AI in EE

AI IN DIVISIONS

AI in Communication Division

AI in EE

AI IN DIVISIONS

AI in Communication Division ​

AI in Communication Division

Deep Learning-Based Ground Vibration Monitoring: Reinforcement Learning and RNN-CNN Approach

Authors : Sangseok Yun, Jae-Mo Kang, Jeongseok Ha, Sangho Lee, Dong-Woo Ryu, Jihoe Kwon and Il-Min Kim

Journal : IEEE Transactions on Geoscience and Remote Sensing Letters (published: March 2021)

본 논문은 딥 러닝 기반의 효율적인 지상 진동 모니터링 시스템에 관한 연구이다. 본 연구에서는 데이터 수집 및 분류의 실제 문제를 효과적으로 처리하기 위해 인공 지능 (AI) 기술을 채택하였다. 특히, 심층 Q-네트워크 기반 강화 학습을 채택하여 새로운 에너지 효율적인 데이터 수집 체계를 개발하였다. 또한 지상 진동 분류를 위한 향상된 공동 순환 신경망 (RNN) 및 합성 곱 신경망 (CNN) 접근 방식을 제안하였다. 제안한 방식의 성능은 실제 지반 진동 데이터를 사용하여 평가된다. 실험 결과 제안된 분류 체계는 분류 정확도 측면에서 기존의 CNN 방식보다 13 % 이상 우수한 성능을 보였다. 또한 제안한 에너지 관리 계획은 동일한 전력 할당을 사용하는 유사한 방식보다 지반 진동 모니터링 시스템의 정확도를 7.6 % 향상시킬 수 있음을 보여준다.

Fig. 1 Structure of the proposed ground vibration classification scheme.

Fig. 2. Performance of the proposed deep reinforcement learning-based energy management scheme.

Fig. 3. Performances of the proposed ground vibration classification scheme and the end-to-end ground vibration monitoring system.

Copyright ⓒ 2015 KAIST Electrical Engineering. All rights reserved. Made by PRESSCAT

Copyright ⓒ 2015 KAIST Electrical Engineering. All rights reserved. Made by PRESSCAT

34141 대전광역시 유성구 대학로 291
한국과학기술원(KAIST)
Tel. 042-350-3411   Fax. 042-350-3410

Copyright ⓒ 2015 KAIST Electrical
Engineering. All rights reserved.
Made by PRESSCAT