서 다단계 신경망을 제시하고, 이를 토대로 사장교 초기 구조설계시스템에 대한 원형을 구현하였다. 본 연구결과 초기 구조설계단계 전체에 대해서 하나의 신경 망으로 설계하는 것 보다 다단계 신경 망으로 나누어서 동일한 작업을 수행하도록 하는 것이 훨씬 유리하다.

이전 연구에서 가상현실에 몰입하는 동안 넓은 시야(field of view : 150˚)와 빠른 운행속도(70km/sec)가 사이버 멀미를 심화시킨다는 결과를 얻었다. 피험자의 90%가 좁은 시야(50˚)와 느린 운행속도(30km/sec)에서 사이버멀미 증상이 적었다. 본 실험에서는 피험자가 생리적인 동요를 경험할 때마다 바이오피드백 방법을 사용하여 사이버 멀미 감소 가상환경(cybersickness alleviating virtual environment ; CAVE)을 제시한 후, 그 효과를 관찰하였다. 피부전도도, 말초체온, 말초 혈류량, 심박률, 눈 깜박임, 뇌전위의 변수들을 입력하는 인공 신경망으로 구성된 실시간 멀미 탐지 시스템과 CAVE-제시 피드백 시스템을 구축하였다 이 시스템들은 생리적 측정치들이 사이버 멀미의 출현을 신호할 때마다 피드백 출력으로 좁은 화면과 감소된 운행속도를 일시적으로 제공하였다. 36명의 피험자를 대상으로 SSQ(simulator sickness questionnaire)와 자기보고를 이용하여 사이버 멀미의 빈도와 심각도를 조사하였다. 모든 피험자는 한달 간격으로 CAW 조건과 non-CAYE 조건에서 두 번 가상현실을 경험하였다. 사이버멀미의 빈도와 심각도는 non-CAVE 조건보다 CAVE 조건에서 유의미하게 감소하였다. 즉, 전기 생리학적 특징들에 기반한 인공 신경망에 의해 제공된 좁은 시야와 느린 운행의 가상환경은 사이버 멀미 증상들을 감소시켰다 이러한 결과들은 생체신호 피드백 시스템을 이용하여 인간 친화적 가상환경을 구축할 수 있는 가능성을 보인 것이다.