본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

목차 1

기계학습을 활용한 콘크리트의 강도 예측 모델 검토 ＝ Review of a concrete strength prediction model using machine learning / 이빛나 ; 유재석 1

ABSTRACT 1

1. 서론 1

2. 기계학습 모델 선정 2

2.1. 데이터 분석 2

2.2. 기계학습 모델 3

3. 기계학습을 활용한 압축강도 예측 성능 검토 4

3.1. 비학습 데이터를 활용한 기계학습 모델의 성능 검토 4

3.2. XGB 모델의 압축강도 예측 성능 검토 5

4. 결론 5

REFERENCES 5

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
열화된 교각 콘크리트의 보수를 위한 건식 숏크리트 재료의 개발 및 성능 평가 = Development and performance evaluation of dry shotcrete materials for the repair of deteriorated bridge concretes 하태호, 최승학, 송창석, 윤경구 p. 1-8

보기
지반 물성을 통한 조립질 노상토의 회복탄성계수 모델 계수 추정 = Estimation of model parameters on resilient modulus of coarse-grained soils as subgrades using geotechnical properties 황규영, 김병수, 박성완 p. 9-18

보기
기계학습을 활용한 콘크리트의 강도 예측 모델 검토 = Review of a concrete strength prediction model using machine learning 이빛나, 유재석 p. 27-32

보기
방사능 비상시 활용 가능한 도로운영관리전략 및 적용 효과 분석 = Analysis of road management strategies that can be utilized under a radiological emergency and the effectiveness of their application : focus on the Hanbit Nuclear Power Plant : 한빛 원전을 대상으로 강수희, 김원철 p. 33-39

보기
대중교통 접근성 개선에 따른 온실가스 환경편익 분석 = Analysis of environmental benefits of improving access to public transportation 이정범, 기호영, 김원철 p. 41-46

보기
실용 가능한 배합의 28일 재령 콘크리트 압축강도 예측 기계학습 모델 개발 = Development of a machine learning model for predicting the compressive strength of practical 28-day cured concrete mixtures 손재호 p. 47-56

보기
도심 재난 드론 지휘 통제 표준작전절차 개선 지침과 적용 방안 분석에 관한 연구 = Guidelines for improving standard operating procedures for command and control of urban disaster drones and analysis of application methods 허창식, 함승희, 이준, 한정민, 이형은 p. 57-66

보기
규산염 기반의 친환경 스프링클러 배관용 부식억제제 성능 평가 = Evaluation of silicate-based eco-friendly sprinkler-piping shrinkage agent 김동민, 고은성, 노영태, 함승희, 이준 p. 67-73

보기
스프링클러설비 유수검지장치실(알람밸브실) 시공 및 점검 안정성 확보에 관한 연구 = Applying OWAS analysis to determine construction and inspection stability of sprinkler system alarm valve room and propose regulations governing working space for technicians : OWAS 분석 적용 기술자의 실 작업 공간 확보 및 규격 중심으로 김병철, 함승희, 이준 p. 75-80

보기
이산화탄소소화설비 방출 이후 공간안전성 확보를 위한 제도개선 방안 = Securing area safety after discharge of carbon dioxide fire-extinguishing systems 민정기, 함승희, 이준 p. 81-86

보기
현장 조사를 통한 경기권 출렁다리 안전정책개선 방안에 관한 연구 = Assessing and improving maintenance and safety inspection policy for suspension bridges in Gyeonggi-do through on-site investigation 박현식, 함승희, 이준 p. 87-98

보기
신호제어를 위한 딥러닝 기반의 프로브 차량을 이용한 회전별 통행속도 추정 모델 연구 = Estimating speeds for each movement flow using deep-learning-based probe vehicle for signal control 정현수, 손영태, 홍영석, 고광용 p. 99-104

보기
스마트시티 서비스의 교통-에너지 연계기능 도출과 평가 지표 개발 = Development of transportation-energy linkage function and evaluation index of smart city service 황보준, 김도경 p. 105-113

보기
Cox 모형을 이용한 터널 교통사고 처리시간 영향 분석 = Analyzing the impact of tunnel incident clearance time using a Cox model 박수빈, 양충헌, 김진국, 이진각, 최윤혁 p. 115-122

보기
불포화 상태를 고려한 기층 재료의 회복탄성계수 예측모델 = Resilient modulus prediction model of subbase materials in unsaturated state 박현수, 김병수, 박성완 p. 19-26

보기

참고문헌 (15건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 Altun, F., Kişi, O., and Aydin, K. (2008). “Predicting the compressive strength of steel fiber added lightweight concrete using neural network.” Computational Materials Science, Vol.42, No.2, pp.259-265. 미소장
2 Bilodeau, A., Malhotra, V. M., and Golden, D. M. (1998). “Mechanical Properties and Durability of Structural lightweight Concrete Incorporating High-Volumes of Fly ash.” ACI International, Vol. 178, pp.447-474. 미소장
3 Boukhatem, B., Kenai, S., Tagnit-Hamou, A., and Ghrici, M. (2011). “Application of new information technology on concrete: an Overview.” Journal of Civil Engineering and Management, Vol. 17, No.2, pp.248-258. 미소장
4 Chen, T. and Guestrin, C. (2016), “XGBoost: A Scalable Tree Boosting System,” In: ACM SIGKDD Conference on Knowledge Discovery and Data Mining', San Francisco, CA, USA. 미소장
5 Chou, J. S., Tsai, C. F., Pham, A. D., and Lu, Y. H. (2014). “Machine learning in concrete strength simulations: multi-nation data analytics.” Construction and Building Materials, Vol.73, 771-780. 미소장
6 Chopra, P., Sharma, R. K., Kumar, M., and Chopra, T. (2018). “Comparison of machine learning techniques for the prediction of compressive strength of concrete.” Advances in Civil Engineering, Vol. 2018, pp.1-9. 미소장
7 KATS. (2017). Standard Test Method for Compressive Strength of Concrete (KS F 2405). Korea Agency for Technology and Standards (KATS). 미소장
8 Kwon, M., and Kang, M. (2020). “Predicting compressive strength of concrete using regression model in machine learning.” Journal of the Korean Society for Advanced Composite Structures, Vol. 13, No. 4, pp.24-35. 미소장
9 Lee, J. J., Kim, D., Chang, S. K., and Nocete, C. F. M. (2009). “An improved application technique of The adaptive probabilistic neural network for predicting concrete strength.” Computational Materials Science, Vol.44, No.3, pp.988-998. 미소장
10 Lee, S.-M., Sung, H.-S., and Kang, T.H.-K. (2022). “Comparison of performance for predicting compressive strength of concrete using machine learning.” Journal of the Korea Concrete Institute, Vol. 34, No. 5, pp.505-513. 미소장
11 Muliauwan, H.N., Prayogo, D., Gaby, G., and Harsono, K. (2020). “Prediction of concrete compressive strength using artificial intelligence methods.” Journal of Physics: Conference Series, Vol.1625, No.1, pp.1-9. 미소장
12 Ni, H. G., and Wang, J. Z. (2000). “Prediction of compressive strength of concrete by neural networks.” Cement and Concrete Research, Vol. 30, No. 8, pp.1245-1250. 미소장
13 Rumelhart, D. E., Hinton, G. E., and Williams, R. J. (1986), “Learning Representations by Back-propagating Errors,” Nature, Vol.323, No.6088, pp.533-536. 미소장
14 Svetnik, V., Liaw, A., Tong, C., Culberson, J. C., Sheridan, R. P., and Feuston, B. P. (2003). “Random Forest: A Classification and Regression Tool for Compound Classification and QSAR Modeling,” Journal of Chemical Information and Computer Sciences, Vol.43, No.6, pp.1947-1958. 미소장
15 Yeh, I. C. (2006). “Analysis of strength of concrete using design of experiments and neural networks.” Journal of Materials in Civil Engineering, Vol. 18, No. 4, pp.597-604. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기