• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2017년도 춘계학술대회 논문집
• /
• pp.122-122
• /
• 2017

인산-망간 화성피막의 경우 양질의 피막층을 형성하기 위하여 표면조정제를 사용하고 있으며, 화성피막 직전에 표면 조정제 처리를 하여 피막 결정의 미세, 치밀, 균일하게 하는 동시에 피막의 화성시간을 단축하고 있다. 본 연구는 표면조정제의 입자 사이즈에 따른 화성피막 입자 사이즈 변화 및 물리적인 특성 향상을 확인하였다. 하지금속 소재로는 기계구조용 탄소강재(SM45C)을 $50{\times}50{\times}3mm$로 제작하였고, 전처리 공정으로는 탈지 ${\rightarrow}$ 에칭 ${\rightarrow}$ 디스머트 후 표면조정제 입자 사이즈별로 표면조정 후, 화성피막 처리를 하였으며 각 조건에 따른 피막 층의 미세조직은 SEM을 사용하여 관찰하였고, 윤활성은 내마모시험기(Ball on disc)를 사용하여 마찰계수 측정을 통해 확인하였으며, 내식성은 5% NaCl 염수분무를 실시하여 적청 발생 면적으로 측정하였다. 표면조정제의 입자 사이즈는 4종류로 세분화하여 표면조정 후 화성피막 처리하였으며, 표면조정제의 입자 사이즈를 미세화함에 따라 화성피막의 입자 사이즈가 미세, 균일해지고 피막의 치밀도가 향상됨을 확인할 수 있었다. 표면조정제의 미분화는 소재 표면에 작고 치밀한 결정(활성점)을 만들며, 표면조정제의 입자 사이즈가 작아질수록 이러한 활성점의 크기가 미세해지고 화성피막의 입자 사이즈 또한 미세화 시키는 역할을 하는 것을 확인 할 수 있었다. 이처럼 표면 조정제의 입자 사이즈에 따른 화성피막 입자 사이즈 및 물성변화는 SEM, 내마모시험 및 내식성 시험을 통하여 확인할 수 있었다. 즉, 표면조정제의 입자 사이즈가 미세해질수록, 화성피막의 입자사이즈가 미세화되었고, 윤활성 및 내식성이 향상되는 것을 확인 할 수 있었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.967-970
• /
• 2001

본 논문에서는 적응 필터의 계수 갱신에서 가변 블록을 사용하는 방법을 제안하였다. 데이터 블록의 길이는 MSE 학습곡선의 시정수에 비례하도록 하였다. 이 방법에서는 적응 필터가 정상상태로 접근함에 따라 스텝사이즈를 조정하여 필터계수 갱신의 횟수를 줄일 수 있다. 제안한 방법의 유용성을 입증하기 위한 컴퓨터모의 실험을 통해 기존의 최적 스텝사이즈 수열을 이용한 알고리듬과 가변 스텝사이즈 알고리듬과 성능을 비교하였다. 그리고 MSE 의 초기값을 최소화하는 최적 초기 스텝사이즈를 유도하였다. 유도된 최적 스텝사이즈를 가변 스텝사이즈 알고리듬에 적용, 그 성능을 평가 하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1267-1268
• /
• 2013

온라인 패션 쇼핑몰을 이용하는 소비자가 늘어나면서 소비자의 불만 사항으로 상품의 불량상태, 사이즈 불일치, 배송 및 환불 지연, 품절 및 입고 지연, 색상 불일치, 입어보지 못하는 불편함 등이 있는데, 그 중에 하나인 사이즈 불일치와 입어보지 못하는 불편함을 가상의 모델로 대체하여 옷을 입어 사용자가 확인하는 어플리케이션이다. 본 논문에서는 사용자의 키와 몸무게, 사이즈를 입력하고 사람의 표준적인 몸으로 사이즈에 맞는 옷을 입혀 사용자가 옷을 사기 전 사이즈를 확인 할 수 있도록 도움을 주는 어플리케이션이다.

• 전기전자학회논문지
• /
• 제6권2호
• /
• pp.111-118
• /
• 2002

본 논문은 가변 스텝사이즈 LMS (Least Mean Square) 알고리듬의 스텝사이즈 결정시 추가되는 계산량을 줄이기 위해 가변 블록을 사용하는 방법을 제안한다. 이 방법에서는 블록 길이를 스텝사이즈의 변화에 반비례하도록 하여 기존의 가변 스텝사이즈 알고리듬의 수렴속도와 정상상태 오차에 대해 성능의 저하 없이 계산량을 줄이고자 한다. 그리고 평균이 영인 백색 가우시안 입력신호 환경하에서 LMS 기반 적응 알고리듬의 초기 스텝사이즈를 최적으로 구하는 방법을 제안한다. 제안한 방법의 우수성을 입증하기 위한 컴퓨터 모의 실험을 통해 기존의 가변 스텝사이즈 알고리듬과 수렴속도, 계산량 면에서 성능을 평가한다.

• 한국산학기술학회논문지
• /
• 제22권5호
• /
• pp.561-566
• /
• 2021

오차분포 추정을 위한 커널 사이즈는 오차확률밀도 사이의 유클리드 거리를 최소화 알고리즘의 가중치 갱신에 적합한 커널 사이즈가 될 수 없다. 이 논문에서는 MED 알고리즘의 수렴 성능 향상을 위해 적응적으로 커널 사이즈를 갱신하는 방법을 제안하였다. 제안한 방식은 MED 학습 알고리즘의 가중치 갱신을 위해 커널 사이즈에 대한 오차분산의 평균변화율을 도입하여 MED의 오차에 대한 평균전력이 감소하는 방향으로 커널 사이즈를 조절하도록 하였다. 제안된 적응 커널 추정법을 무선통신 채널의 왜곡 보상에 적용하여 학습 성능을 실험하고 그 효능을 밝혔다. 오차분산에 비례한 작은 값을 가지는 기존의 오차분포 추정 위한 최적 커널 사이즈와 달리, 제안한 방법에 의한 커널 사이즈는 MED 가중치 수렴을 위한 적절한 커널 사이즈로 수렴함을 보였다. 실험 결과로부터 제안한 방법이 MED 알고리즘의 커널 사이즈 설정에 따른 민감성을 크게 해결한 방법이라고 볼 수 있다.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.627-632
• /
• 2021

적응 신호 처리 및 머신 러닝 등에 활용되고 있는 정보 이론적 학습법(ITL, information theoretic learning)은 커널 사이즈(��) 설정이 성능에 큰 영향을 미친다. ITL 기반의 학습법의 하나인 코렌트로피 알고리듬은 충격성 잡음에 강인성과 채널 왜곡 보상 특성을 함께 지니고 있으나 커널 사이즈 선택에 매우 민감하거나 불안정한 특성도 지니고 있다. 이에, 이 논문에서는 기울기 분모에 나타나는 커널 사이즈의 세제곱이 미치는 민감성을 고려하고, 커널 사이즈의 미세 변동에 대한 오차 전력 변화율을 이용하여 커널 사이즈를 적응적으로 갱신하는 방법을 제안하여 코렌트로피 알고리듬에 적용하였다. 제안된 적응 커널 사이즈 추정 방법을 다중 경로 채널과 충격성 잡음 환경에 대해 실험하였다. 제안한 방식은 고정 커널사이즈의 기존 알고리듬에 비해 2배 빠른 수렴 속도를 나타냈고 초기 커널 사이즈 2.0 에서 6.0 에 대해 모두 적절히 수렴하는 능력을 보였다. 이에 초기 커널 사이즈 선택에 큰 여유도를 가지고 성능을 향상시킬 수 있음을 입증하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권12호
• /
• pp.1199-1203
• /
• 2010

컴퓨터 시스템에서 Host와 저장장치간의 데이터 이동은 섹터를 기본 단위로 하고 있는데, 섹터 사이즈는 시스템마다 다른 가변적인 크기일 수 있다. 낸드 플래시 메모리는 구조상 페이지 사이즈와 섹터 사이즈 사이의 상관관계에 있어서, 섹터 사이즈가 낸드 플래시 메모리를 관리하는 방식에 상당한 영향을 미친다. 본 논문에서는 낸드 플래시 메모리 기반의 저장장치에서 효율적인 다중 섹터 사이즈를 지원하는 FTL 매핑 관리 기법을 제안하고, 그 관리 방법과 성능에 관하여 분석하여 본다. 본 논문에서 제안한 방식에 의하면 다중 섹터를 지원하는 낸드 플래시 메모리 저장장치를 효율적으로 관리하여 줄 수 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권5호
• /
• pp.949-959
• /
• 2012

범주형 목표변수를 잘 예측하기 위한 데이터마이닝 방법 중에서 최근에는 여러 단일 분류자를 결합한 앙상블 기법이 많이 활용되고 있다. 앙상블 기법 가운데 부스팅은 재표본 시 분류하기 어려운 관찰치의 가중치를 높여 분류자가 해당 관찰치에 보다 집중할 수 있도록 함으로써 다른 앙상블 기법에 비해 오차를 효과적으로 감소시키는 방법으로 알려져 있다. 부스팅을 구성하는 분류자를 의사결정나무로 둔 부스팅 트리 모형의 경우 각 트리의 사이즈를 결정해야 하는데, 본 연구에서는 자료 별로 부스팅 트리에 가장 적합한 트리사이즈가 서로 다를수 있다고 가정하고, 주어진 자료에 맞는 트리사이즈를 추정하는 문제에 대해 논의하였다. 우선 트리사이즈가 부스팅 트리의 정확도에 중요한 영향을 미치는가를 파악하기 위하여 28개의 자료를 대상으로 실험을 수행하였으며, 그 결과 트리사이즈를 결정하는 문제가 모형 전체의 성능을 결정하는데 상당한 역할을 한다는 것을 확인할 수 있었다. 또한 그 결과를 바탕으로 최적의 트리사이즈에 영향을 미칠 것으로 판단되는 몇 가지 특성 변수를 정의하고, 해당 변수를 이용하여 부스팅 트리에서의 최적 트리사이즈를 설명하는 모형을 구성해 보았다. 자료 별로 고유한 최적의 트리사이즈는 자료의 특성에 의존적일 가능성도 있으므로 본 연구에서 제안하는 추정방법은 최적 트리사이즈를 결정하기 위한 출발점 또는 가이드라인으로 활용하는 것이 적절할 것이다. 기존에는 부스팅 트리의 사이즈에 대한 값으로 목표변수의 범주의 개수를 활용하였는데, 본 모형에서 제안하는 트리사이즈의 추정치로 부스팅 트리를 구축한 경우 기존방법에 비해 분류정확도를 유의미하게 개선하는 것을 확인할 수 있었다.

• 한국방사선학회논문지
• /
• 제15권4호
• /
• pp.547-554
• /
• 2021

흉부 X선 영상의 폐렴을 신속하고 정확하게 진단하기 위하여 동일한 Xception 딥러닝 모델에 배치 사이즈를 4, 8, 16, 32로 다르게 적용하여 각각 3회의 모델링을 실시하였다. 그리고 성능평가 및 metric 평가에 대한 결과값을 3회 평균값으로 산출하여 배치 사이즈별 흉부 X선 영상의 폐렴 특징 추출과 분류의 정확도 및 신속성을 비교 평가하였다. 딥러닝 모델링의 성능평가 결과 배치 사이즈 32를 적용한 모델링의 경우 정확도, 손실함수 값, 평균제곱오차, 1 epoch 당 학습 소요 시간의 결과가 가장 우수한 결과를 나타내었다. 그리고 Test Metric의 정확도 평가는 배치 사이즈 8을 적용한 모델링이 가장 우수한 결과를 나타내었으며, 정밀도 평가는 모든 배치 사이즈에서 우수한 결과를 나타내었다. 재현율 평가는 배치 사이즈 16을 적용한 모델링이 가장 우수한 결과를 나타내었으며, F1-score는 배치 사이즈 16을 적용한 모델링이 가장 우수한 결과를 나타내었다. 그리고 AUC score 평가는 모든 배치 사이즈의 결과가 동일하였다. 이러한 결과를 바탕으로 배치 사이즈 32를 적용한 딥러닝 모델링이 높은 정확도, 안정적인 인공신경망 학습 및 우수한 신속성의 결과를 나타내었다. 향후 딥러닝을 이용한 흉부 X선 영상의 폐렴에 대한 특징 추출 및 분류에 관하여 자동진단 연구 시 배치 사이즈를 32로 적용한다면 정확하면서도 신속한 병변 검출이 가능할 것이라고 사료된다.

• 한국콘텐츠학회논문지
• /
• 제15권7호
• /
• pp.500-510
• /
• 2015

본 연구에서는 체면민감성이 명품브랜드의 로고 사이즈 선택에 미치는 영향에 대해 살펴보았다. 이 연구를 수행하기 위해, 루이비통과 가격이 좀 더 저렴한 코론을 명품 브랜드로 선정하였고, 각 브랜드마다, 형태, 색상, 크기 등 외관상 구별이 되지 않는 제품에 세 가지 유형의 로고를 설계하였다. 첫 번째 종류의 제품에는 로고가 없으며, 두 번째 종류의 제품에는 사이즈가 작은 로고를, 세 번째 종류의 제품에는 사이즈가 큰 로고를 부착하였다. 본 실험에 총 115명이 참여하였으며, 참가자들은 20대로 구성되었다. 연구의 주요 결과로 루이비통의 경우 창피의식성 체면과 타인의식성 체면이 브랜드 상표 사이즈 선택에 영향을 주었으며, 코론의 경우도 창피의식성 체면과 타인의식성 체면이 브랜드 사이즈 선택에 영향을 미치는 것으로 나타났다. 더불어 남 녀 간 체면민감성 차이는 없었고, 루이비통의 로고사이즈 선택에서 유의한 차이가 있었다.