• 방송공학회논문지
• /
• 제24권3호
• /
• pp.472-484
• /
• 2019

본 논문에서는 심층신경망을 이용한 시간 영역 음향 이벤트 검출 알고리즘을 제시한다. 본 시스템에서는 주파수 영역으로 변환되지 않은 시간 영역의 음향 데이터를 심층신경망의 입력으로 사용한다. 전반적인 구조는 CRNN 구조를 사용하였으며, GLU, ResNet, Squeeze-and-excitation 블럭을 적용하였다. 그리고 여러 계층에서 추출된 특징을 함께 고려하는 구조를 제안하였다. 또한 본 연구에서는 강한 라벨이 있는 훈련 데이터를 확보하는 것이 현실적으로 어렵다는 전제 아래에서 약한 라벨이 있는 훈련 데이터 약간 그리고 다수의 라벨이 없는 훈련 데이터를 활용하여 훈련을 수행하였다. 적은 수의 훈련 데이터를 효과적으로 사용하기 위해 타임 스트레칭, 피치 변화, 동적 영역 압축, 블럭 혼합 등의 데이터 증강 방법을 적용하였다. 라벨이 없는 데이터에는 의사 라벨을 붙여 부족한 훈련 데이터를 보완하였다. 본 논문에서 제안한 신경망과 데이터 증강 방법을 사용하는 경우, 종래의 방식으로 CRNN 구조의 신경망을 훈련하여 사용하는 경우보다, 음향 이벤트 검출 성능이 약 6 % (f-score 기준)가 개선되었다.

• 대한기계학회논문집A
• /
• 제26권10호
• /
• pp.2034-2043
• /
• 2002

The process design to produce a near net shape home-appliance compressor component using semi-solid die casting process is performed. In order to obtain a good component without defects such as liquid segregation and porosity, the relationship between pressure and time, and plunger tip displacement and injection velocity are proposed with repeated trial and error. The effect of the velocity variation in the process parameters on liquid segregation and extraction is investigated to produce the aluminum frame part(a kind of compressor part) with good mechanical properties. The mechanical characteristic of semi-solid die casting formed parts for AlSi7Mg0.65r(A357) and AlSi17Cu4Mg(A390) are investigated with a view to minimizing the occurrence of defects. To investigate of application possibility at industry field, A380 aluminum alloy with 8∼9% silicon contents used for the squeeze casting process. The obtained mechanical properties is compared with semi-solid die casting.

• 대한기계학회논문집
• /
• 제14권3호
• /
• pp.581-593
• /
• 1990

본 연구에서는 교반기술에 의하여 얻어진 반응고상태의 금속에 단섬유를 첨가 하여 복합재료를 제조하였다. 그리고 제조되어진 복합재료에 있어서 섬유의 분산상 태및 기지재와의 접합관계를 조사하여 압연가공에 필요한 반응고상태인 금속복합재료 의 제조방법을 확립하였다. 균일하게 분실되어진 반용융상태의 단섬유강화형 금속복 합재료를 직접 압연하여 박판을 제조할 수 있는 가능성을 검토하였으며, 또한 제조되 어진 박판의 인장시험에 의하여 기계적 성질을 조사하였다.

• 한국군사과학기술학회지
• /
• 제24권2호
• /
• pp.175-186
• /
• 2021

In the field of automatic target recognition(ATR) with synthetic aperture radar(SAR) imagery, it is usually impractical to obtain SAR target images covering a full range of aspect views. When the database consists of SAR target images with limited angular diversity, it can lead to performance degradation of the SAR-ATR system. To address this problem, this paper proposes a deep learning-based method where channel attention modules(CAMs) are inserted to a convolutional neural network(CNN). Motivated by the idea of the squeeze-and-excitation(SE) network, the CAM is considered to help improve recognition performance by selectively emphasizing discriminative features and suppressing ones with less information. After testing various CAM types included in the ResNet18-type base network, the SE CAM and its modified forms are applied to SAR target recognition using MSTAR dataset with different reduction ratios in order to validate recognition performance improvement under the limited angular diversity condition.