$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Levenberg-Marquardt 인공신경망 알고리즘을 이용한 지반공학문제의 적용성 검토
Application of Artificial Neural Network with Levenberg-Marquardt Algorithm in Geotechnical Engineering Problem 원문보기

한국지반공학회 2008년도 춘계 학술발표회 초청강연 및 논문집, 2008 Mar. 28, 2008년, pp.987 - 997  

김영수 (경북대학교 토목공학과) ,  이재호 (경북대학교 토목공학과) ,  서인식 (경동정보대학 토목공학과) ,  김현동 (도화엔지니어링) ,  신지섭 (경북대학교 토목공학과) ,  나윤영 (경북대학교 토목공학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

Successful design, construction and maintenance of geotechnical structure in soft ground and marine clay demands prediction, control, stability estimation and monitoring of settlement with high accuracy. It is important to predict and to estimate the compression index of soil for predicting of groun...

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 국내 연약지반의 압축지수를 추정하는 연구는 송만순 (1988년), 윤길림 등 (2003년)이 수행하여 실제 값과의 비교를 통해 예측식의 제안 및 타당성을 검토한 바가 있다. 본 논문에서는 압밀에 대한 공학적 특성들 중에 점토의 압축성을 대변하고 있는 압축지수와 관련한 지반 물성 값들과 상관성을 보다 면밀히 조사하고자 인천지역의 약 187개 데이터에 대하여 분석하였다. 분석된 결과와 데이터베이스를 토대로 인천지역 연약지반에 적합한 새로운 압축지수에 대해 인공신경망을 이용하여 예측 식을 제안하고자 한다.

가설 설정

  • Levenberg-Marquardt 알고리즘은 식 (2)의 평균이 미리 계산된 값도다 더 작거나 squared error error의 합이 목표 error보다 작아진다면 수렴한다고 가정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
연약지반에 구조물을 시공할 때 주의해야할 점은 무엇인가요? 연약지반에 구조물을 시공하는 경우에 대상 구조물의 안정성과 침하에 대한 사전 검토가 필요하며 이를 위해서는 연약지반의 공학적 특성을 파악하는 것이 중요하다(Das, 2007년). 연약지반의 공학적 특성은 주로 현장시험이나 실내시험을 통하여 추정된다.
인공신경망 중에서 단층 퍼셉트론이 갖는 한계점은 무엇인가요? 다층 퍼셉트론은 입력층과 출력층 사이에 하나 이상의 은닉층이 존재하는 인공신경 회로망으로 그림 1과 같은 계층구조를 갖는다. 단층퍼셉트론의 경우 학습 가능한 층이 하나만 존재하기 때문에 선형 분리 가능한 문제에만 적용가능하다는 한계가 있는데, 이러한 한계를 벗어나기 위하여 다층 퍼셉트론을 이용한다. 다층 퍼셉트론(multi-layer perceptron)은 단층 퍼셉트론과 유사한 구조를 가지고 있지만 은닉층과 각 유니트의 입출력 특성을 비선형으로 함으로써 네트워크의 능력을 향상시켜 단층 퍼셉트론의 여러 가지 단점들을 극복했다(Rumelhard 등, 1986년).
인공신경망이란 무엇인가요? 인공신경망(artificial neural network)은 인간 두뇌의 구조와 동작방식을 모델로 하여 간단한 기능을 하는 단위 처리기 사이를 연결시킨 망구조로 뇌의 신경세포를 단순화시켜 수학적으로 모델링한 인공 신경세포들과 그들 간의 연결로 이루어져 있다 (Hecht-Nielsen, 1990년). 인공신경망을 구성하는 처리소자들은 전달함수를 가지고 있어서 시스템의 비선형 특성을 학습할 수 있고 입력과 출력공간의 사상(mapping)특성에 따라 연상기억(associative memory), 필터(filter), 변환(transformation), 인식(perception), 최적화(optimization)등의 기능을 수행할 수 있다 (Hecht-Nielsen, 1990년).
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로