• 융합보안논문지
• /
• 제23권5호
• /
• pp.135-142
• /
• 2023

생활 폐기물 쓰레기는 기후 변화, 자원 부족, 환경 오염을 불러오는 대표적인 문제로서, 이러한 문제를 해결하기 위해 지능적으로 쓰레기를 분류하는 방식을 연구하였고, 전통적인 분류 알고리즘부터 기계학습, 신경망에 이르기까지 많은 연구가 진행되고 있다. 그러나, 다양한 환경과 조건에서 쓰레기를 분류하기에는 여전히 데이터셋이 부족하고, 신경망 네트워크 구성 복잡도가 증가하며, 성능 측면에서도 실생활에 적용하기에 아직 미흡하다. 따라서 본 논문에서는 신속한 분류와 정확도 향상을 위해 i-YOLOX를 제안하고, 네트워크 매개변수, 검출속도, 정확도 등을 평가한다. 이를 위해 17개의 폐기물 범주를 포함하는 10,000개의 가정용 쓰레기 대상 샘플로 데이터 세트를 구성하고, YOLOX 구조에 Involution 채널 컨볼루션 연산자와 CBAM(Convolution Branch Attention Module)을 도입하여 i-YOLOX를 구성하고, 기존의 YOLO 구조와 성능을 비교한다. 실험 결과 복잡한 장면에서 쓰레기 객체 검출 속도와 정확도가 기존의 신경망에 비해 향상되어, 제안한 i-YOLOX 구조가 생활 폐기물 다중 객체 검출과 분류에 효과적임을 확인하였다.

• 대한조선학회논문집
• /
• 제32권3호
• /
• pp.62-71
• /
• 1995

비압축성 가정하에 Navier-Stokes 방정식을 이용하여 비정상 점성유동을 수치해석하기 위해서는 매시간 단계에서 타원형 압력 Poisson 방정식의 해를 구해야 하며, 이에 많은 계산시간이 소요된다. 본 논문에서는 직접법을 이용하여 압력 Poisson 방정식을 수치해석하였으며, 분할수 증가에 따른 소요시간 문제를 다루었다. Green 정리를 압력 Poisson 방정식에 적용하면 주어진 문제는 경계치문제로 변환되고, convolution 형의 영역적분은 F.F.T.를 이용하여 계산시간을 단축할 수 있어, 직접법 이용시 소요시간은 경계치문제의 해를 구하는 데에 좌우된다. 직접법의 검증을 위하여 해석해를 알고 있는 경우에 대하여 수치해석하였고, 물체경계조건과 정합문제에 관하여 수치해석 하였는데. 분할수가 (n.n) 시 O($n^{3}$) 미만의 계산시간으로 수치해석할 수 있었다.

• Structural Engineering and Mechanics
• /
• 제62권3호
• /
• pp.365-372
• /
• 2017

Reliability analysis is a probabilistic approach to determine a safety level of a system. Reliability is defined as a probability of a system (or a structure, in structural engineering) to functionally perform under given conditions. In the 1960s, Basler defined the reliability index as a measure to elucidate the safety level of the system, which until today is a commonly used parameter. However, the reliability index has been formulated based on the pivotal assumption which assumed that the considered limit state function is normally distributed. Nevertheless, it is not guaranteed that the limit state function of systems follow as normal distributions; therefore, there is a need to define a new reliability index for no-normal distributions. The main contribution of this paper is to define a sophisticated reliability index for limit state functions which their distributions are non-normal. To do so, the new definition of reliability index is introduced for non-normal limit state functions according to the probability functions which are calculated based on the convolution theory. Eventually, as the state of the art, this paper introduces a simplified method to calculate the reliability index for non-normal distributions. The simplified method is developed to generate non-normal limit state in terms of normal distributions using series of Gaussian functions.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2003년도 추계종합학술대회 논문집
• /
• pp.303-307
• /
• 2003

본 논문에서는 고속 데이터 전송을 위한 UWB 시스템에 BPSK(Binary Phase Shift Keying)와 QPSK(Quadrature Phase Shift Keying)의 변조방식을 적용하고 고속 전송으로 발생 할 수 있는 높은 에러율을 감소시키기 위해 부호율(code rate)이 1/2 이고 구속장(constraint length)이 K=7인 convolution code를 적용하였다. 그리고 다중사용자의 접속으로 인하여 발생 할 수 있는 다중사용자 간섭을 고려하여 Time-hopping sequence를 적용하였으며, 수신단에서 viterbi decodig 알고리즘을 사용하여 수신된 신호를 복호함으로서 AWGN(Additive White Gaussian Noise) channel 환경에서의 UWB 통신시스템의 성능변화를 분석하였다.

• 전산구조공학
• /
• 제7권4호
• /
• pp.85-101
• /
• 1994

적층판의 동적거동에 대한 유한요소해석모델개발을 목적으로 전단변형을 적합하게 고려한 적층판이론에 대한 변분원리를 유도하였다. 유도방법은 Sandhu 등에 의해 개발된 다변수 경계치문제의 변분원리이론을 따랐으며, 지배방정식의 미분연산자 매트릭스를 self-adjoint로 만들기 위하여 convolution을 이중선형사상으로 사용하였다. 유도된 적층판의 범함수에는 경계조건, 초기조건뿐만 아니라 유한요소해석모델에서 생길 수 있는 요소간 불연속조건도 포함시킬 수 있다. 상태변수의 적합함수공간을 확장하거나 특정조건을 적용하므로서 다양한 형태의 범함수를 유도할 수 있으며, 이를 통해 다양한 유한요소해석모델의 개발이 가능함을 논하였다.

• 한국전기전자재료학회논문지
• /
• 제33권3호
• /
• pp.239-244
• /
• 2020

This study examines the feasibility of the image deep learning method using convolution neural networks (CNNs) to maintain a porcelain insulator. Data augmentation is performed to prevent over-fitting, and the classification performance is evaluated by training the age, material, region, and pollution level of the insulator using image data in which the background and labelling are removed. Based on the results, it was difficult to predict the age, but it was possible to classify 76% of the materials, 60% of the pollution level, and more than 90% of the regions. From the results of this study, we identified the potential and limitations of the CNN classification for the four groups currently classified. However, it was possible to detect discoloration of the porcelain insulator resulting from physical, chemical, and climatic factors. Based on this, it will be possible to estimate the corrosion of the cap and discoloration of the porcelain caused by environmental deterioration, abnormal voltage, and lightning.

• 한국정보통신학회논문지
• /
• 제11권1호
• /
• pp.40-45
• /
• 2007

본 논문에서는 무선공중망을 이용하여 재택 혹은 원거리에서도 환자의 상태를 확인하고 감시함으로써 의료서비스의 이동성을 제공하기 위한 의료정보 무선전송 시스템을 제안하고, 시뮬레이션 하였다. 제안한 방법은 응급상황 발생시 의료정보를 디지털 데이터로 변환하여 PDA와 같은 이동형 단말에 전송함으로써 신속한 응급처치 등이 가능토록 한다. 시뮬레이션은 이동 무선채널환경에서 신뢰성 있는 의료정보의 전송을 위하여 IEEE 802.11a에 근거한 OFDM 전송방식을 사용하였고, AWGN과 3-ray 이동 다중경로 페이딩 환경에서 신뢰성 있는 정보전송을 위하여 콘볼루션 코딩을 적용하여 시스템 성능을 분석하였다.

• Korean Journal of Mathematics
• /
• 제27권1호
• /
• pp.221-267
• /
• 2019

In the five first sections of this paper we define and study the hypergeometric transmutation operators $V^W_k$ and $^tV^W_k$ called also the trigonometric Dunkl intertwining operator and its dual corresponding to the Heckman-Opdam's theory on ${\mathbb{R}}^d$. By using these operators we define the hypergeometric translation operator ${\mathcal{T}}^W_x$, $x{\in}{\mathbb{R}}^d$, and its dual $^t{\mathcal{T}}^W_x$, $x{\in}{\mathbb{R}}^d$, we express them in terms of the hypergeometric Fourier transform ${\mathcal{H}}^W$, we give their properties and we deduce simple proofs of the Plancherel formula and the Plancherel theorem for the transform ${\mathcal{H}}^W$. We study also the hypergeometric convolution product on W-invariant $L^p_{\mathcal{A}k}$-spaces, and we obtain some interesting results. In the sixth section we consider a some root system of type $BC_d$ (see [17]) of whom the corresponding hypergeometric translation operator is a positive integral operator. By using this positivity we improve the results of the previous sections and we prove others more general results.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1778-1797
• /
• 2021

Document image binarization is an important pre-processing step in document analysis and archiving. The state-of-the-art models for document image binarization are variants of encoder-decoder architectures, such as FCN (fully convolutional network) and U-Net. Despite their success, they still suffer from three limitations: (1) reduced feature map resolution due to consecutive strided pooling or convolutions, (2) multiple scales of target objects, and (3) reduced localization accuracy due to the built-in invariance of deep convolutional neural networks (DCNNs). To overcome these three challenges, we propose an improved semantic segmentation model, referred to as DP-LinkNet, which adopts the D-LinkNet architecture as its backbone, with the proposed hybrid dilated convolution (HDC) and spatial pyramid pooling (SPP) modules between the encoder and the decoder. Extensive experiments are conducted on recent document image binarization competition (DIBCO) and handwritten document image binarization competition (H-DIBCO) benchmark datasets. Results show that our proposed DP-LinkNet outperforms other state-of-the-art techniques by a large margin. Our implementation and the pre-trained models are available at https://github.com/beargolden/DP-LinkNet.

• 소성∙가공
• /
• 제31권4호
• /
• pp.229-239
• /
• 2022

Convolution Neural Network(CNN) is a class of deep learning algorithms and can be used for image analysis. In particular, it has excellent performance in finding the pattern of images. Therefore, CNN is commonly applied for recognizing, learning and classifying images. In this study, the surface defect classification performance of Al 6061 extruded material using CNN-based algorithms were compared and evaluated. First, the data collection criteria were suggested and a total of 2,024 datasets were prepared. And they were randomly classified into 1,417 learning data and 607 evaluation data. After that, the size and quality of the training data set were improved using data augmentation techniques to increase the performance of deep learning. The CNN-based algorithms used in this study were VGGNet-16, VGGNet-19, ResNet-50 and DenseNet-121. The evaluation of the defect classification performance was made by comparing the accuracy, loss, and learning speed using verification data. The DenseNet-121 algorithm showed better performance than other algorithms with an accuracy of 99.13% and a loss value of 0.037. This was due to the structural characteristics of the DenseNet model, and the information loss was reduced by acquiring information from all previous layers for image identification in this algorithm. Based on the above results, the possibility of machine vision application of CNN-based model for the surface defect classification of Al extruded materials was also discussed.