http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
왕희정(H J Wang),박길홍(K H Park),이혁상(H S Lee),백낙원(N W Paik),백인욱(I W Paik) 대한소화기학회 1983 대한소화기학회지 Vol.15 No.2
N/A A case of the gastric stump cancer after resection for peptic ulcer perforation is reviewed. Current views on the etiology, pathogenesis, and relative risk of this malignancy are described. Diagnosis of the condition by symptoms, X-ray examination, and endoscopic methods is discussed. The curative procedure is recommended, if possible. It is emphasized that all patients who undergo peptic ulcer operation require careful long-term follow-up.
김상진(S. J. Kim),왕일기(Y. Q. Wang),이동우(D. W. Lee),송정일(J. I. Song) 대한기계학회 2013 대한기계학회 춘추학술대회 Vol.2013 No.5
CNT/CFRP(Carbon Nano Tube/ Carbon Fiber Reinforced Plastic) composites have several excellent mechanical properties including, high strength, young modulus, thermal conductivity, corrosion resistance and electronic shielding etc. In this study, CNT/CFRP composites were manufactured by varying the CNT volume ratio of 2wt% and 3wt%. It was observed that, increasing the CNT volume ratio improves the mechanical property, e.g., tensile strength, impact and wear resistance.
지능형 저작 시스템을 위한 멀티미디어 객체 지향 지식 표현
손완기(W.K. Son),탁진현(J.H. Tak),이세훈(S.H. Lee),왕창종(C.J. Wang) 한국정보과학회 1994 한국정보과학회 학술발표논문집 Vol.21 No.2A
상호작용 멀티미디어 교수는 주의 집중 효과와 이해력 중진으로 다양한 학습상황에 있어서 학습성취도를 향상시킬 수 있다. 이를 위해서는 지능형 저작 시스템의 영역 지식에 멀티미디어 지식을 쉽게 표현할 수 있는 방법이 제시되어야 한다. 본 연구에서는 교사의 관점과 영역 전문가의 관점을 혼합한 이중적인 지식망에 멀티미디어 지식을 표현하는 방법을 제안하고 이러한 지식을 인공 지능 전문가가 아닌 일반 사용자로 하여금 손쉽게 저작할 수 있도록 지식 습득 도구를 설계한다. 또한, 멀티미디어 지식을 지식망에 자연스럽게 첨가하기 위해서 멀티미디어 메타 언어를 설계하고, 멀티미디어 지식이 갖는 시간 관련성을 쉽게 정의할 수 있도록 동기 관리자를 설계한다.
서정주(J.J.Suh),왕우경(W.K.Wang),안수길(S.K.Ahn) 한국자동차공학회 1992 한국자동차공학회 춘 추계 학술대회 논문집 Vol.1992 No.11
The ignition delay of diesel oil and fish oil blended diesel oils was investigated according to pressure and temperature in a constant volume combustion bomb.<br/> The evaporation and combustion duration of diesel oil and fish oil blended diesel oils were respectively different in high and low temperature.<br/> The dependence of temperature on the ignition delay was different in<br/> high and low temperature at the 773 K.<br/> The dependence of pressure on the ignition delay was almost linear,<br/> regardless of the test fuels at the constant temperature (a63. K).<br/> The ignition delay was almost longer as the blending rate of fish oil increase at the constant temperature and pressure, and it was no significant difference in high temperature and pressure.
Deep Learning Based Tree Recognition rate improving Method for Elementary and Middle School Learning
Jung-Eun Choi(최정은),Hwan-Seung Yong(용환승) 한국컴퓨터정보학회 2019 韓國컴퓨터情報學會論文誌 Vol.24 No.12
본 연구의 목적은 수업 시 스마트기기에 적용할 수 있는 나무 이미지를 인식하고 분류하여 정확도를 측정할 수 있는 효율적인 모델을 제안하는 것이다. 2015개정 교육과정으로 개정되면서 초등학교 4학년 과학교과서의 학습 목표에서 스마트 기기 사용한 식물 인식이 새롭게 추가 되었다. 특히 나무 인식의 경우 다른 사물 인식과 달리 수형, 수피, 잎, 꽃, 열매의 부위별 특징이 있으며, 계절에 따라 모양 및 색깔의 변화를 거치므로 인식률에 차이가 존재한다. 그러므로 본 연구를 통해 컨볼루션 신경망 기반의 사전 학습된 인셉션V3모델을 이용하여 재학습 전 후의 나무 부위별 인식률을 비교한다. 또한 각 나무의 유형별 이미지 정확도를 결합시키는 방식을 통해 효율적인 나무 분류 방안을 제시하며 교육현장에서 사용하는 스마트기기에 적용 할 수 있을 것이라 기대한다. The goal of this study is to propose an efficient model for recognizing and classifying tree images to measure the accuracy that can be applied to smart devices during class. From the 2009 revised textbook to the 2015 revised textbook, the learning objective to the fourth-grade science textbook of elementary schools was added to the plant recognition utilizing smart devices. In this study, we compared the recognition rates of trees before and after retraining using a pre-trained inception V3 model, which is the support of the Google Inception V3. In terms of tree recognition, it can distinguish several features, including shapes, bark, leaves, flowers, and fruits that may lead to the recognition rate. Furthermore, if all the leaves of trees may fall during winter, it may challenge to identify the type of tree, as only the bark of the tree will remain some leaves. Therefore, the effective tree classification model is presented through the combination of the images by tree type and the method of combining the model for the accuracy of each tree type. I hope that this model will apply to smart devices used in educational settings.