대표적인 엘니뇨 지수인 태평양 Nino 해역의 표층 수온을 예측하기 위해 비선형 통계모델 중의 하나인 신경망 기법을 적용하였다. 신경망 모델 학습 과정의 입력 자료로 1951년부터 1993년까지의 태평양 해역(120˚ E, 20˚ S-20˚ N) NCEP/NCAR의 재분석 표층 수온 편차의 경험적 직교함수 7개 주모드를 사용하였고, 그 중 1994년부터 2003년까지의 10년 결과를 분석하였다. 모든 해역에서의 9개월까지의 신경망 모델의 예측력은 비교적 우수하였으며, 특히 1997년과 1998년의 강한 엘니뇨의 발달 및 소멸도 잘 예측함을 확인할 수 있었다. 해역별로는 Nino3 지역의 예측성능이 가장 높았으며, 9개월 이후부터는 그 예측력이 급격히 감소하였다. 한편 지역적인 영향이 커 예측력이 낮은 동태평양 연안의 Nino1+2 지역은 9개월 이후에도 예측력의 감소가 관찰되지 않았다.

효과적으로 공정을 관리하기위하여 제품의 품질특성치에 영향을 주는 데이터를 수집하고 공정을 해석하여한다. 이를 위해서 데이터 마이닝(Data Mining)이 많이 수행되어지고 있다. 본 연구에서는 공정으로부터 수집된 대량의 정보 데이터를 신경망(Neural Network)기법을 통하여 공정의 불량률을 예측하고 불량률이 높게 나타난 데이터를 통해 연관규칙(Association Rule)을 적용하여 불량에 영향을 주는 공정의 패턴을 파악 공정을 개선하고자 한다.

본 연구의 목적은 적응신경망퍼지추론시스템(ANFIS)과 회귀분석을 활용하여 7가지 역학적 특성치를 갖는 면직물의 시각적 질감을 해석하고 두 가지 방법을 비교하는 것이다. AMFIS는 퍼지 소속 함수와 신경망 구조를 갖는 것으로 인간의 비선형적 감성예측에 유용한 도구이다. 상관관계 및 회귀 분석의 통계분석은 7가지 역학적 특성치가 주관적 질감과 선형의 관계가 있음을 나타내었지만 설명력이 높지 않았고, 선형 이외의 관련성과 변수들 간의 상호작용을 표현하기 어려운 문제가 있었다. 통계분석과 비교하여, ANFIS는 변수들 간의 비선형적인 관련성과 상호작용을 가시적으로 보여주는데 설명력 있는 유용한 도구였으나, 입력 변수 중 출력 변수에 영향력이 있는 변수를 변별하지 못하여, 생성된 규칙의 수가 복잡한 문제가 있었다. 따라서 ANFIS의 해석이 단순하고 의미있는 모델을 구성하기 위해서는 영향력 있는 출력 변수를 추출하고 나머지 변수를 유사하게 통제하는 실험 모델의 구성이 필요하다.

본 논문에서는 납삽입 적층 고무베어링의 비선형 모델링에 대해 신경망 이론을 적용한 수학적 모델링 기법을 제안하였다. 신경망 모델의 수치검증을 위해 납삽입 적층 고무베어링이 설치된 프레임 축소모델의 진동대 실험 자료가 사용되었는데, 제안된 신경망의 학습 및 예측을 위한 하중 자료로써 백색잡음과 세 종류의 지진파를 선택하였다. 지진파의 경우 PGA의 세기를 달리하여 신경망 모델의 계산정도를 고찰하였다. 그 결과, 납삽입 적층 고무베어링의 전단변위가 신경망의 학습 영역을 벗어나지 않는 경우 실험결과의 복잡한 이력곡선을 잘 추종하였고 신경망 이론에 의한 비선형 모델링 기법이 유용하게 활용될 수 있다는 가능성을 확인할 수 있었다.

The recycling cell formation problem means that disposal products are classified into recycling product families using group technology in their end-of-life phase. Disposal products have the uncertainties of product condition usage influences. Recycling cells are formed considering design, process and usage attributes. In this paper, a new approach for the design of cellular recycling system is proposed, which deals with the recycling cell formation and assignment of identical products concurrently. Fuzzy ART neural networks are applied to describe the condition of disposal product with the membership functions and to make recycling cell formation. The approach leads to cluster materials, components, and subassemblies for reuse or recycling and can evaluate the value at each cell of disposal products. Disposal refrigerators are shown as an example.

철근콘크리트 구조물의 보수ㆍ보강 등의 유지관리를 위해서는 내구성과 내하성을 동시에 고려한 건전성평가의 의사결정기준이 절실히 요구된다. 본 논문은 CART-ANFIS을 사용하는 철근콘크리트 구조물에 대하여 효율적인 모델을 나타내었다. 철근콘크리트 구조물의 손상과 진단 등에 활용되어온 분류형 전문가시스템의 일종인 퍼지이론을 이용한 결정목 구조와 기존의 인공신경망을 이용한 결정목 구조의 건전성평가를 비교 분석한다. 손상된 철근콘크리트의 내구성 회복을 위한 보강설계 이론과 내하력 증가를 위한 보장설계 이론을 정립시켜 손상검출의 산정식을 유도하였다. 본 연구의 건전성 평가시스템 모델을 이용함으로서 보다 효율적인 철근콘크리트 유지관리 뿐만 아니라 생애주기비용 예측을 수행 할 수 있다.

손상평가를 위해 많은 연구자들에 의해 인공신경망이 이용되어 왔다. 그러나, 인공신경망을 이용한 손상평가에 있어 정확성과 능률성을 제고하기 위해서는 몇가지 문제점이 있다. 기존의 인공신경망 특히 역전파신경망(BPNN)의 경우 신경망 학습을 위해 많은 수의 학습패턴을 필요로 하며, 또한 신경망의 구조와 해의 수렴간에 어떤 확정적인 관계가 존재하지 않는다. 따라서 신경망의 은닉층의 수와 한 은닉층에서의 노드수는 시행착오적으로 결정되게 된다. 이러한 많은 훈련패턴의 준비와 최적의 신경망 구조 결정을 위해서는 많은 시간이 필요하다. 본 논문에서는 이러한 단점들을 극복하기 위해 확률신경망을 패턴분류기로 사용하였다. 이를 판형철도교의 손상평가에 수치해석적으로 검증하였다. 또한 확률신경망을 이용한 철도판형교 손상평가시 적절한 훈련패턴 선택을 위해 모드형상과 고유진동수를 사용한 경우의 적용성에 대해 검토하였다.

이 논문에서는 기존의 보-거더 구조계 주차장 구조물에 대한 차량하중영향 연구를 토대로, 플랫 슬래브 구조계에서 차량하중영향에 대한 연구를 수행하였다. 먼저, 최대부재력을 일으키는 차량하중의 적용을 위해 플랫 슬래브의 주요 설계지점에 대한 영향면을 구성하였으며, 플랫 슬래브의 등가차량하중계수를 인공 신경망기법을 이용하여, 슬래브 두께, 지판 두께, 지판 크기, 슬래브의 단변, 장변 길이 등 주요구조변수로 제시하였다. 사용된 신경망의 훈련은 많은 패턴수를 갖는 비선형 회귀분석에 적합한 Levenberg-Marquardt 알고리즘을 이용하였으며 해석결과와 인공 신경망의 출력의 비교를 통해 알고리즘의 유효성을 검증하였다. 플랫 슬래브 구조계의 등가차량하중계수를 살펴보면, 보-거더 구조계의 경우와 유사하게 주열대와 중간대의 정모멘트 부재력에서 차량하중에 매우 취약함을 알 수 있었다.

We report the reorganization of motor network resulted from intensive unilateral coordination training and the effect of cross education on the untrained side in patient with traumatic brain injury using functional magnetic resonance imaging (fMRI). A 22 year-old male patient who had suffered from diffuse axonal injury for 58 months showed coordination deficit in the left hand at initial examination. Intensive motor training including complex finger movements and coordination activities using a metronome was introduced to the patient 4 hours per day for a week. FMRI was performed on a 3T ISOL Forte scanner. All functional images were analyzed using SPM-99 software. Hand function was improved after training not only in the trained left hand, but also in the untrained right hand. There was no activation in the right primary motor area (M1) during left hand movement before training whereas robust activation of left M1 was demonstrated by the right hand movement. Profuse activation of bilateral prefrontal lobes was seen during both hand movements before training. After training of left hand, right M1 became prominently activated during the left hand motion. The activation of bilateral prefrontal lobes disappeared after training not only for the left hand movement but also for the right, which clearly demonstrated the effect of cross education. This case report demonstrated the learning-dependent reorganization of the M1 and the effect of cross education.

신경망은 설계자의 경험과 통찰력과 같은 비정형적 정보에 의존하는 초기 구조설계단계의 시스템화에 매우 적합하다. 초기 구조설계단계를 시작하는 시점에서는 설계정보가 매우 적음을 생각해 볼 때, 신경망 모델은 제한적인 적은 정보를 입력으로 하고 상대적으로 훨씬 많은 출력을 가지도록 설계되어야 한다. 그러나, 이러한 상황은 신경망 학습시 학습속도, 수렴, 출력 값의 신뢰성등 여러 가지 문제점을 초래한다. 본 연구에서는 이러한 문제점을 해결하기 위하여 설계 정보가 점진적으로 증가하는 흐름을 가지고 있다는 점에 착안해서 다단계 신경망을 제시하고, 이를 토대로 사장교 초기 구조설계시스템에 대한 원형을 구현하였다. 본 연구결과 초기 구조설계단계 전체에 대해서 하나의 신경 망으로 설계하는 것 보다 다단계 신경 망으로 나누어서 동일한 작업을 수행하도록 하는 것이 훨씬 유리하다.

이전 연구에서 가상현실에 몰입하는 동안 넓은 시야(field of view : 150˚)와 빠른 운행속도(70km/sec)가 사이버 멀미를 심화시킨다는 결과를 얻었다. 피험자의 90%가 좁은 시야(50˚)와 느린 운행속도(30km/sec)에서 사이버멀미 증상이 적었다. 본 실험에서는 피험자가 생리적인 동요를 경험할 때마다 바이오피드백 방법을 사용하여 사이버 멀미 감소 가상환경(cybersickness alleviating virtual environment ; CAVE)을 제시한 후, 그 효과를 관찰하였다. 피부전도도, 말초체온, 말초 혈류량, 심박률, 눈 깜박임, 뇌전위의 변수들을 입력하는 인공 신경망으로 구성된 실시간 멀미 탐지 시스템과 CAVE-제시 피드백 시스템을 구축하였다 이 시스템들은 생리적 측정치들이 사이버 멀미의 출현을 신호할 때마다 피드백 출력으로 좁은 화면과 감소된 운행속도를 일시적으로 제공하였다. 36명의 피험자를 대상으로 SSQ(simulator sickness questionnaire)와 자기보고를 이용하여 사이버 멀미의 빈도와 심각도를 조사하였다. 모든 피험자는 한달 간격으로 CAW 조건과 non-CAYE 조건에서 두 번 가상현실을 경험하였다. 사이버멀미의 빈도와 심각도는 non-CAVE 조건보다 CAVE 조건에서 유의미하게 감소하였다. 즉, 전기 생리학적 특징들에 기반한 인공 신경망에 의해 제공된 좁은 시야와 느린 운행의 가상환경은 사이버 멀미 증상들을 감소시켰다 이러한 결과들은 생체신호 피드백 시스템을 이용하여 인간 친화적 가상환경을 구축할 수 있는 가능성을 보인 것이다.

이 연구에서는 극궤도 기상위성인 NOAA/AVHRR 시계열 자료를 이용하여 한반도의 지면 피복을 분류하였다. 일주기 기상위성자료로부터 구름이 없는 상태의 지면상태 자료를 획득하기 위하여 10일 간격 최대치 합성법 자료를 작성하였으며 27개의 10일주기 식생지수 자료들(겨울철 12, 1, 2월 자료 9개 제외)로부터 4개의 식생 계절성 자료를 작성하였다. 또한 위성자료로부터 분석한 연 최고 및 연평균 지면온도, 그리고 지형고도 자료를 이용하였다. 각 지면 피복에 대한 특성 자료 수집이 어렵기 때문에 여기서는 2단계 무감독 분류법을 이용하였다. 즉, 초기 입력자료는 신경망 기법의 일종인 SOFM을 이용하여 군집화한 다음 결정나무를 이용하여 각 군집을 분류하였다. 최종 분류 결과는 식생지수의 시계열과 지상 자료로 검증한 결과 대도시, 농지, 낙엽수림 및 상록수림 등 우리 나라의 지면 피복을 개략적으로 잘나타내고 있는 것으로 판단된다.

본 연구에서는 차량하중에 의한 상시진동기록을 이용한 교량의 손상추정기법을 연구하였다. 즉, 차량진행 중 측정된 신호로부터 구조물의 모드특성을 구하고, 이를 이용하여 손상위치 및 손상정도를 추정하는 알고리즘을 제안하였다. 제안기법의 검증을 위하여 차량하중을 재하할 수 있는 모형교량을 제작하여 손상실험을 수행하였다. 차량진행 중 교량의 수직가속도를 계측하였으며, 측정된 가속도시계열로부터 random decrement(RD) 기법을 사용하여 자유진동신호를 구한 후, 이로부터 구조물의 모드특성을 추정하였다. 추정된 모드특성을 기초로 신경망기법을 적용하여 손상위치 및 손상정도를 추정하였으며, 추정된 결과는 실제 손상과 비교적 잘 일치하였다.

경영활동에 있어서 직관력은 잘 알려진 인지능력이지만 효과적인 의사결정지원시스템의 개발 목적으로는 거의 고려되고 있지 않다. 본 연구는 의사결정자의 인지 유형에 따른 시계열 예측의 정확성과 뇌파의 차이를 통계적 검증, 인공신경망, 데이터 마이닝의 세 가지 접근방법으로 탐색하여 그 결과를 비교 분석함으로써 시계열 직관 예측에 영향을 주는 의사결정자의 인지적/생리적 특성을 도출함으로써 효과적인 의사결정환경을 조성하는데 공헌하고자 하였다. 실험결과 통계적 분석에서는 아무런 유의성을 찾을 수 없었으나, 인공신경망 분석에서는 인지유형과 감성유형이 모두 시계열 예측 정확도와 상관성이 있는 것으로 나타났으며, 데이터 마이닝 분석에서는 보다 의미 있는 상관관계를 찾아낼 수 있었다.

본 논문에서는 언어장애인용 문장발생장치의 통신율을 증진시키기 위한 처리방안으로 신경망을 이용하여 문장발생장치에 동사예측을 적용하는 방법을 제안하였다. 각 단어들은 구문론과 의미론에 따른 정보벡터로 표현되며, 언어처리는 전통적으로 사전을 포함하는 것과는 달리, 상태공간에서 다양한 영역으로 분류되어 개념적으로 유사한 단어는 상태공간에서의 위치를 통하여 알게 된다. 사용자가 심볼을 누르면 심볼에 해당하는 단어는 상태공간에서의 위치를 찾아가며, 신경망 학습을 통해 동사를 예측하였고 그 결과 제한된 공간 내에서 약 20% 통신율 증진을 가져올 수 있었다.