PURPOSES : This paper proposes an artificial neural network (ANN)-based real-time traffic signal time design model using real-time field data available at intersections equipped with smart intersections. The proposed model generates suitable traffic signal timings for the next cycle, which are assumed to be near the optimal values based on a set of counted directional real-time traffic volumes. METHODS : A training dataset of optimal traffic signal timing data was prepared through the CORSIM Optimal Signal Timing program developed for this study to find the best signal timings, minimizing intersection control delays estimated with CORSIM and a heuristic searching method. The proposed traffic signal timing design model was developed using a training dataset and an ANN learning process. To determine the difference between the traditional pre-time model primarily used in practice and the proposed model, a comparison test was conducted with historical data obtained for a month at a specific intersection in Uiwang, Korea. RESULTS : The test results revealed that the proposed method could reduce control delays for most of the day compared to the existing methods, excluding the peak hour periods when control delays were similar. This is because existing methods focus only on peak times in practice. CONCLUSIONS : The results indicate that the proposed method enhances the performance of traffic signal systems because it rapidly provides alternatives for all-day cycle periods. This would also reduce the management cost (repeated field data collection) required to increase the performance to that level. A robust traffic-signal timing design model (e.g., ANN) is required to handle various combinations of directional demands.

In this study, we evaluate artificial neural network (ANN) models that estimate the positions of gamma-ray sources from plastic scintillating fiber (PSF)-based radiation detection systems using different filtering ratios. The PSF-based radiation detection system consists of a single-stranded PSF, two photomultiplier tubes (PMTs) that transform the scintillation signals into electric signals, amplifiers, and a data acquisition system (DAQ). The source used to evaluate the system is Cs-137, with a photopeak of 662 keV and a dose rate of about 5 μSv/h. We construct ANN models with the same structure but different training data. For the training data, we selected a measurement time of 1 minute to secure a sufficient number of data points. Conversely, we chose a measurement time of 10 seconds for extracting time-difference data from the primary data, followed by filtering. During the filtering process, we identified the peak heights of the gaussian-fitted curves obtained from the histogram of the time-difference data, and extracted the data located above the height which is equal to the peak height multiplied by a predetermined percentage. We used percentage values of 0, 20, 40, and 60 for the filtering. The results indicate that the filtering has an effect on the position estimation error, which we define as the absolute value of the difference between the estimated source position and the actual source position. The estimation of the ANN model trained with raw data for the training data shows a total average error of 1.391 m, while the ANN model trained with 20%-filtered data for the training data shows a total average error of 0.263 m. Similarly, the 40%-filtered data result shows a total average error of 0.119 m, and the 60%-filtered data result shows a total average error of 0.0452 m. From the perspective of the total average error, it is clear that the more data are filtered, the more accurate the result is. Further study will be conducted to optimize the filtering ratio for the system and measuring time by evaluating stabilization time for position estimation of the source.

본 연구에서는 투과 유량 모델을 개발하기 위하여, 시간, 막 전후의 압력 차, 회전 속도, 막의 기공 크기, 동점도, 농도 및 공급 유체의 밀도 등 7개의 입력 변수에 기반한 두 종류(ANN 및 SVM) 인공지능 기법을 이용하였다. 시행착오법과 실험데이터와 예측 데이터 간의 결정 계수(R2) 와 평균절대상대편차(AARD)를 포함한 두 가지 통계 변수를 통해 최적의 모델 을 선정하였다. 최종적으로 얻어진 결과에서 최적화된 ANN 모델이 R2 = 0.999 및 AARD% = 2.245인 투과 플럭스 예측 정 확도를 보여서, R2 = 0.996 및 AARD% = 4.09의 정확도를 보인 SVM 모델에 비해 더 정확함을 알 수 있었다. 또한, ANN 모델은 SVM 방식에 비해 투과 유속을 예측하는 능력도 더 높은 것으로 나타났다.

최근 국내외에서는 수질안정성 향상 및 부지면적 저감을 위해 막여과 공정도입이 활발한 추세이며 특히, 정수처리 분야에서는 정밀여과(Microfiltration) 및 한외여과(Ultrafiltration) 공정이 많이 적용되고 있다. 막여과 공정의 경제성 향상을 위해서는 세정 시점의 예측 및 세정 주기 연장이 매우 중요한 요소이다. 따라서, 본 연구에서는 인공신경망(Artificial neural network)을 활용하여 UF 공정차압(Transmembrane pressure) 예측 모델을 개발하고자 한다. 입력변수로는 유입수 온도, pH, 탁도 등의 일평균값을 이용하였다.

서평

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 연구는 현재 상태에서 콘크리트 내부의 균열, 공극, 결함 등을 식별 및 판단하고 일반적인 초음파법 및 반발경도법 외에 S-wave 및 R-wave를 사용하여 미래의 머신러닝 기법의 적용 가능성을 설명합니다. 또한, 다양한 머신러닝 기법 중에서 서포트벡터머신(SVM) 및 인공신경망(ANN)을 사용하여 콘크리트 건전성 평가에 대한 모델 개발을 통해 실험데이터의 예측 결과에 대한 비교분석을 진행하였고 최종적으로 SVM 모델을 제시하였다.

This study describes the applicability of machine learning techniques using the measurements of non - destructive testing techniques to identify the strength of concrete in the current state and to predict future strength. We also want to develop analytical techniques suitable for the strength evaluation of concrete among various machine learning techniques.

본 연구에서는 미급수지역의 주요 수원인 지하수의 수위 변동 상황을 기반으로 한 미급수지역 가뭄 예보 기법 개발을 목적으로 하였다. 이를 위해 지역화된 표준지하수지수(SGI)와 표준강수지수들(SPIs)의 상관관계를 분석하였다. 관측 지하수위로부터 산정된 SGI의 자기회귀 특성 및 지속기간별 SPI와 SGI의 상관관계를 동시에 고려할 수 있는 NARX (nonlinear autoregressive exogenous model) 인공신경망 모형을 이용하여 지역별 예측모형을 구축하였다. 학습기간 동안 관측 SGI와 모델 출력 SGI의 상관계수는 0.7 이상인 곳이 전체 167개 지역별 모형 중 146개(87%)로 상관성이 높은 것으로 분석되었다. 적용기간에 대해서는 평균제곱근오차와 상관계수로 모형을 평가하였다. 본 연구를 통해 기상청에서 제공하는 59 개 관측소별 강수량 전망 값으로부터 산정된 지속기간별 SPI와 관측된 지하수위를 이용한 지역별 SGI 전망이 가능하도록 하였으며, 미급수지역의 가뭄 예‧경보를 위한 기초자료로 활용이 가능토록 하였다.

노후화된 상수관로는 단수유발, 수압부족 및 수질악화, 싱크홀 발생 피해와 누수로 인한 경제적 손실 등을 초래한다. 하지만 모든 노후관로를 일시에 보수 및 교체하는 것은 불가능하므로, 사용 중인 관로의 노후도를 정량적으로 판단하여 상수관로의 개량 우선순위를 결정해야 한다. 본 연구에서는 ANN(Artificial Neural Network)-Clustering 기법이 상수관로의 노후도 평가를 위한 새로운 평가방법이 될 수 있음을 제시하였다. 본 연구는 전라남도 YG지역의 배수관로를 적용대상으로 진행하였으며, 관망성능평가 항목을 이용하여 전체 관로를 세 개의 등급으로 분류하여 노후도를 평가하였다. 또한, 본 연구의 적용 가능성을 판단하기 위하여 실무에서 적용 중인 점수평가법 결과와 비교분석을 실시하였으며, 전체 대상관로의 노후도 정도를 직관적으로 파악할 수 있도록 산정된 노후도 등급을 관망도에 도시하였다. 본 연구에서 제안한 노후관로 평가기법은 관로의 다양한 특성값을 손쉽게 변경하여 적용할 수 있으며, 점수평가법과 더불어 상수관로의 유지관리를 위한 객관적이고 합리적인 관망성능평가법이 될 수 있을 것으로 기대한다.

Multi-objective optimization coupled with GA-ANN Metamodeling Method and NSGAⅡ was implemented to optimize TMD installed on 10 story structure under El Centro earthquake. Layer number and nodes of ANN were optimized by use of genetic algorithm and NSGA-Ⅱalgorithm was applied to solve multi-objective optimization problem prepared by GA-ANN metamodel. It is found that the GA-ANN multi-objective optimized damper improved frequency responses and root mean square displacements of the structure without TMD by 34.7% and 76.4% under El Centro earthquake, respectively.

본 연구에서는 기상학적 가뭄지수인 표준강수지수(Standardized Precipitation Index, SPI)를 이용하여 우리나라 전역에 대한 가뭄예측의 시공 간적인 평가를 수행하였다. 또한 다층 퍼셉트론 인공신경망(Multi Layer Perceptron-Artificial Neural Network, MLP-ANN) 예측 기법을 이용 하여 SPI(3), (6)에 대한 선행예보시간별 가뭄 예측을 실시하였다. 입력 자료는 기상청 산하의 59개 관측소에서 관측된 기상자료를 활용하였고, 관 측자료 기간은 1976~2015년이다. 예측 모델의 성능평가는 기준점(Threshold)에 따른 가뭄 발생유무와 같은 이진분류 혼동행렬을 구성하여 Receiver Operating Characteristics (ROC) score와 조건부 확률에 따른 F score를 산정하여 예측 성능평가를 수행하였다. 예측성능에 대한 ROC 분석결과 다층 퍼셉트론 인공신경망(MLP-ANN) 모형을 적용한 가뭄예측성능이 매우 우수한 것으로 나타났으며, SPI (3)은 2개월, SPI (6)는 5개월 정도의 선행예측이 충분히 가능한 것으로 나타났다.

핵가족화, 취업모, 맞벌이 가정의 증가로 유아의 읽기, 쓰기 교육에 대한 학부모의 혼란이 가중되었다. 본 연구의 목적은 유아기 읽기, 쓰기 교육을 성공적으로 이루어낸 헬렌켈러와 설리번의 기억과 기록을 중심으 로 헬렌켈러의 첫 읽기, 쓰기는 어떻게 이루어졌는지와 설리번의 읽기, 쓰기 교육의 원리, 그 실제적인 방 안에 대해 학부모에게 전하고자 하였다. 독자가 편견 없이 보다 쉽고 재미있게 글을 읽도록 하기 위하여 헬렌켈러, 설리번을 초청한 Talk show 형식으로 서술하였다. 연구 문제는 다음과 같다. 첫째, 헬렌켈러의 첫 읽기, 쓰기는 어떻게 이루어졌는가? 둘째, 설리번의 읽기, 쓰기 교육의 원리는 무엇인가? 셋째. 설리번의 읽기, 쓰기 교육의 구체적인 지도방법에는 무엇이 있는가? 본 연구의 결과는 다음과 같다. 첫째, 헬렌켈러 의 첫 읽기, 쓰기는 교사 설리번이 교육적 목표를 가지고 의도적으로 노출한 문자언어의 경험이 축적되어 자연스럽게 이루어졌다. 둘째, 생활, 경험, 놀이중심의 원리를 가지고 있다. 셋째, 헬렌켈러가 좋아하는 책, 동요, 동시, 친숙한 글자를 활용한 놀이 형태의 지도방법이 있다.

In this study, we implemented landslide distribution of Jeju Island using ANN and GIS, respectively. To do this, we first get the counter line from 1:2,5000 digital map and use this counter line to make the DEM. for the evaluate the land slide susceptibility. Next, we abstracted slop map and aspect map from the DEM and get the land use map using ISODATA classification method from Landsat 7 images. In the computation processes of landslide analysis, we make the class to the soil map, tree diameter map, Isohyet map, geological map and so on. Finally, we applied the ANN method to the landslide one and calculated its weighted values. GIS results can be calculated by using Acrview program and produced Jeju landslide susceptibility map by usign Weighted Overlay method. Based on our results, we found the relatively weak points of landslide ware concentrated to the top of Halla mountains.

Unlike robotic systems, humans excel at a variety of tasks by utilizing their intrinsic impedance, force sensation, and tactile contact clues. By examining human strategy in arm impedance control, we may be able to teach robotic manipulator's human's superior motor skills in contact tacks.This paper develops a novel method for estimating and predicting the human joint impedance using the electromyogram(EMG)signals and limb position measurements. The EMG signal is the summation of MUAPs(motor unit action potentials). Determination of the relationship between the EMG signals and joint stiffness is difficult, due to irregularities and uncertainties of the EMG signals. In this research, an artificial neural network(ANN)model was developed to model the relation between the EMG and joint stiffness. The proposed method estimates and predicts the multi joint stiffness without complex calculation and specialized apparatus. The feasibility of the developed model was confirmed by experiments and simulations.