• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.12 no.1
• /
• pp.103-109
• /
• 1999

본 연구에서는 중복 고유치를 갖는 비비례 감쇠 진동계의 고유치와 고유벡터의 민감도를 계산하는 새로운 방법을 제시하였다. 제안 방법은 매우 간단하면서도 수치적 안정성이 보장되고 정확한 해를 주는 방법이다. 제안 방법에서는 (n+m)차의 대칭 행렬로 이루어진 대수방정식을 해석함으로써 n개의 자유도를 갖는 감쇠계에 있어서 m차의 중복도를 갖는 고유치와 고유벡터의 설계변수에 대한 미분을 구한다. 제안 방법의 검증을 위해 5자유도를 갖는 단순구조물의 민감도해석을 예제에서 다루고 있다. 예제에서의 설계변수는 모델의 부분강성으로 하였다.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.12 no.1
• /
• pp.95-102
• /
• 1999

본 연구에서는 중복되지 않는 고유치를 갖는 비비례 감쇠계의 고유치와 고유벡터의 민감도를 계산하는 새로운 방법을 제시하였다. 제안 방법에서는 (n+1)차의 대칭 행렬로 이루어진 대수방정식을 해석함으로써 n개의 자유도를 갖는 감쇠계의 고유치와 고유벡터의 설계변수에 대한 미분을 구한다. 제안 방법은 매우 간단하면서도 수치적 안정성이 보장되고 정확한 해를 주는 방법이다. 제안 방법의 검증을 위해 7자유도를 갖는 차량모델의 민감도해석을 예제에서 다루고 있다. 예제에서의 설계변수는 콘테이너의 질량으로 하였다.

• Journal of the Korean Society of Manufacturing Technology Engineers
• /
• v.5 no.4
• /
• pp.74-81
• /
• 1996

This paper is to estimate sizing design sensitivity of linear and nonlinear vehicle frame structure using structural ananlysis result from ANSYS. Using design sensitivity results, optimal design of plane vehicle frame structure with buckling constraint is carried out the gradient projection method. Optimal design results are compares gradient projection method resrult with SUMT result.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.10 no.4
• /
• pp.9-16
• /
• 2010

In the health monitoring of civil engineering structures, the optimal sensor placement has a major influence on the quality of the results. This paper considers the problem of locating sensors with the aim of maximizing the data information so that structural parameters or damage of structures can be assessed. An proposed technique using a genetic algorithm is introduced to find the optimal placement of sensors. The sensitivity on modal vectors by structural parameters and the orthogonality of modal vectors have been taken as the fitness function of the genetic algorithm. A simple tower structure is used for example analyses to investigate the feasibility and applicability of the proposed approach. The example analyses show the way how the modal sensitivity and the modal orthogonality in the fitness function have influence on the optimal sensor placement. It is shown that the present method using the proposed fitness function can provide the reliable results.

• Proceedings of the Korea Institutes of Information Security and Cryptology Conference
• /
• 2002.11a
• /
• pp.430-433
• /
• 2002

본 논문에서는 얼굴인식을 위해 기존의 Fisherfaces와 퍼지개념을 도입한 퍼지 기반 Fisherfaces 방법을 제안한다. 기존의 얼굴인식 방법들은 학습영상에 해당되는 각 특징벡터에 대해 특정한 클래스를 할당하지만, 이와는 달리 제안된 방법은 각 특징벡터에 대해 퍼지 값으로 된 클래스 소속도를 부여하여 조명의 방향, 얼굴표정과 같은 큰 변화에 민감하지 않으면서도 닮은 얼굴 영상으로 인해 생기는 오분류(misclassification)의 문제점을 해결하고자 한다. 따라서, 본 논문에서는 ORL(Olivetti Research Laboratory) 얼굴 데이터 베이스에 대해 적용하여 이전의 연구인 Eigenfaces와 Fisherfaces보다 더 좋은 인식성능을 보이고자 한다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.50 no.6
• /
• pp.254-259
• /
• 2013

A newly developed fall recognition algorithm using gravity weighted 3-axis accelerometer data as the input of HMM (Hidden Markov Model) is introduced. Five types of fall feature parameters including the sum vector magnitude(SVM) and a newly-defined gravity-weighted sum vector magnitude(GSVM) are applied to a HMM to evaluate the accuracy of fall recognition. A GSVM parameter shows the best accuracy of falls which is 100% of sensitivity and 97.96% of specificity, and comparing with SVM, the results archive more improved recognition rate, 5.2% of sensitivity and 4.5% of specificity. GSVM shows higher recognition rate than SVM due to expressing falls characteristics well, whereas SVM expresses the only momentum.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.7 no.4
• /
• pp.377-383
• /
• 2002

To obtain a high performance in a direct vector controlled induction machine, it is essential to obtain the current rotor flux. The accuracy of flux observers for induction machines inherently depends on parameter sensitivity. This paper proposes an analysis method for conventional flux observers using "parameter sensitivity". The "parameter sensitivity" is defined as the ratio of the percentage change in the system transfer function to the percentage change of the parameter variation. We define the ratio between real flux and estimated no as the transfer function, and analyze a parameter sensitivity of this transfer function. Practical verification is presented to conform the capabilities of the proposed analysis method.sed analysis method.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.20 no.9
• /
• pp.2833-2842
• /
• 1996

This paper is to practice optimal rigidity design by the strain energy density estimation method for static buckling and sizing design sensitivity analysis for dynamic buckling of a nonlinear vehicle frame structure from those results. Using these sizing design sensitivity resutls, an optimization of a nonlinear vehicle frame structure with dynamic buckling constraint is carrried out with the graient projection method.

• Journal of the Korean Society of Manufacturing Technology Engineers
• /
• v.7 no.5
• /
• pp.106-112
• /
• 1998

Experience and experiments show that in many cases the buckling limit is reached at a much smaller load level than is predicted by linear buckling analysis. In this paper, it is considered linear and nonlinear of plane vehicle structure and estimates design sensitivity of the cross sectional area that is composed plane vehicle structure and performs optimal design. It compares linear vehicle structure with nonlinear vehicle structure for optima design result that is selected constraint condition of buckling load.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.592-595
• /
• 2024

엄청난 성능에도 불구하고, 심층 신경망은 예측결과에 대한 설명이 없는 블랙 박스로 작동한다는 비판을 받고 있다. 이러한 불투명한 표현은 신뢰성을 제한하고 모델의 대한 과학적 이해를 방해한다. 본 연구는 여러 개의 교사 신경망으로부터 설명 중심의 학생 신경망으로 지식 증류를 통해 해석 가능성을 향상시키는 것을 제안한다. 구체적으로, 인간이 정의한 개념 활성화 벡터 (CAV)를 통해 교사 모델의 개념 민감도를 방향성 도함수를 사용하여 계량화한다. 목표 개념에 대한 민감도 점수에 비례하여 교사 지식 융합을 가중치를 부여함으로써 증류된 학생 모델은 양호한 성능을 달성하면서 네트워크 논리를 해석으로 집중시킨다. 실험 결과, ResNet50, DenseNet201 및 EfficientNetV2-S 앙상블을 7 배 작은 아키텍처로 압축하여 정확도가 6% 향상되었다. 이 방법은 모델 용량, 예측 능력 및 해석 가능성 사이의 트레이드오프를 조화하고자 한다. 이는 모바일 플랫폼부터 안정성이 중요한 도메인에 걸쳐 믿을 수 있는 AI 의 미래를 여는 데 도움이 될 것이다.