• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2004년도 춘계학술대회 논문요약집
• /
• pp.91-91
• /
• 2004

유압시스템은 1795년 J. Bramah가 물을 작동유체로 사용한 Press를 개발해 사용한 이래 2세기 이상 인간생활의 다양한 분야에 이용되어 왔다. 초기 유압시스템은 쉽게 구할 수 있고, 저장이 용이한 물을 작동유체로 사용하였다. 그러나 물은 부식성, 낮은 점성계수로 인한 저 윤활성과 많은 누설량, 그리고 저온에서의 동결 등과 같은 문제점을 가졌다. 당시에는 물에 대한 부식성이 없는 재료나 물의 누설을 막을 수 있을 만큼의 가공기술이 부족하였으므로 이러한 물의 문제점을 해결하기 위해 1906년 Wiliams와 Janney가 물 대신 기름을 작동유체로 사용하기 시작했다.(중략)

• 한국전자파학회논문지
• /
• 제25권8호
• /
• pp.808-820
• /
• 2014

본 논문에서는 10-dB 감쇠기 및 상용 패키지 된 MMIC 능동소자를 이용하여 구성된 증폭기, 2가지의 온-웨이퍼(on-wafer)형 DUT(Device-Under Test)를 구성하고, 이들의 잡음파라미터를 8-port 회로망을 이용하여 추출하는 방법을 제시하였다. 제작된 10-dB 감쇠기의 경우 수동소자이기 때문에, 이것의 S-파라미터를 측정하여 얻을 경우, 이것의 잡음파라미터를 알 수 있고, 또한 증폭기의 경우 이것의 잡음파라미터가 datasheet에 있다. 따라서 제안한 방법을 이용한 잡음파라미터 측정 결과에 대한 평가를 용이하게 할 수 있다. 기존 저자들에 의하여 발표된 6-포트회로망을 확장한 8-포트회로망을 이용한 잡음파라미터 측정은 사용된 8-포트회로망의 S-파라미터를 필요로 하는데, 동축형 DUT에 국한된다. 온-웨이퍼 프로브가 8-포트회로망에 삽입될 경우, 8-포트회로망의 S-파라미터 측정은 이종 형태의 커넥터를 갖는 8-포트회로망이 된다. 본 논문에서는 회로망 분석기(Network analyzer)의 Smart-cal 기능을 이용하여 8-포트회로망의 S-파라미터를 추출하였다. 측정된 잡음파라미터는 최소잡음지수, $NF_{min}$ 경우, 예상된 결과에 대하여 약 ${\pm}0.2dB$의 오차를 보인다. 다른 잡음파라미터는 주파수에 따라 예상된 결과와 근접하게 일치하는 결과를 보여주고 있다.

• 전자공학회논문지S
• /
• 제36S권5호
• /
• pp.70-77
• /
• 1999

본 논문에서는 Wavelet을 이용한 위장 영상의 질환 부위 특징을 추출하여 질환 부위 패턴을 인식할 수 있는 알고리즘을 제안하였다. 전처리 과정으로서 위장 영상이 형태정보는 입력 영상을 DWT(Discrete wavelet transform)에 의해 4레벨 DWT 계수 행렬을 구하고 계수 행렬의 특징에 따라 저주파 계수 행렬로부터 저주파 특징 파라미터 32개, 수평 고주파 계수 행렬로부터 수평 고주파 특징 파라미터 16개, 수직 고주파 계수 행렬로부터 수직 고주파 특징 파라미터 16개, 그리고, 대각 고주파 계수 행렬로부터 대각 고주파 특징 파라미터 32개 등 모두 96개의 특징 파라미터를 추출한 후 각각의 특징 파라미터를 최대 값+0.5로 최소 값을 -0.5로 정규화 하여 신경회로망의 입력 벡터로 사용하였다. 위장 영상 패턴 인식을 위한 신경회로망은 교사 학습을 요구하는 다층 구조의 오차 역전파(Error back propagation)알고리즘으로 하였고 구조적 특성을 이용하여 입력층, 중간층, 출력층의 계층 구조로 설계하였다. 설계된 신경회로망의 학습은 학습계수를 0.2로 모우멘텀을 0.6으로 설정하여 출력층 최대오차가 0.01보다 작을 때까지 수행하였으며 약 8000회 정도 학습한 결과 설정값 보다 작은 결과를 얻었고 질환의 종류나 위치, 크기에 관계없이 100%의 인식률을 얻었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.395-398
• /
• 1998

본 논문에서는 웨이브렛 변환에서 구해진 파라미터와 신경회로망을 이용하여 후두의 양성종양과 정상상태를 구분하는 실험을 행하였다. 식별 파라미터로는 웨이브렛변환으로부터 도출된 ECS 파라미터와 jitter, shimmer를 이용하였으며 신경회로망은 한 개의 은닉층을 갖는 다층구조 신경망을 이용하였다. 신경망의 입력으로는 세가지 파라미터의 조합을 두 개 또는 세 개를 입력하여 각각의 경우의 식별율을 조사하였다. 실험결과 75%에서 93%에 이르는 식별율을 얻었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 제15회 음성통신 및 신호처리 워크샵(KSCSP 98 15권1호)
• /
• pp.388-391
• /
• 1998

jitter, shimmer 및 켑스트럼 방식의 음원분석에 의한 파라미터를 이용하여 장애음성을 진단, 식별하는 방법을 제안한다. 먼저 통계적 처리결과르 바탕으로 식별에 유효한 파라미터들을 선택하고 이들 파라미터들을 이용하여 최종 진단한다. 식별방법으로는 신경회로망을 이용한다. 입력파라미터로는 jitter, shimmer, HNRR을 사용한다. 신경회로망은 1 은닉층을 갖는 3- layer 신경회로망을 사용한다. 실험결과 효과적으로 정상음성과 장애음성의구분이 가능해졌다.

• 한국항공우주학회지
• /
• 제35권10호
• /
• pp.912-917
• /
• 2007

논문에서는 신경회로망을 이용하여 소형 무인항공기의 횡/방향 운동 파라미터를 추정하고 기존 파라미터 추정기법인 퓨리에변환을 이용한 추정기법(FTR)과 후처리 기법인 최대공산법(MLE)의 추정 결과와 비교하여 신경회로망 기법을 이용한 파라미터 추정 결과의 신뢰성과 가능성을 확인하였다. 또한 파라미터 추정 결과를 이용하여 선형시스템을 구성하고 비행체의 특성을 확인하였으며, 선형 시뮬레이션을 통하여 추정된 파라미터의 타당성을 검증하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 추계학술대회 논문집 전기물성,응용부문
• /
• pp.16-17
• /
• 2006

적외선 이미지 센서용으로 사용되는 마이크로 볼로미터 센서는 process variation으의 인하여 모든 볼로미터 센서의 셀이 정확한 저항값을 갖지 못하여 입력신호에 왜곡을 가져 온다. 본 논문에서는 적외선 이미지 센서용 CMOS 검출회로를 설계하는 데 있어, 이러한 볼로미터 셀 어레이의 고정패턴잡음(Fixed Pattern hoise)을 최소화하는 방법에 대해 연구하였다. 기존의 단일 입력 방식 검출회로는 볼로미터 셀어레이의 고정패턴잡음을 보정하기 위하여 추가적인 보정 회로를 필요로 하였다. 이러한 문제점을 해결하기 위해서 본 논문에서는 차동 입력 방식 검출회로를 제안하였으며, 이를 적용하여 출력을 살펴본 결과 추가적인 보정회로 없이 20%의 노이즈 감쇠효과를 얻을 수 있다. 연구 결과를 바탕으로 32${\times}$32 크기를 갖는 셀어레이의 볼로미터를 구성하여 전체 칩을 설계하였으며 컴퓨터 시물레이션을 통해 결과를 분석하였다.

• 한국산업정보학회논문지
• /
• 제6권3호
• /
• pp.123-127
• /
• 2001

CMOS 트랜지스터의 등가회로모델 파라미터 $C_{gs}$ 의 예측방법이 CMOS 트랜지스의 반전층내의 유동전하량 계산과 전하유도 특성에 의해 제안되었다. 이 $C_{gs}$ 파라미터는 MOS 트랜지스터의 RF대역의 차단주파수를 결정하고 또한 입력과 출력을 커플링 시키는 중요한 파라미터이다. 이 제안된 방법은 등가회로 모델에서 파라미터 값을 예측하고 파라미터 값을 추출하는 소프트웨어 개발에 기여할 것이다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.345-348
• /
• 2002

음성인식 기술은 크게 음성인식과 화자인식 기술의 두 가지로 분류된다. 현재는 음성인식 기술이 널리 연구되고 있지만 점차 화자인식 기술의 중요성이 대두되고 있다. 본 논문에서는 화자인식 기술의 한 가지 분류로 임의 화자를 식별하기 위한 화자식별 기술을 연구 대상으로 하고 있으며, 신경회로망을 이용한 화자식별 시스템의 특징 추출 방법을 제시하고 그에 따른 성능을 비교하고 있다. 식별 단계에서 26명의 78개의 음성 샘플을 신경회로망의 역전파 알고리듬을 이용하여 학습하고, 테스트용으로 한 화자의 음성샘플이 사용되어 식별된다. 신경회로망의 입력 변수는 특징 파라미터로 선형예측계수, Mel-주파수 켑스트럼계수와 웨이블릿을 이용한 켑스트럼 계수를 사용하였다. 그 결과로써 화자식별 시스템의 신경회로망 모델2의 입력으로 혼합된 특징 파라미터를 사용한 경우가 다른 파라미터들을 사용한 경우와 비교하여 8.46~21.53%의 차를 가지고 가장 좋은 성능을 나타내었다.

• 한국전자파학회논문지
• /
• 제26권2호
• /
• pp.119-126
• /
• 2015

잡음 파라미터에 대한 정보는 저잡음 증폭기 설계에 있어 필수 불가결한 요소이다. 과거 잡음 파라미터는 임피던스 튜너와 잡음지수 측정기(Noise Figure Analyzer: NFA)를 사용 측정되어 왔다. 최근 저자들은 잡음 파라미터는 기계적으로 구동되는 임피던스 튜너 없이 8-포트 회로망 방법을 이용하여 측정될 수 있음을 보였다. 그러나 8-포트 회로망을 이용한 측정방법은 여전히 잡음원(noise source)을 이용하고, 측정의 복잡도를 증가시키는 면이 있다. 본 논문에서는 잡음원을 이용하지 않고, 잡음 파라미터를 측정할 수 있는 새로운 6-포트 회로망 방법을 제안한다. 6-포트 회로망 방법에 의해 이론적으로 알려진 잡음 파라미터를 갖고 있는 10-dB 감쇠기에 대해 측정하였으며, 측정된 잡음 파라미터 결과는 기존 8-포트 회로망 방법과 비교하였으며, 비교결과 8-포트 회로망 방법과 유사한 정확도를 갖는 것을 보였다.