http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
실시간 얼굴 추적 기술 기반 가상현실 상호작용 콘텐츠 구현
이우현(Woohyun Lee),배상준(Sangjoon Bae),김동호(Dongho Kim) 한국HCI학회 2024 한국HCI학회 학술대회 Vol.2024 No.1
본 연구는 실시간 얼굴 추적 기술을 이용한 2.5D 가상현실 상호작용 콘텐츠를 구현하여 시각 예술분야의 새로운 방법을 제안한다. 가상현실의 상호작용 부분에서 효과적인 입력 방법에 대한 연구를 바탕으로 사용자가 얼굴 위치 및 시선에 따라 2.5D 콘텐츠와 상호작용할 수 있는 시스템을 구축했다. 이를 통해 몰입감과 현실감 있는 경험을 제공하며, 앞으로 다양한 디바이스 및 환경에서 상호작용을 발전시킬 수 있는 가능성을 제시한다.
최재용(Jaeyong Choi),이우현(Woohyun Lee),손현철(HyunChul Sohn),김재산(JaeSan Kim),김정훈(Junghun Kim) 한국자동차공학회 2009 한국자동차공학회 학술대회 및 전시회 Vol.2009 No.11
The performance of the Active engine mount system to reduce the vibration from engine depends on the decoupler which acts along with actuator to switch the air pressure. The decoupler work on the change of air pressure into air chamber of engine mount and can control the vibration from engine. This paper contains the property of decouple of the pneumatic active engine mounting system and confirm the performance of this characteristic test.
공압식 능동형 엔진 마운트 시스템의 TPA 출력변수간의 상간관계
박혈우(Hyeolwoo Park),이재천(Jaecheon Lee),이우현(Woohyun Lee),김정훈(Jeonghoon Kim) 한국자동차공학회 2009 한국자동차공학회 학술대회 및 전시회 Vol.2009 No.11
The Pneumatic Active Engine Mount(PAEM) is used to improve vehicle NVH performance in various driving conditions. During the development of the PAEM, the real vehicle test is performed in idle state. By means of Transfer Path Analysis method, the correlation of output parameter of PAEM is analysed in the paper. The analysis results show that the vertical vibration is more serious than the longitudinal and lateral direction of the vehicle, and that the correlation between the Front seat rail vibration and the Steer wheel vibration is 0.992
분산 인 메모리 DBMS 기반 병렬 K-Means의 In-database 분석 함수로의 설계와 구현
구해모(Heymo Kou),남창민(Changmin Nam),이우현(Woohyun Lee),이용재(Yongjae Lee),김형주(HyoungJoo Kim) 한국정보과학회 2018 정보과학회 컴퓨팅의 실제 논문지 Vol.24 No.3
데이터의 양이 증가하면서 단일 노드 데이터베이스로는 저장과 처리를 동시에 수행하기에는 부족하다. 따라서, 데이터를 분산시켜 복수 노드로 구성된 분산 데이터베이스에 저장되고 있으며 분석 역시 효율성을 위해 병렬 기능을 제공해야한다. 전통적인 분석 방식은 데이터베이스에서 분석 노드로 데이터를 이동시킨 후 분석을 수행하기 때문에 네트워크의 비용이 발생하며 사용자가 분석을 위해 분석 프레임워크도 다를 수 있어야한다. 본 연구는 군집화 분석 기법인 K-Means 군집화 알고리즘을 관계형 데이터베이스와 칼럼 기반 데이터베이스를 이용한 분산 데이터베이스 환경에서 SQL로 구현하는 In-database 분석 함수로의 설계와 구현 그리고 관계형 데이터베이스에서의 성능 최적화 방법을 제안한다. As data size increase, a single database is not enough to serve current volume of tasks. Since data is partitioned and stored into multiple databases, analysis should also support parallelism in order to increase efficiency. However, traditional analysis requires data to be transferred out of database into nodes where analytic service is performed and user is required to know both database and analytic framework. In this paper, we propose an efficient way to perform K-means clustering algorithm inside the distributed column-based database and relational database. We also suggest an efficient way to optimize K-means algorithm within relational database.