메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
최세운 (대구가톨릭대학교)
저널정보
대한건축학회지회연합회 대한건축학회연합논문집 대한건축학회연합논문집 제25권 제2호
발행연도
2023.4
수록면
83 - 89 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
본 연구에서는 합성곱 신경망을 이용한 다층 구조물의 층강성을 예측하는 기법을 제안하고, 5층 구조물 예제를 사용하여 이를 검증하였다. 난수 발생기를 이용하여 각 층의 강성값을 정하도록 하였으며, 이를 독립적으로 반복하여 총 1000개의 모델을 획득하였다. 이렇게 생성된 모델에 선형시간이력해석을 수행하여 훈련 및 테스트용 데이터를 수집하였다. 해석결과 중 최상층 가속도 이력 응답을 웨이블릿 변환하여 입력용 이미지로 사용하였고, 해당 모델링에 사용된 층별 강성값은 출력값으로 설정되었다. 예제 적용 결과, 변수별로 오차의 정도는 다르지만 제안한 기법은 구조물의 거동 및 동특성을 유사하게 예측하는 것으로 나타났다. 최상층의 응답값만을 사용하였기 때문에 이것에 상대적으로 민감한 저층 강성 예측 오차는 낮았으며, 반면 이것에 상대적으로 덜 민감한 고층 강성 예측 오차는 높았다. 이러한 오차를 감소시키고자, 예측값에 유전자 알고리즘을 적용하는 방법을 제시하였으며, 이것의 개선 효과를 확인하였다.
#합성곱 신경망 #층강성 #유전자 알고리즘 #예측 #Convolutional Neural Network #Story Stiffness #Genetic Algorithm #Prediction

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0