The use of radar-based systems for vessel monitoring is not suitable in populated areas, due to the high electromagnetic emissions. In this paper, a camera based vessel recognition system for application in the context of Vessel Traffic Services (VTS) and Homeland Protection (HP) is proposed. Our approach is designed to extend the functionality of traditional VTS systems by permitting the classification of both cooperative and non-cooperative targets, using camera images only. This allows enhancing the surveillance function in populated areas, where public opinion is strongly concerned about electromagnetic emissions and therefore antennas are suspiciously observed and radars are not allowed. Experiments have been carried out on a publicly available data set of images coming from the ARGOS boat traffic monitoring system in the City of Venice (Italy). The obtained classification accuracy of 89.6% (with 11 different classes of boats) demonstrates the effectiveness of the proposed approach.

The predictive control system using model-based predictive control is a very effective way to optimize the present inputs considering the states and future errors of the reference trajectory, but it has a drawback in that a control input matrix must be repeatedly calculated with a long calculation time at every sampling for minimizing future errors in a predictive interval. In this study, we applied the neural network simulating the predictive control method for the trajectory tracking control of the mobile robot to reduce complex control method and computation time which are the disadvantage of predictive control. In addition, the neural network showed excellent performance by the generalization even for a different reference trajectory. Therefore, The controller is designed by modeling the model-based predictive control gains for the reference trajectory using a neural networks. Through the computer simulation, the proposed control method showed better performance than the general predictive control method.

Due to the existence of uncertainties and the unknown time variant environmental disturbances for ship course nonlinear control system, the ship course adaptive neural network robust course-keeping controller is designed by combining the backstepping technique. The neural networks (NNs) are employed for the compensating of the nonlinear term of the nonlinear ship course-keeping control system. The designed adaptive laws are designed to estimate the weights of NNs and the bounds of unknown environmental disturbances. The first order commander are introduced to solve the problem of repeating differential operations in the traditional backstepping design method, which let the designed controller easier to implement in navigation practice and structure simplicity. Theoretically, it indicates that the proposed controller can track the setting course in arbitrary expected accuracy, while keeping all control signals in the ship course control closed-loop system are uniformly ultimately bounded. Finally, the training ship of Dalian Maritime University is taken for example; simulation results illustrated the effectiveness and the robustness of the proposed controller.

The group formation problem of the machine and part is a critical issue in the planning stage of cellular manufacturing systems. The machine-part grouping with alternative process plans means to form machine-part groupings in which a part may be processed not only by a specific process but by many alternative processes. For this problem, this study presents an algorithm based on self organizing neural networks, so called SOM (Self Organizing feature Map). The SOM, a special type of neural networks is an intelligent tool for grouping machines and parts in group formation problem of the machine and part. SOM can learn from complex, multi-dimensional data and transform them into visually decipherable clusters. In the proposed algorithm, output layer in SOM network had been set as one-dimensional structure and the number of output node has been set sufficiently large in order to spread out the input vectors in the order of similarity. In the first stage of the proposed algorithm, SOM has been applied twice to form an initial machine-process group. In the second stage, grouping efficacy is considered to transform the initial machine-process group into a final machine-process group and a final machine-part group. The proposed algorithm was tested on well-known machine-part grouping problems with alternative process plans. The results of this computational study demonstrate the superiority of the proposed algorithm. The proposed algorithm can be easily applied to the group formation problem compared to other meta-heuristic based algorithms. In addition, it can be used to solve large-scale group formation problems.

The car market is a high-involvement, high-information market, in which consumers are expected to go through extensive searches. Cars are highly symbolic artefacts. The marque and model say a lot about the owner, and evidently, a car is far beyond a purely rational, functionally based purchase. However, car manufacturers face a serious problem as worldwide marque loyalty levels, from purchase to purchase, average below 50%, and tend to decline over time. Evidently, the analysis of factors affecting car marque loyalty is a research topic of significant managerial importance. This study attempts to empirically address the structure of marque loyalty in the car market and has a dual objective: First, to relate marque loyalty to a set of consumer characteristics under a theoretical framework, and second, to examine the impact of current car’s attribute-level performance on loyalty. In this direction, this study illustrates the value of Adaptive Network-based Fuzzy Inference System (ANFIS), as a bridge between qualitative and quantitative approaches, in an attempt to identify alternative complex antecedent conditions that give rise to marque loyalty in the car market. The proposed approach offers to conventional correlational quantitative approaches three benefits: (1) asymmetry (i.e., relationships between independent and dependent variables are treated as non-linear/asymmetric), (2) equifinality (i.e., multiple pathways may lead to the same outcome), and (3) causal complexity (i.e., combinations of antecedent conditions lead to the outcome, and hence, the focus is not on net-effects, but on combinatorial-synergistic effects). To demonstrate these merits, ANFIS is compared to a conventional econometric forecasting technique, namely logistic regression.

Zermelo's navigation problem is that the ship reaches a particular target point in the minimum-time when it travels with a constant speed in a region of strong currents and its heading angle is the control variable. Its approximate solution for the minimum-time control may be found using the calculus of variation. However, the accuracy of its approximate solution is low since the solution is based on graph or table form from a complicated nonlinear equations. To improve the accuracy, we use a neural network. Through the computer simulation study we have found that the proposed method is superior to the conventional ones.

The steam table in saturated and superheated region was modeled simultaneously using the neural networks. A variable was introduced to distinguish between the saturation and the superheat. The relative errors were compared with the quadratic spline interpolation method. The relative errors by the neural networks were superior to those by the quadratic spline interpolation method over almost all ranges of temperatures and properties. The overall errors in the saturated region were better than those in the superheated region. From the analysis, it was confirmed that the neural networks could be a very powerful tool for simultaneous modeling of superheated and saturated steam table

Algal blooms in potable water supplies are becoming an increasingly prevalent and serious water quality problem around the world. In addition to precipitating taste and odor problems, blooms damage the environment, and some classes like cyanobacteria (blue-green algae) release toxins that can threaten human health, even causing death. There is a recognized need in the water industry for models that can accurately forecast in real-time algal bloom events for planning and mitigation purposes. In this study, using data for an interconnected system of rivers and reservoirs operated by a New Jersey water utility, various ANN models, including both discrete prediction and classification models, were developed and tested for forecasting counts of three different algal classes for one-week and two-weeks ahead periods. Predictor model inputs included physical, meteorological, chemical, and biological variables, and two different temporal schemes for processing inputs relative to the prediction event were used. Despite relatively limited historical data, the discrete prediction ANN models generally performed well during validation, achieving relatively high correlation coefficients, and often predicting the formation and dissipation of high algae count periods. The ANN classification models also performed well, with average classification percentages averaging 94 percent accuracy. Despite relatively limited data events, this study demonstrates that with adequate data collection, both in terms of the number of historical events and availability of important predictor variables, ANNs can provide accurate real-time forecasts of algal population counts, as well as foster increased understanding of important cause and effect relationships, which can be used to both improve monitoring programs and forecasting efforts.

본 논문에서는 수학적 구조 모델과 인공신경망 기법을 상호 유기적으로 결합하여 구조물의 거동 데이터로부터 부재모델 또는 재료모델의 정확도를 높이는 정보기반 하이브리드 모델 업데이트 기법을 개발하였다. 유한요소와 같은 수학적 모델을 사용하여 구조물의 거동을 모사하기 위해서는 재료, 부재, 그리고 시스템의 정확한 모델링이 우선하여야 한다. 그러나 재 료, 부재의 각 레벨에서의 수학적인 모델은 이상화과정을 거치면서 중요한 특성을 생략하거나, 시스템 구성시 부재간의 상 호작용이나 경계조건의 단순화로 인해 유한요소 모델은 실제 구조물의 거동과 차이를 보이게 된다. 본 논문에서 제시된 하 이브리드 모델 업데이트 기법은 구조물의 거동과 수학적 모델의 해석결과 차이를 인공신경망 기법을 사용하여 보완함으로 써 시스템 모델의 정확도를 높일 수 있다. 이때 시스템의 거동 데이터로부터 부재 또는 재료모델을 개선할 수 있는 데이터 를 추출하여 부재 또는 재료모델을 개선한다. 제시된 기법은 보-기둥 접합부의 이력모델을 개선하는 것으로 검증하였으며, 복잡한 거동을 보이는 시스템 모델링에 광범위하게 사용될 수 있다.

Yield is a very important measure that can expresses simply for productivity and performance of company. So, yield is used widely in many industries nowadays. With the development of the information technology and online based real-time process monitoring

이 논문에서는 모바일 통신망에서 호 손실율의 가능성 분포에 기초하여 최대 손실률을 추정하는 방법을 제안한다. 호 손실률 가능성 분포는 관측된 호 손실률을 이용하여 퍼지추론으로 추정한다. 퍼지규칙의 소속 함수는 신경망의 EBP(error backpropagation ) 알고리즘으로 튜닝하고, 퍼지추론은 퍼지집합의 가중치 평균에 기초하여 호 손실율의 상한계를 추정한다. 이 방법은 과도한 CDR(Call Dropping Ratio)의 추정을 방지할 수 있고, 추정된 CDR 이 관측된 CDR보다 작을 때는 실시간적으로 자기보상을 실시하여 관측된 CDR이 추정된 CDR을 초과하는 경우가 없게 한다. 시뮬레이션을 통하여 제안된 방법이 관측된 호 손실률에 기초하여 상한계값을 잘 추정해냄을 보인다.

Many studies on predicting and recommending information and products have been studying to meet customers' preference. Unnecessary information should be removed to satisfy customers' needs in massive information. The some information filtering methods to remove unnecessary information have been suggested but these methods have scarcity and scalability problems. Therefore, this paper explores a personalized recommendation system based on artificial neural network (ANN) to solve these problems. The insurance product recommendation is adapted as an example to demonstrate the proposed method. The proposed recommendation system is expected to recommended a suitable and personalized insurance products for customers' satisfaction.

기존 콘크리트 포장의 단면 설계 시 발생하는 문제점을 해결하기 위해 유한 요소법(FEM)을 이용하여 것이 하나의 방법론으로 부각되었으며 현재 한국형 포장 설계법 개발 연구에서도 적용 중에 있다. 본 연구에서는 ABAQUS와 포트란 해석 프로그램을 이용하여 콘크리트 포장의 한계 응력을 계산하였고, 그 결과를 뉴럴 네트워크와 선형 회귀식을 이용하여 비교 분석하였다. 입력 변수가 많지만 다양한 해석을 하지 못하는 경우(입력변수 6개에 대해 81 경우 수 해석)에 대해 구조해석 결과를 뉴럴 네트워크(이하 NN: Neural Networks)와 선형 회귀식으로 비교한 결과, 구조해석 결과와 다소 차이가 있음을 확인하였다. 반면 입력 변수를 줄이되 다양한 경우에 해석한 경우(입력 변수 3개에 대해 343 경우의 수)의 분석 결과, NN과 선형 회귀식이 구조해석 결과와 매우 유사한 결과가 나타나는 것을 알 수 있었다. 하지만 그래프의 (0,0), (1,1) 부분에서 NN이 선형 회귀식에 비해 더 정확한 것을 확인하였다. 이와 같은 연구 결과를 통해서 한국형 포장 설계법의 핵심인 응력 계산 모듈을 선형 회귀식보다 좀 더 정확한 NN으로 해석하는 것을 제안하였다.

현장에서 콘크리트 구조물의 균열 깊이를 추정하기 위한 자기 보정 표면파 투과 측정과 측정된 투과 함수의 차단주파수를 이용하는 기존의 방법은 측정 조건에 따른 투과 함수의 변동성이 매우 커서 실제로 적용하기가 어려운 단점이 있다. 본 연구에서는 차단주파수와 같이 특정 주파수를 선정하여 균열 깊이를 추정하는 방법 대신에 측정된 자기 보정 표면파 투과 함수 자체를 균열 깊이 추정에 이용하는 방법을 제안하고자 한다. 이를 위하여 다양한 균열 깊이에서 측정된 자기 보정 표면파 투과 함수를 주성분 분석법을 이용하여 차원을 축소한 후, 축소된 투과 함수를 인공신경망의 입력으로 사용하여 이로부터 균열 깊이를 추정하는 방법을 제시하였다. 한편, 제안된 방법의 유효성을 판단하기 위하여 서로 다른 균열 깊이를 가진 5개의 실험체에 대하여 실험적인 연구를 수행하였으며, 실험 결과 제안된 방법이 콘크리트 구조물이 균열 질이 평가에 매우 유효한 방법임을 알 수 있었다.

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