• The Bulletin of The Korean Astronomical Society
• /
• v.35 no.1
• /
• pp.89.1-89.1
• /
• 2010

Cassini/VIMS 관측에 의하면 타이탄의 3 마이크론 파장영역에서 다른 파장 대와 달리 메탄 분자만으로는 관측 값에 맞는 모델을 만들기 힘든 특이한 형태의 흡수 밴드 영역이 발견되었다 (Bellucci et al. 2009, Icarus, v. 201, p. 198). 이 파장영역은 행성뿐만 아니라 ISM (Interstellar Medium)과 혜성 등에서 연구 되고 있는 C-H stretching band와 흡사한 구조를 가지고 있다. 이러한 구조는 타이탄 연무 속에 포함된 유기물질에 의한 것으로 추정된다. 본 연구는 최근까진 개발된 복사방정식 모델과 2006년 Cassini/VIMS가 관측한 고도에 따른 solar occultation 데이터를 비교하여 밴드구조의 실체를 알아보는 것이 주 목적이다. 우리는 고도 별로 다르게 나타나는 흡수밴드의 파장 영역을 세밀히 나눈 후 메탄과 함께 유기물질의 연무가 더해진 모델을 만들었다. 도출된 유기물질의 구조가 관측된 밴드 구조에 미치는 영향을 알아보고 앞으로의 연구 방향을 제시 할 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.898-900
• /
• 2005

강인한 행동 인식을 하기 위해서는 연속적인 전신 제스처 입력에서부터 의미 있는 부분만을 분할하는 기술이 필요하다. 하지만 의미 없는 행동을 정의하고, 모델링 하기 어렵기 때문에, 연속적인 행동에서 중요한 행동만을 분할한다는 것은 어려운 문제이다. 본 논문에서는 연속적인 전신 행동의 입력으로부터 의미있는 부분을 분할하고, 동시에 인식하는 방법을 제안한다. 의미 없는 행동을 제거하고, 의미 있는 행동만을 적출하기 위해 garbage 모델을 제안한다. 이 garbage 모델에 의해 의미 있는 부분만 HMM의 입력으로 사용되어지며, 학습되어진 HMM 중에서 가장 높은 확률 값을 가지는 모델을 선택하여. 행동으로 인식한다. 제안된 방법은 20명의 3D motion capture data와 Principal Component Analysis를 이용하여 생성된 80개의 행동 데이터를 이용하여 평가하였으며, 의미 있는 행동과, 의미 없는 행동을 포함하는 연속적인 제스처 입력열에 대해 $98.3\%$의 인식률과 $94.8\%$의 적출률을 얻었다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.134-138
• /
• 2016

정보의 양이 빠르게 증가함으로 인해 필요한 정보만을 효율적으로 얻기 위한 질의응답 시스템의 중요도가 늘어나고 있다. 그 중에서도 질의 문장에서 주어와 관계를 추출하여 정답을 찾는 지식베이스 기반 질의응답 시스템이 활발히 연구되고 있다. 그러나 기존 지식베이스 기반 질의응답 시스템은 하나의 질의 문장만을 사용하므로 정보가 부족한 단점이 있다. 본 논문에서는 이러한 단점을 해결하고자 정보검색을 통해 질의와 유사한 문장을 찾고 Recurrent Neural Encoder-Decoder에 검색된 문장과 질의를 함께 활용하여 주어와 관계를 찾는 모델을 제안한다. bAbI SimpleQuestions v2 데이터를 이용한 실험에서 제안 모델은 질의만 사용하여 주어와 관계를 찾는 모델보다 좋은 성능(정확도 주어:33.2%, 관계:56.4%)을 보였다.

• Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
• /
• 2004.05a
• /
• pp.178-183
• /
• 2004

스포츠 조명의 목적은 스포츠 종목의 특성에 맞는 조명방법과 조절을 통해 경기력을 발휘 할 수 있게 조명환경을 조성하는 것이다. 또한 조명 설계를 통해 경기자는 물론, 관중 그리고 T.V. 시청자들에게도 경기 내용의 정확한 시각정보를 전달 할 수 있어야 한다. 본 논문에서는 골프코스의 KS조도기준을 바탕으로 하여 티잉그라운드, 페어웨이, 그린으로 나누어서 골프코스 조명 모델 설계를 위하여 컴퓨터 시뮬레이션을 실시하였으며, 적절한 광원의 선정, 조명 pole의 위치 및 크기 등을 고려하여 조명등의 에이밍 조정으로 양질의 조도분포를 구하였다. 이러한 모델 설계를 토대로 골프장 현장적용 설계안을 제시코자한다.

• Proceedings of the KIPE Conference
• /
• 2017.07a
• /
• pp.134-135
• /
• 2017

태양광 패널 등가모델을 결합한 태양광 발전 패널 모의 장치(SAS)는 정확도 면에서 많은 장점이 있다. 특히 SAS에서 사용되는 등가회로 모델은 주변 환경에 맞게 빠르게 변하는 I-V 출력특성을 추출하며, 추출시간이 짧다. 이러한 방법을 이용하려면 제어기를 주목해야하는데, 보통 전압 또는 전류 제어기 하나만 사용한다. 하지만 Fill factor가 높은 패널인 경우, 전압 또는 전류제어기 하나만 사용하여서는 제어가 잘 되지 않기 때문에 본 논문에서는 전압과 전류제어기 모두 사용하되, 필요에 따라 스위칭 하여 사용하는 하이브리드 제어기법을 제안한다. 이러한 기법을 통하여 모두 제어가 가능한 기법을 제안한다.

• Proceedings of the KIPE Conference
• /
• 2014.07a
• /
• pp.369-370
• /
• 2014

태양광 PCS개발과정에서는 온도나 방사량 등을 변화시키며 태양전지 패널의 I-V곡선을 모사할 수 있는 태양광 시뮬레이션 모델이 필요하다. 이러한 용도로 볼 때 특히 다이오드 기반의 등가회로 모델은 물리적인 성질을 바탕으로 태양광 패널의 특성을 비교적 정확히 설명할 수 있으나 특유의 비선형성으로 인하여 복잡한 회로 모델 파라미터 추출 기법을 필요로 한다. 본 논문에서는데이터 시트값에 기반한 새로운 태양광 패널 회로 모델링 알고리즘을 제안한다. 제안한 방법의 성능을 검증하기 위해 단결정 태양광 패널의 실제 데이터를 기반으로 최대전력점 ${\pm}10%$부근의 전류오차 적분값을 기준으로 기존 방법과 정확도를 비교한 결과 20%의 정확도 개선을 얻었다.

• Bulletin of the Korea Photovoltaic Society
• /
• v.7 no.2
• /
• pp.7-15
• /
• 2021

태양광 발전소에 대한 성능을 평가하기 위해서는 IEC 61724-1에 적합한 계측장치를 설치하고 데이터를 수집하여 평가하는 것이 일반적인 방법이다. 본 논문에서는 태양광발전소 현장에서 DC 어레이 성능을 평가하기 위한 방법을 제시하였다. 측정 일사량과 같은 환경정보 값과 태양광 DC 어레이 전압-전류 특성 곡선을 이용해 일사량에 따른 출력모델 식을 도출하였다. 도출된 모델 식은 태양전지 셀의 종류나 버스바에 따라서 차이가 발생되므로 기존의 태양전지 셀 등가회로 수식을 반영한 시뮬레이션 모델식이 적절히 변경되어야 함을 실험을 통해 검증하였다. 주기적인 진단 평가를 실시하지 않는 국내외 태양광 발전소는 성능저하가 발생된 상태로 운전되는 경우가 다수 일 것이다. 대부분의 관제모니터링을 시스템은 미쓰매칭 손실 평가분석이 불가능하며 운전상태 모니터링 하는 시스템이 대부분이다. 이에 태양광 발전소의 효율적 운영을 위해서는 현장진단 장치를 이용한 주기적 성능진단 평가나 발전소 데이터의 손실평가 분석 기술의 개발이 필요할 것이다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.660-662
• /
• 2023

3차원 포인트 클라우드의 의미적 분할은 환경을 구성하는 물체 단위로 포인트 클라우드를 분할하는 작업으로서, 환경의 3차원적 구성을 이해하고 환경과 상호작용에 필수적인 시각 지능을 요구한다. 본 논문에서는 포인트 클라우드에서 추출하는 3차원 기하학적 특징과 함께 멀티-뷰 영상에서 추출하는 2차원 시각적 특징들도 활용하는 새로운 3차원 포인트 클라우드 의미적 분할 모델 MFNet을 제안한다. 제안 모델은 서로 이질적인 2차원 시각적 특징과 3차원 기하학적 특징의 효과적인 융합을 위해, 새로운 중기 융합 전략과 멀티-모달 교차 주의집중을 이용한다. 본 논문에서는 ScanNetV2 벤치마크 데이터 집합을 이용한 다양한 실험들을 통해, 제안 모델 MFNet의 우수성을 입증한다.

• Progress in Medical Physics
• /
• v.20 no.4
• /
• pp.225-234
• /
• 2009

Geant4 (GEometry ANd Tracking) provides various packages specialized in modeling electromagnetic interactions. The validation of Geant4 physics models is a significant issue for the applications of Geant4 based simulation in medical physics. The purpose of this study is to evaluate accuracy of Geant4 electromagnetic physics for proton therapy. The validation was performed both the Continuous slowing down approximation (CSDA) range and the stopping power. In each test, the reliability of the electromagnetic models in a selected group of materials was evaluated such as water, bone, adipose tissue and various atomic elements. Results of Geant4 simulation were compared with the National Institute of Standards and Technology (NIST) reference data. As results of comparison about water, bone and adipose tissue, average percent difference of CSDA range were presented 1.0%, 1.4% and 1.4%, respectively. Average percent difference of stopping power were presented 0.7%, 1.0% and 1.3%, respectively. The data were analyzed through the kolmogorov-smirnov Goodness-of-Fit statistical analysis test. All the results from electromagnetic models showed a good agreement with the reference data, where all the corresponding p-values are higher than the confidence level $\alpha=0.05$ set.

• Journal of the Korea Society for Simulation
• /
• v.30 no.2
• /
• pp.41-48
• /
• 2021

As the rural population continues to decline and aging, the improvement of agricultural productivity is becoming more important. Early prediction of crop quality can play an important role in improving agricultural productivity and profitability. Although many researches have been conducted recently to classify diseases and predict crop yield using CNN based deep learning and transfer learning technology, there are few studies which predict postharvest crop quality early in the planting stage. In this study, a early quality prediction model is proposed for sprout ginseng, which is drawing attention as a healthy functional foods. For this end, we took pictures of ginseng seedlings in the planting stage and cultivated them through hydroponic cultivation. After harvest, quality data were labeled by classifying the quality of ginseng sprout. With this data, we build early quality prediction models using several pre-trained CNN models through transfer learning technology. And we compare the prediction performance such as learning period and accuracy between each model. The results show more than 80% prediction accuracy in all proposed models, especially ResNet152V2 based model shows the highest accuracy. Through this study, it is expected that it will be able to contribute to production and profitability by automating the existing seedling screening works, which primarily rely on manpower.