http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
고차원 국부이진패턴과 결합베이시안 알고리즘을 이용한 얼굴인증 임베디드 시스템 구현
김동주,이승익,강석근,Kim, Dongju,Lee, Seungik,Kang, Seog Geun 한국정보통신학회 2017 한국정보통신학회논문지 Vol.21 No.9
본 논문에서는 고차원 국부이진패턴과 결합베이시안 알고리즘을 이용한 얼굴인증 임베디드 시스템을 제안한다. 또한, 제안된 알고리즘에 대한 임베디드 시스템을 라즈베리파이 3을 이용하여 구현한 결과를 제시한다. 제안된 얼굴인증 알고리즘에 대한 평가는 500명의 얼굴 데이터가 저장된 데이터베이스를 이용하여 수행하였다. 여기서 각각의 얼굴 데이터는 학습용과 테스트용 이미지로 구성하였다. 성능평가를 위한 척도로는 주성분분석법의 차원에 따른 스코어 분포와 얼굴인증 시간을 이용하였다. 그 결과, 최적화된 임베디드 환경에서 우수한 얼굴인증 성능을 가지는 임베디드 시스템을 상대적으로 저렴한 비용으로 구현할 수 있음을 확인하였다. In this paper, an embedded system for face authentication, which exploits high-dimensional local binary pattern (LBP) descriptor and joint Bayesian algorithm, is proposed. We also present a feasible embedded system for the proposed algorithm implemented with a Raspberry Pi 3 model B. Computer simulation for performance evaluation of the presented face authentication algorithm is carried out using a face database of 500 persons. The face data of a person consist of 2 images, one for training and the other for test. As performance measures, we exploit score distribution and face authentication time with respect to the dimensions of principal component analysis (PCA). As a result, it is confirmed that an embedded system having a good face authentication performance can be implemented with a relatively low cost under an optimized embedded environment.
FEMS 적용을 위한 에너지다소비 식품공정의 에너지 소비 예측 MLP 모델 성능 평가
김동주(Dongju Kim),이형아(Hyungah Lee),구재희(Jae-Hoi Gu) 한국환경에너지공학회 2022 한국열환경공학회 학술대회지 Vol.2022 No.2
근래 급중한 식품 소비의 증가로 인해 식품산업의 에너지 소비 규모가 급격하게 증가하고 있는 추세이다. 그러나 식품산업 전반에서의 소비 에너지 절감을 도모하기 위한 FEMS를 적용한 에너지 절감 실종 사례는 전무한 실정이다. 본 연구에서는 식품공정의 FEMS 실증을 위한 대상 식품공정 에서 수집된 데이터를 기반으로 에너지 소비예측 모델링을 수행하여 그 결과를 비교하였다. 에너지 소비예측 모델링을 위해 인공신경망 머신러닝 알고리즘인 MLP 모델을 적용하였으며 , 모델에 입력 가능한 초매개변수의 변화에 따른 에너지 소비 예측모델의 성능을 비교하였다. 성능비교를 위해 조절한 MLP 모델의 초매개변수는 최적화방법, 1차 온닉충 활성함수, 2차 은닉충 활성함수이며 , 각 조건에 따라 5 번 의 모델링을 통해 수집된 성능평가 값들의 평균을 기반으로 모델의 성능을 평가하였다. 에너지 소비 예측 모델의 성능 평가 결과 최적화 방법은 Gradient Descent 방법 의 R-square 값이 0.51 수준으로 가장 높은 성능을 나타내었으며, Conjugate Gradient 방법의 MAPE 값이 16.39 수준으로 좋은 성능을 보여 주는 것을 확인하였다. 또한, 1차 온닉 층 활성함수는 TanSig 함수를 사용한 모델의 경우가 가장 좋은 성능을 나타내는 것으로 확인되었으며, 2차 은닉층 활성함수는 Linear 함수가 좋은 성능을 보여주었다. 추가로 온닉충의 수가 2개인 모델보다 1개의 온닉충을 가진 모델의 성능이 보다 우수한 것으로 확인 하였다.
FEMS 적용을 위한 에너지다소비 식품공정의 에너지 소비 예측 MLP 모델 성능 평가
김동주(Dongju Kim),이형아(Hyungah Lee),구재희(Jae-Hoi Gu) 한국환경에너지공학회 2022 한국열환경공학회 학술대회지 Vol.2022 No.2
근래 급중한 식품 소비의 중가로 인해 식품산업의 에너지 소비 규모가 급격하게 증가하고 있는 추세이다. 그러나 식품산업 전반에서의 소비 에너지 절감을 도모하기 위한 FEMS를 적용한 에너지 절감 실종 사례는 전무한 실정이다. 본 연구에서는 식품공정의 FEMS 실중을 위한 대상 식품공정에서 수집된 데이터를 기반으로 에너지 소비예측 모델링을 수행하여 그 결과를 비교하였다. 에너지 소비예측 모델링을 위해 인공신경망 머신러닝 알고리즘인 MLP 모델을 적용하였으며 , 모델에 입력 가능한 초매개변수의 변화에 따른 에너지 소비 예측모델의 성능을 비교하였다. 성능비교를 위해 조절한 MLP 모델의 초매개변수는 최적화방법, 1차 온닉충 활성함수, 2차 은닉충 활성함수이 며 , 각 조건에 따라 5 번 의 모델링을 통해 수집된 성능평가 값들의 평균을 기반으로 모델의 성능을 평가하였다. 에너지 소비 예 측 모델의 성능 평가 결과 최적화 방법은 Gradient Descent 방법 의 R-square 값이 0.51 수준으로 가장 높은 성능을 나타내었으며, Conjugate Gradient 방법의 MAPE 값이 16.39 수준으로 좋은 성능을 보여 주는 것을 확인하였다. 또한, 1차 온닉 층 활성함수는 TanSig 함수를 사용한 모델의 경우가 가장 좋은 성능을 나타내는 것으로 확인되었으며, 2차 은닉충 활성함수는 Linear 함수가 좋은 성능을 보여주었다. 추가로 온닉충의 수가 2개인 모델보다 1개의 온닉층을 가진 모델의 성능이 보다 우수한 것으로 확인 하였다.