• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2005년도 추계학술대회 논문집 Vol.18
• /
• pp.210-211
• /
• 2005

[ $(K_{0.5}Na_{0.5})NbO_3$ ](KNN) 세라믹스의 소결 특성과 압전 특성을 높이기 위해 B-site에 Sb를 치환하여 Sb함량에 따른 특성을 측정 하였다. Sb 의 함량을 0mol $\sim$ 0.1mol 까지 첨가한 결과 소결 밀도는 Sb의 첨가량이 많아질수록 증가하다 Sb-0.08mol에서 4.40g/$cm^3$으로 가장 높은 밀도를 가졌으며, 여기서의 전기기계 결합 계수가(Kp) 0.45로 높은 값을 나타내었다. 상전 이 온도는 375$^{\circ}C$로 순수한 KNN 의 420$^{\circ}C$ 보다 약 45$^{\circ}C$정도 떨어졌으나 orthorhombic에 서 tetragonal 로 바뀌는 전이 온도는 KNN이 220$^{\circ}C$, KNNS 가 225$^{\circ}C$로 크게 변하지 않았다.

• 대한교통학회지
• /
• 제32권5호
• /
• pp.441-451
• /
• 2014

본 연구는 도로 기상정보 시스템(RWIS : Road Weather Information System)에서 수집되는 시정거리와 차량검지기(VDS : Vehicle Detection System)에서 수집되는 속도 자료를 이용하여 교통류 안전성을 판단하였다. 교통류의 안전성 측면에서 시정거리(VD : Visibility Distance)가 정지시거(SSD : Stopping Sight Distance)보다 길어야 이벤트 발생 시 안전하게 정지하거나 위험한 상황을 회피할 수 있다. 운전자에게 사고예방을 위한 능동적 대응이 가능하도록 하는 가치있는 정보를 제공하기 위해 최근접이웃 예측기법(KNN : K-Nearest Neighbors Method)을 활용하였다. 또한, 교통류 안전성에 대한 운전자의 이해도 증진 및 객관성을 위하여 안전성 지표(LOHSI : Level of Hazardous Spacing Index)를 제시하였다. 본 연구결과는 교통류의 안전성 향상을 위한 효율적인 교통운영을 지원 할 수 있을 것이다.

• 정보처리학회논문지B
• /
• 제18B권4호
• /
• pp.213-220
• /
• 2011

본 논문은 조기 화재 경보 시스템에서 예측하지 못한 위험요소들의 이벤트에 즉각 응답하는 비디오 기반의 효과적인 4단계 연기 감지 방법을 제안한다. 첫 번째 단계에서는 근사 미디언(approximate median) 방법을 사용하여 비디오의 현재 프레임에서 움직이는 영역들을 분리한다. 두 번째 단계에서는 연기의 칼라 기반 분리 기법을 사용하여 이러한 움직이는 영역들로부터 후보 연기 영역을 선택한다. 세 번째 단계에서는 특징추출 알고리즘을 사용하여 연기의 움직임이나 지역 불규칙성과 같은 후보 연기 영역들의 특징을 분석하여 연기의 다섯 가지 특징 파라미터를 추출한다. 네 번째 단계에서는 추출된 다섯 가지 특징 파라미터를 K-nearest neighbor (KNN) 알고리즘의 입력으로 사용하여 후보 연기 영역이 연기인지 아닌지를 구분한다. 모의실험 결과, 제안하는 4 단계 연기 감지 방법은 기존의 연기 감지 알고리즘들과 비교하여 연기감지의 정확도에서 우수한 성능을 보였고, 또한 오픈된 넓은 공간에서도 높은 신뢰성과 낮은 오류 경보율을 보였다.

• 반도체디스플레이기술학회지
• /
• 제21권4호
• /
• pp.65-70
• /
• 2022

In manufacturing and semiconductor industries, transfer robots increase productivity through accurate and continuous work. Due to the nature of the semiconductor process, there are environments where humans cannot intervene to maintain internal temperature and humidity in a clean room. So, transport robots take responsibility over humans. In such an environment where the manpower of the process is cutting down, the lack of maintenance and management technology of the machine may adversely affect the production, and that's why it is necessary to develop a technology for the machine failure diagnosis system. Therefore, this paper tries to identify various causes of failure of transport robots that are widely used in semiconductor automation, and the Prognostics and Health Management (PHM) method is considered for determining and predicting the process of failures. The robot mainly fails in the driving unit due to long-term repetitive motion, and the core components of the driving unit are motors and gear reducer. A simulation drive unit was manufactured and tested around this component and then applied to 6-axis vertical multi-joint robots used in actual industrial sites. Vibration data was collected for each cause of failure of the robot, and then the collected data was processed through signal processing and frequency analysis. The processed data can determine the fault of the robot by utilizing machine learning algorithms such as SVM (Support Vector Machine) and KNN (K-Nearest Neighbor). As a result, the PHM environment was built based on machine learning algorithms using SVM and KNN, confirming that failure prediction was partially possible.

• 한국전기전자재료학회논문지
• /
• 제24권7호
• /
• pp.563-567
• /
• 2011

The most widely used piezoelectric ceramics are lead oxide based ferroelectrics (PZT). However, the toxicity of lead oxide and its high vapor pressure during processing have led to a demand for alternative lead-free piezoelectric materials. We synthesized Lead-free piezoelectric ceramics of $0.96(K_{0.5}Na_{0.5})NbO_3-0.04SrZrO_3+x$ mol% $ZrO_2$ [KNN-SZ+$xZrO_2$; x= 0~0.10] doped with 0.1 wt% $MnO_2$ by a conventional solid state method. We investigated the piezoelectric properties and microstructures of these disk samples sintered in reduced atmosphere in order to evaluate the possibility of the multilayered piezoelectric ceramics having the base metal such as Ni as a internal electrode. All of these KNN-SZ samples sintered in 3%$H_2-97%N_2$ atmosphere at $1,140^{\circ}C$ exhibit pure perovskite structure irrespective of the content of $ZrO_2$. Meanwhile, the sintering denisty and piezoelectric properties such as $K_p$, $Q_m$ and $d_{33}$ of KNN-SZ samples as a function of $ZrO_2$ content show the maxima ($k_p$=28.07%, $Q_m$= 101.34, $d_{33}$= 156 pC/N) at x= 0.04 and it is likely that there is some morphotropic phase boundary(MPB) in this KNN-SZ+$xZrO_2$ composition system. These results indicate that the ceramic composition is a promising candidate material for applications in lead free multilayer piezoelectric ceramics.

• 한국과학교육학회지
• /
• 제38권2호
• /
• pp.219-234
• /
• 2018

본 연구에서는 국내 교육학 연구에서 거의 사용되지 않던 머신 러닝 기술을 과학 교육 연구에 접목하여, 학생들의 과학 논변 활동에서 나타나는 논변의 구성 요소를 분석하는 과정을 자동화할 수 있는 가능성을 탐색해보았다. 학습 데이터로는 Toulmin이 제안하였던 틀에 따라 학생들의 과학 논변 구성 요소를 코딩한 국내 선행 문헌 18건을 수합하고 정리하여 990개의 문장을 추출하였으며, 테스트 데이터로는 실제 교실 환경에서 발화된 과학 논변 전사 데이터를 사용하여 483개의 문장을 추출하고 연구자들이 사전 코딩을 수행하였다. Python의 'KoNLPy' 패키지와 '꼬꼬마(Kkma)' 모듈을 사용한 한국어 자연어 처리(Natural Language Processing, NLP)를 통해 개별 논변을 구성하는 단어와 형태소를 분석하였으며, 연구자 2인과 국어교육 석사학위 소지자 1인의 검토 과정을 거쳤다. 총 1,473개의 문장에 대한 논변-형태소:품사 행렬을 만든 후에 다섯 가지 방법으로 머신 러닝을 수행하고 생성된 예측 모델과 연구자의 사전 코딩을 비교한 결과, 개별 문장의 형태소만을 고려하였을 때에는 k-최근접 이웃 알고리즘(KNN)이 약 54%의 일치도(${\kappa}=0.22$)를 보임으로써 가장 우수하였다. 직전 문장이 어떻게 코딩되어 있는지에 관한 정보가 주어졌을 때, k-최근접 이웃 알고리즘(KNN)이 약 55%의 일치도(${\kappa}=0.24$)를 보였으며 다른 머신 러닝 기법에서도 전반적으로 일치도가 상승하였다. 더 나아가, 본 연구의 결과는 과학 논변 활동의 분석에서 개별문장을 고려하는 단순한 방법이 어느 정도 유용함과 동시에, 담화의 맥락을 고려하는 것 또한 필요함을 데이터에 기반하여 보여주었다. 또한 머신 러닝을 통해 교실에서 한국어로 이루어진 과학 논변 활동을 분석하여 연구자와 교사들에게 유용하게 사용될 수 있는 가능성을 보여준다.

• 대한교통학회지
• /
• 제33권5호
• /
• pp.497-507
• /
• 2015

고속도로의 비반복 혼잡은 주로 돌발상황에 의해 발생된다. 돌발상황의 주요 원인은 교통사고로 알려져 있다. 따라서 교통사고 시 사고처리시간을 정확하게 예측하는 것은 돌발상황 관리에서 매우 중요하다. 본 연구에서는 전국고속도로의 2008-2014년 총 7년치(60,473건)의 사고 자료를 이용하였다. 사고처리시간 예측모형은 과거의 교통사고 이력자료를 바탕으로 비모수모형인 KNN (K-Nearest Neighbor) 알고리즘을 활용하였다. 사고자료 현황 분석결과 사고등급별로 사고처리시간에 미치는 영향이 매우 큰 것으로 분석되었다. 따라서 사고처리시간은 사고등급별로 분류하여 모형을 구축하였다. 그리고 현재 발생한 사고의 교통상황과 도로 기하구조를 반영하기 위하여 교통량, 차로수, 시간대를 구분하여 데이터를 추출하였다. 추출된 데이터 중 현재 교통사고와 유사한 사고를 검색하기 위하여 사고처리시간에 영향을 미치는 요인들을 분석하였다. 마지막으로, 상태간 거리 산정을 위해서 세부항목별 가중치를 산정하였다. 가중치산정은 정규분포 표준화방법을 적용하였고, 이를 통해 사고처리시간을 예측하였다. 본 연구에서 개발된 모형의 예측결과는 기존의 연구들의 결과에 비해 낮은 예측오차(MAPE)를 보여 모형의 우수성을 입증할 수 있다고 판단된다. 본 연구를 통해 고속도로의 돌발상황 발생 시 효율적인 고속도로의 운영관리에 기여할 수 있고, 기존의 모형들이 갖고 있던 한계를 개선 및 보완할 수 있을 것으로 판단된다.

• 재활복지공학회논문지
• /
• 제11권3호
• /
• pp.261-270
• /
• 2017

바르지 못한 앉은 자세는 다양한 질병과 신체 변형을 유발한다. 하지만 오랜 시간동안 바른 앉은 자세를 유지하는 것은 쉬운 일이 아니다. 이러한 이유 때문에 그동안 자동으로 바른 앉은 자세를 유도하기 위한 다양한 시스템이 제안되어왔다. 이전에 제안되었던 앉은 자세 판별 및 바른 앉은 자세 유도 시스템은 영상 처리를 이용한 방법, 의자에 압력센서를 달아 측정하는 방법, IMU(Internal Measurement Unit)를 이용한 방법이 있었다. 이 중 IMU를 이용한 측정 방법은 하드웨어 구성이 간단하고, 공간, 광량 등의 환경적 제한이 적어 측정에 있어서 용이한 이점이 있었다. 본 논문에서는 하나의 IMU를 이용하여 적은 데이터로 효율적으로 앉은 자세를 분류하는 방법을 연구하였다. 특징추출 기법을 이용하여 데이터 분류에 기여도가 낮은 데이터를 제거하였으며, 머신러닝 기법을 이용하여 앉은 자세 분류에 적합한 센서 위치를 찾고, 여러 개의 머신러닝 모델 중 가장 분류 정확도가 높은 머신러닝 모델을 선정하였다. 특징추출 기법은 PCA(Principal Component Analysis)를 사용하였고, 머신러닝 모델은 SVM(Support Vector Machine), KNN(K Nearest Neighbor), K-means (K-means Algorithm) GMM (Gaussian Mixture Model), and HMM (Hidden Marcov Model)모델을 사용하였다. 연구결과 데이터 분류율이 높게나온 뒷목이 적합한 센서 위치가 되었으며, 센서 데이터 중 Yaw데이터는 분류 기여도가 가장 낮은 데이터임을 PCA 특징추출 기법을 이용하여 확인하고, 제거하여도 분류율에 영향이 매우 작음을 확인하였다. 적합 머신러닝 모델은 SVM, KNN 모델로 다른 모델에 비하여 분류율이 높게 나오는 것을 확인할 수 있었다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.77-84
• /
• 2020

본 연구에서는 인공지능 모델에 따른 한국 프로야구의 승패 예측 분석에 관한 연구를 했다. 승리할 팀과 해당 팀의 최종 리그 순위를 예측했고, 사용자의 편의를 위해 웹사이트도 구축했다. 각 1·3·5이닝 별로 가장 정확도가 높으면서도 오차가 적은 모델을 최적 모델로 선정해 승·패 결과를 예측했고, 이를 토대로 순위표를 작성했다. 결과표는 2020년 개막인 5월 5일부터 8월 30일까지의 예측 결과를 바탕으로 작성했다. 기아타이거즈가 아닌 다른 구단끼리의 경기는 실제 결과를 사용했다. 머신러닝 모델은 KNN과 AdaBoost가 최적 모델로 선정되었으며, 실제 순위와 비교해 본 결과, 경기가 진행될수록, 예측 결과의 순위 오차가 점점 작아지는 것을 확인했다. 딥러닝 모델은 89%의 정확도를 기록했고, 머신러닝 모델과 마찬가지로 경기를 진행할수록 예측 결과 순위 오차가 작아지는 것을 확인했다. 실험 결과는 한국 프로야구 승·패 결과 예측뿐 아니라 다양한 분야에서 사용할 수 있을 것으로 사료된다. 방송국에서 야구 경기를 중계하는 중 이닝별로 인공지능 알고리즘이 예상한 승·패 여부를 중계화면에 띄울 수 있다. 시청자들에게 새로운 흥미를 일으킬 수 있을 것이고, 나아가 구단의 감독들이 이닝마다 데이터를 분석해 경기 중 유동적으로 승리하기 위한 전략을 세울 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.19-31
• /
• 2022

기계학습 모델 구축 간 트레이닝 데이터를 활용하며, 훈련 간 사용되지 않은 테스트 데이터를 활용하여 모델의 정확도와 일반화 성능을 판단한다. 일반화 성능이 낮은 모델의 경우 새롭게 받아들이게 되는 데이터에 대한 예측 정확도가 현저히 감소하게 되며 이러한 현상을 두고 모델이 과적합 되었다고 한다. 본 연구는 중심극한정리를 기반으로 데이터를 생성 및 기존의 훈련용 데이터와 결합하여 새로운 훈련용 데이터를 구성하고 데이터의 정규성을 증가시킴과 동시에 이를 활용하여 모델의 일반화 성능을 증가시키는 방법에 대한 것이다. 이를 위해 중심극한정리의 성질을 활용해 데이터의 각 특성별로 표본평균 및 표준편차를 활용하여 데이터를 생성하였고, 새로운 훈련용 데이터의 정규성 증가 정도를 파악하기 위하여 Kolmogorov-Smirnov 정규성 검정을 진행한 결과, 새로운 훈련용 데이터가 기존의 데이터에 비해 정규성이 증가하였음을 확인할 수 있었다. 일반화 성능은 훈련용 데이터와 테스트용 데이터에 대한 예측 정확도의 차이를 통해 측정하였다. 새롭게 생성된 데이터를 K-Nearest Neighbors(KNN), Logistic Regression, Linear Discriminant Analysis(LDA)에 적용하여 훈련시키고 일반화 성능 증가정도를 파악한 결과, 비모수(non-parametric) 기법인 KNN과 모델 구성 간 정규성을 가정으로 갖는 LDA의 경우에 대하여 일반화 성능이 향상되었음을 확인할 수 있었다.