http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
장조원,전창수,김문상,이열,문희장,송병흠,김학봉,Chang, J.W.,Jeon, C.S.,Kim, M.S.,Lee, Y.,Moon, H.J.,Song, B.H.,Kim, H.B. 한국항공운항학회 2005 한국항공운항학회지 Vol.13 No.4
A closed-circuit type wind tunnel is designed, which has a test section with the dimensions $1.2(W){\times}1.2(H){\times}3.4(L)$. A subsonic wind tunnel is designed to improves educational circumstances and promote ground tests. It is constituted of an exchangeable test section, first and second diffusers, a fan, a settling chamber, a contraction, and 4 corners. The maximum velocity in the test section is 70m/s and the contraction ratio is 6.25:1. Input power in the wind tunnel is about 96.1 kw (128.8 hp) and its energy ratio is 3.89. It has the dimension of about $7.4(W){\times}3.6(H){\times}21.7m(L)$. The wind tunnel designed in this investigation will be an effective educational and investigational equipment.
김남해(N.H Kim),백병산(B.S Baek),전용주(Y.J Jeon),김지홍(J.H Kim),이병송(B.S Lee),김종우(J.W Kim) 한국철도학회 2002 한국철도학회 학술발표대회논문집 Vol.- No.-
This paper presents general concept of DC switch gear(DCSWGR). Normally, DCSWGR consist of Digital protection unit(DPU), High Speed Circuit Breaker(HSCB), Disconnect Switch(DS), Programmable Logic Control(PLC), Auxiliary Relays and etc. Most of the components has its special characteristics and their interface between each others are various and complex. In this paper every constituent general design are preceded and interface between each component are examined. And also DCSWGR operation logic with logical diagram including interlock signal are introduced.
음성언어 감정 인식을 위한 인공 신경망 모델의 가중치 기반 경량화 기법의 성능 비교
원종호,민동진,강동현,김덕환 한국차세대컴퓨팅학회 2022 한국차세대컴퓨팅학회 학술대회 Vol.2022 No.05
최근 인간과 기계 간의 상호작용에 대한 연구가 활발히 이뤄지고 있으며, 언어에 담긴 정보뿐 아니라 음성에 내포된 감정을 인식하기 위해 딥러닝 모델이 적용되고 있다. 딥러닝을 활용한 음성언어 감정 인식 기술은 주로 모바일 및 IoT기기, 그리고 임베디드 시스템과 같은 제한된 컴퓨팅 자원 환경에 적용된다. 딥러닝 모델의 계층을 깊게 쌓아 정확도를 높일수록 그 연산량과 크기가 증가하기 때문에 제한된 컴퓨팅 자원으로 구동하는데 어려움이 발생한다. 본 논문에서는 가중치 가지치기와 가중치 군집화, 두 가지 기법을 각각 음성언어 감정 인식을 위한 딥러닝 모델에 적용하고 데스크탑 PC와 임베디드 시스템 환경에서 정확도와 추론 시간을 검증했다. 실험에 사용한 임베디드 보드는 NVIDIA사의 Jetson AGX Xavier이다. 가중치 가지치기 기법은 데스크탑 PC 환경에서 18.55%, 임베디드 보드 환경에서 17.84%, 가중치 군집화 기법은 데스크탑 PC 환경에서 15.32%, 임베디드 보드 환경에서 15.08%만큼 추론 시간을 개선했으며, 정확도는 두 기법 모두 기준 모델과 큰 차이가 없음을 확인하였다.