• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 1999년도 춘계학술대회 논문집
• /
• pp.235-239
• /
• 1999

This thesis is concerned with the development of useful engineering techniques to detect and analyze nonlinearities in mechanical systems. The methods developed are based on the concepts of higher order spectra, in particular the bispectrum. The study of higher order statistics has been dominated by work on the bispectrum. The bispectrum can be viewed as a decomposition of the third moment(skewness) of a signal over frequency and as such is blind to symmetric nonlinearities. Initially auto higher order spectra are studied in detail with particular attention being paid to normalization method. Traditional method based on the bicoherence are studied. Under certain conditions, notably narrow band signals, the above normalization method is shown to fail and so a new technique based on prewhitening the signal in the time domain is developed.

• 인터넷정보학회논문지
• /
• 제9권5호
• /
• pp.85-97
• /
• 2008

최근 서비스 지향 시스템이 시스템 기능적 단위인 서비스들을 재사용함으로 해서 개발 시간과 노력을 줄이는 특성 때문에 더욱 중요하게 부각되고 있다. 서비스의 재사용은 서비스들 간의 느슨한 결합에 의하여 효과적으로 이루어질 수 있고 서비스의 느슨한 결합은 컴포넌트 기반 시스템에 의존된다. 즉, 컴포넌트 기반 시스템은 클래스 간의 상호 의존이 강한 클래스들을 그룹화 하여 도출하고 서비스 지향 시스템의 서비스는 컴포넌트 기반 시스템에 의존되어 설계된다. 따라서 효율적인 컴포넌트 기반 시스템 및 서비스 지향 시스템 설계를 위해서는 클래스 간의 결합도를 좀 더 정확히 측정할 수 있는 메트릭이 요구된다. 본 논문에서, 우리는 클래스 간의 구조적 특성, 동적 특성 그리고 미 사이로 정규화된 값을 적용한 클래스 간의 결합 척도를 제안한다. 우리는 Briand이 제안한 공리에 의해서 제안된 메트릭이 이론적으로 타당함을 증명하고 사례 연구를 통하여 정확성과 실용성을 제시한다. 우리는 기존 메트릭스와의 비교 분석을 통해서 제안된 메트릭의 평가 결과를 제시한다.

• 한국항해항만학회지
• /
• 제41권1호
• /
• pp.1-8
• /
• 2017

선체의 비선형적 동요현상은 선박의 감항성 확보와 관련하여 최근 활발하게 연구가 이루어지는 분야들 중 하나이다. 본 연구에서는 고차 스펙트럼 해석방법들 중 하나인 바이스펙트럼 해석방법과 바이코히어런스 해석방법을 적용하여 선체의 비선형적인 동요 현상을 해석하였다. 본 연구를 통해 기존에 알려진 추파상황에서의 비선형적 선체 종동요 현상과 더불어 추사파 및 우현 횡파 상황에서도 선체 종동요의 비선형 위상 동조 현상이 일어나는 것을 확인하였다. 또한, 바이코히어런스 방법을 통해 주파수간 비선형적 간섭현상을 수치화 하여 주파수 대역별로 위상 동조 현상을 비교할 수 있었다. 이를 통해 선체 종동요의 파워스펙트럼상의 피크 주파수 이외의 주파수 대역에서 비선형적 위상결합이 더 강하게 일어난다는 사실을 확인하였다. 이에 더하여, 바이코히어런스 해석방법은 정규화 방법에 크게 영향을 받지 않는 다는 사실 또한 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.85-87
• /
• 2022

고품질 코드를 위한 정적 분석은 아직도 매우 필요한 영역이며, 또한 코드의 가시화는 개발자들에게 코드의 복잡한 모듈에 대한 가이드에 필요하다. 기존의 코드 가시화는 정적 분석의 코드 내부 정보들을 DB 테이블화 및 품질 지표(CK Metrics, Coupling, # function Calls, Bed smell) 질의어화, 그리고 추출된 정보를 가시화하는 것에만 초점을 두었다. 문제는 코드 내부 정보(Class, method, parameters, etc) 테이블들에 대한 join 연산 시 엄청난 시간과 리소스가 소모된다. 이 문제를 해결하기 위해, 우리는 테이블 설계의 정규화를 제안한다. 또한 필요한 품질 지표의 질의를 통해 코드 내부 정보 추출하여 데이터 및 제어 복잡 모듈을 식별하여 refactoring 를 가이드 한다. 앞으로는 이 부분의 AI learning 을 통해 bad/good program 을 식별을 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권5호
• /
• pp.199-206
• /
• 2023

현대 소프트웨어의 규모는 커지고 있다. 이에 따라 고품질 코드를 위한 정적 분석의 중요성이 커지고 있다. 코드에 대한 정적 분석을 통해 결함과 복잡도를 식별하는 것이 필요하다. 이를 가시화하여 개발자 및 이해 관계자가 알기 쉽게 가이드도 필요하다. 기존 코드 가시화 연구들은 정적 분석의 코드 내부 정보들을 데이터베이스 테이블에 저장하여 및 품질 지표(CK Metrics, Coupling, Number of function calls, Bed smell)에 대한 계산을 질의어화 하고 추출된 정보를 가시화하는 과정을 구현하는 것에만 초점을 두었다. 이러한 연구들은 방대한 코드로부터 추출한 정보를 이용하여 코드를 분석할 때 많은 시간과 자원이 소모된다는 한계점이 있다. 또한 각 코드 내 정보 테이블들이 정규화되지 않았기 때문에 코드 내부의 정보(클래스, 함수, 속성 등)들에 대한 테이블 조인 연산 시 메모리 공간과 시간 소비가 발생할 수 있다. 이러한 문제들을 해결하기 위해, 데이터베이스 테이블의 정규화된 설계와 이를 통한 코드 내부의 품질 메트릭 지표에 대한 추출 및 가시화 메커니즘 제안한다. 이러한 메커니즘을 통해 코드 가시화 공정이 최적화되고, 개발자가 리팩토링해야 할 모듈을 가이드 할 수 있을 것으로 기대한다. 앞으로는 부분 학습도 시도할 예정이다.

• 전기학회논문지
• /
• 제67권1호
• /
• pp.114-123
• /
• 2018

This paper concerns a design and learning method of softmax function neural networks based on K-means clustering. The partial discharge data Information is preliminarily processed through simulation using an Epoxy Mica Coupling sensor and an internal Phase Resolved Partial Discharge Analysis algorithm. The obtained information is processed according to the characteristics of the pattern using a Motor Insulation Monitoring System program. At this time, the processed data are total 4 types that void discharge, corona discharge, surface discharge and slot discharge. The partial discharge data with high dimensional input variables are secondarily processed by principal component analysis method and reduced with keeping the characteristics of pattern as low dimensional input variables. And therefore, the pattern classifier processing speed exhibits improved effects. In addition, in the process of extracting the partial discharge data through the MIMS program, the magnitude of amplitude is divided into the maximum value and the average value, and two pattern characteristics are set and compared and analyzed. In the first half of the proposed partial discharge pattern classifier, the input and hidden layers are classified by using the K-means clustering method and the output of the hidden layer is obtained. In the latter part, the cross entropy error function is used for parameter learning between the hidden layer and the output layer. The final output layer is output as a normalized probability value between 0 and 1 using the softmax function. The advantage of using the softmax function is that it allows access and application of multiple class problems and stochastic interpretation. First of all, there is an advantage that one output value affects the remaining output value and its accompanying learning is accelerated. Also, to solve the overfitting problem, L2-normalization is applied. To prove the superiority of the proposed pattern classifier, we compare and analyze the classification rate with conventional radial basis function neural networks.