본 연구는 딥러닝을 위한 비선형 변환 접근법을 사용하여 Single-lap joint의 접착 영역을 조사하기 위한 진동 응답 기반 탐지 시스템 을 제시한다. 산업 혹은 공학 분야에서 분해가 쉽지 않은 구조 내에 보이지 않는 부분의 상태와 접착된 구조의 접착 부위 상태를 알기 어려운 문제가 있다. 이러한 문제를 해결하기 위해 본 연구는 비선형 변환을 이용하여 기준 시편의 진동 응답으로 다양한 시편의 접착 면적을 조사하는 탐지 방법을 제안한다. 이 연구에서는 CNN 기반 딥러닝으로 진동 특성을 파악하기 위해 비선형 변환을 적용한 주파 수 응답 함수를 사용했고 분류를 위해 가상의 스펙트로그램을 사용했다. 또한, 제시된 방법을 검증하기 위해 알루미늄, 탄소섬유복합 재 그리고 초고분자량 폴리에틸렌 시편에 대한 진동 실험, 분석적 해, 유한요소해석을 수행했다.

  본 논문에서 선형함수의 곱의 형태로 표현된 비선형 함수를 목적식 또는 제약식에 가지는 비선형 최적화 문제를 새로운 변수를 추가하여 선형 Relaxation 최적화 문제로 Reformulation하는 기법을 소개한다. 특히, 선형함수의 곱의 형태를 가지는 비선형 함수를 포함하는 비선형 정수 최적화 문제를 선형 정수 최적화 문제로 Relaxation할 경우 두 최적화 문제의 해가 일치함을 보인다. 또한 소개된 Relaxation 기법을 응용하여, 추가되

물리탐사와 시추자료에 대해 지구통계학적 복합해석 기술을 적용하여 3차원의 암반등급 해석을 수행하였다. 자료 복합 해석을 위한 다양한 지구통계학적 기술 중에서, 본 연구에서는 물리탐사 자료의 값을 추정하고자 하는 지점의 암반등급의 평균치로 치환하는 국소 변이 평균에 의한 단순 크리깅 기술(Simple Kriging with local varying means)을 사용하였다. 암석의 전기비저항 값은 RMR(Rock Mass Rating)값과 양의 상관관계를 갖는 것으로 알려져 있으나 상관 관계 만에 의한 대응방식은 그 양상이 매우 복잡하고 공간적으로 연관되어 있는 경우가 많아 단순히 적용하기 어려운 경우가 많다. 본 연구에서는 전기비저항과 RMR의 일반적 선형 상관관계 외에 지시자 변환(indicator transform)에 의한 비선형 상관관계를 유도하는 방식을 제안하였다. 또한 본 연구에서는 선형 및 비선형 상관관계에 의해 대응된 비저항 값이 실제 RMR과 비교할 때 나타나는 잔차(residual)에 대해 3차원 지구통계학적 분석을 적용하여 이 결과를 상관관계 결과에 추가함으로써 공간적 특성을 반영하는 RMR 평가를 수행할 수 있었다. 사용된 물리탐사 자료는 전기비저항 및 MT(Magnetotelluric) 탐사 자료이며, 총 10공의 시추자료를 통해 획득한 암반등급 값을 이용하였다. 이와 같은 해석은 조사 대상에 대한 광역적 지질조건을 보다 현실적으로 반영하는 암반등급 분포를 만들어내는 것으로 보인다.

전산화단층촬영에서 선형 및 비선형변환방법을 이용하여 탐색밀도에 따른 압축률과 최대신호대 잡음 비를 구하여 의료영상 압축의 화질에 대하여 알고자 한다. 선형변환방법은 원 영상을 여러 개의 레인지블록으로 나눈 후 각각의 레인지블록에 대하여 영상내의 존재하는 최적의 도메인블록을 찾는 부분변환시스템을 사용하여 닮은 블록을 찾아서 압축율과 화질의 성능을 조정가능 하므로 비선형변환방법은 8개의 셔플변환 중에서 회전변환만을 이용하는데, 한정된 도메인블록에서만 탐색이 이루어지므로 영상내의 임의의 블록에 대하여 도메인블록을 탐색하는 선형변환방법보다는 부호화 시간이 빠르나 실제 영상에서 레인지블록에 대한 최적의 도메인블록을 선택할 수 없기 때문에 성능은 다른 방법에서 보다 떨어질 수 있어서 비선형변환방법은 최적의 도메인블록을 선택하는 대신 밝기 계수 변환의 근사화 정도를 높여서 성능을 개선하고, 블록의 크기가 작을수록 최대신호대 잡음비 (PSNR;peak signal to noise ratio)값은 높아지며 블록의 크기가 클수록 압축비가 높아지므로 최적으로 영상을 부호화하기 위해 퀴드트리 블록분할을 하였다.