• 한국항행학회논문지
• /
• 제28권1호
• /
• pp.129-135
• /
• 2024

본 연구에서는 고속 반도체 패키지 및 PCB 내 노이즈 저감에 활용되는 비주기 전자기 밴드갭 기반 전원분배망에 대한 해석 방안을 제안한다. 비주기 전자기 밴드갭은 고속 반도체 시스템 성능 저하의 주요 원인 중 하나인 고주파·광대역 전원 노이즈를 효율적으로 감쇠할 수 있는 방안이지만 해석 시간 증대로 인해서 노이즈 감쇠 특성을 예측하는 데 어려움이 있다. 제안하는 해석적 방법에서는 전자기 밴드갭 단위셀 결합 구조에 대한 임피던스 파라미터를 도출하며 국소 배치된 전자기 밴드갭 구조를 포함하는 전원분배망의 전체 임피던스 파라미터를 도출한다. 국소배치된 전자기 밴드갭 구조의 임피던스 파라미터와 기존 전원분배망 구조의 임피던스를 효율적으로 등가치환할 수 있는 수식적인 방안을 제시한다. 제안하는 해석적 방법을 검증하기 위해서 전자기 밴드갭 구조가 국소배치된 PCB 테스트 샘플을 제작했다. 이 구조에 대한 3차원 전자장 시뮬레이션 결과, 측정결과, 제안 방안 결과를 비교한 결과 제안하는 해석적 방안은 높은 정확도를 보여줬으며 기존 3차원 전자장 시뮬레이션 기반 해석 방법 대비 99.7 % 해석 시간 단축을 달성했다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• 한국소음진동공학회논문집
• /
• 제22권8호
• /
• pp.720-728
• /
• 2012

It is important for identification of noise and vibration problem of tire to consider influence of interaction between road and tire. A quantification of road noise is a challenging issue in vehicle NVH due to extremely complicated transfer paths of road noise as well as the difficulty in an experimental identification of input force from tire-road interaction. A noise caused by tire is divided into road noise(structure-borne noise) and pattern noise(air-borne noise). Pattern noise is caused by pattern shape of tire, which has larger than 500 Hz, but road noise is generated by the interactions between a tire and a vehicle body. In this paper, we define the quantitative analysis for road noise caused by interactions between tire and road parameters. For the identification of road noise, the chassis dynamometer that is equipped $10mm{\times}10mm $ square cleat in the semi-anechoic chamber is used, and the tire spindle forces are measured by load cell. The vibro-acoustic transfer function between ear position and wheel center was measured by the vibro-acoustic reciprocity method. In this study three tires with different type of mechanical are used for the experiment work.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.569-572
• /
• 2022

본 논문에서는 공기 메쉬(Air meshes)를 이용하여 고체의 충돌을 효율적으로 처리할 수 있는 새로운 방법을 제시한다. 기존의 프리미티브 단위의 충돌 처리는 시뮬레이션의 안정성을 높이기 위해 시간 간격(Time-step), 3차 방정식과 같은 큰 계산 과정을 필요로 했으며, 장면 복잡도에 따라 DCD(Discrete collision detection)뿐만 아니라 CCD(Continuous collision detection)까지 고려해야 되는 상황이 빈번히 발생한다. 본 논문에서는 이전에 제안된 공기 메쉬 기법을 통해 충돌처리를 효율적으로 개선시킬 수 있는 방법에 대해서 제안한다. 원본 공기 메쉬 접근법은 시뮬레이션 메쉬가 아닌, 주변 공기를 메쉬화시키고 이들의 변형을 부피로 근사하여 충돌 여부 및 처리를 인지하고 예측했다. 공기 메쉬를 정제하는 과정에서 수치적인 수렴을 위해 정삼각형을 유지하려는 제약사항을 두었다. 하지만, 이러한 방법은 장면에 따라 노이즈한 결과를 나타내며, 헤어나 털 시뮬레이션과 같은 라인 형태인 시뮬레이션에서는 경계 문제가 더욱더 민감하게 나타났다. 본 논문에서는 공기 메쉬를 정제하는 과정에서 새로운 제약 조건을 추가하여 노이즈가 완화된 충돌처리 결과를 보여준다. 우리의 헤어뿐만 아니라 대부분의 장면에서 안정적인 결과를 보여준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 추계학술대회
• /
• pp.242-243
• /
• 2010

최근 3D 콘텐츠의 관심 증가는 Display 장치, 모바일 기기 등의 하드웨어적인 발전을 가져왔고, 이에 따른 입체 콘텐츠의 필요성이 대두되고 있다. 또한 단순히 영상을 비 실시간으로 처리하여 입체로 변환하는 것 외에, 방송이나 모니터 자체에서의 입체변환에 대한 기술은 3D콘텐츠 산업에서 또 다른 이슈로 부각되고 있다. 본 논문에서는 깊이 필터와 움직임 예측을 이용한 깊이맵 생성 기법을 제안한다. 영상에서 Y 버퍼를 추출하고, 이에 깊이 필터를 적용시킨 후 블록단위 움직임 예측을 적용한다. 이렇게 구해진 움직임 벡터에 노이즈 제거 등을 통하여 물체의 영역을 추출한 후, 최종적으로 깊이맵을 생성한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 하계학술대회
• /
• pp.233-236
• /
• 2017

본 논문에서는 바둑판을 촬영한 정지 영상에서 격자무늬의 특징을 이용하여 바둑판의 최외각 네 점을 검출하는 방법을 제시한다. 바둑판은 수평 및 수직 방향으로 각각 19 개의 선이 격자무늬를 이룬다. 영상에는 일반적으로 노이즈가 포함되어 있기 때문에 허프(Hough) 변환의 임계값(threshold)을 이용한 선 패턴 추출 방식으로는 모든 선에 대한 정보를 얻을 수 없다. 따라서, 제안하는 알고리즘은 허프(Hough) 변환을 수행한 뒤에 추출된 선들이 이루는 교차점의 정보를 이용하여 바둑판의 최외각 네 점을 예측한다. 실험 결과는 실제 바둑판의 최외각 네 점과 비교하여 예측된 최외각 네 점의 에러 값을 제시한다. 이는 제안된 알고리즘이 바둑판의 최외각 네 점을 성공적으로 검출한다는 것을 입증한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2005년도 전력전자학술대회 논문집
• /
• pp.224-226
• /
• 2005

본 논문에서는 새로운 회전자 위치 오차 예측 알고리즘(RPEPA)를 이용한 BLDC 전동기의 센서리스 제어 방법을 제안한다. 회전자 위치 정보는 3상 단자 전압으로부터 간접적인 Back-EMF 검출에 의해 추정되고, 저역통과 필터는 스위칭 노이즈 제거를 위해 사용된다. 제안한 방법은 저속 영역에서 기존 방법들 보다 향상된 성능을 갖고 있다. 필터에 의해 발생되는 위상 오차는 새로운 RPEPA에 의해 실시간 보상되어 정확한 전환시점을 결정한다. RPEPA를 이용한 센서리스 방법은 넓은 속도범위와 전동기의 효율을 개선시킨다. 제안한 방법은 실험을 통하여 타당성과 효율성을 검증한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2995-2997
• /
• 2000

원자력발전소의 열출력 계산 결과에 가장 큰 영향을 미치는 변수는 주급수 유량이며, 측정방식상의 특성(Venturi Fouling)으로 인해 계산시 과다하게 반영될 소지가 있다 본 연구에서는 이 측정 오차를 최소화하기 위하여 뉴로-퍼지 논리를 이용하여 주급수 유량을 예측한 후 그 결과를 통해 열출력을 재평가하고자 하였다. 즉, 뉴로-퍼지로의 입력 변수(증기발생기 압력 및 수위. 터빈 충동실 압력)들은 모의훈련으로 출력을 상승시키면서 취득한 후 Wavelet Denoising 기법을 이용하여 노이즈를 제거시키고. 뉴로-퍼지 추론 계통의 파라메타들을 최적화시키기 위하여 유전적 알고리듬 및 최소자승법에 의한 Hybrid Learning Rule을 이용하여 학습시켰다. 시뮬레이션을 수행한 결과, 주급수 유량이 양호하게 예측되어, 이 결과를 토대로 열출력을 평가하는데 본 알고리듬의 적용이 성공적임을 입증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.419-422
• /
• 2024

최근 인공지능 기술의 발전과 함께 기계학습과 빅데이터를 융합한 서비스가 증가하게 되었고, 무분별한 데이터 수집과 학습으로 인한 개인정보 유출 위험도가 커졌다. 따라서 프라이버시를 보호하면서 기계학습을 수행할 수 있는 기술이 중요해졌다. 동형암호 기술은 정보 주체자의 개인정보 기밀성을 유지하면서 기계학습을 할 수 있는 방법 중 하나이다. 그러나 평문 크기에 비례하여 암호문 크기와 연산 결과의 노이즈가 커지는 동형암호의 특징으로 인해 기계학습 모델의 예측 정확도가 감소하고 학습 시간이 오래 소요되는 문제가 발생한다. 본 논문에서는 부분 동형암호화된 데이터셋으로 로지스틱 회귀 모델을 학습할 수 있는 기법을 제안한다. 실험 결과에 따르면 제안하는 기법이 종래 기법보다 예측 정확도를 59.4% 향상시킬 수 있었고, 학습 소요 시간을 63.6% 개선할 수 있었다.

• 응용통계연구
• /
• 제23권2호
• /
• pp.295-304
• /
• 2010

산업체 공정과정에서 타겟품질변수의 실시간 예측과 관리는 품질제고, 수익율 향상에 중요한 관건이 된다. 본 연구는 내지문강판의 코팅두께를 비파괴적이고 신속한 방법으로 예측하여 균일한 품질의 강판을 생산하기 위해 UV스펙트럼데이터를 이용한 최적예측모델을 개발하고자 한다. 부분최소자승법에서 변수중요도척도를 이용한 변수선택방법은 노이즈성 영역의 독립변수를 줄임으로써 예측정확도는 높일 수 있으며, 스펙트럼데이터의 경우 원데이터보다 적절한 데이터전처리가 예측정확도를 높이는 정보를 제공하기도 한다. 본 연구에서는 부분최소자승법 예측모텔에서 변수선택방법과 데이터전처리효과가 내지문강판 코팅두께 예측정확도 향상에 기여하는 결과를 제공하고, 스펙트럼 데이터를 이용한 품질변수 예측모델 개발 시 적용할 수 있는 일반적인 변수선택방법과정을 제안한다.