• 한국지반공학회지:지반
• /
• 제14권3호
• /
• pp.47-62
• /
• 1998

본 연구에서 제안한 교란상태 개념 (disturbed state concept, DSC)은 변형중인 재료는 상대적으로 손상되지 않은 상태(relative intact state: Rl)와 완전히 파괴된 상태(fully adjusted state. FA)가 혼합되어 있다는 기본가정에 기초를 두고 있다. 여기에서 사용된 두 가지 상태, 즉 Rl상태와 FA상태는 재료의 파괴정도를 정의하는 기준이 된다. 이와 같은 개념을 바탕으로 DSC는 반복 하중하에 있는 포화사질토의 거동특성에 대한'통합된 구성방정식을 제공한다. 포화사질토에 대한 본 모델의 계수들은 실삼축시첩(truly triaxial test)의 결과를 통해 산정된다. 또한 실내실험을 통하여 얻은 결과를 이용하여 본 모델에 대한 검증을 수행하였다. DSC모델을 이용한 역해석 해석대상 시험결과는 전반적으로 일치되는 경향을 보이고있다. 본 연구의 결과를 토대로, DSC 모델은 동하중하의 구화 사질토의 거동특성을 규명할 수 있다고 사료된다.

• 한국항공우주학회지
• /
• 제31권6호
• /
• pp.88-95
• /
• 2003

임의의 성분비로 혼합되어 있는 CO$_2$와 H$_2$O 혼합가스에 대하여 회색가스가중합법(WSGGM)을 적용하였다. 모델의 타당성을 검증하기 위하여 두 가지 다른 형태의 문제를 고려하였다. 첫 번째는 문제는 일정한 분압하의 균일, 포물선 및 경계층 온도 분포를 갖는 매체에 대한 문제이고, 두 번째는 온도 및 분압이 일정치 않은 매체에 대한 문제이다. 고려된 두가지 형태의 문제들에 대하여 WSGGM을 이용한 결과는 기준이 되는 좁은밴드 모델(SNB)의 결과와 잘 일치하고 있는 것을 확인하였다. 본 연구에서 제안된 모델과 데이터베이스는 연소가스에 의한 복사열전달의 해석에 유용하게 사용될 수 있을 것이다.

• 한국전자파학회논문지
• /
• 제10권3호
• /
• pp.419-429
• /
• 1999

전파의 유효 수신 신호 도달영역을 정확히 식별하는 것은 기지국 최적화를 이룩하는데 있어 가장 중요한 요소중 하나이다. 서울 도심 지역과 같이 고층건물이 밀집되어 있고, 넓은 도로와 좁은 도로가 불규칙적으로 배치되어 있으며, 고개와 강 등이 혼재된 지역에서도 높은 정확도를 갖는 전파손실 예측모델을 소개한다. 이 모델은 기 측정된 필드데이터로 훈련된 신경회로망을 기반으로 한다. 전파손실에 영향을 주는 가장 기본적인 변수들은 3차원 DEM 데이터와 벡터 데이터로부터 추출하여 신경회로망의 입력으로 사용한다. 학습이 완료된 신경회로망은 전파손실 모델의 근사함수이며, 학습에 사용된 필드 측정데이터에 포함되지 않은 타지역에서도 정확한 예측이 가능한 일반화 능력을 갖는다. 서울 도심 지역의 실제 서비스 환경에 대한 비교 실험결과를 통해 제안하는 모델의 우수성을 보인다.

• Korean Chemical Engineering Research
• /
• 제46권4호
• /
• pp.824-832
• /
• 2008

용매인 물과 마이셀을 이루지 않고 있는 계면활성제 단분자를 포함한 단분산 마이셀 용액을 통계 역학적으로 고찰하였다. 본 논문에서 논의된 모델은 물, 계면활성제 단분자와 마이셀로 이루어진 계에 대한 것이며, 계면활성제 단분자의 분배 함수와 마이셀의 분배 함수는 용매인 물과의 서로 작용을 포함하고 있다. 이 모델에서 계는 용매의 유전 상수를 갖는 이상 기체로 가정하였는데 이것은 보통 유체를 연속체로 보는 관점과 일치한다. 이 모델은 임계 마이셀 농도(CMC)가 온도에 대해 ln CMC = A+BT+C/T+DlnT와 같이 변하는 결과를 제공하여 임계 마이셀 농도의 온도 의존성을 이론적으로 해석할 수 있는 기반을 구축하였다. 이 식에서 T는 온도이고 A, V, C, D는 마이셀을 이루는 계면활성제 분자의 성질에 의존하는 상수이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.1149-1152
• /
• 2005

복잡한 배경을 지닌 이미지에서 얼굴을 검출하기란 매우 어려운 일이다. 본 논문에서는 신경망 모델을 기반으로 한 제한생성모델(CGM: Constrained Generative Model)을 제안한다. 학습 과정의 목표라 할 수 있는 생성은 신경망 모델이 입력 데이터를 발생시킬 확률을 계산하도록 하는 것이고, 계산하는데 걸리는 시간을 줄이기 위해서 고속 탐지 알고리즘을 제안한다. 얼굴 측면 검출과 오 인식의 수를 줄이기 위해서 조건을 혼합한 신경망을 사용하였고 반증으로 인한 제한을 둠으로써 모델의 측정 품질을 증가시켰다. 본 논문에서 제안한 검출 알고리즘이 0$_{\circ}$ ${\sim}$60$_{\circ}$ 사이에서는 90%정도의 검출율을 나타냄을 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제18권11호
• /
• pp.2721-2726
• /
• 2014

배경제거를 위해 GMM(Gaussian Mixture Models)을 이용하는 MOG(Model of Gaussian) 알고리즘에서 각 화소들에서 수행될 모델변수 계산과 객체 분류는 방대한 계산을 요구하여 MOG 알고리즘의 활용들에 큰 걸림돌이 되고 있다. 본 논문은 객체 예측을 근간으로 단순한 모델변수 계산과 객체 분류 생략을 부분적으로 수행하는 고속 MOG 알고리즘을 제안한다. 전자는 모델변수에 거의 영향을 주지 않는 화소에서 적용되고, 후자는 객체 예측이 확실히 믿을만한 화소에 적용된다. 동영상을 이용한 기존 알고리즘과 제안된 알고리즘의 비교 실험에서 제안된 알고리즘은 단순 모델변수 계산과 객체 분류 생략을 각각 77.75%와 92.97% 이상을 수행하지만 영상 단위와 이동 객체 단위의 평균 분류 정확도 측면에서 각각 99.98% 이상과 99.36% 이상을 유지시켜 주고 있다.

• 대한기계학회논문집A
• /
• 제37권12호
• /
• pp.1489-1495
• /
• 2013

유체의 고압유동은 여러 산업현장에 활용되고, 특히 그 중 내연기관의 연료분사 인젝터가 대표적이며 디젤엔진의 커먼레일 시스템의 경우 1000bar 이상의 압력이 사용된다. 이와 같이 고속으로 분출되는 유체유동의 경우, 노즐을 통해 분사되는 고속의 유체는 주위기체와의 상호작용으로 분열과정을 거치게 된다. 이 분열과정은 연소실 혼합기형성기과정에 영향을 주게 되며, 그 결과 엔진의 연소상태에 까지 영향을 미치게 된다. 따라서 연료분무의 분열과정에 대한 해석은 중요하며, 본 연구에서는 연료분무의 분열을 위한 수치해석 서브모델로 Reitz&Diwakar 및 CAB(Cascade atomization and breakup)모델을 사용하였다. 본 연구의 목적은 분사된 분무의 분열과정의 정확한 해석이며, 분사연료의 분열발생 형태의 빈도 등을 조사하였다. 결과로서 본 연구는 상용 CFD 프로그램(CFX)을 이용하여 디젤분무의 분열과정해석을 위한 적합한 분열모델을 제안한다.

• 인터넷정보학회논문지
• /
• 제5권2호
• /
• pp.69-73
• /
• 2004

화자인식 시스템에서 화자 모델은 여러 세션동안 수집된 많은 양의 데이터 집합으로 등록한다. 많은 양의 데이터 집합은 많은 양의 메모리와 계산을 필요로 할 뿐 아니라, 게다가 사용자가 음성 등록을 위하여 여러 번에 걸쳐서 발성해야 하는 문제점이 있다. 최근, 이러한 문제를 보완하기 위해서 많은 적응 방법들이 제안되었다. 그러나, 여러 세션동안 모아진 데이터 집합은 불규칙한 발성 변화와 잡음 같은 이상치에 취약하고, 그것은 부정확한 화자 모델을 만든다. 본 논문에서는, GMM에 기초를 둔 화자 모델에 이상치들의 영향을 최소화하기 위한 적응 방법을 제안하였다. 강인한 적응은 M-추정의 점진적인 방법으로부터 얻어진다. 화자 모델은 초기에 적은 양의 데이터로 등록되어지고, 각각의 세션에서 얻어진 데이터로 반복적으로 적응시킨다. 실험 결과는 7개월에 걸쳐서 수집된 데이터 집합으로부터 제안된 방법이 이상치에 강인하다는 것을 보여준다.

• 한국음향학회지
• /
• 제26권6호
• /
• pp.259-268
• /
• 2007

본 논문에서는 HMM 기반 통계적인 대역폭 확장(Bandwidth Extension, BWE) 방법의 개선에 대해 다룬다. 이를 위해 우선, HMM 모델 학습을 위한 기존의 Jax의 학습법과 일반적인 Baum-Welch 학습법의 관계를 비교 검토하고, Jax의 학습법의 한계점 및 문제점을 검토한다. 그리고 이를 바탕으로 Baum-Welch학습법을 이용한 새로운 HMM 기반 BWE 방법을 제시한다. 결론적으로, Baum-Welch 학습법은 Jax의 학습법의 일반화된 형태로 볼 수 있으며, 보다 유연하고 적응적인 학습능력을 가진 알고리즘임을 알 수 있다. 따라서 학습 데이터에 대한 보다 정확한 HMM 모델링이 가능하며 아울러, 이와 같이 개선된 HMM 모델을 활용함으로써 BWE 시스템의 성능향상을 가져 올 수 있었다. 실험결과에 의하면, 제시된 새로운 방법이 기존의 Jax의 방법에 비해 실험의 모든 경우에서 우수한 성능을 보임을 알 수 있다. 주어진 실험조건하에서 근제곱평균(root-mean-square, RMS) 로그 스펙트럴 왜곡(Log Spectral Distortion, LSD) 값이 전체적으로 평균 0.52dB 그리고, 최소 0.31dB에서 최대 0.8dB까지 개선되었다.

• 한국지리정보학회지
• /
• 제14권3호
• /
• pp.174-187
• /
• 2011

항공 LiDAR 측량으로 토석류 발생 전 후의 지형자료를 취득하는 경우 토석류로 인하여 유출된 토사량을 알 수 있다. 그러나 토석류 발생지를 미리 예측하여 촬영하기가 힘들고, 토석류 발생 지역의 과거 항공 LiDAR 자료는 존재가능성이 낮아 토석류 발생이전 지형자료를 이용하는 것은 어렵다. 따라서 본 연구에서는 토석류 발생지역의 토사량 추정을 위해 발생전 지형을 복원하고, 토사유출의 공간적 범위를 파악할 수 있는 지형복원기법을 개발하였다. 지형복원기법은 토석류 발생지역에서 추출한 선형 및 비선형 횡단면을 가우시안혼합모델로 수식화하고 중심점 추정방법과 근사정확도로 근사결과를 평가하여 토석류 발생이전의 지형을 복원한다. 지형복원기법은 토석류 발생 전 후의 항공 LiDAR 자료를 이용하여 두 가지 방법으로 검증하였다. 먼저 토석류 발생구간에서 추출한 각 횡단면을 지형복원하여 발생전 항공 LiDAR 자료와 비교하였다. 또한 토석류 발생지역에 지형복원기법을 적용한 뒤 지형자료를 제작하여 토석류 발생전 항공 LiDAR DEM과 비교하여 검증하였다. 지형복원기법의 검증한 결과 전반적으로 근사정확도가 0.5m에 가까운 높은 정확도를 나타냈다.