In this paper, we provide the analysis of device model and method between device models for compatible M&S V&V of the NetSPIN. First of all, we analysis features, structure, and classification of the NetSPIN. The second, as a part of reliable V&V process, we analysis network system modeling process, correlation between device modeling process for M&S of the NetSPIN. The third, we suggest making a kind of pool of reference model and module of devices for the increase factor of reuse between device model. We also, at the point view of M&S V&V, conclude that there is the validity of the fidelity in device modeling process. Through the analysis of the NetSPIN device model and suggestion of the method for higher compatibility between device modes, the development process of device model be clearly understood. Also we present the effective method of the development for reliable device mode as the point of V&V.
본 연구는 딥러닝 모델(deep learning model)을 활용하여 토지피복분류를 수행하였으며 입력 이미지의 크기, Stride 적용 등 데이터세트(dataset)의 조절을 통해 토지피복분류를 위한 최적의 딥러닝 모델 선정을 목적으로 하였다. 적용한 딥러닝 모델은 3종류로 Encoder-Decoder 구조를 가진 U-net과 DeeplabV3+, 두 가지 모델을 결합한 앙상블(Ensemble) 모델을 활용하였다. 데이터세트는 RapidEye 위성영상을 입력영상으로, 라벨(label) 이미지는 Intergovernmental Panel on Climate Change 토지이용의 6가지 범주에 따라 구축한 Raster 이미지를 참값으로 활용하였다. 딥러닝 모델의 정확도 향상을 위해 데이터세트의 질적 향상 문제에 대해 주목하였으며 딥러닝 모델(U-net, DeeplabV3+, Ensemble), 입력 이미지 크기(64 × 64 pixel, 256 × 256 pixel), Stride 적용(50%, 100%) 조합을 통해 12가지 토지피복도를 구축하였다. 라벨 이미지와 딥러닝 모델 기반의 토지피복도의 정합성 평가결과, U-net과 DeeplabV3+ 모델의 전체 정확도는 각각 최대 약 87.9%와 89.8%, kappa 계수는 모두 약 72% 이상으로 높은 정확도를 보였으며, 64 × 64 pixel 크기의 데이터세트를 활용한 U-net 모델의 정확도가 가장 높았다. 또한 딥러닝 모델에 앙상블 및 Stride를 적용한 결과, 최대 약 3% 정확도가 상승하였으며 Semantic Segmentation 기반 딥러닝 모델의 단점인 경계간의 불일치가 개선됨을 확인하였다.
본 연구는 무인 헬리콥터의 양력을 개선하기 위한 기초 단계로서 V1505A 및 V2008B 기본 두 익형의 400 mm 블레이드 섹션에 해당하는 모델에 대한 풍동실험을 실시하여 양력, 항력 및 동력특성을 분석하고 CFD 시뮬레이션의 결과와 비교하고 검증하였다. 시뮬레이션은 풍동 실험과 유사하게 설정하기 위하여 400 mm 블레이드 섹션의 양 끝을 벽으로 제한하여 3차원 와류현상을 억제하여 모델을 구성하였고, 시뮬레이션의 결과와 비교하여 모델을 검증하였다. 사용된 모델은 로터로부터 $Re=0.32{\times}10^6$ 영역까지는 aminar 모델을 사용하였으며, 그 이후 영역역(>$Re=0.32{\times}10^6$)은 양력 및 저항의 급격한 변화를 올바로 포착할 수 있다는 S-A 모델을 적용하여 확장하였다. 시뮬레이션의 격자는 유동 현상에 있어 박리로 야기된 와류 현상을 관찰하기 위하여 익형 주변에 접하는 부분에 격자를 집중시켰다. 시뮬레이션 방법은 유속은 36~141 m/s 까지 5 수준으로 하였으며, 받음각은 $0{\sim}16^{\circ}$로 7 수준으로 변화 시키면서 공력계수 및 동력을 분석하였다. 양력분석에 있어 익형 V1505A에 비해 익형 V2008B의 특성이 우수하였으나, 익형 V1505A는 실속 이후 양력이 급격히 떨어지지 않고 유지되는 특성을 보였다. 익형 V2008B는 낮은 받음각에서 높은 공력과 낮은 항력을 나타냈다. 동력 분석 결과로 익형 V1505A의 유도동력은 총 동력의 56~72%를 차지하고, 형상동력은 총 동력의 27~43%를 차지하였다. 익형 V2008B는 유도동력은 총 동력의 66~81%를 차지하고, 형상동력은 총 동력의 18~33%를 차지하였다. 익형 V2008B이 익형 V1505A보다 유도동력은 크며, 형상동력은 적게 나와 상대적으로 효율적이라 할 수 있다. 헬리콥터 동력원의 규모는 법률적인 총중량에 의하여 제한되므로 일반적인 농용 소형 무인 헬리콥터 엔진의 사양인 24.5 kW (32PS)를 적용한다면, 익형 V1505A은 받음각 $8{\sim}10^{\circ}$에서 그리고 익형 V2008B은 $7{\sim}9^{\circ}$정도에서 받음각이 제한되며 이때 총 양력은 1200~1300 N 정도로 예상된다.
벼의 생육에 있어서 중요한 역할을 하는 출수기를 예측하기 위해 작물모델이 사용될 수 있다. 벼의 생육을 모의하는 모델 중 널리 사용되던 ORYZA2000 모델이 개선되어 ORYZA (v3)가 최근에 보고되었다. 그러나, 최근까지 ORYZA (v3)의 국내 적용 가능성에 대해서는 연구가 이루어지지 않았다. 본 연구에서는 ORYZA (v3)를 이용하여 예측된 출수기의 신뢰성을 검토하였다. 또한, 새로운 모델에 요구되는 입력자료를 생성하는데 있어서의 편의성을 평가하였다. 국립농업과학원의 실험포장에서 2015년과 2016년에 걸쳐 중만생종인 신동진벼를 이용하여 화학비료 표준시비 조건에서 실험을 수행하였다. 입력자료는 실험에 사용한 재배관리자료, 기상청으로부터 수집한 기상자료, 흙토람으로부터 수집한 토양자료 및 Lee et al.(2015)에서 사용한 품종모수 자료를 사용하였다. 또한, 벼우량계통 지역적응시험에서 얻어진 출수기 관측자료와 예측자료를 비교하였다. 예측된 출수기는 인근 기상관측소에서 얻어진 기상입력 자료가 사용되었을 경우, 실제 출수기와 비교적 유사한 결과를 보였다. 예를 들어, 전주, 대구, 영남, 논산, 계화에서 예측된 출수기는 1일 이내의 상당히 작은 오차는 가졌다. 그러나, 기상자료가 비교적 멀리 떨어져 있거나 해안가 인근지역에 위치하여 출수기 관측지의 국지적 기상조건을 충분히 반영하지 못할 경우 상당한 오차가 발생하였다. ORYZA (v3)의 입력자료 생성과 관련한 편의성 측면에서는 기존의 자료 처리도구를 활용할 수 있는 기상 자료 확보는 비교적 용이할 것으로 판단되나, 토양자료에 대해서는 ORYZA 2000 모델의 입력자료에 추가적인 자료가 요구되어 토양자료 처리도구의 개발이 필요할 것으로 보였다.
딥러닝 기술의 발전으로 객체 인색, 영상 분석에 관한 성능이 비약적으로 발전하였다. 하지만 고성능 GPU 를 사용하는 컴퓨팅 환경이 아닌 제한적인 엣지 디바이스 환경에서의 영상 처리 및 딥러닝 모델의 적용을 위해서는 엣지 디바이스에서 딥러닝 모델 실행 환경 과 이에 대한 분석이 필요하다. 본 논문에서는 RISC-V ISA 를 구현한 RISC-V 가상 플랫폼에 yolov3-tiny 모델 기반 객체 인식 시스템을 소프트웨어 레벨에서 포팅하여 구현하고, 샘플 이미지에 대한 네트워크 딥러닝 연산 및 객체 인식 알고리즘을 적용하여 그 결과를 도출하여 보았다. 본 적용을 바탕으로 RISC-V 기반 임베디드 엣지 디바이스 플랫폼에서 딥러닝 네트워크 연산과 객체 인식 알고리즘의 수행에 대한 분석과 딥러닝 연산 최적화를 위한 알고리즘 연구에 활용할 수 있다.
본 논문에서는 3차원 좌표를 얻을 수 있는 카메라 Calibration 알고리듬을 확립하고, View Frustum(V.F.) 모델을 이용하여 도로의 영상을 모델화하였다. 그리고 주행하는 차선 내에 존재하는 선행차량의 위치측정 및 차량까지의 거리를 정확히 인식하기 위해 피칭오차를 보정하며 실시간으로 계측하는 알고리듬을 제안하였다. 기존의 많은 추돌 경보시스템(CWS)들은 도로가 평면이라 가정하여 도로와 차량사이의 기하적인 변화에 따른 오차 특성을 고려하지 않았다. 이를 보완하고자 본 논문에서는 카메라 Calibration 알고리듬을 적용하여 실세계 좌표계와 영상좌표계 사이의 기하해석으로 사영행렬을 추출하였고, V.F. 모델을 이용하여 소실점의 기하적인 해석을 통하여 차량의 피칭변화에 따른 오차특성을 실시간으로 보정하였다. 실험결과 거리의 오차를 2%이하로 줄일 수 있어 피칭변화에 강인함을 확인할 수 있었다.
심장비대증은 흉부 X선 영상에서 흔히 보이는 질병 중 하나이지만 조기에 발견을 하지 못하면 심각한 합병증을 유발할 수도 있다. 이러한 점을 고려하여 최근에는 여러 과학기술 분야의 발전으로 인공지능을 이용한 딥러닝 알고리즘을 의료에 접목시키는 영상 분석 연구들이 많이 진행되고 있다. 본 논문에서는 Inception V3 딥러닝 모델을 흉부 X선 영상을 이용하여 심장비대증의 분류에 유용한 모델인지 평가하고자 한다. 사용된 영상의 경우 총 1026장의 경북대학교병원 내 정상 심장 진단을 받은 환자와 심장비대증 진단을 받은 환자의 흉부 X선 영상을 사용하였다. 실험결과 Inception V3 딥러닝 모델의 심장비대증 유무에 따른 분류 정확도와 손실도 결과값은 각각 96.0%, 0.22%의 결과값을 나타내었다. 연구결과를 통해 Inception V3 딥러닝 모델은 흉부 영상 데이터의 특징 추출 및 분류에 있어 우수한 딥러닝 모델인 것을 알 수 있었다. Inception V3 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것으로 판단되며 조금 더 다양한 의료 영상 데이터를 이용한 연구를 진행하여 이와 같은 우수한 연구결과를 얻게 된다면 향후 임상의의 진단 시 많은 도움을 줄 수 있을 것으로 사료된다.
Journal of Advanced Marine Engineering and Technology
/
제35권5호
/
pp.616-624
/
2011
본 연구에서는 사각채널내에 주유속 방향에 가로지르게 배치된 반원 리브의 난류 유동에 대한 유동 특성과 열전달 증대에 관해 수치해석적으로 살펴보았다. 사각채널의 종횡비는 5이고, 수력직경 대비 리브 높이비는 0.07, 사각채널 높이 대비 리브 높이비는 0.117로서 리브 높이 대비 리브 피치비가 8~14인 리브를 주기적으로 배열하여 연구를 수행하였다. 난류 모델의 선정은 실제 현상과 근접한 벽 근처 유동 특성과 열전달을 위해 SST k-${\omega}$ 난류 모델과 v2-f 난류 모델을 이용하였다. 수치해석의 결과는 실험에 의 해 관찰된 난류 유동 특성, 열전달 및 마찰계수의 결과를 잘 예측함을 보여준다. 본 결과에서 난류 운동 에너지가 재순환류 영역의 확산과 밀접한 관련이 있음을 알 수 있고 v2-f 난류 모델이 SST k-${\omega}$ 난류 모델에 비해 실험결과를 더 잘 예측하였다.
최근 전장에서의 드론 활용이 정찰뿐만 아니라 화력 지원까지 확장됨에 따라, 드론을 조기에 자동으로 식별하는 기술의 중요성이 더욱 증가하고 있다. 본 연구에서는 드론과 크기 및 외형이 유사한 다른 공중 표적들인 새와 풍선을 구분할 수 있는 효과적인 이미지 분류 모델을 확인하기 위해, 인터넷에서 수집한 3,600장의 이미지 데이터셋을 사용하고, 세 가지 사전 학습된 합성곱 신경망 모델(VGG16, ResNet50, InceptionV3)의 특징 추출기능과 추가 분류기를 결합한 전이 학습 접근 방식을 채택하였다. 즉, 가장 우수한 모델을 확인하기 위해 세 가지 사전 학습된 모델(VGG16, ResNet50, InceptionV3)의 성능을 비교 분석하였으며, 실험 결과 InceptionV3 모델이 99.66%의 최고 정확도를 나타냄을 확인하였다. 본 연구는 기존의 합성곱 신경망 모델과 전이 학습을 활용하여 드론을 식별하는 새로운 시도로써, 드론 식별 기술의 발전에 크게 기여 할 것으로 기대된다.
본 논문에서는 다수 반송자에 의해 일어나는 산란현상을 고려한 반송자-반송자 산란(CCS) 이동도 모델을 구현하였다. 구현된 CCS 이동도 모델을 검증하기 위해 N/sup +/P 접합 다이오드에 대해 모의실험 한 후 MEDICI와 비교한 결과 장벽전위인 0.9〔V〕 미만과 이상에서 각각 2%와 6% 정도의 상대오차를 보였다. BJT의 콜렉터에 30〔V〕를 인가한 후 베이스 전압을 0.8〔V〕까지 증가시켜 모의실험 한 결과 베이스 전압베이스 전류 및 베이스 전압-컬렉터 전류 특성은 각각 4.41%, 6.10%의 최대 상대오차를 보였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.