http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이현호,황준영,정석호,이원남,Lee, Hyeon-Ho,Hwang, Jun-Yeong,Jeong, Seok-Ho,Lee, Won-Nam 대한기계학회 1997 大韓機械學會論文集B Vol.21 No.1
Flame oscillation phenomena in a co-flow diffusion flame was experimentally studied with periodic fuel supply using a solenoid valve. The degree of excitation was controlled by changing the volume flux of fuel passing through the valve. Flame oscillation frequencies were measured utilizing a photodiode, a spectrum analyzer, video and high speed movies. Laser planar visualization was employed to study the correlation between the flame oscillation and the toroidal vortices. Observed are three regimes of flame oscillation, where the oscillation frequencies are for the multiples of excitation, the excitation itself and the flame natural oscillation. Both periods of natural oscillation and of excitation induced oscillation exist over one cycle of the excitation in the frequency multiplied regime. It is considered as an effect of balancing the influence of buoyancy driven vortex with that of excitation induced vortex near the excitation rate of 0.2. Flame shapes are become monotonous as increasing the excitation frequency to the range of over two fold of the natural oscillation. The flame oscillation can be modulated to the frequency of either multiples of excitation or excitation itself under certain conditions. This implies that the flame oscillation could be modulated to avoid the resonance frequency of the combustor, and shows the possibility of active control of the flame oscillation.
이현호,Lee, Hyeon-Ho 한국데이터베이스진흥원 2002 디지털콘텐츠 Vol.5 No.-
지난 호에서는 정적 SQL(Static SQL)의 장점과 Oracle8i에서 도입된 analytic function이라는 새로운 기능을 이용해서 부분범위처리가 가능한 효율적인 게시판 구현에 대해서 살펴보았다. 이번 호에서는 analytic function, FBI(Function Based Index), 순환관계(connect by ㆍㆍㆍstart with)를 이용한 응답글(속칭 리플)이 있는 게시판의 부분범위처리에 대해서 살펴보고, 게시판의 총글수나 사용자별 마일리지합 정보 등 집계성이나 항상 사용자가 온라인상에 보고자하는 정보들을 효율적으로 관리하기 위해 materialized view를 적용하는 방법에 대해서 알아보겠다.
이현호(Hyeon Ho Lee),채흥석(Heung Seok Chae) 한국정보과학회 2021 정보과학회논문지 Vol.48 No.3
우수한 성능의 CNN일지라도 실제 환경을 예상한 테스트 데이터셋 상의 오류인 일반화 오류는 높게 나오는 경우가 있다. 이 일반화 오류를 줄여서 모델이 실제 환경에서도 학습된 성능이 유지될 수 있도록 해야 한다. 본 논문에서는 데이터 다양성이 높은 학습 데이터셋을 통해 학습한 모델이 클래스별로 자주 활성화하는 뉴런 셋을 반응 셋이라 정의한다. 또한 테스트 데이터셋의 데이터 다양성에 따른 일반화 오류의 차이도 고려한다. 본 논문은 이 차이를 상대적 일반화 오류라 정의한다. 본 논문에서는 CNN의 클래스별 반응 셋과 상대적 일반화 오류의 관계를 이용하여서 학습 데이터셋 만을 이용한 CNN의 일반화 오류의 평가 방법을 제안한다. 사례연구를 통해 반응 셋 비율이 상대적 일반화 오류와 관계가 있음을 확인하였으며 본 논문에서 제안한 학습 데이터를 이용한 CNN의 일반화 오류의 평가 방법이 효과적임을 확인하였다. Even with high-performance CNNs, generalization errors, which are the errors on test datasets that are expected in the real world, are often high. This generalization error must be reduced so that the model can maintain its learned performance in the real world. This paper defines a response set as a neuron set that is frequently activated for each model class learned from the training dataset with high data diversity. Also, the differences in generalization errors due to the data diversity of the test dataset are considered. The difference is defined as a relative generalization error. In the current work, an evaluation method for CNN generalization error using only the training dataset is proposed by using the relationship between the CNN class response set and the relative generalization error. The case study confirms that the response set ratio is related to the relative generalization error and demonstrates the effectiveness of the evaluation method for generalization errors of CNN using training data.