http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
위성 이미지의 관심영역을 활용한 단기간 태양광 발전량 예측에 관한 연구
김보우(Bowoo Kim),황준화(Junhwa Hwang),서동준(Dongjun Suh) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 연구는 안정적이고 효율적인 전력 수급을 위해 구름의 움직임을 반영한 태양광 발전량 예측을 모델을 개발하고자 한다. 이를 위해 일사량에 가장 직접적인 영향을 미치는 구름의 움직임을 근적외 권운 위성이미지를 통해 태양광 발전량 예측 모델에 반영하고자 한다. 또한, 위성 이미지가 태양광 발전량 예측 모델에 미치는 영향을 파악하기 위해 3 가지의 실험을 진행하였다. 실험 결과 태양광 발전소를 중심으로 관심영역 (ROI; Region of Interest)과 주변영역을 함께 학습시킨 모델의 성능이 다른 모델과 대비하여 MAE 와 RMSE 각각 약 12.3%, 9.9% 우수한 성능을 가지는 것을 확인하였다.
권오형(O. H. Kwon),김상우(S. W. Kim),박재홍(J. H. Park),홍성제(S. J. Hong),김종(J. Kim),김보우(B. W. Kim) 한국정보과학회 1997 한국정보과학회 학술발표논문집 Vol.24 No.2Ⅱ
대용량 메모리의 결함을 검출하기 위한 기능 테스트는 메모리의 각 셀에 대한 반복된 읽기와 쓰기 동작으로 결함을 검출한다. 그러나 대용량 메모리에는 셀의 수가 너무 많기 때문에 기능 테스트에 장시간이 소요된다. 이러한 문제의 해결 방법으로 병렬 테스팅이 가능한 1Gb 메모리 구조를 제안한다. 제안한 1Gb 메모리는 4096배 빠른 테스팅을 수행 할 수 있다. 또한 제안한 메모리에서 고착 결함, 천이 결함, 결합 결함 및 어드레스 결함을 검출하는 march 테스트 알고리즘에 대하여 보였다.
초고속 무선 멀티미디어(인터넷) 서비스를 위한 밀리미터파 대역 Pico Cell 광무선 통신 기술
김호영,전동석,이상석,남은수,김제하,김해천,조경익,김보우,이우용,Kim, H.Y.,Jeon, D.S.,Lee, S.S.,Nam, E.S.,Kim, J.H.,Kim, H.C.,Cho, K.I.,Kim, B.W.,Lee, W.Y. 한국전자통신연구원 2005 전자통신동향분석 Vol.20 No.6
최근 국내외에서 연구되고 있는 가입자에 초고속 멀티미디어 서비스가 가능하도록pico cell 가입자 통신망을 구성하여 100Mbps-수 Gbps의 대용량 초고속 데이터를 통신할 수 있는 밀리미터파 pico cell 광무선 통신 기술의 개념, 필요성, 기술 동향과ETRI를 중심으로 연구 개발되고 있는 핵심 부품들의 개발 현황과 기술의 활용성에 대하여 조사하였다.
Excimer Laser를 이용한 노광기술-II. Excimer Stepper의 특성 및 설계조건분석
이종현,김보우,Lee, Jong-Hyeon,Kim, Bo-U 한국전자통신연구원 1989 전자통신 Vol.11 No.4
Excimer laser를 이용한 투영노광기술은 '80년대 초 $0.5\mum$ 이하의 패턴 형성에 시도된 이래 점진적인 발전을 이루어 왔으며 기존 광노광기술의 연장선상에서 64M bit DRAM 제조를위한 핵심 노광기술이 될 것이다. 본 논문에서는 차세대 노광장비로서의 excimer stepper가 갖는 중요성을 고찰하고 대량생산을 위한 노광장비의 개발방향을 제시하였다. 먼저단파장화에 의한 투과도 저하로 인하여 발생하는 투영광학계의 문제점을 살펴보고 이에 따른 광원의 요구조건을 도출하였다. 그리고excimer stepper를 광원, 조명계, 투영계, 정렬계, stage계 및 제어계등 기능별로 분류한 후 각각의 문제점 및 설계조건을 제시하였다.
김동현(Donghyeon Kim),김보우(Bowoo Kim),최정훈(Jeonghoon Choi),서동준(Dongjun Suh) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
최근 이상기온과 기상이변 문제가 대두되는 가운데 병해충으로 인한 작물의 피해사례가 증가하고 있다. 작물의 병해충 진단이 늦어질 경우 농가 전체에 퍼져 큰 피해를 볼 수 있다. 본 논문에서는 병해충 피해를 초기에 진단하기 위해 AlexNet, VGG-16, Inception-v3, ResNet50 모델을 이용하여 작물 이미지의 병해충 진단을 진행하였고, f1-score와 Precision, Recall을 바탕으로 이미지 분류 성능을 검증하였다. 실험 결과 Inception-v3 모델의 f1-score 값이 평균 0.89로 이미지 예측에 가장 적합한 모델임을 확인할 수 있었다.