http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임용삼,이호경,고석원,Im, Yong-Sam,Lee, Ho-Gyeong,Go, Seok-Won 한국섬유공학회 1993 한국섬유공학회지 Vol.30 No.10
Waterproof and moisture-permeable finish of cotton fabrics was carried out by direct coating with soft polyurethane resin and wet coagulation. With increasing resin concentration and solid add-on. water entry pressure of the coated fabrics increased. But water vapor transmission of them decreased. In addition, peeling strength of the coated rabrits increased with increasing resin concentration. These phenomena could be explained by examining the thickness and scanning electron microphotographs of the coated fabrics. When coated resin was coagulated in DMF free bath at room temperature. the coated fabrics showed the best physical properties.
단순화한 Mel-Frequency Cepstral Coefficients를 이용한 전기적 이상상태 예측 방법
박원경(Won Gyeong Park),임용배(Young Bae Lim),김동우(Dong Woo Kim),이호경(Ho Kyoung Lee),조성원(Sdeongwon Cho) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.5
본 논문은 전기사고 예측을 위해 전기부하의 정상상태와 아크, 누설 상태와 같은 이상상태를 판별하는 새로운 알고리즘을 제시한다. CT를 이용하여 취득된 전기부하의 전류파형으로부터 단순하게 수정된 MFCC와 Shoulder 지속 시간 변화율, 최대치 변화율, 실효치 변화율, 누설전류의 실효치 등을 이용하여 특징벡터를 추출하고, 신경회로망을 이용하여 이상상태와 정상상태를 판별한다. 음성신호처리에 이용되는 MFCC알고리즘을 보다 단순하게 수정한 알고리즘을 전기부하 전류파형에 적용하여 전기부하 이상상태 판별을 위한 특징벡터를 추출하고, 각종 변화율을 계산한다. 신호 처리된 특징벡터는 신경회로망을 이용하여 전기부하의 이상상태 유무를 판별하기 위하여 사용된다. 제안된 단순화 MFCC는 기존의 MFCC 보다 간단한 신호처리 과정을 거치게 되며, 특징벡터 사이즈의 축소가 가능하고 판별 정확도 향상과 함께 처리시간도 단축시킬 수 있다는 장점이 있다. 실험결과는 제안된 방법이 전기부하 이상상태 판별에 유용하게 사용될 수 있음을 보여준다. This paper proposes a new method to classify electrical abnormal states such as arc and leakage currents for predicting electrical accidents. Current data of electric loads are obtained from CTs(Current Transformers), and a simplified MFCC(Mel-Frequency Cepstral Coefficients) algorithm and several change rates are used to extract feature vectors for prediction of electrical accidents. Based on the extracted features, neural networks are used to predict electrical accidents of diverse electrical loads. The original MFCC is being frequently used for speech signal processing and recognition. In this paper, MFCC is modified for the improvement of prediction performance of electrical accidents. The proposed SMFCC(simpified MFCC) is simpler than the original MFCC. Thus, the proposed SMFCC has the advantage that reduce the size and the processing time of the extracted feature vectors. The experimental results show the superiority of the proposed method for predicting electrical accidents.
간략화된 MFCC를 이용한 PIR 센서 기반 침입감지 시스템
박원경(Won Gyeong Park),Tran Linh Tam,이호경(Ho Kyung Lee),조성원(Seongwon Cho) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.4
PIR 센서를 사용하는 침입감지 시스템이 사람이 아닌 동물들로 인해 발생하는 오작동을 막기 위해 사람과 다른 동물을 구별하는 시스템의 필요성이 대두되고 있다. 본 논문에서는 사람과 동물을 구별하기 위해 PIR(Pyroelectric Infrared Sensor)센서로 부터 얻은 신호를 간략화된 MFCC(Mel-Frequency Cepstral Coefficients)를 이용하여 신호처리하여 성능을 개선한 방법을 제안한다. 음성신호처리에 주로 사용되는 MFCC를 사람과 동물신호를 구별하기에 적합하도록 수정하여 신호처리에 사용하였다. 처리된 신호들은 인공 신경회로망의 특징벡터로 사용되었다. 본 논문에서는 기존의 MFCC를 활용한 분류결과와 제안된 간략화 MFCC를 활용한 분류결과에 대해 비교하여 간략화된 MFCC가 정확도 개선에 우수함을 실험 결과로서 제시하였다. The intruder detection system using the PIR sensor has the problem that it can`t recognize human correctly. In this paper, we propose a new intruder detection system based on the PIR sensor to get around the drawbacks of the previous method. The signal captured using the PIR sensor is sampled, and its frequency feature is extracted using the simplified MFCC. The extracted features are used for the input of neural networks. After neural network is trained using various human and pet’s intrusion data, it is used for classifying human and pet in the intrusion situation. The experimental results show the superiority of the proposed method in comparison to the origianl MFCC.
단계적 딥러닝 네트워크 학습 방법을 통한 3차원 관절 좌표 추정
조용채(Yong Chae Cho),한정훈(Jeong Hoon Han),이호경(Ho Gyeong Lee),문영식(Young Shik Moon) 대한전자공학회 2019 대한전자공학회 학술대회 Vol.2019 No.11
3D pose estimation is a study of estimating human 3D joints from a single image, and it is widely used in industrial fields and applications. The performance of 3D pose estimation has dramatically improved with the deep learning. However, the lack of 3D data has always been a constant problem. To solve this issue, we propose multi-stage learning method that uses both 2D and 3D datasets. We achieved 92.0% accuracy with Human3.6M dataset and obtained natural 3D pose results on outdoor images.
MFCC와 변화율을 이용한 전기사고 예측방법에 대한 연구
임용배(Young Bae Lim),김동우(Dong Woo Kim),박원경(Won Gyeong Park),이호경(Ho Kyung Lee),조성원(Seongwon Cho) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.2
4차 산업혁명 시대가 도래됨에 따라 재해예방 분야에서도 사물인터넷과 인공지능 기술의 도입이 진행되고 있다. 본 논문은 이와 같은 기술 환경변화에 따라 공동주택용 자율전기안전관리 기술에 음성인식 분야에서 주로 활용되는 MFCC 알고리즘과 전류 변화율을 이용한 옥내 전기회로의 이상상태를 판별하는 방법을 제시한다. CT를 이용하여 전류파형을 측정하고, MFCC와 변화율 계산을 통해 신호를 변환하여 역전파 신경회로망에 적용함으로써 개선된 정확도를 얻을 수 있다. 정상상태와 아크, 누전, 아크와 누전이 동시에 일어난 이상상태 4가지로 구분하여 판별하는 실험을 수행 한 결과 제안된 방법의 우수함을 확인할 수 있었다. 기존의 MFCC를 활용하여 이상상태를 판별할 경우 51.22%, 변화율만 채택할 경우 75.61%의 정확도를 얻을 수 있었고, 본 연구에서 제안한 방식인 MFCC와 변화율을 모두 사용할 경우, 80.49%로 정확도가 향상되었다. We are living in the age of fourth industrial revolution, and new disaster prevention techniques were developed using IoT(Internet of Things) and artificial intelligence. In this paper, a new signal processing method for predicting electrical accidents using MFCC and change rate is proposed. Current data are extracted from electric loads, and then the sampled CT(Current Transformer) data are converted using MFCC and change rate. The processed data are used for the input data of back propagation neural networks. Current data for 4 kinds of electric loads were used in this experiments. Experiments show the superiority of the proposed method. The accuracy of the MFCC is 51.22% and the accuracy of change rate is 75.61%, and the proposed method produced 80.49% accuracy.
심재준(Jae Jun Sim),정우진(Woo Jin Jeong),양현석(Hyeon Seok Yang),한복규(Bok Gyu Han),조용채(Yong Chae Cho),이호경(Ho Gyeong Lee),문영식(Young Shik Moon) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.11
We propose an indoor haze removal method using MSCNN and cGAN. The structure of the network consists of multi-scale CNN and cGAN for photo realistic result. Our method outputs the haze removal image immediately, unlike the existing methods of estimating the depth map. Our method has a quantitative evaluation of 22.6879 in PSNR and 0.8872 in SSIM, which is higher than state of the art by 1.342 in PSNR and 0.0116 in SSIM. It also has good results in qualitative evaluation.