http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
AHP기법을 이용한 천연가스 발전소의 최적가용기술의 중요도 선정
김동욱 ( Donguk Kim ),권순길 ( Soongil Kwon ),황용우 ( Yongwoo Hwang ),김영운 ( Youngwoon Kim ) 한국전과정평가학회 2020 한국전과정평가학회지 Vol.21 No.1
최근 국내에서 환경오염시설의 통합관리에 관한 법률이 시행되었다. 통합관리에 따라 사업장의 환경인허가는 2017년 시행된 통합법에 따라 사업장 환경관리수준평가를 통하여 인허가 기간을 5∼8년까지 갱신하게 된다. 이 과정에서 최적가용기법의 적용률을 평가하게 되는데, 높은 평가점수를 받기 위해서 반드시 필요한 부분이다. 하지만 최적가용기법을 평가하는데 있어 사업장의 상황을 고려하지 않는 문제점이 있다. 적용 가능한 최적가용기법을 국내 기준서와 EU 기준서를 조사하여 사업장의 상황에 맞게 전문가들을 대상으로 AHP분석을 실시하여 우선적으로 적용할 기법을 선정하여 우선순위를 마련하였다. Recently, the Act on the Integrated Management of Environmental Pollution Facilities was implemented in Korea. Under the integrated management, the license period of the workplace will be renewed by five to eight years through the assessment of the level of environmental management of the workplace in accordance with the integrated law implemented in 2017. In this process, the application rate of the optimal use technique is evaluated, which is essential to obtain a high evaluation score. However, there is a problem in assessing optimal use techniques without considering the situation at the workplace. An AHP analysis was conducted on experts according to the situation of the workplace by examining the applicable optimal use techniques and the EU standards, and the priority was prepared by selecting the techniques to be applied first.
데이터 전처리 기능을 활용한 음식 사진 인식 서비스 설계 및 구현
김학겸 ( Hakkyeom Kim ),유연준 ( Yeonjoon Yoo ),신대현 ( Daehyun Shin ),오주현 ( Juhyeon Oh ),이진아 ( Jin-a Lee ),김영운 ( Youngwoon Kim ) 한국정보처리학회 2021 한국정보처리학회 학술대회논문집 Vol.28 No.2
한국을 방문하는 외국인들은 매년 증가하고 있고 방한 목적 중 식도락관광이 3위에 오를 만큼 세계에서 한국 음식은 위상이 높아지고 있다. 하지만, 한국에서의 알레르기 성분 표시는 법적 의무가 아니기 때문에 대부분의 한식당에서는 이를 표시하지 않고 있고 알레르기가 있는 외국인 관광객들은 한국 음식 섭취에 있어서 상당한 위험과 불편함을 부담하고 있다. 이에 본 논문에서는 머신러닝을 활용하여 사진 촬영만으로 쉽고 정확하게 알레르기 성분을 제공하고자 사물 이미지 데이터 전처리를 위한 HSV(Hue, Saturation, Value) 데이터 전처리 기법을 제안한다. 제안하는 기법은 이미지의 HSV의 평균 및 분산, 표준편차를 통해 불필요한 데이터를 제거한다. 성능평가에서는 비빔밥, 불고기, 제육볶음 등 사진 약 500장의 데이터 셋을 구성하여 HSV의 평균 및 분산을 통해 이미지를 제거하는 방식으로 구축한 데이터 셋을 TensorFlow를 통해 정확도와 학습시간을 측정한다. 측정결과, 제안하는 기법으로 구축한 데이터 셋은 최소 15%에서 최대 25% 높은 정확도와 최소 37.96%에서 최대 42.85% 높은 정도 낮은 학습시간을 보여주었다. 향후 HSV를 활용한 데이터 전처리 기법은 더 많은 데이터를 통해 더욱 구체적인 성능 분석이 필요하다. 또한, 실질적인 개발 및 구현을 통해 제안하는 데이터 전처리 기법의 더욱 현실적인 검증이 필요하다.