http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Nek5000 기반의 마이크로 버블 유동저항감소 직접수치모사
김병천(Byeong-Cheon Kim),장경식(Kyoungsik Chang),이상욱(Sang-Wook Lee) 한국전산유체공학회 2021 한국전산유체공학회지 Vol.26 No.4
The microbubble generation technology in underwater vehicle is considered as one of the promising technique to reduce skin friction resistance. In the present work, microbubble dynamics were investigated in two-way coupled microbubble-laden turbulent channel flows with Nek5000 code based on the spectral element method. The Euler-Lagrange approach was adopted to predict the microbubble dynamics and to investigate the effect on flow field. The fully elastic collision model was implemented to consider the effect of wall-bubble interaction. To investigate the drag reduction effect of microbubble, turbulent flow in the channel at Re<SUB>τ</SUB>=135 was conducted with direct numerical simulation and a Lagrangian particle tracking approach. Three cases with different conditions in the bubble diameter and void fraction were considered.
미로 환경에서 최단 경로 탐색을 위한 실시간 강화 학습
김병천,김삼근,윤병주,Kim, Byeong-Cheon,Kim, Sam-Geun,Yun, Byeong-Ju 한국정보처리학회 2002 정보처리학회논문지B Vol.9 No.2
강화 학습(reinforcement teaming)은 시행-착오(trial-and-er개r)를 통해 동적 환경과 상호작용하면서 학습을 수행하는 학습 방법으로, 실시간 강화 학습(online reinforcement learning)과 지연 강화 학습(delayed reinforcement teaming)으로 분류된다. 본 논문에서는 미로 환경에서 최단 경로를 빠르게 탐색할 수 있는 실시간 강화 학습 시스템(ONRELS : Outline REinforcement Learning System)을 제안한다. ONRELS는 현재 상태에서 상태전이를 하기 전에 선택 가능한 모든 (상태-행동) 쌍에 대한 평가 값을 갱신하고 나서 상태전이를 한다. ONRELS는 미로 환경의 상태 공간을 압축(compression)하고 나서 압축된 환경과 시행-착오를 통해 상호 작용하면서 학습을 수행한다. 실험을 통해 미로 환경에서 ONRELS는 TD -오류를 이용한 Q-학습과 $TD(\lambda{)}$를 이용한 $Q(\lambda{)}$-학습보다 최단 경로를 빠르게 탐색할 수 있음을 알 수 있었다. Reinforcement learning is a learning method that uses trial-and-error to perform Learning by interacting with dynamic environments. It is classified into online reinforcement learning and delayed reinforcement learning. In this paper, we propose an online reinforcement learning system (ONRELS : Outline REinforcement Learning System). ONRELS updates the estimate-value about all the selectable (state, action) pairs before making state-transition at the current state. The ONRELS learns by interacting with the compressed environments through trial-and-error after it compresses the state space of the mage environments. Through experiments, we can see that ONRELS can search the shortest path faster than Q-learning using TD-ewor and $Q(\lambda{)}$-learning using $TD(\lambda{)}$ in the maze environments.
개선된 추천시스템을 이용한 전자상거래시스템 설계 및 구현
김영설,김병천,윤병주,Kim, Yeong-Seol,Kim, Byeong-Cheon,Yun, Byeong-Ju 한국정보처리학회 2002 정보처리학회논문지D Vol.9 No.2
인터넷 환경의 급속한 발전과 함께 이를 이용한 전자상거래가 빠르게 증가하고 있다. 증가하는 전자상거래 환경에서 고객에게 필요한 제품을 신속히 제공하고, 제품판매를 증가시킬 수 있는 새로운 전자상거래 시스템의 필요성이 점차 커지고 있다. 이러한 필요성에 의해서 최근에 추천시스템에 대한 많은 연구가 이루어지고 있다. 하지만 지금까지의 추천시스템은 고객의 구매데이터가 증가하면 고객에게 추천을 제공하는데 많은 시간이 소요되어 실시간 추천이 어렵다는 큰 단점을 가졌다. 따라서, 이 논문은 전자상거래 시스템의 경쟁력을 높이는 방안으로 협동적 필터링을 이용한 추천시스템을 연구하고, 성능을 개선하기 위해서 추천에 사용되는 데이터를 제품의 대표장르를 이용하여 줄임으로서 추천소요시간을 단축하여 실시간 추천이 가능한 개선된 추천시스템을 제안하고 실험하였다. 또한 개선된 추천시스템을 Enterprise JavaBeans로 구현함으로서 분산환경에서 사용할 수 있는 전자상거래시스템을 설계하여 경쟁력있는 전자상거래 시스템 환경을 제공하고자 한다. With the fast development of Internet environment, e-Commerce is rapidly increasing. n the expanding e-Commerce environment, the need for a new e-Commerce systems what will deliver products to the customer rapidly and increase sales is growing bigger. Recently, these requirements brought many researches on recommender systems. However, until now, those recommender systems have a limit because it takes too much time for recommender systems to give customers the recommendations in real time, if the number of purchase data of customers is large. So this paper concerns on the recommender systems using collaborative filtering as one of the solutions to increase the competitive power. We proposed and experimented the more improved recommender systems which could decrease the data size to shorten the recommending time by using the representative category of the product which customers want to buy. Also, we design and implement a recommender system using Enterprise JavaBeans.
김삼근,김병천,Kim, Sam-Geun,Kim, Byeong-Cheon 한국정보처리학회 2002 정보처리학회논문지B Vol.9 No.4
최근 자신의 건강에 관한 관심이 고조됨에 따라 웹 상에서 많은 증상 진단 사이트들이 대두되고 있다. 그러나 기존의 건강정보 사이트들은 사용자에게 매우 제한된 기능만을 제공하고 있다. 본 논문에서는 신경망의 학습 효과를(전문가의 지식이 아니라) 진단 과정에 통합되도록 함으로써 유연한 증상-진단 도구를 제안한다. 즉 사용자(흑은 전문가)가 웹 상에서 단계별로 지정한 증상들을 바탕으로 하여 신경망 모델에 적용함으로써 보다 유연하게 사용자의 질병을 예측할 수 있는 새로운 알고리즘을 개발한다. 제안한 알고리즘은 두 가지 중요한 특징을 가진다 : 1) 일반 사용자들은 조기에 자신의 질병에 대한 진단을 받을 수 있고, 2) 전문가는 예상 질병 목록과 함께 각 질병의 가능성(확률)을 참조함으로써 진단의 정확성을 높일 수 있다는 점이다. Being recently increased interests of our healthcare, a host of symptoms-diagnostic sites has been introduced on the World Wide Web. But conventional healthcare sites provide users with only a very restricted functions. In this paper, we propose the use of Artificial Neural Networks (ANNs) as a flexible symptoms-diagnostic tool that enables learning effects of ANNs (not expert's knowledge) to be incorporated into the diagnostic process. We develop a novel algorithm for predicting patient\`s disease that satisfy user (or expert)-specified symptoms on WWW. Our algorithm provides two important benefits : 1) enables users (patients) to be taken early diagnostic, and 2) enables experts to perform confidently diagnostic by referencing the predicted diseases-list with its respective possibility.