• 동력기계공학회지
• /
• 제15권1호
• /
• pp.11-17
• /
• 2011

본 연구는 라디칼 착화(Radical Ignition이하 RI) 기술을 적용한 부실직분식 CNG(Compressed Natural Gas) 엔진의 구동특성에 관한 것이다. 실험엔진은 단기통 디젤엔진을 개조하여 사용하였으며, 이는 부실식 디젤엔진처럼 연소실이 주실과 부실로 나누어져 있다. 부실에 분사된 CNG는 스파크플러그로 점화하며, 부실로 부터의 연소가스가 주실 희박 혼합기를 시켜 구동하는 엔진이다. RI 기술은 연소속도를 향상시킬 수 있다. 본 연구는 주로 저부하 RI-CNG 엔진의 성능을 연구하였다. 연료분사기간은 9 ms, 공기과잉률은 1.0, 1.2, 1.4로 하였다. 연료분사시기는 엔진의 배가밸브가 닫히는 ATDC $20^{\circ}CA$ 부터 $120^{\circ}CA$ 사이로, $20^{\circ}CA$ 간격으로 지각시켜 가며 실험하였다. 본 연구는 연료분사시기 및 공기과잉률이 연소최고압력 ($P_{max}$), 연소최고압력시기(${\Theta}_{pmax}$), 도시평균유효압력(IMEP), 사이클 변동계수($COV_{imep}$), 연소속도에 미치는 양향 등을 구하고 분석하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권4호
• /
• pp.19-26
• /
• 2022

최근 지능형 교통 체계의 발전에 따라 자동차 번호판 인식 시스템이 다양한 분야에서 활용되고 있다. 주행 중인 자동차의 번호판을 인식하기 위해서는 실시간성이 보장되어야 하며, 영상이 왜곡되어 뚜렷하지 않거나 번호판의 크기가 작은 저해상도 영상에서도 높은 인식률이 유지되어야 한다. 본 논문에서는 자유 앵커 방식 기반의 객체 탐지 알고리즘과 합성곱 신경망(CNN) 기반의 문자 인식 알고리즘을 이용하여 처리 속도를 향상한 실시간 자동차 번호판 인식 시스템을 제안한다. 더불어 공간 변형 네트워크를 이용하여 저해상도 및 왜곡된 영상에서의 인식률을 높였다. 제안하는 시스템의 인식률은 93.769%, 이미지 당 처리 속도는 약 0.006초로 기존 자동차 번호판 인식 시스템보다 빠른 속도로 자동차 번호판을 인식하며, 다양한 환경 및 품질의 영상에 대해 높은 인식률을 유지하는 것을 확인할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권9호
• /
• pp.683-690
• /
• 2009

은닉 마코프 모델(Hidden Markov Model: HMM)에 기반을 둔 온라인 한자 인식에서 클래스의 수가 대용량일 경우에는 인식에 걸리는 시간 증가가 좋은 인식 시스템을 구현하는데 있어서의 걸림돌이 된다. 본 논문에서는 이러한 인식 속도 문제를 해결하고자 HMM을 클러스터링하여 인식 속도를 개선하는 방법과 이에 적합한 효율적인 HMM 간의 거리계산법을 제안한다. 유니코드 한 중 일 통합한자로 정의된 총 20,902개의 한자에 대한 온라인 한자 인식 시스템을 구축하는 실험에서 약 2배 정도로 인식속도가 향상됨을 확인할 수 있었고 클러스터링을 하지 않았을 때보다 0.9%의 인식률만 하락한 95.37%의 10순위 인식률을 달성했다.

• 한국컴퓨터정보학회논문지
• /
• 제7권4호
• /
• pp.204-210
• /
• 2002

자기조직화 지도(self-organizing feature map)는 학습시 수렴하기 위하여 많은 입력패턴을 필요로 하는 단점이 있다. 본 논문에서는 자기조직화 지도 학습시 학습률이 일정한 이웃 상호작용 집합을 동적 가우시안 함수로 변환하여 수렴속도와 수렴도를 개선할 수 있는 방법을 제안한다. 제안한 방법은 이웃 상호작용 함수로 사용된 가우시안 함수의 편차와 폭을 학습 회수에 따라 감소하는 동적 성질과 승자 뉴런으로부터의 위상학적 위치에 따라 각기 다른 학습률을 갖도록 하였다. 따라서 본 논문에서는 자기조직화 지도의 수렴속도와 수렴도를 향상시켰다.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1337-1342
• /
• 2019

자동 한국 번호판 인식 (AKLPR)은 많은 분야에서 사용된다. 이러한 응용 분야에서 ALPR은 높은 인식률과 빠른 처리 속도가 중요하다. 최근 딥러닝의 발전으로 객체 감지 및 인식의 정확도와 속도가 향상 되고 있으며, 그 결과 딥러닝이 ALPR에 적용되고 있다. 특히 합성곱신경망(Convolutional Neural Network) 기반 객체 검출기가 ALPR에 적용되었다. 이러한 ALPR은 LP 영역을 검출하는 단계와 LP 영역의 문자를 검출 및 인식하는 단계로 구분되며, 각 단계는 별도의 CNN으로 구현된다. 본 논문에서는 단일 단계 CNN으로 ALPR을 구현하는 아키텍처를 제안한다. 제안하는 방법은 높은 인식률을 유지하면서 빠른 속도로 번호판 문자를 인식한다.

• 한국전자통신학회논문지
• /
• 제18권5호
• /
• pp.965-970
• /
• 2023

윈드프로파일러와 윈드라이다는 대기경계층에서 시공간 고해상도 바람의 연직분포를 산출한다. 윈드라이다는 DBS(Doppler Beam Swinging)와 VAD(Velocity Azimuth Display) 방법으로 바람 벡터를 산출한다. DBS 방법은 빠른 스캔 시간으로 바람 프로파일을 획득할 수 있다는 장점이 있다. 반면에 연직 빔을 포함한 최소한 두 빔이 필요한 제약이 있어서 자료 수집률 저하의 원인이 된다. 일반적으로 다섯 빔을 사용하는 윈드프로파일러의 자료 수집률을 향상하기 위해 VAD 방식을 개선하였다. 먼저 DBS 방식의 시선속도 자료로 Fourier series를 산출하였다. 방위각 간격을 결정하여 Fourier series로 계산한 시선속도를 VAD 방식에 적용하여 고도별 바람을 산출하였다. DBS 방식으로 바람을 산출하지 못한 고도에서도 바람 벡터를 산출하였고, 두 방식의 결과가 일치하였다.

• 한국음향학회지
• /
• 제21권5호
• /
• pp.430-437
• /
• 2002

다층신경망 (MLP: multilayer perceptron)은 다른 패턴인식 방법에 비해 여러 가지 훌륭한 특성을 가지고 있어 음성인식 및 화자인식 영역에서 폭넓게 사용되고 있다. 그러나 다층신경망의 학습에 일반적으로 사용되는 오류역전파 (EBP: error backpropagation) 알고리즘은 학습시간이 비교적 오래 걸린다는 단점이 있으며, 이는 화자인식이나 화자적응과 같이 실시간 처리를 요구하는 응용에서 상당한 제약으로 작용한다. 패턴인식에 사용되는 학습데이터는 풍부한 중복특성을 내포하고 있으므로 패턴마다 다층신경망의 내부변수를 갱신하는 온라인 계열의 학습방식이 속도의 향상에 상당한 효과가 있다. 일반적인 온라인 오류역전파 알고리즘에서는 가중치 갱신 시 고정된 학습률을 적용한다. 고정 학습률을 적절히 선택함으로써 패턴인식 응용에서 상당한 속도개선을 얻을 수 있지만, 학습률이 고정된 상태에서는 학습이 진행됨에 따라 학습에 기여하는 패턴영역이 달라지는 현상에 효과적으로 대응하지 못하는 문제가 있다. 이 문제에 대해 본 논문에서는 패턴의 기여도에 따라 가변 하는 학습률과 학습에 기여하는 패턴만을 학습에 반영하는 패턴별 가변 학습률 및 학습생략 (COIL: Changing rate and Omitting patterns in Instant Learning)방법을 제안한다. 제안한 COIL의 성능을 입증하기 위해 화자증명과 음성인식을 실험하고 그 결과를 제시한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (1)
• /
• pp.391-393
• /
• 2005

최근 유비쿼터스 네트워크 환경을 구축하기 위해 많은 무선 통신 기술들이 등장하였다. 그 중 무선랜 기술은 쉬운 설치와 저렴한 비용 덕에 폭발적인 보급이 이루어 겼다. IEEE 802.11 표준을 기반으로 만들어진 무선랜은 여러 개의 전송속도를 지원한다. 대표적으로 802.11b는 1, 2, 5.5, 11MbPs의 4가지 전송속도를 지원한다. 낮은 전송속도로 전송을 하면 패킷 전송시간은 증가하지만 비트 에러율은 감소된다. 각각의 전송속도에 따라 다른 패킷 전송 성공률을 갖게 된다. 한 무선랜 AP에 연결된 노드들은 각자 자신의 처리율을 최대화할 수 있는 전송속도를 결정하여 사용하게 된다. 이러한 상황은 전체 시스템 성능에는 문제를 발생시킬 수 있다. 본 논문에서는 각자의 전송속도를 각자가 결정하는 것이 전체 시스템 성능에 문제를 발생시키는 경우를 보이고, 그것을 해결하기 위해 AP가 각 노드의 전송속도를 결정하는 기법을 제안한다. 나아가 무선랜에서의 문제점인 Performance Anomaly 현상을 해결하고, [3]에서 언급된 Inefficient Equilibria 현상도 막아본다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 추계학술발표대회 및 정기총회
• /
• pp.1125-1128
• /
• 2005

최근 유비쿼터스 네트워크 환경을 구축하기 위해 많은 무선 통신 기술들이 등장하였다. 그 중 무선랜 기술은 쉬운 설치와 저렴한 비용 덕에 폭발적인 보급이 이루어 졌다. IEEE 802.11 표준을 기반으로 만들어진 무선랜은 여러 개의 전송속도를 지원한다. 대표적으로 802.11b 는 1, 2, 5.5, 11Mbps 의 4 가지 전송속도를 지원한다. 낮은 전송속도로 전송을 하면 패킷 전송시간은 증가하지만 비트 에러율은 감소된다. 각각의 전송속도에 따라 다른 패킷 전송 성공률을 갖게 된다. 한 무선랜 AP 에 연결된 노드들은 각자 자신의 처리율을 최대화할 수 있는 전송속도를 결정하여 사용하게 된다. 이러한 상황은 전체 시스템 성능에는 문제를 발생시킬 수 있다. 본 논문에서는 각자의 전송속도를 각자가 결정하는 것이 전체 시스템 성능에 문제를 발생시키는 경우를 보이고, 그것을 해결하기 위해 AP 가 각 노드의 전송속도 및 전송시간을 결정하는 기법을 제안한다. 나아가 무선랜에서의 문제점인 Performance Anomaly 현상을 해결하고, [3]에서 언급된 Inefficient Equilibria 현상도 막아본다.

• 전자공학회논문지S
• /
• 제35S권11호
• /
• pp.176-183
• /
• 1998

본 논문에서는 근전신호를 효과적으로 인식하기 위해 신경회로망에 유전알고리즘을 결합하여 근전신호를 인식하는 기법을 제안한다. 본 기법은 신경회로망이 내재한 단점들을 개선하여 근전신호의 인식률을 높이고 안정적인 인식을 행하는 것을 목표로 한다. 제안된 기법에서 유전알고리즘은 전역적인 탐색으로 신경회로망의 최적의 초기 연결강도를 선택하는데, 이로 인하여 학습속도 및 인식률이 향상하게 된다. 그리고 절대 적분치, 영교차수등의 특징벡터 이외에 히든 마르코프 모델로 전처리를 하여 시간적으로 변하는 근전신호의 특성을 입력패턴에 반영하였다. 6가지의 기본운동을 대상으로 행한 실험결과, 제안된 인식기법은 기존의 일반적인 신경회로망의 학습규칙을 이용하여 인식했을 때보다 학습속도와 인식률이 향상되었고, 국부최소점으로 수렴하는 경우가 없어 실험에 실패하지 않고 안정적으로 근전신호의 패턴을 인식하였다.