Visual inspection methods have limitations, such as reflecting the subjective opinions of workers. Moreover, additional equipment is required when inspecting the high-rise buildings because the height is limited during the inspection. Various methods have been studied to detect concrete cracks due to the disadvantage of existing visual inspection. In this study, a crack detection technology was proposed, and the technology was objectively and accurately through AI. In this study, an efficient method was proposed that automatically detects concrete cracks by using a Convolutional Neural Network(CNN) with the Orthomosaic image, modeled with the help of UAV. The concrete cracks were predicted by three different CNN models: AlexNet, ResNet50, and ResNeXt. The models were verified by accuracy, recall, and F1 Score. The ResNeXt model had the high performance among the three models. Also, this study confirmed the reliability of the model designed by applying it to the experiment.

기술 트렌드가 증가함에 따라, 엄청난 양의 데이터가 생성되고 있습니다. 많은 양의 데이터가 소비되는 기술 분야 중 하나는 컴퓨터 비전이다. 인간은 기계와 비교할 때 시각에 영향을 미치는 표정, 조명 또는 시야각과 같은 외부 조건에서도 얼굴이나 사물을 쉽게 감지하고 인식할 수 있다. 그 이유는 그것과 관련된 높은 차원 의 데이터 때문이다. 데이터 차원성은 모든 관측치에서 측정되는 변수의 총 수를 말합니다. 이번 사업은 안 면인식시스템에 적합한 다양한 차원감소 기법을 비교하고 조도가 다양한 안면이미지로 구성된 다양한 데이 터세트로 테스트해 모델의 정확도 향상에 도움이 되는 기법의 앙상블 모델을 제안하고 성능을 측정하는 것 이 목적이다.렉스 배경과 표현. 제안된 앙상블 모델은 주성분 분석(PCA)과 로컬 선형 임베딩(LLE)이라는 두 가지 차원 감소 기술의 혼합에서 벡터를 추출하고, 이를 밀도 높은 컨볼루션 신경망(CNN)을 통해 전달하여 야생 면(LFW) 데이터 세트의 얼굴을 예측한다. 이 모형은 0.95의 검정 정확도와 0.94의 검정 F1 점수로 수행 됩니다. 제안된 시스템은 시스템이 얼굴을 예측할 수 있는 제안된 앙상블 모델과 통합된 웹캠에서 라이브 비 디오 스트림을 캡처하는 플라스크를 사용하여 개발된 웹 앱을 포함한다.

In this paper, a GAN-based data augmentation method is proposed for topology optimization. In machine learning techniques, a total amount of dataset determines the accuracy and robustness of the trained neural network architectures, especially, supervised learning networks. Because the insufficient data tends to lead to overfitting or underfitting of the architectures, a data augmentation method is need to increase the amount of data for reducing overfitting when training a machine learning model. In this study, the Ganerative Adversarial Network (GAN) is used to augment the topology optimization dataset. The produced dataset has been compared with the original dataset.

본 연구의 목적은 Neural Network Regression 모델을 활용하여 선박의 가치평가 모델을 개발하는 것이다. 가치평가의 대상은 중고 VLCC선이며, 선행연구를 통해 선박의 가치 변화를 유발하는 주요 요인들을 선별하여 변수를 설정하고, 2000년 1월부터 2020년 8 월까지의 해당 데이터를 확보하였다. 변수의 안정성을 판단하기 위해 다중 공선성 검사를 수행하여 최종적으로 6개의 독립변수와 1개의 종속변수를 선정하고 연구 구조를 설계하였다. 이를 바탕으로 Linear Regression, Neural Network Regression, Random Forest Algorithm을 활용하여 총 9개의 시뮬레이션 모델을 설계하였다. 또한 각 모델간의 비교검증을 통해 평가결과의 정확성을 제고시켰다. 평가 결과, VLCC실제값과의 비교를 통해 2층으로 구성된 Hidden Layer의 Neural Network Regression 모델이 가장 정확도가 높은 것으로 나타났다. 본 연구의 시사점은 첫째, 기존 정형화된 평가기법에서 벗어나 기계학습기반 모델을 선박가치평가에 적용하였다는 점이다. 둘째, 해운시 장 변화요인을 동태적 관점에서 분석하고 예측함으로써 연구결과의 객관성을 제고시켰다고 할 수 있다.

가뭄은 일반적으로 장기간에 걸쳐 물 공급이 부족하여 나타나는 환경 재앙 중 하나로 대부분 넓은 지역에 걸쳐 나타난다. 원격탐사 자료는 이러한 넓은 지역에서 나타나는 가뭄 모니터링에 적합한 방법이다. 따라서 이 연구에서는 강원도 소양호 지역의 Landsat 위성 영상 자료를 활용하여 약 30년(1985-2015) 동안의 소양호 면적을 산출하고 이를 가뭄 패턴과 분석하였다. 특히 ISODATA, Maximum likelihood 및 인공신경망을 활용하여 Landsat 영상을 분류하여 소양호 면적을 산출하였다. 또한 가뭄 패턴을 분석하기 위하여 산출된 호수 면적과 소양호 지역의 강수량을 활용한 표준 강수지수(Standardized Precipitation Index: SPI)와의 상관관계를 분석하였다. 영상 분류 연구 결과, ISODATA, Maximum likelihood 및 인공신경망 방법 중에서 호수 면적 산출의 최적의 방법은 인공신경망 방법임을 알 수 있었다. 또한, 인공신경망 방법을 적용하여 산출한 호수 면적과 SPI와의 상관관계 분석 결과 R 2 값이 0.52를 가진다. 즉, SPI 지수가 낮을 때 호수 면적이 감소하는 것을 알 수 있었다. 즉 호수 면적 변화를 통하여 소양호 지역의 가뭄 상태 감지 및 모니터링이 가능하다는 것을 알 수 있었다. 이 연구는 향후 지역 가뭄 모니터링 프로그램 개발 등에 사용이 가능할 것이다.

이 연구의 목적은 인공신경망 기법을 이용하여 사면의 내진 성능을 비교적 정확하면서도 효율적으로 예측하는 모델을 도 출하는데 있다. 사면의 내진 성능은 지진입력 및 사면모델의 무작위성 및 불확실성으로 인하여 정량화하기 쉽지 않다. 이러한 배경 아래 사면에 대한 확률론적 지진 취약도 분석이 몇몇 연구자에 의해 수행되었고, 이를 기반으로 다중 선형회귀분석 을 통하여 사면 내진성능에 대한 닫힌식이 제안된 바 있다. 그러나 전통적인 통계학적 선형회귀분석은 다양한 조건의 사면과 이에 따른 내진 성능 사이의 비선형적 관계를 정확하게 표현하지 못하는 한계를 보였다. 이에 따라 본 연구에서는 이러한 문제점을 극복하고자 인공신경망 기법을 사면 내진성능 예측 모델을 생성하는데 적용하였다. 도출된 모델의 유효성은 기존 의 다중 선형 및 다중 비선형 회귀분석을 통한 모델과 비교하여 검증하였다. 결과적으로 이전 연구의 전통적인 통계학적 회귀 분석을 통한 모델과 비교 결과, 기본적으로 인공신경망 기법을 통하여 도출된 모델이 사면의 내진성능을 예측하는데 있어 우수한 성능을 보여주었다. 이러한 정확도 높은 모델은 향후 확률에 기반한 사면의 지진취약도 지도를 개발하고, 주요 구 조물의 인근 사면으로 인한 리스크를 효과적으로 평가하는데 활용될 수 있을 것이라 기대된다.

The contemporary high-tech structures have become enlarged and their functions more diversified. Steel concrete structure and composite material structures are not exceptions. Therefore, there have been on-going studies on fiber reinforcement materials to improve the characteristics of brittleness, bending and tension stress and others, the short-comings of existing concrete. In this study, the purpose is to develop the estimated model with dynamic characteristics following the steel fiber mixture rate and formation ration by using the nerve network in mixed steel fiber reinforced concrete (SFRC). This study took a look at the tendency of studies by collecting and analyzing the data of the advanced studies on SFRC, and facilitated it on the learning data required in the model development. In addition, by applying the diverse nerve network model and various algorithms to develop the optimal nerve network model appropriate to the dynamic characteristics. The accuracy of the developed nerve network model was compared with the experiment data value of other researchers not utilized as the learning data, the experiment data value undertaken in this study, and comparison made with the formulas proposed by the researchers. And, by analyzing the influence of learning data of nerve network model on the estimation result, the sensitivity of the forecasting system on the learning data of the nerve network is analyzed.

포장의 공용수명은 교통량, 기후, 포장강도, 차량하중 등 다양한 인자들의 영향을 받고 있으며 특히 교 통하중 특성과 기후, 포장의 상･하부구조 등은 포장의 수명에 큰 영향을 주는 것으로 알려져 있다. 하지 만 측정에 따른 오차, 조사구간의 불일치등에 따른 다양한 잠재오차들로 인해 다양한 인자들을 고려한 공 용수명의 예측에 관한 연구가 어려운 실정이다. 따라서 본 연구에서는 다중회귀분석기법을 활용하여 포장 의 수명에 영향을 미치는 주요인자를 선정하고 인공지능 분석기법 중의 하나인 신경망 분석기법(Neural Network Analysis)을 활용하여 아스팔트포장의 공용수명을 예측하고 이를 다중회귀분석의 분석결과 비 교･분석하였다. 먼저, 최근 3년간의 일반국도를 대상으로 조사가 이루어진 아스팔트포장의 수명 데이터를 기준으로 해 당 구간의 누적 교통량(AADT: Average Annual Daily Traffic), 누적 환산축하중(ESAL: Equivalent Single Axle Loads), 포장상부구조(보수층, 표층, 기층), 포장하부구조(보조기층, 동상방지층), 포장강도, 유지보수 지역(관리청)등의 다양한 요인들을 고려한 다중회귀분석 결과 누적교통량, 포장상부구조, 포장하 부구조, 유지보수 지역(관리청)이 유효한 변수로 선정되었다. 본 연구에서 인공신경망분석을 위해 활용한 다층 퍼셉트론(Multi layer Perceptron)기법은 입력층과 출력층 사이에 하나 이상의 은닉층(Hidden Layer)이 존재하게 되며 분석 알고리즘으로는 역전파 알고리 즘(Backpropagation algorithm)을 활용하였다. 분석을 위해 입력층에는 독립변수에 해당되는 누적교통 량, 포장상·하부구조, 유지보수지역의 4가지 변수를 입력하였으며 출력층에는 포장의 공용수명을 입력 하였다. 분석데이터는 70%를 학습, 15%를 검정, 15%를 테스트를 위해 활용하였으며 나아가 은닉층 신경 망(hidden neuron) 개수의 변화를 고려한 시나리오 분석을 수행하였다. 분석결과, 다중회귀분석에 비해 인공신경망 분석기법의 예측력이 뛰어난 것으로 나타났으며 은닉층 신경망(hidden neuron)의 개수가 과 대해지는 경우에는 인공신경망 자체의 예측력이 감소하는 것으로 나타났다.

저류층 내에 부존되어 있는 탄화수소의 매장량을 계산하기 위해서는 그 저류층의 공극률이 필요하다. 일반적으로 시추공 이외의 지역에 대한 공극률은 시추공에서 얻은 공극률 검층자료로부터 외삽하여 얻지만, 시추공을 포함한 지역에서 획득한 탄성파탐사 자료가 존재하는 경우 시추공 자료와 함께 탄성파 탐사 자료를 이용하여 시추공 이외의 지역에서 보다 정확한 유사 공극률을 추출해낼 수 있다. 이 연구에서는 다항식 신경망 기법을 이용하여 탄성파 탐사 자료와 공극률 검층 자료로부터 유사 공극률 검층 자료를 생성하는 모듈을 개발하였다. 먼저 탄성파 탐사 자료로부터 추출된 지하매질의 특성을 나타내는 탄성파 속성(seismic attribute)과 심도에 따른 시간의 자료로 변환된 공극률 검층 자료로부터 다항식 신경망 기법을 사용하여 상관계수를 추출하였고 이 계수를 이용하여 시추공이 없는 지역에서의 공극률 정보를 생성하였다. 한편, 개발된 모듈에서는 보다 정확한 공극률을 획득하기 위하여 각각의 탄성파 속성들과 공극률 검층 자료와의 상관성 분석을 통해 상관성이 높은 탄성파 속성들을 사용하였다. 개발된 다항식 신경망 모듈의 신뢰성, 활용성을 검증하기 위하여 개발된 모듈을 북해 F3 지역의 현장자료에 적용하고, 얻어진 결과를 상용 프로그램에서 사용되는 확률론적 신경망 기법을 통해 얻어진 결과와 비교하였다. 두 방법으로부터 얻은 결과들은 유사한 결과를 보였으며 이를 통해 개발된 모듈의 신뢰성을 입증할 수 있었다. 또한, 다항식 신경망 기법으로부터 얻어진 유사 공극률 검층 자료가 확률론적 신경망 기법을 통해 얻어진 결과보다 실제 값에 더 가깝다는 것을 보여주었다. 따라서 북해 F3 지역과 같이 시추공 자료가 부족한 지역에서는 다항식 신경망 기법이 효과적임을 알 수 있었다.

북서태평양에서 발생한 태풍에 대해 발생 후 5일 동안 12시간 간격으로 태풍의 강도 및 진로를 예측할 수 있는 인공신경망 모델을 개발하였다. 사용되어진 예측인지는 CLIPER(발생 위치 강도 일자), 운동학적 파라미터(연직바람시어, 상층발산, 하층상대와도), 열적 파라미터(상층 상당온위, ENSO, 상층온도, 중층 상대습도)로 구성되어졌다. 예측인자의 특성에 따라 일곱개의 인공신경망 모델들이 개발되었으며, CLIPER와 열적 파라미터가 조합된(CLIPER-THERM) 모델이 가장 좋은 예측성능을 보였다. 이 CLIPER-THERM 모델은 강도 및 진로 모두에서 동절기보다 하절기에 더 나은 예측성능을 나타내었다. 또한 태풍의 발생이 아열대 서태평양의 남동쪽에 위치할수록 강도예측에서는 큰 오차를 보였고, 진로예측에서는 아열대 서태평양의 북서쪽에서 발생할수록 큰 오차를 보였다. 이후 인공신경망 모델의 예측성능을 검증하기 위해 같은 예측인자들을 이용하여 다중선형회귀모델을 개발하였으며, 결과로서 비선형 통계기법인 인공신경망 모델이 다중선형회귀모형보다는 더 나은 예측성능을 보였다.

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.

본 논문에서는 보 구조물의 실시간 손상위치 경보를 위해 가속도 신호를 이용한 인공신경망기반 손상검색기법을 제안하였다. 이를 위해 먼저, 실시간 손상검색을 위해 가속도 응답신호만을 이용하는 새로운 인공신경망 알고리즘을 설계하였다. 구조물의 손상상태를 나타내는 특징으로 서로 다른 두 위치에서 측정된 가속도 신호의 교차공분산 값을 이용하였다. 다음으로 실제 하중조건을 모르는 상황을 고려하여 다양한 하중패턴에 따른 복수 신경망을 구성하였으며, 각각의 신경망 학습을 위한 손상시나리오를 선정하였다. 마지막으로 양단 자유보 모형실험을 통해 제안된 기법의 유용성과 적용성을 평가하였다.

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.

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.

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.