The first step is to determine the principal dimensions of the design ship, such as length between perpendiculars, beam, draft and depth when accomplishing the design of a new vessel. To make this process easier, a database with a large amount of existing ship data and a regression analysis technique are needed. Recently, deep learning, a branch of artificial intelligence (AI) has been used in regression analysis. In this paper, deep learning neural networks are used for regression analysis to find the regression function between the input and output data. To find the neural network structure with the highest accuracy, the errors of neural network structures with varying the number of the layers and the nodes are compared. In this paper, Python TensorFlow Keras API and MATLAB Deep Learning Toolbox are used to build deep learning neural networks. Constructed DNN (deep neural networks) makes helpful in determining the principal dimension of the ship and saves much time in the ship design process.

한국에서 건조되는 대부분의 소형 연안 어선의 경우 경험에 기초하여 건조되어지기 때문에 구조적 안전성 문제가 발생하곤 했다. 본 논문에서는 이들 어선의 구조강도를 증가시키고 생산 및 운용비를 줄이기 위하여 최적설계를 수행하였다. 어선의 무게와 구조부재의 주요치수들을 각각 목적함수와 설계변수로 선택하였다. 해석과정 중에 극소점을 피하고 CPU 시간을 줄이고자 전역 탐색법과 지역 탐색법을 결합한 하이브리드 최적화 알고리즘이 개발되었다. 또한 최적화 루프의 각 iteration 단계에서 제한조건을 결정하기 위하여 유한요소해석을 수행하였다. 최적화 결과는 초기 어선 모델과 비교하였으며 최적설계의 효과가 구조강도, 재료비 관점에서 검토되었다.