1장 AI와 구조공학
1.1 머신러닝(Machine Learning)의 정의
1.2 구조공학 분야를 위한 인공신경망의 적용
1.3 인공신경망 학습의 정의
1.4 딥러닝(Deep Learning, DL)
1.5 구조공학 분야에 적용하기 위해서 인공신경망을 어떻게 활용할 수 있을까?
2장 빅데이터의 생성 및 학습
2.1 빅데이터의 생성 및 학습
2.2 활성함수
2.3 정규화(normalization) 및 초기화(initialization)
2.4 역전파
3장 가중변수와 편향변수의 이해
3.1 가중변수와 편향변수의 역할
3.2 역전파 기반 인공신경망의 수정
3.3 인공신경망 결과의 분석
4장 기울기 하강을 이용한 오차함수의 최소화
4.1 오차함수, 가중변수 및 편향변수
4.2 하강기울기
4.3 하강기울기 방법을 이용한 데이터(빅데이터) 피팅
4.4 데이터 피팅; 기울기(weight)는 고정하고 y절편(bias)만 무작위로 변하는 경우
4.5 데이터 피팅; 가중변수와 편향변수가 동시에 무작위로 변하는 경우
4.6 매트릭스를 이용한 인공신경망의 유도; 뉴런값(Zj)과 은닉층 출력값(yj)과의 관계
4.7 활성함수(activation)를 거친 뉴런값(Zj)
4.8 순방향 인공신경망 및 역전파를 통한 인공신경망의 수정
4.9 역전파로 구성된 인공신경망
4.10 순방향 설계 및 역방향 설계의 정의
4.11 인공신경망 학습방법
5장 깊은 인공신경망 기반의 단철근 RC 보의 설계
5.1 단철근 RC 보의 설계
5.2 빅데이터의 생성
5.3 TED 기반의 인공신경망을 활용한 RC 보 설계; 순방향 및 역방향 설계
5.4 얕은 인공신경망 기반 RC 보의 설계
5.5 결론
6장 인공신경망 기반 복철근 콘크리트 보의 설계
6.1 인공신경망에 기반한 복철근 콘크리트 보(RC 보)의 설계
6.2 설계 시나리오
6.3 역방향 설계
6.4 인공신경망 기반의 역설계 차트를 이용한 설계
6.5 결론
6.6 기호표
7장 인공신경망 기반 철근 콘크리트 기둥의 설계
7.1 철근 콘크리트 기둥의 설계
7.2 빅데이터의 생성
7.3 TED, PTM, CRS 인공신경망에 기반한 RC 기둥 설계
7.4 라그랑지 함수로부터 유도된 최적화 결과와의 비교
7.5 결론
부록 A 인공신경망 기반 철근 콘크리트 기둥의 설계
A.1 매트랩을 이용한 세 가지 학습 방법
A.2 매트랩 기반의 빅데이터 학습(training)
부록 B ADORS 매뉴얼
B.1 개요
B.2 사용자 가이드
부록 C 5, 6, 7장 설계표를 실행한 ADORS 윈도 화면
C.1 단철근 보(Singly reinforced concrete beam)
C.2 복철근 보 (Doubly reinforced concrete beam)
C.3 콘크리트 기둥 (Reinforced concrete column)
홍원기
연세대학교 토목공학과에서 학사학위(1983)를, UCLA 토목공학과에서 석사(1984) 및 박사학위(1989)를 취득하였다.
현재 경희대학교 건축공학과에서 교수로 재직 중이다. 미국의 엥겔컬크 & 하트 구조설계사무소(Englekirk & Hart Consulting structural engineers, Inc., 미국 LA 소재), 일본의 (주) 일본 설계 ((株) 日本設計, 일본 동경 소재), 삼성건설, 삼성중공업에서 근무하였다. 주요 저서로는 엘세비어(ELSEVIER)사에서 2020년 출간한 가 있고, 특히 10장의 “Artificial-intelligence-based design of ductile precast concrete beams”에서 AI 기반 프리캐스트 콘크리트구조 설계를 위한 인공신경망을 소개한 바 있다. 이 외에도 다수의 저서를 출간하였다. 또한 국제저널에 AI기반 콘크리트 구조설계를 포함한 여러 편의 논문들을 발표하였으며, 우리나라와 미국에 특허 또한 다수 등록하였다. 미국과 한국에서 구조기술사 자격증을 획득하여 구조엔지니어로써의 활발한 활동을 이어오고 있다. 두 차례 장관표창, 삼성그룹 기술상 수상, 한국연구재단 50선 우수연구 다수 선정 등 여러 표창을 받았으며, 지금도 연구를 통한 사회공헌 활동을 활발히 진행하고 있다.
건축
