http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
객체 지향 패러다임에서의 소프트웨어 컴포넌트 분류에 관한 연구
박서영(S.Y. Park),김갑수(K S. Kim),명선영(S Y. Myung),신영길(Y.G. Shin),우치수(C.S. Wu) 한국정보과학회 1993 한국정보과학회 학술발표논문집 Vol.20 No.2
소프트웨어 생산성과 품질 향상을 위하여 소프트웨어의 재사용과 객체지향 개념이 현재 많이 연구되어 활용되고 있다. 특히, 객체 지향 소프트웨어에서는 각 컴포넌트들이 독립적고 상속성을 갖고 있기 때문에 Procedural 소프트웨어들보다 재사용의 정도가 훨씬 높다. 그런데 현재의 재사용 시스템들은 객체 지향 소프트웨어에 적용할 수 있는 분류 및 검색 방법이 전혀 개발되지 않고 있다. 본 연구에서는 객체 지향 언어인 C++ 언어에서 대해서 각 Class들을 분류하는 새로운 방법을 제시한다. 먼저 클래스들의 유사성(similarity)을 계산한다. 클래스들 간의 유사성은 data similarity와 function similarity를 나누어서 계산한다. 이를 이용하여 클래스들의 similarity를 계산한다. 이 similarity를 사용하여 클래스들을 수정하고, 효율적으로 사용할 수 있는 새로운 클래스를 생성하는 알고리즘을 제안한다. 또한 이 유사성을 이용하여 클래스간의 상속성을 표현할 수 있는 클러스터링 알고리즘을 제안한다.
신병석(B.S Shin),오경수(K.S Oh),구복모(B.M. Ku),신영길(Y.G Shin) 한국정보과학회 1994 한국정보과학회 학술발표논문집 Vol.21 No.2A
컴퓨터를 이용한 도면 관리나 공정 자동화를 위해서는 도면상에 2차원 정보로 표현된 물체의 3차원 모델을 재구성해내는 작업이 필수적이다. Wesley와 Markowsky는 3장의 서로 수직인 2차원 도면들로부터 대상물체의 3차원 모델을 만들어내는 투영 알고리즘(the projections algorithm)을 제안하였다. 이 방법은 직선과 평면으로만 구성된 물체의 모델을 만들어내는데 좋은 성능을 발휘하지만 정점이나 변과 같은 기하요소 (geometric element)의 수가 증가함에 따라 검사횟수가 그 수의 제곱에 비례하여 증가함으로써 심각한 성능저하를 일으킨다는 문제점이 있다. 본 논문에서는 투영 알고리즘을 구현하면서 기존의 알고리즘보다 처리속도가 빠르고, 기하요소의 수에 따라 검사횟수가 선형적 증감을 보이는 새로운 방법과 이를 위한 자료구조들을 제시한다.
이철희(C H.Lee),이경오(K.O.Lee),김동영(D.Y.Kim),신영길(Y.G.Shin) 한국정보과학회 1993 한국정보과학회 학술발표논문집 Vol.20 No.2
부품 가공 생산 현장에서 사용되는 CAD 자료, 도면, 도표, 텍스트 등의 자료를 통합 관리하기 위한 기술 정보 관리 시스템은 생산성 향상에 있어 필수적이다[1] 기술 정보 관리 시스템이 지원해야 할 기능은 하이퍼미디어 문서 생성/관리, 하이퍼텍스트 검색, 미디어 편집, 정보 재사용을 위한 내용 기반 검색 등이다. 설계도, 공정도, JIG/FIXTURE, FEM 결과, 부품 캐털로그 등 화상 정보와 여러 종류의 BOM, 공정표, NC 코드등 텍스트 정보는 부품 가공 생산 현장에서 사용되는 정보 중 중요한 부분이다. 따라서 미디어로 화상 및 텍스트를 지원하는 축소된 기술 정보 관리 시스템을 설계하고 구현하였다. 이 시스템은 하이퍼텍스트 검색과 미디어 편집을 지원한다. 기술 정보 관리 시스템에서 사용되는 링크의 앵커는 화상, 화상의 특정 영역, 텍스트의 일부 등의 세가지 형태로 나눌 수 있다. 여러개의 노드가 하나의 개체를 이루는 경우 링크는 각 노드로부터 나오는 것과 노드의 그룹으로부터 나오는 것 두종류가 있다. 노드의 그룹으로부터 나오는 링크는 각 노드 모두에 공통적으로 연결된 것과 같은 의미를 가진다.
권오덕(O . D . Kwon),최주(J . Choi),임창희(C . H . Yim),이인열(I . R . Lee),신영길(Y . K . Shin),구경회(K . H . Ku) 대한금속재료학회(구 대한금속학회) 1992 대한금속·재료학회지 Vol.30 No.6
Through the microscopic observation of slab surface layer and the variation test of mold powder and Ar gas flow rate purged into submerged entry nozzle, the formation mechanism of pin hole in the surface layer of slab was verified. By changing casting variables, such as casting width, immersion depth, pouring angle of submerged entry nozzle and strand withdrawal speed, the effect of stream velocity on pin hole formation was investigated. Ar gas is the main source of pin hole, which is formed due to entrappment of Ar gas by solidifying meniscus hook. When the stream velocity in meniscus increases or exothermic mold powder is used, pin hole formation is reduced due to hotter meniscus, which retards the hook formation.
송성진,박흥준,신영길 韓國非破壞檢査學會 1998 한국비파괴검사학회지 Vol.18 No.6
원자력 발전소 증기발생기 전열관 검사에 사용되는 와전류 탐상에 있어 결함신호로부터 결함의 형상, 크기, 위치를 정확히 결정하는 것은 매우 중요한 문제 중의 하나이다. 이에 본 연구에서는 유한요소 해석으로 얻은 학습표본으로 훈련시킨 신경회로망을 이용해 이러한 와전류 결함신호의 역문제를 풀었다. 우선 4종류의 축대칭 와전류 결함신호를 총 216개 생성하고, 각각의 결함신호에 대해 24개씩의 와전류 특징을 추출한 후, 그 중에서 결함분석에 유용한 13개의 특징을 선택하였다. 그리고 이렇게 선별된 특징을 기반으로 4가지 형상의 결함에 대한 분류작업을 확률신경회로망에 의해 수행하고, 그 결과로 형상이 결정된 결함에 대한 크기산정을 역전파신경회로망을 사용하여 실시하였다. Determination of location, shape and size of a flaw from its eddy current testing signal is one of the fundamental issues in eddy current nondestructive evaluation of steam generator tubes. Here, we propose an approach to this problem; an inversion of eddy current flaw signal using neural networks trained by finite element model-based synthetic signatures. Total 216 eddy current signals from four different types of axisymmetric flaws in tubes are generated by finite element models of which the accuracy is experimentally validated. From each simulated signature, total 24 eddy current features are extracted and among them 13 features are finally selected for flaw characterization. Based on these features, probabilistic neural networks discriminate flaws into four different types according to the location and the shape, and successively back propagation neural networks determine the size parameters of the discriminated flaw.