인공지능 기반 Hong-Lagrange 최적화와 데이터 기반 공학설계

인공지능 기반 Hong-Lagrange 최적화와 데이터 기반 공학설계

$27.68
Description
“인간의 창의성에 AI의 학습능력을 더하다”
ㆍ빅데이터 속에 숨겨져 있는 유익한 사실들을 활용할 수 있는 방법을 인공신경망과 라그랑주가 우리에게 알려줄 수 있을까!
ㆍ자신들만의 디지털 빅데이터가 있다면, 이 저서가 제시하는 인공신경망과 라그랑주 승수법에 기반해서 최적값을 찾아보기를 권해본다.

저자는 21세기에 지대한 영향을 미치며 혜성과 같이 우리 곁으로 다가온 인공지능을 바라보게 되었다. 이 둘은 접점이 전혀 없을까? 16세기와 21세기의 최고 개념의 접점을 찾아 융합이론(AI 기반 Hong-Lagrange 방법)을 개발하여, 빅데이터와 라그랑주 승수법을 인공지능으로 들여다보고, 최적설계가 어떻게 가능한지를 고찰하였다. 저자는 이 책을 통해 디지털 빅데이터가 생성될 수 있는 공학, 이학 등의 분야에 최적화 글로벌 플랫폼을 제공하여, 빅데이터 분석이 가능한 AI 기반 데이터 공학(AI-based Data-centric Engineering, AIDE)을 소개하였다. 혹시 독자들 중 어떤 분야이든지 자신들만의 디지털 빅데이터가 있다면, 이 책이 제시하는 인공신경망과 라그랑주 승수법에 기반해서 최적값을 찾아보기를 권해본다.
저자는 인공지능 기반에서 철근콘크리트 구조, 철골구조, 프리스트레스 콘크리트 구조, SRC 구조 및 고층 프레임 등에 대한 AI 기반 최적설계를 다루는 책을 순차적으로 출간하고 있다. 이 책들은 구조공학 분야에 적용 가능한 인공지능 기반의 구조공학 콜렉션 시리즈로 국문판과 영문판으로 출판되고 있다. 그리고 유튜브 채널[한국어 채널: 인공지능 빠르고 쉽게 배우기(홍원기, 경희대학교, 건축공학과), 영어채널: Deep Learning for beginners(Won-Kee Hong, Kyung Hee University)]에서 저서인 1권 인공지능기반 철근콘크리트 구조 설계(Artificial intelligencebaseddesign of reinforced concrete structures)와 2권인 이 책에서 기술된 내용을 영상으로 제작, 업로드하여 독자들의 이해를 돕고 있다.
저자

홍원기

연세대학교토목공학과에서학사학위(1983)를,UCLA토목공학과에서석사(1984)및박사학위(1989)를취득하였다.현재경희대학교건축공학과에서교수로재직중이다.미국의엥겔컬크&하트구조설계사무소(Englekirk&HartConsultingstructuralengineers,Inc.,미국LA소재),일본의(주)일본설계[(株)日本設計,일본동경소재],삼성건설,삼성중공업에서근무하였다.또한국제저널에AI기반콘크리트구조설계를포함한여러편의논문을발표하였으며,우리나라와미국에특허또한다수등록하였다.미국과한국에서구조기술사자격증을획득하여구조엔지니어로서의활발한활동을이어오고있으며,두차례장관표창,삼성그룹기술상수상,한국연구재단50선우수연구다수선정등여러표창을수상하여사회에공헌하고있다.
유튜브채널[한국어채널:인공지능빠르고쉽게배우기(홍원기,경희대학교,건축공학과),영어채널:DeepLearningforbeginners(Won-KeeHong,KyungHeeUniversity)]에서인공지능을이용한첨단구조해석및설계를소개하고있다.
주요저서로,엘스비어(ELSEVIER)사에서2020년출간한“HybridCompositePrecastSystems,NumericalInvestigationtoConstruction”가있고,특히10장에서‘Artificial-intelli-gence-baseddesignofductileprecastconcretebeams’에AI기반프리캐스트콘크리트구조설계를위한인공신경망을소개한바있다.국문저서로,도서출판대가에서“인공지능기반철근콘크리트구조설계(Artificialintelligence-baseddesignofreinforcedconcretestructures)”를출간하였다.현재AI를기반으로하는빌딩프레임구조설계(AnAuto-Designforbuildingframes)를완료하고집필중에있다.

목차

01라그랑주최적화에기반한공학설계
1.1라그랑주최적화의중요성
1.2등제약조건을갖는라그랑주최적화
1.2.1라그랑주함수의유도
1.2.2gradient벡터의유도
1.2.3gradient벡터를이용한목적함수와제약함수의최적화조건
1.2.4gradient벡터에기반한등제약식으로구성된최적화문제풀이
1.3부등제약조건을갖는라그랑주최적화
1.3.1KKT조건식
1.3.2KKT활성및비활성조건의설정과경제학적,공학적의미
1.3.3부등제약식으로구성된최적화문제풀이
1.4결론

02인공지능기반라그랑주최적화
2.1공학설계에서의AI기반최적화설계의중요성
2.1.1AI기반최적화설계의목적
2.1.2AI기반최적화설계로지양해야하는이유
2.2부등제약조건을수반한인공지능기반의라그랑주최적화
2.3인공신경망기반에서일반화되는목적함수및제약함수의유도
2.3.1수학식기반의목적함수및제약함수의한계
2.3.2AI기반에서라그랑주함수의유도와KKT조건
2.3.3인공신경망기반으로부터일반화된목적함수및제약함수
2.3.4뉴턴-랩슨반복연산에기반한라그랑주함수의1차미분식(제이코비)해의도출
2.3.5뉴턴-랩슨반복연산에기반한선형화된라그랑주함수의최적화
2.3.6수학식기반의함수를대체하는인공지능기반의함수
2.4KKT제약조건과,인공신경망기반의목적및제약함수를이용한라그랑주최적화문제
2.4.1예제의목적
2.4.2라그랑주및KKT조건기반의고차함수최적화
2.4.3부등제약함수에기반한트러스프레임의라그랑주최적설계
2.4.4라그랑주법에기반한발사체의비행거리최적화