? S/W 규격 및 사양
1. 역전파 학습 알고리즘
가. Back propagation algorithm
(1) 신경망의 알고리즘 중 역전파 학습알고리즘(전후방 오차 계산 후 수렴 방식) 사용
(2) Feed forward & Feed backward 단계의 에러 계산 방식
나. Sigmoid function
(1) 전후방 오차 계산 후 수렴 속도 향상을 위하여 Sigmoid 함수 이용
(2) Threshold 값 적용 및 가중치 부여
다. 학습데이터의 변환
학습데이터(Input data & Target data)의 0과 1사이 값으로 변환
라. Momentum 적용
빠른 수렴을 위하여 모멘텀 항의 계수 변환 방식 적용
마. 사용자 수렴 정의 방식
(1) 학습(Training) 횟수 정의 방식
(2) 오차(Target date 와 Trained data 와의 Error) 정의 방식
바. Neurons layer 정의 입력층(Input layer)과 출력층(Output layer) 사이의 은닉층(Hidden layer)은 사용자 가 지정함
사. 기타 Control 설정 요구되는 데이터의 정도(精度) 및 기타 사용자 정의 파라메타 입력

최적설계 K-Metal ANN 소프트웨어(이하 최적설계 S/W)는 뿌리산업 전 분야에 대한 문제해결에 있어서 해석 또는 실험을 통한 최적설계 및 최적설계변수조합을 신속히 찾을 수 있는 설계기법에 관한 소프트웨어이며 특히, 항공 및 기계분야에 건전하고 강건한 부품을 얻기 위한 성형가공 및 금형설계 작업을 수행할 때 기존 범용 성형해석 시뮬레이션 S/W와 병행하여 소재변수 및 공정별 금형변수 등의 설계변수를 최적화하는데 응용되는 최적설계 S/W입니다. 설계방법은 통계학적 방법을 근거로 하여 최소한의 실험 및 해석을 수행하고, 그 결과 값을 신경망 학습을 한 후, 실험 및 해석을 수행하지 않은 변수조합에 대한 특성치(목적함수)를 예측 및 검증하며 그 결과로 부터 최적의 설계조건 및 설계변수조합 신속히 파악할 수 있습니다.

최적설계 K-Metal ANN 소프트웨어(이하 최적설계 S/W)는 뿌리산업 전 분야에 대한 문제해결에 있어서 해석 또는 실험을 통한 최적설계 및 최적설계변수조합을 신속히 찾을 수 있는 설계기법에 관한 소프트웨어이며 특히, 항공 및 기계분야에 건전하고 강건한 부품을 얻기 위한 성형가공 및 금형설계 작업을 수행할 때 기존 범용 성형해석 시뮬레이션 S/W와 병행하여 소재변수 및 공정별 금형변수 등의 설계변수를 최적화하는데 응용되는 최적설계 S/W입니다. 설계방법은 통계학적 방법을 근거로 하여 최소한의 실험 및 해석을 수행하고, 그 결과 값을 신경망 학습을 한 후, 실험 및 해석을 수행하지 않은 변수조합에 대한 특성치(목적함수)를 예측 및 검증하며 그 결과로 부터 최적의 설계조건 및 설계변수조합 신속히 파악할 수 있습니다.

가. 다음과 같은 항목의 학습 결과 제공
(1) Weight value : Neuron 사이의 학습된 가중치 값
(2) Trained data : 시험 및 해석 결과값(Target data)에 학습 후 예측치
나. Prediction stage (1) 수렴 후 Weight value 저장
(2) 예측하고자 하는 변수조합의 입력