본 논문에서는 역전파 방법 기반 자동미분법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용 하였다. 응력제한조건이 있는 위상최적화문제는 특이점(singularity)과 응력의 국부성(local nature of stress constraint)문제, 그리고 설 계 변수에 대한 비선형성의 문제를 포함하고 최적해를 얻기가 매우 힘들다. 특이점 문제를 해결하기 위해서 응력 완화(stress relaxation) 기법을 사용하였고, 응력의 국부성을 해결하기 위해 p-norm을 이용한 전역 응력치를 제한조건에 사용하였다. 설계 변수에 대한 비선 형성을 극복하기 위해 해석적인 방법으로 정확한 설계민감도를 구하는 것이 중요하다. 위상최적설계에서 기존에는 보조변수방법 (adjoint variable method)을 사용하여 빠르고 정확한 설계민감도를 구했지만, 설계민감도를 해석적으로 구해야 하고, 보조평형방정식 을 추가로 풀어야 하는 어려움이 있다. 이를 해결하기 위해서 인공신경망에서 최적 가중치(weights)와 편차(biases)를 구할 때 쓰이는 역전파 기법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용하였다. 역전파 기법은 자동미분에 쓰이는 기법으로 목적함수나 제한조건에 대한 설계민감도를 별도의 수식유도 없이 간단하게 구할 수 있는 장점이 있다. 또한, 미분값 을 구하는 역전파의 과정이 보조평형방정식을 푸는 것보다 계산시간이 빠르고 해석적 방법으로 구한 설계민감도와 같은 정확도를 보 여준다

FRP 판은 외부 부착된 보강 판의 효과적인 부착강도의 증진으로 실질적으로 부착강도에 대한 많은 연구가 수행되어왔다. 선행연구자들은 이러한 부착강도를 알아보기 위하여 다양한 변수를 설정하여 실험을 통하여 FRP 판의 부착강도를 규명하였다. 그러나, 이러한 부착강도를 알아보기 위한 실험은 장비구축의 비용과 시간 소비가 많이 되고 수행하기 어렵기 때문에 국한적으로 수행되고 있다. 본 연구는 선행연구자들의 부착실험 데이터를 다양한 신경망 모형과 알고리즘을 적용하여 최적의 인공신경망 모형을 개발하는데 그 목적이 있다. 인공신경망 모형의 출력층은 부착강도, 입력층은 FRP 판의 두께, 폭, 부착 길이, 탄성계수, 인장강도와 콘크리트의 압축강도, 인장강도, 폭을 변수로 선정하여 학습을 수행하였다. 개발된 인공신경망 모형은 역전파 학습 알고리즘을 적용하였으며, 오차는 0.001범위에 수렴되도록 학습을 하였다. 또한, 일반화 과정은 Bayesian 기법을 도입함으로써 보다 일반화된 방법으로 과대적합의 문제를 해소하였다. 개발된 모형의 검증은 학습에 이용되지 않은 다른 선행연구자들의 부착강도 결과 값과 비교함으로서 실시하였다.

This paper describes a program which learns good strategies for two-poison, deterministic, zero-sum board games of perfect information. The program learns by simply playing the game against either a human or computer opponent. The results of the program's teaming of a lot of games are reported. The program consists of search kernel and a move generator module. Only the move generator is modified to reflect the rules of the game to be played. The kernel uses a temporal difference procedure combined with a backpropagation neural network to team good evaluation functions for the game being played. Central to the performance of the program is the search procedure. This is a the capture tree search used in most successful janggi playing programs. It is based on the idea of using search to correct errors in evaluations of positions. This procedure is described, analyzed, tested, and implemented in the game-teaming program. Both the test results and the performance of the program confirm the results of the analysis which indicate that search improves game playing performance for sufficiently accurate evaluation functions.