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.

본 논문은 신경망 근사 해석 모델의 원형을 스터브 거더의 거동 해석에 적용하고, 이 과정 중에 발생한 문제점을 파악하여 해결책을 제시함으로써, 앞서 개발한 원형 모델을 스터브 거더 시스템에 적합하도록 발전시키는데 목적이 있다. 스터브 거더의 해석 변수는 주어진 시간 내에 시뮬레이션이 가능하게 7개, 해석 결과값은 탄성 처짐뿐만 아니라 응력까지 고려하여 총 4개의 결과값을 동시에 고려하고, 학습 패턴 수는 총 143개를 사용하였다. 근사해석의 정확도를 향상시키고 학습의 수렴성을 보장하기 위하여 다양한 시뮬레이션을 수행하여 은닉층 뉴런 수, 학습 패턴 그리고 최대 에러의 관계를 규명하고, 이 결과를 바탕으로 신경망 근사 해석 모델 개발 단계를 수정하여 제안하였다.

대부분의 손상도 추정법들을 부재의 손상을 해당부재의 평균적인 강성감소로 표현하였다. 본 연구에서는 보다 실제적인 손상도를 추정하기 위하여, 접합부의 손상을 도입하였다. 접합부의 모형화를 위하여 보의 양단에 회전스프링을 추가하였으며, 접합부 손상을 접합부 강성의 감소로 정의하였다. 접합부의 손상도를 계측된 모드벡터를 바탕으로하여, 신경망기법을 추정하였다. 효율적인 훈련패턴을 만들기 위하여 Latin Hypercube Sampling 기법을 도입하였으며, 국부영역에서의 손상도추정을 위하여 부구조법을 도입하였다. 제안된 기법의 효율성을 검증하기 위하여 10층 프레임구조물에 대한 수치해석결과를 이용하였다. 예제해석을 통하여 추정결과가 상당히 정확함을 확인하여, 실제 적용 가능한 방법임을 알수 있었다.

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.

대량의 복잡한 비선형적인 관계도 단순화의 과정 없이 연관 관계를 자체 조직화 할 수 있는 인간의 뇌와 가장 유사한 병렬 연산 모델인 인공 신경 회로망을 구조 해석 분야에 도입하였다. 본 논문은 스터브 거더의 거동 예측을 위한 신경망 근사해석 모델 개발을 궁극적인 목적으로 하는 기초적 연구로서, 단순 보의 처짐 문제와 같은 정확해를 구할 수 있는 문제로부터 신경망 근사해석모델의 원형 (prototype)을 제시하고 검증하는데 목적이 있다.

본 논문은 신경망 근사 해석 모델 개발을 궁극적인 목적으로 하는 기초적 연구로서, 기존의 수치해석 알고리즘과의 성능 비교를 통하여 신경망 알고리즘의 특성과 역할을 수치해석의 관점에서 정확히 판단하는데 목적이 있다. 신경망 알고리즘을 변형하여 선형 연립 방정식의 해를 구하는 두가지 방법을 제안하였고, 회귀분석, 보간법과의 비교를 통하여 광범위한 근사자(universal approximator)로서의 역할을 보였다.

인공 신경회로망은 인간의 뇌를 전산 모델로 구현한 것으로 상호 연결된 많은 정보 처리 유니트들로 구성되어 있으며, 이를 기초로 논리적인 추론을 수행할 수 있다. 특히, 신경망은 비선형 변수를 많이 포함하고 있는 복잡한 문제 해결에서 더욱 효과적이다. 신경망의 이러한 기능으로 인해 구조분야에서는 비선형적인 각종 구조실험의 결과예측이나 구조계획 그리고 최적 설계에 응용되고 있는 추세이다. 본 논문에서는 인공 신경 회로망의 기본 이론을 설명하고, 현재까지 정립되고 있지 않은 대형 콘크리트 판넬간 수직 접합부의 최대 전단 내력 예측에 기존의 제안식과 인공 신경 회로망의 예측 결과를 비교하여 신경망의 적용가능성을 검토하고자 한다.

생물체와 자연현상을 대상으로 하는 농업은 알려지지 않거나 불확실하고 애매한 정보를 처리해야 하는 경우가 많다. 따라서 농업시스템 시뮬레이션에 있어 다수의 가정이 필요하여 시뮬레이션 결과의 신뢰성이 떨어지게 되는 경우가 있다. 이러한 경우에 전문가 시스템, 퍼지, 인공신경망 등의 인공지능(Artificial Intelligence) 기술이 효과적으로 이용될 수 있으며 최근에 농업 분야에 응용이 활발해지고 있다. 전문가 시스템(Expert System)은 인공지능의 한 분야로서 인공지능이 실용화되는 과정에서 가장 각광받는 분야 중의 하나이다.(중략)

With the introduction of the tele-monitoring system (TMS) in South Korea, monitoring of the concentration of pollutants discharged from nationwide water quality TMS attachments is possible. In addition, the Ministry of Environment is implementing a smart sewage system program that combines ICT technology with wastewater treatment plants. Thus, many institutions are adopting the automatic operation technique which uses process operation factors and TMS data of sewage treatment plants. As a part of the preliminary study, a multilayer perceptron (MLP) analysis method was applied to TMS data to identify predictability degree. TMS data were designated as independent variables, and each pollutant was considered as an independent variables. To verify the validity of the prediction, root mean square error analysis was conducted. TMS data from two public sewage treatment plants in Chungnam were used. The values of RMSE in SS, T-N, and COD predictions (excluding T-P) in treatment plant A showed an error range of 10%, and in the case of treatment plant B, all items showed an error exceeding 20%. If the total amount of data used MLP analysis increases, the predictability of MLP analysis is expected to increase further.

항만의 주요 정책 및 향후 운영계획 수립 시 정확한 물동량 예측에 관한 연구는 매우 중요하며 이러한 중요성으로 인해 관련 연구가 활발히 수행되고 있다. 본 논문에서는 국내 최대 석탄 및 철광석 처리 항만인 광양항을 대상으로 단계적 회귀분석과 인공신경망모형을 활용하여 모형간 예측력을 비교하였다. 2009년 1월부터 2019년 1월까지 총 121개월의 월별자료를 활용하였으며 석탄 및 철광석 물동량에 영향을 주는 요인을 선정하여 공급관련요인과 시장·경제관련요인으로 분류하였다. 단계적 회귀분석 결과, 광양항 석탄 물동량 예측모형의 경우, 입항선박 톤수, 석탄가격 및 대미환율이 최종변수로 선정되었고 철광석 물동량 예측모형의 경우, 입항선박 톤수, 철광석가격이 최종변수로 선정되었다. 인공신경망모형의 경우, 모델 성능에 영향을 미치는 다양한 Hyper-parameters를 조정하며 최적 모델을 선정하는 시행착오법을 사용하였다. 분석결과 인공신경망모형이 단계적 회귀분석에 비해 우수한 예측성능을 나타내었으며 예측 모형별 예측값과 실측값을 그래프 상 비교 시에도 인공신경망모형이 단계적 회귀분석에 비해 고·저점을 유사하게 나타냈다.

Global warming due to the increase of greenhouse gases may significantly affect various aspects of the Earth’s environment and human life. In particular, the impacts of climate change on agriculture would be severe, leading to damages to crop yields. This paper examines the experimental prediction of rice yield in China using DNN (deep neural network) and climate model data for the period between 1979 and 2009. The DNN model built through the process of hyperparameter optimization can mitigate an overfitting problem and cope with outlier cases. Our model showed approximately 38.7% improved accuracy than the MLR (multiple linear regression) model, in terms of correlation coefficient with the yield statistics. We found that the diurnal temperature range and potential evapotranspiration were the critical factors for rice yield prediction. Our DNN model was also robust to extreme conditions such as drought in 2006 and 2007 in China, which showed its applicability to the future simulation of crop yields under climate change.

This research is a case study of underwater object tracking based on real-time recurrent regression networks (Re3). Re3 has the concept of generic object tracking. Because of these characteristics, it is very effective to apply this model to unclear underwater sonar images. The model also an pursues object tracking method, thus it solves the problem of calculating load that may be limited when object detection models are used, unlike the tracking models. The model is also highly intuitive, so it has excellent continuity of tracking even if the object being tracked temporarily becomes partially occluded or faded. There are 4 types of the dataset using multi-beam sonar images: including (a) dummy object floated at the testbed; (b) dummy object settled at the bottom of the sea; (c) tire object settled at the bottom of the testbed; (d) multi-objects settled at the bottom of the testbed. For this study, the experiments were conducted to obtain underwater sonar images from the sea and underwater testbed, and the validity of using noisy underwater sonar images was tested to be able to track objects robustly.

본 연구에서는 아스팔트 콘크리트 도로포장의 표면균열 검출을 위해 합성곱 신경망을 이용하였다. 합성곱 신경망의 학습에 사용되는 표면균열 이미지 데이터의 양에 따른 합성곱 신경망의 성능향상 정도를 평가하였다. 사용된 합성곱 신경망의 구조는 5개의 층으로 구성되 어있으며, 3x3 크기의 convolution filter와 2x2 크기의 pooling kernel을 사용하였다. 합성곱 신경망의 학습을 위해서 도로노면 조사 장비를 통해 구축된 국내 도로포장 표면균열 이미지를 활용하였다. 표면균열 이미지 데이터를 학습한 합성곱 신경망 모델의 표면균열 검출 정확도, 정밀도, 재현율, 미검출율, 과검출율을 평가하였다. 가장 많은 양의 데이터를 학습한 합성곱 신경망 모델의 표면균열 검출 정확도, 정밀도, 재현율은 96.6% 이상, 미검출율, 과검출율은 3.4% 이하의 성능을 나타내었다.