• 디지털콘텐츠학회 논문지
• /
• 제18권5호
• /
• pp.969-976
• /
• 2017

본 논문에서는 최적화 알고리즘으로 개발된 WFSO(Water Flowing and Shaking Optimization) 알고리즘을 사용한 인공신경망 과합성공 신경망의 학습 방법을 제안한다. 최적화 알고리즘은 다수의 후보 해를 기반으로 탐색해 나가기 때문에 일반적으로 속도가 느린 단점이 있으나 지역 최소값에 거의 빠지지 않고 병렬화가 용이하며 미분 불가능한 활성화함수를 갖는 인공신경망 학습도 가능하고 구조와 가중치를 동시에 최적화 할 수 있는 장점이 있다. 본 논문에서는 WFSO 알고리즘을 인공신경망 학습에 적용하는 방법을 설명하고 다층 인공신경망과 합성곱 신경망에서 오류역전파 알고리즘과 성능을 비교한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.371-371
• /
• 2011

본 연구에서는 한강유역 내 관측기간이 충분한 기상청 지상관측소 10개소를 선정하고 CCCma(Canadian Century for Climate modeling and analysis)에서 제공하는 자료에 대한 인공신경망기법 상세화 적용을 실시하였다. 인공신경망의 학습을 위해 CGCM3.1/T63 20C3M시나리오(reference scenario)의 22개 2D변수 중 물리적으로 민감도가 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 선정하였으며 인공신경망 학습기간은 1991년~1995년, 검증기간은 1996년~2000년, 예측기간은 2011년~2100년으로 A1B, A2 B1 시나리오 등 다양한 기후변화 시나리오를 통해 예측band를 제시하고자 하였다. 하지만 공간상관을 고려하기 위하여 각 관측소에 대하여 인공신경망 학습을 하는 경우 관측소간 spatial correlation 및 spatial cluster구현이 어렵기 때문에 Spatial Rectangular Pulse모형을 이용하고자 하였으나, 강수면적에 대한 scale의 결정이 어렵다는 단점을 확인 하고 본 연구에서는 Random Cascade 모형을 이용하여 ${\beta}$를 통한 강수면적 scale(rainy area fraction)을 결정하고자 하였다. Random Cascade모형의 기법은 격자단위의 downscaling기법으로 강수대의 공간적 형상을 재현하며 스케일에 비종속적인(scale-invariant)프랙탈 특성을 이용하여 매개변수를 최소화 할 수 있는 장점을 가진 기법으로 한강유역 1Km내외 강우장을 만들어 topographic effect를 첨가하고자 한다.

• 디지털콘텐츠학회 논문지
• /
• 제17권6호
• /
• pp.449-459
• /
• 2016

본 논문에서는 기존의 인공신경망을 이용한 자동작곡 방법에서 발생한 세 가지 문제점을 개선하는 새로운 방법을 제안한다. 첫 번째 문제는 인공신경망이 출력한 곡의 박자를 음악이론에 맞도록 후처리 하는 것에서 모든 경우를 처리하지 못하여 발생한 문제이다. 두 번째 문제는 음표를 학습하는 인공신경망에 음표와 구분되는 큰 값으로 쉼표를 같이 학습하다보니 음표공간이 왜곡되어 발생하는 문제이다. 마지막 문제는 새로운 곡 작곡 시 사용자가 작곡해서 넣어준 초기 멜로디와 박자가 인공신경망이 출력하는 나머지 멜로디와 박자와 어울리지 못하여 발생하는 문제이다. 본 논문에서는 이러한 문제를 해결하기 위하여 개선된 박자 후처리 알고리즘과 초기 멜로디 처리 방법을 제안하였으며 쉼표용 인공신경망을 새로이 도입하였다. 실험결과 새로 제안한 방법이 기존의 방법에서 발생한 세 가지 문제점을 모두 해결하는 것으로 판명되었다.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.641-647
• /
• 2017

본 논문에서는 자동작곡에서 계층적 인공신경망을 이용하여 전/중/후 별로 곡의 멜로디가 전개되는 구성을 갖춘 곡을 자동으로 생성하는 방법을 제안한다. 첫 번째 계층에서는 하나의 인공신경망을 사용하여 기존의 곡을 학습시키거나 혹은 무작위 멜로디를 학습시키고 박자후처리를 하여 곡을 출력한다. 두 번째 계층에서는 첫 번째 인공신경망이 만든 멜로디를 전/중/후별로 세 개의 인공신경망에 학습한 후 곡을 출력한다. 두 번째 계층의 세 개의 인공신경망에서는 반복을 만들기 위하여 전/중/후 별로 마디구분을 이용한 반복을 적용하며 이후 박자/화성/조성후처리를 수행하여 곡을 완성한다. 실험결과 구성을 갖춘 곡이 생성됨을 확인하였다.

• 한국지반환경공학회 논문집
• /
• 제13권8호
• /
• pp.25-33
• /
• 2012

터널 설계 시 해당지반에 관한 정보를 정확히 반영하는 것은 대단히 중요하다. 하지만 다양한 지형 및 지질조건을 모두 고려한 지반조사 및 시험 등은 경제적, 기술적으로 인하여 현실적으로 실시하기 어렵기 때문에 한정된 정보에 의하여 해석 및 설계를 하고 있는 실정이다. 본 연구는 도심지 및 산악지역 터널공사 시, 보다 정확한 안정성 검토 및 거동 예측을 수행하여 선정 결과에 대한 현장 적용성 여부를 판단하기 위해 인공신경망 이론의 적용을 통하여 기존 거동예측의 한계성을 극복하고자 하였다. 먼저, 현장 데이터를 확보하여 인공신경망 중 다층퍼셉트론을 연구에 적합한 구조로 구축하고, 역전파 알고리즘으로 학습시켜 적용하였다. 인공신경망을 이용한 현장적용성의 학습을 위한 자료는 터널의 지보패턴, RMR, Q, 암종, 굴진장, 굴착형태, 굴착경과일 등 터널거동에 영향을 미치는 영향인자를 고려하여 신뢰성 분석을 실시하고 선별된 계측자료의 결과를 데이터베이스화하여 사용하였다. 학습이 완료된 인공신경망 모델을 이용하여 터널시공현장의 굴착경과일에 따른 천단변위, 내공변위, 지중변위, 록볼트축력을 예측하고 현장 계측치와 비교분석을 통하여 인공신경망을 이용한 터널 시공 시 현장적용성을 확인하였다.

• 비파괴검사학회지
• /
• 제21권1호
• /
• pp.54-61
• /
• 2001

웨이블릿 변환과 인공신경망을 이용하여 AE 신호를 분류하는 소프트웨어 패키지를 개발하였다. 웨이블릿 변환으로는 연속 웨이블릿 변환과 이산 웨이블릿 변환을 모두 고려하였으며, 인공신경망의 모델로는 오류 역전파 인공신경망을 사용하였다. 분류에 사용된 AE 신호는 용접부에 인공결함을 가진 시편의 3점 굽힘시험에서 발생한 신호이다. 개발된 소프트웨어 패키지를 이용하여 이 신호를 웨이블릿 변환시켜 생성된 시간-주파수 평면상에서 특징값을 추출하고 이를 인공신경망에 학습하여 인공신경망 분류기를 설계하고 검증하였다. 본 연구에서 개발된 소프트웨어 패키지를 이용한 AE 신호 분류법이 유용함을 보이고, 또한 연속 웨이블릿 변환과 이산 웨이블릿 변환에 의한 분류 결과를 비교하였다.

• 한국지능시스템학회논문지
• /
• 제26권6호
• /
• pp.445-451
• /
• 2016

본 논문에서는 기존의 인공신경망을 이용한 자동작곡에서 음악적으로 부족한 부분을 개선하기 위해 조성을 후처리하는 방법과 멜로디에 반복성을 주는 방법 그리고 다수의 곡을 학습하기 위한 평균 신경망 방법을 제안한다. 인공신경망을 이용하여 작곡된 곡의 멜로디는 인공신경망에 학습된 곡의 멜로디에 따라서 출력되는 것으로 음악적으로 특정한 조성에 맞는 곡이 출력되지 않으며 또한 반복적인 멜로디 구성이 나오기 어렵다. 본 논문에서는 이를 해결하기 위하여 인공신경망이 출력한 멜로디를 음악이론에 따라서 특정한 조성으로 후처리하는 방법과 마디구분을 반복적으로 구성하여 멜로디 진행에 반복을 주는 방법을 제안한다. 또한 기존 연구에서 사용한 다수의 곡을 학습하는 방법은 여러 가지 단점이 있었다. 이를 해결하기 위하여 다수의 곡을 학습하는 방법으로 각 곡을 학습한 인공신경망의 가중치를 평균하여 만든 평균 인공신경망을 사용하는 것을 제안한다. 제안한 방법을 적용하여 작곡한 결과 제안한 방법이 기존의 문제점을 해결하는 것을 확인할 수 있었다.

• 한국지반공학회논문집
• /
• 제19권4호
• /
• pp.287-298
• /
• 2003

본 논문에서는 피에조콘 관입시험 결과로부터 점토의 비배수전단강도를 예측하기 위한 인공신경망 이론의 적용과 최적 모델 구축에 대하여 기술하였다. 먼저 등방 및 비등방 삼축압축실험(CIUC and CAUC)으로 얻어진 비배수전단강도 결과를 바탕으로 오차역전파 알고리즘에 의하여 간단한 다층 구조를 갖는 최적 인공신경망 모델이 구성되었다. 구성된 인공신경망 모델은 모델 구축 시에 사용되지 않은 새로운 자료에 대해 비배수전단강도 예측을 수행하고 예측결과와 실내시험 결과를 비교함으로써 그 타당성이 검증되었다. 또한 기존의 이론적 방법, 경험적 방법 및 direct correlation method 등으로 예측된 비배수전단강도와 제안된 모델의 예측결과를 비교하였다. 본 논문에서 제안된 인공신경망 모델링 기법은 피에조콘 관측결과들과 비배수전단강도 간의 비선형적 상관관계를 정의하는 데에 유용하며 구성된 인공신경망 모델은 기존의 이론적 및 경험적 방법들에 비하여 예측 신뢰성이 높은 것으로 나타났다. 또한, 지금까지 주로 사용되어 온 경험적 방법들이 특정 지역에 대한 상관관계에 만족하던 것과 비교해 인공신경망 모델은 다양한 지역과 국가에서 일반적으로 적용 가능한 상관관계로서 발전될 가능성이 있음을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.120-120
• /
• 2017

인천지역의 상수도공급은 팔당댐을 취수원으로 하여 도수, 송수관을 거쳐 인천지역 내 정수장을 통하여 각 급수지역까지 일원화된 관로시스템으로 공급되고 있다. 관망에서의 적절한 수압관리, 노후관로 교체사업 등은 급수관망 내 관로 사고위험을 줄일 수 있고, 누수량을 저감하여 무수율의 감소로 이어질 수 있다. 상수관망 내 누수에 영향을 주는 물리적, 운영적 요소를 파악하고, 이를 이용하여 누수해결을 위한 방법론을 제시하는 것은 매우 중요하다. 본 연구에서는 인천시 배수관망 데이터를 활용하여 통계분석 및 인공신경망을 통하여 무수율에 영향을 미치는 인자를 선별하고, 무수율과의 연관성을 분석하고자 하였다. 이를 위해 대상지역에 대한 시설현황 및 운영자료를 취득하고, 무수율 분석에 활용하였다. 인천시의 소블럭을 대상으로 관로노후도, 배수관연장, 평균관경, 급수전당 공급량, 누수발생 횟수, 용도지역, 관망구성 형태 등을 고려하여 무수율과의 관계분석을 위한 통계분석을 수행하였다. 특히 급수에 필요한 최소에너지와 관망에서 공급되는 에너지를 비교하기 위하여 관망해석 프로그램인 EPANET을 이용하여 관망내 절점에서의 수압과 수요량이 적용된 최소공급에너지를 활용하였고, 이를 통하여 블록 내 과잉공급에너지와 무수율의 영향성을 비교하였다. 최종적으로 산출된 주요인자에 대한 주성분분석, 분산분석, 다중회귀분석 등의 통계분석과 인공신경망에 의해 학습된 알고리즘을 통하여 산정된 무수율을 실측 무수율과 비교, 분석하였다. 인공신경망에 의해 산정된 무수율과 실측 무수율의 정확도를 평가하기 위하여 MAE, MSE, PBIAS 등의 정확도 평가와 산점도 분석을 수행하고, 상관계수를 도출하여 가장 정확한 방법을 결정하였다. 분석 결과 통계분석에 의한 다중회귀식으로 산출된 무수율 보다 인공신경망에 의한 무수율이 실측값에 더욱 근접한 것으로 나타났으며 이용된 뉴런의 수의 따라 산출결과가 상이하기 때문에 최적 뉴런의 수를 산정해야 할 필요가 있음을 확인하였다. 특히 사용된 상수관망 주요인자 중 주성분분석을 통하여 선정된 각 성분을 인공신경망에 적용시 더욱 정확한 무수율 예측이 가능한 것으로 나타났다.

• 한국전기전자재료학회논문지
• /
• 제35권2호
• /
• pp.134-142
• /
• 2022

기존의 시행착오를 거쳐 소재를 개발하는 방법은 조금씩 한계를 보이고 있는데, 왜냐하면 산업과 기술이 고도화되고 기능성 소재가 가져야 하는 특성은 복잡해지면서 그 요구치가 높아지고 있기 때문이다. 이를 극복하기 위해 데이터 기반의 인공신경망으로 복잡한 소재 공간을 빠르게 탐색하여 소재 개발을 가속화하고자 하는 연구들이 진행되고 있다. 특히 결정그래프 합성곱 인공신경망은 결정 소재의 구조에 따른 특성을 학습하는 인공신경망으로 소재의 특성(생성 에너지, 밴드갭, 부피 탄성 계수 등)을 양자역학 기반의 제일원리 계산보다 빠르게 예측한다. 본 논문에서는 46,629개의 결정구조 데이터와 그 생성 에너지를 공공데이터베이스에서 불러와 결정그래프 합성곱 인공신경망 모델을 학습시키고 이를 특성 예측에 적용해 보는 예제를 설명한다. 이를 통해 간단한 프로그래밍 지식으로 소재 특성 예측 모델을 재현해 보고 원하는 데이터 셋과 연구 분야에 적용할 수 있을 것으로 기대된다. 인공지능 모델의 개발은 앞으로 더 복잡한 특성을 가져야만 하는 소재의 개발을 위해 넓은 범위의 소재를 탐색해야만 하는 과정을 획기적으로 단축시켜 소재 개발의 가속화를 촉진시킬 것으로 생각된다.