• 한국추진공학회지
• /
• 제23권2호
• /
• pp.38-45
• /
• 2019

본 연구에서는 항공용 가스터빈의 연소실에서의 연소불안정 해석을 위한 고유값 도출을 목적으로 하는 1D 네트워크 모델을 개발하였다. 모델은 면적 변화가 있는 음향 네트워크 요소들 사이의 각종 지배 방정식을 통하여 개발되었고, 이를 이용하여 현재 개발 중인 복잡한 유로 형상을 갖는 실제 항공용 가스터빈 연소기에서의 음향장 해석에 적용되었다. 본 모델을 통하여 도출된 음향장 해석 결과는 3차원 유한요소해석 기반의 헬름홀츠 솔버의 계산 결과와 비교하였다.

• 로봇학회논문지
• /
• 제13권1호
• /
• pp.8-15
• /
• 2018

This paper proposes a convolutional neural network model for distinguishing areas occupied by obstacles from a LiDAR image converted from a 3D point cloud. The channels of a LiDAR image used as input consist of the distances to 3D points, the reflectivities of 3D points, and the heights of 3D points from the ground. The proposed model uses a LiDAR image as an input and outputs a result of a segmented LiDAR image. The proposed model adopts refinement modules with skip connections to segment a LiDAR image. The refinement modules with skip connections in the proposed model make it possible to construct a complex structure with a small number of parameters than a convolutional neural network model with a linear structure. Using the proposed model, it is possible to distinguish areas in a LiDAR image occupied by obstacles such as vehicles, pedestrians, and bicyclists. The proposed model can be applied to recognize surrounding obstacles and to search for safe paths.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.47-54
• /
• 2023

For Bengali music emotion classification, deep learning models, particularly CNN and RNN are frequently used. But previous researches had the flaws of low accuracy and overfitting problem. In this research, attention-based Conv1D and BiGRU model is designed for music emotion classification and comparative experimentation shows that the proposed model is classifying emotions more accurate. We have proposed a Conv1D and Bi-GRU with the attention-based model for emotion classification of our Bengali music dataset. The model integrates attention-based. Wav preprocessing makes use of MFCCs. To reduce the dimensionality of the feature space, contextual features were extracted from two Conv1D layers. In order to solve the overfitting problems, dropouts are utilized. Two bidirectional GRUs networks are used to update previous and future emotion representation of the output from the Conv1D layers. Two BiGRU layers are conntected to an attention mechanism to give various MFCC feature vectors more attention. Moreover, the attention mechanism has increased the accuracy of the proposed classification model. The vector is finally classified into four emotion classes: Angry, Happy, Relax, Sad; using a dense, fully connected layer with softmax activation. The proposed Conv1D+BiGRU+Attention model is efficient at classifying emotions in the Bengali music dataset than baseline methods. For our Bengali music dataset, the performance of our proposed model is 95%.

• Journal of Information Processing Systems
• /
• 제19권5호
• /
• pp.576-589
• /
• 2023

To upgrade home style recommendations and user satisfaction, this paper proposes a personalized and optimized recommendation algorithm for interior design style based on local social network, which includes data acquisition by three-dimensional (3D) model, home-style feature definition, and style association mining. Through the analysis of user behaviors, the user interest model is established accordingly. Combined with the location-based social network of association rule mining algorithm, the association analysis of the 3D model dataset of interior design style is carried out, so as to get relevant home-style recommendations. The experimental results show that the proposed algorithm can complete effective analysis of 3D interior home style with the recommendation accuracy of 82% and the recommendation time of 1.1 minutes, which indicates excellent application effect.

• 한국도로학회논문집
• /
• 제18권2호
• /
• pp.91-101
• /
• 2016

PURPOSES : The aim of this study was to compare the performance of the QUEENSOD method and the gravity model in estimating Origin-Destination (O/D) tables for a large-sized microscopic traffic simulation network. METHODS : In this study, an expressway network was simulated using the microscopic traffic simulation model, VISSIM. The gravity model and QUEENSOD method were used to estimate the O/D pairs between internal and between external zones. RESULTS: After obtaining estimations of the O/D table by using both the gravity model and the QUEENSOD method, the value of the root mean square error (RMSE) for O/D pairs between internal zones were compared. For the gravity model and the QUEENSOD method, the RMSE obtained were 386.0 and 241.2, respectively. The O/D tables estimated using both methods were then entered into the VISSIM networks and calibrated with measured travel time. The resulting estimated travel times were then compared. For the gravity model and the QUEENSOD method, the estimated travel times showed 1.16% and 0.45% deviation from the surveyed travel time, respectively. CONCLUSIONS : In building a large-sized microscopic traffic simulation network, an O/D matrix is essential in order to produce reliable analysis results. When link counts from diverse ITS facilities are available, the QUEENSOD method outperforms the gravity model.

• 한국멀티미디어학회논문지
• /
• 제23권3호
• /
• pp.402-411
• /
• 2020

Power line noise in electrocardiogram signals makes it difficult to diagnose cardiovascular disease. ECG signals without power line noise are needed to increase the accuracy of diagnosis. In this paper, it is proposed DNN(Deep Neural Network) model to remove the power line noise in ECG. The proposed model is learned with noisy ECG, and clean ECG. Performance of the proposed model were performed in various environments(varying amplitude, frequency change, real-time amplitude change). The evaluation used signal-to-noise ratio and root mean square error (RMSE). The difference in evaluation metrics between the noisy ECG signals and the de-noising ECG signals can demonstrate effectiveness as the de-noising model. The proposed DNN model learning result was a decrease in RMSE 0.0224dB and a increase in signal-to-noise ratio 1.048dB. The results performed in various environments showed a decrease in RMSE 1.7672dB and a increase in signal-to-noise ratio 15.1879dB in amplitude changes, a decrease in RMSE 0.0823dB and a increase in signal-to-noise ratio 4.9287dB in frequency changes. Finally, in real-time amplitude changes, RMSE was decreased 0.3886dB and signal-to-noise ratio was increased 11.4536dB. Thus, it was shown that the proposed DNN model can de-noise power line noise in ECG.

• 한국수자원학회논문집
• /
• 제51권4호
• /
• pp.347-354
• /
• 2018

도시유역에서 발생한 유출은 지표면뿐만 아니라 하수관망을 통해 배수되며, 도시침수 모의 수행시 하수관망을 수문학적 배수 시스템의 한 구성요로서 고려하는 것은 매우 중요하다. 그러나 도시 침수 모의를 수행하는 대부분의 연구자들이 적절한 기준에 준하지 않고 직관적으로 하수관망을 단순화시켜 모의를 수행하는 실정이다. 따라서 본 연구에서는 1D-2D 결합 도시침수 해석 모형을 이용하여 수지상 구조에 구분법에 기반하여 단순화된 하수관망의 도시침수 해석 결과에 미치는 영향을 분석하였다. 하수관망 해석을 위한 1차원 모델은 Lee et al. (2017)에 의해 소개된 모형으로서 지표면과 하수관망 사이의 유입과 역류를 동시에 모의할 수 있고, 2차원 지표면 모델은 불규칙 삼각망을 이용하여 지표수 흐름을 모의하며 1차원 하수관망 해석모형과 연계되어 도시침수를 모의할 수 있다. 하수관망은 수지상 구조 구분법에 기반하여 2차, 3차 그리고 단순화 하지 않은 경우로 구분할 수 있으며, 구분된 각 하수관망은 서울시 사당역 인근에 많은 침수 피해를 발생시킨 2011년 7월 27일 강우 사상에 적용하여 제안된 방법의 적용성을 평가하였다. 모든 케이스에 대하여 침수면적, 지표면에서 하수관망으로의 유입 유량, 하수관망에서 지표면으로의 역류 유량 등을 비교하였으며, 마지막으로 하수관망 단순화를 위한 적절한 기준 제시에 대한 논의를 수행하였다.

• 한국추진공학회지
• /
• 제25권5호
• /
• pp.18-26
• /
• 2021

본 연구에서는 실험실 규모의 산업용 가스터빈 싱글노즐 연소기에서의 공진주파수 해석을 위한 고유값 도출을 목적으로 하는 1D 네트워크 모델을 개발하였다. 현대의 산업용 가스터빈은 다양한 요구 조건을 동시에 만족시키기 위하여 일반적으로 매우 복잡한 구조와 유동의 형태를 가지고 있다. 이러한 복잡한 연소기 특징 중 하나인 동일한 축 방향 위치에서 서로 반대 방향의 유동 흐름을 갖는 시스템에서의 네트워크 모델 구현을 목적으로 하였다. 네트워크 모델을 통해 음향장을 해석한 결과를 실제 형상을 그대로 해석한 헬름홀츠 기반의 모델링 결과와 비교하였을 때, 공진주파수와 모드 분포로부터 해석의 타당성을 검증하였다.

• 한국융합학회논문지
• /
• 제11권9호
• /
• pp.21-29
• /
• 2020

최근 디지털 사회의 도래로 다양한 데이터가 폭발적으로 증가하고, 그중 문헌 내 주제어를 도출하는 토픽 모델링에 관한 연구가 활발히 진행되고 있다. 본 논문의 연구목표는 토픽 모델링 방법 중 하나인 DTM(Dynamic Topic Model) 모델을 적용해 D.N.A.(Data, Network, A.I) 분야에 대한 연구동향을 탐색하는데 있다. 실험 데이터는 최근 6년간(2015~2020) ICT(Information and Communication Technology) 분야 중 기술대분류가 SW·AI에 해당하는 연구과제 1,519개 사업에 대해 DTM 모델을 적용하였다. 실험결과로, D.N.A. 분야의 기술 키워드 Big data, Cloud, Artificial Intelligence와 확장된 의미의 기술 키워드 Unstructured, Edge Computing, Learning, Recognition 등이 매년 연구에 표출되었으며, 해당 키워드 들이 특정 연구과제에 종속되지 않고 다른 연구과제에서도 포괄적으로 연구되고 있음을 확인하였다. 끝으로 본 논문의 연구결과는 향후 D.N.A. 분야에 대한 정책기획·과제기획 등 연구개발 기획 과정과 기업의 기술 확보전략·마케팅 전략 등 다양한 곳에 활용될 수 있을 것으로 기대한다.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.234-240
• /
• 2022

본 논문은 직종별 근무 환경에 따른 상대적 운동량을 고려한 맞춤형 AI 운동 추천 서비스 방법을 제안한다. 가속도 및 자이로 센서를 활용하여 수집된 데이터를 18가지 일상생활의 신체활동으로 분류한 WISDM 데이터베이스를 기반으로 전신, 하체, 상체의 3가지 활동으로 분류한 후 인식된 활동 지표를 통해 적절한 운동을 추천한다. 본 논문에서 신체활동 분류를 위해서 사용하는 1차원 합성곱 신경망(1D CNN; 1 Dimensional Convolutional Neural Network) 모델은 커널 크기가 다른 다수의 1D 컨볼루션(Convolution) 계층을 병렬적으로 연결한 컨볼루션 블록을 사용한다. 컨볼루션 블록은 하나의 입력 데이터에 다층 1D 컨볼루션을 적용함으로써 심층 신경망 모델로 추출할 수 있는 입력 패턴의 세부 지역 특징을 보다 얇은 계층으로도 효과적으로 추출 할 수 있다. 제안한 신경망 모델의 성능 평가를 위해서 기존 순환 신경망(RNN; Recurrent Neural Network) 모델과 비교 실험한 결과 98.4%의 현저한 정확도를 보였다.