http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
전력선통신 시스템을 위한 딥 러닝 기반 전력량 예측 기법
이동구,김수현,정호철,선영규,심이삭,황유민,김진영,Lee, Dong Gu,Kim, Soo Hyun,Jung, Ho Chul,Sun, Young Ghyu,Sim, Issac,Hwang, Yu Min,Kim, Jin Young 한국전기전자학회 2018 전기전자학회논문지 Vol.22 No.3
Recently, energy issues such as massive blackout due to increase in power consumption have been emerged, and it is necessary to improve the accuracy of prediction of power consumption as a solution for these problems. In this study, we investigate the difference between the actual power consumption and the predicted power consumption through the deep learning- based power consumption forecasting experiment, and the possibility of adjusting the power reserve ratio. In this paper, the prediction of the power consumption based on the deep learning can be used as a basis to reduce the power reserve ratio so as not to excessively produce extra power. The deep learning method used in this paper uses a learning model of long-short-term-memory (LSTM) structure that processes time series data. In the computer simulation, the generated power consumption data was learned, and the power consumption was predicted based on the learned model. We calculate the error between the actual and predicted power consumption amount, resulting in an error rate of 21.37%. Considering the recent power reserve ratio of 45.9%, it is possible to reduce the reserve ratio by 20% when applying the power consumption prediction algorithm proposed in this study. 최근 전력 사용량의 증가로 인한 대규모 블랙아웃 등 에너지 문제가 대두되고 있으며, 이 문제들로 인해 전력 소비량 예측에 대한 정확도를 개선할 필요성이 부각되었다. 본 연구에서는 딥 러닝 기반의 전력 사용량 예측 실험을 통해서 실제 전력 소비량과 예측된 전력 소비량의 차이를 계산하고, 이를 통해서 전력 예비율을 기존 대비 하향 조정할 수 있는 가능성에 대해서 살펴본다. 예비 전력은 사용하지 않으면 손실되는 전력으로, 본 논문에서의 딥 러닝 기반 전력 소비량 예측을 통해서 여분의 전력을 과도하게 생산하지 않도록 오차범위 내에서 전력 예비율을 감소시킬 수 있는 기반을 마련할 수 있다. 본 논문에서 사용하는 딥 러닝 기법은 시계열 데이터를 처리하는 Long-Short-Term-Memory(LSTM) 구조의 학습 모델을 이용한다. 컴퓨터 시뮬레이션에서는 임의 생성한 전력 소비 데이터를 토대로 모델을 학습시키고, 학습된 모델을 토대로 전력 사용 예측값을 구하고 실제 전력 소비량 간에 오차를 계산한 결과 오차율 21.37%를 얻을 수 있었다. 이는 최근의 전력 예비율 45.9%를 고려할 때, 본 연구에서 제안한 전력 소비량 예측 알고리즘을 적용하는 경우 20% 포인트 정도의 예비율 감축이 가능하다.
화학기상증착법에 의한 탄소나노튜브의 성장에 미치는 암모니아 가스의 영향
이동구,Lee, Dong-Gu 한국전기전자재료학회 2010 전기전자재료학회논문지 Vol.23 No.5
Carbon nanotubes (CNTs) were synthesized by Fe-catalytic chemical vapor deposition (CVD) method about $800^{\circ}C$. The influence of process parameters such as pretreatment conditions, gas flow ratio, processing time, etc on the growth of CNTs was investigated by field emission scanning electron microscopy, transmission electron microscopy, and Raman spectroscopy. Ammonia was added to acetylene source gas before and during the CNT growth. Different types of CNTs formed depending upon the processing condition. It was found that ammonia prevented amorphous carbons from adsorbing to the outer wall of CNT, resulting in purification of CNTs during CNT growth.
이동구(Dong Gu Lee),최경(Kyung Choi),이상현(Sanghyun Lee) 충남대학교 농업과학연구소 2011 농업과학연구 Vol.38 No.4
To search for the new development of industrial application of woody plants, the chemical composition of the volatile constituents from woody plants (Evodia daniellii, Clerodendron trichotomum, Prunus padus, and Zanthoxylum ailanthoides) was determined by GC and GC/MS spectrometric analysis with the aid of NBS, Wiley Library and RI indice searches. The major constituents were t-ocimene from the leaves of E. daniellii, linalool from the leaves of C. trichotomum, benzaldehyde from the leaves and twigs of P. padus, β-thujene from the leaves of Z. ailanthoides, and 2-undecanone from the stems of Z. ailanthoides. These results suggested that the major volatile constituents of woody plants could be a useful lead compound in the development of functional materials for industrial application.
가변 임피던스 매칭 네트워크를 이용한 영상 감시 Disposable IoT용 광대역 CMOS RF 에너지 하베스터
이동구(Dong-gu Lee),이두희(Duehee Lee),권구덕(Kuduck Kwon) 대한전기학회 2019 전기학회논문지 Vol.68 No.2
This paper presents a CMOS RF-to-DC converter for video surveillance disposable IoT applications. It widely harvests RF energy of 3G/4G cellular low-band frequency range by employing a tunable impedance matching network. The proposed converter consists of the differential-drive cross-coupled rectifier and the matching network with a 4-bit capacitor array. The proposed converter is designed using 130-nm standard CMOS process. The designed energy harvester can rectify the RF signals from 700 MHz to 900 MHz. It has a peak RF-to-DC conversion efficiency of 72.25%, 64.97%, and 66.28% at 700 MHz, 800 MHz, and 900 MHz with a load resistance of 10kΩ, respectively.
이동구(Dong-Gu Lee),김건우(Kun-Woo Kim) 韓國雜草學會 2011 Weed&Turfgrass Science Vol.31 No.4
본 연구는 붉노랑상사화 인경에 함유된 살초활성물질을 분리하여 살초활성을 평가하고 그 화학구조를 구명하고자 수행되었다. Silica gel flash column chromatography, preparative TLC, HPLC 등 일련의 크로마토그래피법들을 통해 붉노랑상사화 인경의 MeOH 추출물을 분리·정제하였다. HPLC에 의해 최종 획득된 활성분획에 대한 GC/MS 분석 결과, galanthine(galanthan-1-ol)과 isoquinoline alkaloid인 montanine(O2-methyl pancracine)이 동정되었다. Montanine은 20㎍ mL-1 농도에서 돌피 유묘의 생장을 거의 100% 억 제시키는 것으로 나타났다. 한편, 붉노랑상사화 인경의 MeOH 추출물은 1,000㎍ mL-1 에서 대조구에 비해 화영벼 유묘의 신초와 유근의 생장을 각각 약 3.1% 및 8.3% 억제하였다. This study was conducted to determine the herbicidal activity of herbicidal substances and identify them in bulbs of Lycoris flavescens. Methanol extract was purified by a series of chromatographic techniques including silica gel column chromatography, preparative TLC, and HPLC. The final HPLC gave two active fractions and two herbicidal substances were obtained. By GC/MS analysis, one was identified as galanthine (galanthan-1-ol) and the other was identified as montanine (O2-methyl pancracine), an isoquinoline alkaloid. Montanine showed nearly 100% of growth inhibition on the shoot and root of barnyardgrass (Echinochloa crusgalli) seedlings at 20 ㎍ mL-1 as compared with the control. Meanwhile, methanol extract of L. flavescens bulbs showed only about 3.1% and 8.3% of growth inhibition on the shoot and root of rice cultivar, Hwayeongbyeo seedlings at 1,000 ㎍ m-1 as compared with the control, respectively.
이동구(Dong Gu Lee),최혜연(Hyeyeon Choi),김범준(Bum Jun Kim),장현아(Hyeonah Jang),정원석(Wonseok Jeong),김상우(Sang Woo Kim) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
MIT에서 발표한 논문에 따르면 가장 많이 인용되어 사용되는 오픈 소스 데이터 10개에서 라벨 오류가 평균 3.4%가 존재한다고 발표되었다. 전문성을 요하는 실제 산업의 라벨링 과정에서 오류는 더욱 빈번히 발생한다. 이러한 라벨 노이즈를 잡기 위한 하나의 방법으로 Label Smoothing을 사용한다. 본 논문에서 Label Smoothing (LS)이 세분화된 유사 데이터에 부적절한 영향을 끼치는 것을 수식 및 실험적으로 확인한다. 나아가 이 데이터에 적용하기 위해 개선된 Dynamic Label Smoothing (DLS)을 제안한다. DLS는 오답 라벨에 균일 분포를 할당하는 대신 가까운 클러스터에는 작은 값으로 불균일 분포를 할당한다. 이를 통해 세분화된 유사 데이터 학습에서 발생하는 LS의 단점을 개선한다. 다양한 실험을 통해 제안된 방법이 세분화된 유사 데이터에 유의미함을 검증하였다.