This study aims to develop a deep learning model to monitor rice serving amounts in institutional foodservice, enhancing personalized nutrition management. The goal is to identify the best convolutional neural network (CNN) for detecting rice quantities on serving trays, addressing balanced dietary intake challenges. Both a vanilla CNN and 12 pre-trained CNNs were tested, using features extracted from images of varying rice quantities on white trays. Configurations included optimizers, image generation, dropout, feature extraction, and fine-tuning, with top-1 validation accuracy as the evaluation metric. The vanilla CNN achieved 60% top-1 validation accuracy, while pre-trained CNNs significantly improved performance, reaching up to 90% accuracy. MobileNetV2, suitable for mobile devices, achieved a minimum 76% accuracy. These results suggest the model can effectively monitor rice servings, with potential for improvement through ongoing data collection and training. This development represents a significant advancement in personalized nutrition management, with high validation accuracy indicating its potential utility in dietary management. Continuous improvement based on expanding datasets promises enhanced precision and reliability, contributing to better health outcomes.

본 연구는 신경망 알고리즘 및 반응표면법을 이용하여 부품의 최적화 설계 치수를 예측하고, 예측된 데이터의 신뢰성을 상호 검증하는 하는 데 있다. 부하가 변할 때, 부품의 치수를 변화시켜 가며 응력 및 변형량의 변화를 해석 데이터로 수집하여 반응표면법 및 신경망학습에 이용하였다. 이를 위해 임의의 조건에서 반응표면법으로 최적화 설계를 수행하고, 동일한 조건에서 신경망 알고리즘의 예측결과와 비교하였다. 그 결과 최대 3.0%의 치수 오차를 보이는 것으로 나타났다. 또한 검증을 위해 반대로 동일한 하중 및 치수 조건에서 유한요소해석을 통해 응력 및 처짐량을 구해 반응표면법 및 신경망학습의 결과를 비교하였으며, 이때 4.2%의 오차를 보였다. 이는 부품의 사양 변경 시 최적화 설계를 위해 반응표면법 및 신경망을 이용할 수 있으며 신뢰성이 있음을 알 수 있었다. 특히 신경망 학습을 통해 보다 효과적으로 최적화 설계가 가능함을 확인할 수 있었다.

상수관망의 운영에 있어서 핵심적인 사항 중의 하나는 관망의 압력균등화이다. 관망의 압력균등화는 시간과 공간적으로 이루어져야 하며 이를 위한 대표적인 방법은 가압장을 설치하는 것이다. 가압장은 관말단에 잔류수압(Residual Pressure Head)이 부족할 것으로 예상될 경우 용수에 추가적인 에너지를 가하여 원활한 용수공급을 가능하게 하는 시설이다. 그러나 가압장에는 펌프를 사용하기 때문에 지속적인 운영비용이 발생하고 기계적인 고장에 취약한 단점을 가지고 있다. 이와 같은 가압장의 단점을 보완하기 위하여 배수관망내에 탱크(In-line Tank)를 설치하는 것이 대안이 될 수 있다. 탱크의 초기투자 비용은 가압장보다 크지만 유지비용이 적고, 고장에 따른 용수공급 중단이 될 가능성이 낮다. 또한, 관파괴에 의한 단수발생시 탱크 인접지역에 비상용수원으로 활용될 수 있다. 그러나 시설비나 부지 문제로 인하여 배수관망에 많은 수의 탱크를 설치하기는 어렵다. 이에 본 연구에서는 배수관망내 필요한 탱크의 개수에 따라 적정배치를 결정할 수 있는 방법론을 제시하였다. 즉, 예산이나 설치부지 등의 제한으로 설치가능한 탱크의 수가 결정되면 이를 최적으로 배치할 수 있는 방법론을 의미한다. 이를 위한 목적함수로 시공간적 관망내 압력 균등지표(Temporal and Spatial Pressure Evenness Index, TSPEI)를 제시하였다. TSPEI 산정은, 먼저 24시간의 Extended Period Simulation을 통하여 절점별로 압력의 일변동(일최대압력-일최소압력)을 산정하고, 두번째로 모든 절점의 압력 일변동을 합산하여 구한다. 이때 가능한 탱크 조합중 TSPEI가 가장 작은 조합이 최적조합이 된다. 제안된 방법을 샘플관망(Mays' network)을 대상으로 적용성을 검증하였다. 그 결과 설치 가능한 탱크의 수를 2개, 3개, 4개로 가정하여 각각의 경우에 대해 최적탱크조합을 산정하였으며, 각각의 탱크 조합에서 일관된 경향이 나타남을 확인하였다.

이웃한 상수도시스템의 공급 가능지역이 중첩될 경우, 이들 시스템을 연계함으로써 경제성과 수질 조건을 만족시키는 조건별 용수공급체계를 구축하는 것이 필요하다. 용수수요 조건별 경제적 급수구역과 최적 펌프운영율을 산정하기 위하여 관망수리해석 모형(EPAnet)과 네트워크 최적화모형(KModSim)을 연계 하는 최적 네트워크모형을 개발하였다. 개발된 최적 네트워크 모형을 사등가압장, 구천댐 그리고 연초댐의 3개 상수원이 존재하는 거제지역 상수도시스템에 적용하

본 연구의 목적은 중소하천에서의 홍수예측을 위해 사용되는 기존의 수문학적 모형이 가지고 있는 문제점을 개선한 홍수예측 모형을 개발하는데 있다. 이를 위해 기존의 수문학적 강우-유출 모형에서 사용되는 많은 수문학적 자료 및 매개변수들의 사용 없이 오직 수위 및 강우측정 자료만을 이용하여 홍수를 예측할 수 있는 Takagi-Sugeno 퍼지 추론기법과 신경망을 연계한뉴로-퍼지홍수예측 모형을 구축하고자 하였다. 뉴로-퍼지 홍수예측 모형의 예측정확도는 입력자료

효과적인 수질관리를 위해서는 수질정보의 기대수준에 맞는 신뢰성 있는 수질자료가 확보되어야 한다. 이런 점에서 볼 때 수질모니터링은 조사지점, 수질항목, 측정주기 등이 성패의 중요한 요인이 되며, 이중에서 특히 조사지점은 가장 중요한 사항으로 판단된다. 그러나 지금까지 수질조사를 위한 관측지점은 대부분 정성적 판단에 따라 정해지고 있었기 때문에 수질 대표성이 문제가 되기도 하였다. 본 논문에서는 이와같은 수질측정망 구축 시 문제점을 과학적인 통계기법을 적

본 논문은 비선형성을 많이 내포하고 있어 수학적으로 모델링 하기 어려운 선박용 안정화 위성 안테나 시스템을 모델링하기 위해서, 신경 회로망의 오차 및 응답시간을 최소로 하는 최적 구조 신경 회로망 모델을 도출하고 이를 적용하고자 한다. 오차와 응답시간을 최소화하기 위해 유전알고리즘을 이용하여 신경 회로망 구조를 설계하였다. 안테나 시스템으로부터 얻어진 입출력 데이터에 거하여 본 논문에서 제안한 식별기를 이용하여 안테나 시스템을 식별하였으며, 실제 선박의 운동 성분에 대해서도 시스템을 잘 표현할 수 있는 최적 구조 신경 회로 기반 시스템 식별기를 얻을 수 있었다. 실제 실험을 통해서, 최적 신경회로망 구조가 안테나 시스템 식별에 효과적인 것을 알 수 있었다.

본 논문은 신경 회로망과 유전 알고리즘을 이용한 비선형 시스템 모델링을 다룬다. 비선형 함수의 근사성 때문에 시스템을 식별하고 제어하기 위해서 신경 회로망을 응용한 연구가 실제로 많이 이루어지고 있다. 빠른 응답시간과 최소의 오차를 위해서는 최적구조 신경 회로망을 설계하는 것이 중요하다. 유선 알고리즘은 최근에 단순성과 견고성 때문에 점점 많이 이용되는 추세이다. 따라서 본 논문에서는 유선알고리즘을 이용하여 신경회로망을 최적화한다. 오차와 응답시간을 최소화하는 신경 회로망 구조를 위해서 유전알고리즘의 유전자로 이진 코딩하여 최적 신경회로망을 탐색하고자 한다. 시뮬레이션을 통해서, 최적 신경회로망 구조가 비선형 시스템 식별에 효과적인 것을 입증하고자 한다.

하천유역 면적강우량 산정의 정확도를 개선하기 위하여 기존 강우관측자료의 통계적 특성을 이용한 강우관측망의 최적설계방법을 연구하였다. 최적설계를 위한 목적함수는 면적강우량의 추정오차 및 지점강우량 관측비용의 항으로 구성하고, 그 값이 최소인 관측망은 선정하였다. 통계f7파의 추정방법으로는 통계적 분산 산정방법인 크리깅 모형을 채택하였다. 비용은 강우관측소의 설치비와 연간운영 비론 적용하고, 오차항과 비용항의 통합에는 등치매개변수를 이용하였다. 연구된 최적

본 연구의 목적은 유전자 알고리즘 최적화기법을 이용하여 설계기준에 합당한 제약조건을 고려한 최소경비의 관망시스템의 설계를 목적으로 한다. 수리학적 제약조건들은 수리모의프로그램(KYPIPE)과 연계하여 가능해 영역을 수시로 검증하였다. 유전자 알고리즘은 비교적 새로운 최적화기법이다. 유전자 알고리즘은 매우 강력한 탐색능력을 가지고 있으며 특히 비선형 문제를 해결하는데 탁월한 성능을 가진다고 알려져 있다. 유전자 알고리즘은 계산결과로 제시되는 결정변수인 관