• 조명전기설비학회논문지
• /
• 제21권7호
• /
• pp.75-83
• /
• 2007

일반적으로 변압기의 고장진단을 위해 IEC 코드법이 사용되지만, 이 방법은 가스비율이 규정된 범위 내에 존재하지 않거나 경계조건에 있는 경우 숙련된 진단 전문가에게 의뢰하지 않고는 정확한 고장의 원인을 판정하는데 어려움이 있다. 이러한 문제점을 해결하기 위하여 본 논문에서는 SOM을 이용한 전력용 변압기의 고장진단 알고리즘을 제안한다. 제안된 방법은 훈련 데이터의 경쟁학습을 통하여 자기 구성 맵을 구축한 후, 실증 데이터를 구축된 맵에 적용하여 고장의 진단이 이루어진다. 또한 클러스터링 기법에 의해 구축된 정상/고장모델과 정상 데이터를 비교함으로써 고장의 추이 및 열화정도를 분석한다. 제안된 방법의 유용성을 보이기 위한 실험결과에서 기존의 방법들에 비해 향상된 진단결과를 보임을 확인할 수 있었다.

• 반도체디스플레이기술학회지
• /
• 제4권1호
• /
• pp.9-16
• /
• 2005

In this paper, with loosely coupled transformer Relies-parallel resonant type DC/DC converter is analyzed and adopted to the power source of a TFLM(Transverse Flux Linear Motor). To get more efficient operating mode of the series-parallel resonant type DC/DC converter, theoretical analysis using normalized parameters are accepted. The analysis includes a specially made ferrite transformer with two separately wound half cores in order to evaluate analytically and experimentally the changes in magnetizing the leakage fluxes and inductances caused by the distance between the halves. The proposed converter must be operated in switching Pattern III among the three switching patterns for the Zero Voltage Switching operation. According to Pulse Frequency Modulation(PFM) control method, the output voltage of the proposed circuit can be controlled. The results of the theoretical development are compared with practical measurements from a prototype system.

• 한국전자파학회논문지
• /
• 제24권4호
• /
• pp.403-409
• /
• 2013

본 논문에서는 Marchand 발룬, 트랜스포머와 주입 잠금 버퍼를 이용한 CMOS 2단 차동전력증폭기를 보여준다. 본 전력증폭기는 70 GHz 주파수 대역을 목표로 설계하였고, 65 nm 공정을 이용하여 제작하였다. 측정 결과, 71.3 GHz에서 8.5 dB의 최대 전압 이득과 7.3 GHz의 3 dB 대역폭을 얻었다. 측정된 최대 출력 전력은 8.2 dBm, 입력 $P_{1dB}$는 -2.8 dBm, 출력 $P_{1dB}$는 4.6 dBm이며, 최대 전력 부가 효율은 4.9 %이다. 본 전력증폭기는 1.2 V의 전원으로부터 102 mW의 DC 전력을 소모한다.

• 한국자기학회지
• /
• 제6권6호
• /
• pp.388-396
• /
• 1996

원심분무(centrifugal atomization)법 제조 분말로 제작된 Fe-79Ni-4Mo 소결코아의 자기특성을 조사하였다. 소결코아의 60 Hz, 10 Oe의 교류자기장에서 측정된 $H_{c}$ 및 $\mu_{a}$ 특성은 $1350^{\circ}C$, 2시간의 소결조건에서 최고를 나타내었으며, 원료분말의 입도가 증가할수록 약 0.2 Oe 이하 약한 자기장하에서 $H_{c}$, $\mu_{a}$ 특성은 양호하였다. 이는 소결체의 결정입경에 의존하는 자벽이동에 기인하였다. 얻어진 최고의 직류자기특성은 $H_{c}$와 $\mu_{max}$가 각각 0.085 Oe, 4000 이었고, 교류자기특성은 $\mu_{a}$가 11000 이었다. 한편, 이와같은 연자기 특성은 서로 다른 입도의 분말을 혼합함으로써 더욱 개선실 수 있었다. 본 연구에서 개발된 코아의 자기특성은 CT(current transformer)용 전류센서에서의 응용될 것으로 기대된다.

• Journal of Electrical Engineering and Technology
• /
• 제9권5호
• /
• pp.1686-1693
• /
• 2014

In this paper, oil-paper samples composed of transformer windings were used to investigate the insulation degradation process subjected to partial discharge (PD), with artificial defects inside to simulate the PD induced insulation degradation. To determine appropriate test voltages, the breakdown time obtained through a group of accelerated electrical degradation tests under high voltages was firstly fitted by two-parameter Weibull model to acquire the average breakdown time, which was then applied to establish the inverse power law life model to choose advisable test voltages. During the electrical degradation process, PD signals were synchronously detected by an ultra-high frequency (UHF) sensor from inception to breakdown. For PD analysis, the whole degradation process was divided into ten stages, and chaos theory was introduced to analyze the variation of three chaotic parameters with the development of electrical degradation, namely the largest Lyapunov exponent, correlation dimension and Komogorov entropy of PD amplitude time series. It is shown that deterministic chaos of PD is confirmed during the oil-paper degradation process, and the obtained results provide a new effective tool for the diagnosis of degradation of oil-paper insulation subjected to PD.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.501-512
• /
• 2021

최근 Encoder-Decoder를 기반한 요약은 거의 인간 수준에 도달하였다. 하지만 이는 영어, 중국어 등 수백만 건의 데이터세트가 잘 갖추어진 주류 언어권에서만 활용 가능하며 데이터세트가 구축되지 않은 비주류 언어권에서는 활용하지 못하는 한계가 있다. 또한, 문서의 일부 영역에 초점 하여 요약하는 편향의 문제를 갖고 있어 동화나 소설과 같이 흐름이 있는 문서에는 적합하지 않다. 본 논문에서는 두 개의 Discriminator가 있는 GAN을 통해 비지도 학습 기반의 추상 요약을 하며, 가이드 토큰의 추출과 주입을 통해 편향 문제를 개선하는 추출 요약과 추상 요약을 혼합한 하이브리드 요약 방법을 제안한다. CNN/Daily Mail 데이터세트를 통해 모델을 평가하여 객관적인 타당성을 검증하고 비주류 언어 중 하나인 한국어에서도 유효한 성능을 보인다는 것을 입증한다.

• 인지과학
• /
• 제34권3호
• /
• pp.197-226
• /
• 2023

텍스트 생성요약은 자연어처리의 과업 중 하나로 긴 텍스트의 내용을 보존하면서 짧게 축약된 요약문을 생성한다. 생성요약 과업의 특성 상 본문의 핵심내용을 요약문에서 보존하는 것은 매우 중요하다. 기존의 생성요약 방법론은 정답요약과의 어휘 중첩도(Lexical-Overlap)를 기반으로 본문의 내용과 유창성을 측정했다. ROUGE는 생성요약 요약모델의 평가지표로 많이 사용하는 어휘 중첩도 기반의 평가지표이다. 생성요약 벤치마크에서 ROUGE가 49점대로 매우 높은 성능을 보임에도 불구하고, 생성한 요약문과 본문의 내용이 불일치하는 경우가 30% 가량 존재한다. 본 연구에서는 정답요약의 도움 없이 본문만을 활용해 생성요약 모델의 성능을 평가하는 방법론을 제안한다. 본 연구에서 제안한 평가점수를 AggreFACT의 라벨과 상관도 분석결과, 다음의 두 가지 경우 가장 높은 상관관계를 보였다. 첫 번째는 Transformer 구조의 인코더-디코더 구조에 대규모 사전학습을 진행한 BART와 PEGASUS 등을 생성요약 모델의 베이스라인으로 사용한 경우이고, 두 번째는 요약문 전체에 걸쳐 오류가 발생한 경우이다.

• 한국인공지능학회지
• /
• 제11권4호
• /
• pp.9-13
• /
• 2023

In this study, we explored the potential of integrating interactive AI callbot technology into the medical consultation domain as part of a broader service development initiative. Aimed at enhancing patient satisfaction, the AI callbot was designed to efficiently address queries from hospitals' primary users, especially the elderly and those using phone services. By incorporating an AI-driven callbot into the hospital's customer service center, routine tasks such as appointment modifications and cancellations were efficiently managed by the AI Callbot Agent. On the other hand, tasks requiring more detailed attention or specialization were addressed by Human Agents, ensuring a balanced and collaborative approach. The deep learning model for voice recognition for this study was based on the Transformer model and fine-tuned to fit the medical field using a pre-trained model. Existing recording files were converted into learning data to perform SSL(self-supervised learning) Model was implemented. The ANN (Artificial neural network) neural network model was used to analyze voice signals and interpret them as text, and after actual application, the intent was enriched through reinforcement learning to continuously improve accuracy. In the case of TTS(Text To Speech), the Transformer model was applied to Text Analysis, Acoustic model, and Vocoder, and Google's Natural Language API was applied to recognize intent. As the research progresses, there are challenges to solve, such as interconnection issues between various EMR providers, problems with doctor's time slots, problems with two or more hospital appointments, and problems with patient use. However, there are specialized problems that are easy to make reservations. Implementation of the callbot service in hospitals appears to be applicable immediately.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3383-3397
• /
• 2023

Scene graphs serve as semantic abstractions of images and play a crucial role in enhancing visual comprehension and reasoning. However, the performance of Scene Graph Generation is often compromised when working with biased data in real-world situations. While many existing systems focus on a single stage of learning for both feature extraction and classification, some employ Class-Balancing strategies, such as Re-weighting, Data Resampling, and Transfer Learning from head to tail. In this paper, we propose a novel approach that decouples the feature extraction and classification phases of the scene graph generation process. For feature extraction, we leverage a transformer-based architecture and design an adaptive calibration function specifically for predicate classification. This function enables us to dynamically adjust the classification scores for each predicate category. Additionally, we introduce a Distribution Alignment technique that effectively balances the class distribution after the feature extraction phase reaches a stable state, thereby facilitating the retraining of the classification head. Importantly, our Distribution Alignment strategy is model-independent and does not require additional supervision, making it applicable to a wide range of SGG models. Using the scene graph diagnostic toolkit on Visual Genome and several popular models, we achieved significant improvements over the previous state-of-the-art methods with our model. Compared to the TDE model, our model improved mR@100 by 70.5% for PredCls, by 84.0% for SGCls, and by 97.6% for SGDet tasks.

• 분석과학
• /
• 제23권3호
• /
• pp.247-254
• /
• 2010

본 연구는 폐기물분석전문기관이 신뢰성 있는 분석결과를 얻을 수 있도록 하기위한 폴리 염화바이페닐(PCBs) 정도관리 숙련도 평가용 표준물질을 개발할 목적으로 수행하였으며 다음과 같은 결과를 얻었다. PCBs함유 절연유와 PCBs가 함유되지 않은 절연유(PCB free oil)에 PCBs 표준액을 첨가하여 조제한 표준물질로 PCBs에 대한 숙련도평가용 표준물질을 제조하였다. PCBs 표준액 첨가에 의한 균질화도를 검토한 결과, Arochlor 1254 (6 ppm)과 Arochlor 1254:1260(1:1) (5 ppm)을 첨가한 경우 최대 60일, Arochlor 1260 (3.5 ppm)을 첨가한 경우 최대 90일이 지나야 균질화되는 것을 확인할 수 있었다. 제조된 표준물질을 10회 이상 반복 측정한 결과, PCBs 제조 표준물질은 상대표준편차 3.51~5.01%로 균질성이 있다고 판단되었으며, 일원분산분석법(one way ANOVA)에 따라 균질도를 평가한 결과 모든 시료가 균질하다고 판단되었다. 제조된 표준물질을 무작위로 10개의 선정하여 분석한 결과를 기준값으로 선택하였으며, 측정과정과 균질도에 의한 확장불확도값은 0.26~0.49로 조사되었다.