http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Microwave Studio와 전달행렬 캐스케이딩을 이용한 케이블 누화 시뮬레이션 방법과 직선구간을 포함하는 Twisted Wire Pairs(TWP) 누화 분석
민태홍,Min, Tae Hong 한국시뮬레이션학회 2017 한국시뮬레이션학회 논문지 Vol.26 No.1
본 논문에서는 3차원 전자파 해석 툴인 Microwave Studio(MWS)와 Matlab을 이용한 케이블 누화 시뮬레이션 방법에 대해 소개하고 이를 이용하여 항공 및 군용에 사용되는 Twisted Wire Pair(TWP)로 구성된 케이블 조립체의 누화특성을 분석한다. TWP는 한 방향으로 길게 꼬여있는 구조로 3차원 전자파 해석 툴만을 이용하여 분석 시 Mesh의 기하급수적인 증가로 인해 메모리가 많이 필요해 해석이 불가능한 경우가 발생한다. 전달행렬(Transmission Matrix)은 주기적인 구조를 해석하는데 효율적이며, 단위 구조 결과를 캐스케이딩(Cascading)하여 전체 구조의 해석을 빠른 시간에 할 수 있어 구조가 반복적인 케이블 시뮬레이션에 적합하다. 본 논문에서는 케이블 누화 시뮬레이션 방법을 이용하여 케이블 조립체를 직선구간을 포함된 TWP로 모델링 하여 누화 특성을 분석하였다. This research explains a simulation method of cable crosstalk using Microwave Studio(MWS), Matlab and analyzes the crosstalk of Twisted Wire Pairs(TWP) applied to the aerospace or the military. TWP have a periodic configuration of long twisted wires along a axis. It is impossible to conduct the simulation of TWP due to the increased meshs according to the long length configuration. Transmission matrix(T-matrix) cascading method which is suitable to analyze the periodic configuration has been adopted to get the crosstalk of total cable so that the total simulation time has been decreased. In this paper, the crosstalk analysis of TWP including the connector modeled to straight sections has been performed.
Korean Spatial Information Extraction using Bi-LSTM-CRF Ensemble Model
Tae Hong Min(민태홍),Hyeong Jin Shin(신형진),Jae Sung Lee(이재성) 한국콘텐츠학회 2019 한국콘텐츠학회논문지 Vol.19 No.11
공간 정보 추출은 자연어 텍스트에 있는 정적 및 동적인 공간 정보를 공간 개체와 그들 사이의 관계로 명확히 표시하여 추출하는 것을 말한다. 이 논문은 2단계 양방향 LSTM-CRF 앙상블 모델을 사용하여 한국어 공간정보를 추출할 수 있는 심층 학습 방법을 제안한다. 또한 공간 개체 추출과 공간 관계 속성 추출을 통합한 모델을 소개한다. 한국어 공간정보 말뭉치(Korean SpaceBank)를 사용하여 실험한 결과 제안한 심층학습 방법이 기존의 CRF 모델보다 우수함을 보였으며, 특히 제안한 앙상블 모델이 단일 모델보다 더 우수한 성능을 보였다. Spatial information extraction is to retrieve static and dynamic aspects in natural language text by explicitly marking spatial elements and their relational words. This paper proposes a deep learning approach for spatial information extraction for Korean language using a two-step bidirectional LSTM-CRF ensemble model. The integrated model of spatial element extraction and spatial relation attribute extraction is proposed too. An experiment with the Korean SpaceBank demonstrates the better efficiency of the proposed deep learning model than that of the previous CRF model, also showing that the proposed ensemble model performed better than the single model.