http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 이윤종(Y.J. Lee) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
딥러닝을 이용한 연속 시간 감정 상태 추론 시스템 설계
심희린(Heereen Shim),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.1
표정은 사람이 감정을 표현하는 직접적인 방법 중 하나이다. 사람은 연속시간 상에서 표정의 변화를 통해 감정 상태를 나타내지만 기존의 기술은 대부분 정지영상에서만 감정 상태를 인식하였다. 본 연구는 연속 시간상에서 감정 상태를 추론하기 위한 딥러닝 시스템을 제안한다. 제안된 연속 시간 감정 상태 추론 시스템은 세 단계로 이루어져 있다. Convolutional Neural Network (CNN) 모델을 사용한 특징 추출 단계, 활성화 지도를 사용한 얼굴영역 검출 및 관심 영역 풀링 단계, 그리고 Recurrent Neural Network (RNN) 모델을 사용한 시계열 추론 단계. 본 논문에서는 짧은 표정 동영상을 통해 감정 상태를 추론하는 실험을 수행하였다. 실험을 통해 제안된 시스템이 기존의 CNN 기반 물체 검출 모델보다 빠르게 얼굴영역 검출을 수행하며, 연속 시간상에서 감정 상태 추론이 가능함을 보였다. Facial expressions are one of the efficient methods of expressing emotions. Most of the existing facial expression analysis techniques recognize emotional state only in still images. This study proposes a deep learning system for estimating emotional states in continuous time. The proposed emotional state estimation system in continuous time consists of three processes. Feature extraction using Convolutional Neural Network (CNN) model, Activation Map (AM)-based facial region detection and region of interest (RoI) Pooling, and sequential estimation using Recurrent Neural Network (RNN) model. In this paper, we performed an experiment to estimate the emotional state from in short video clips of facial expressions. Experimental results show that the proposed system can perform facial region detection faster than conventional CNN - based object detection models and emotional state estimation in continuous time.
-
고광호 한국융합학회 2019 한국융합학회논문지 Vol.10 No.11
The Fuel-cut driving is started when the acceleration pedal released with transmission gear engaged. Fuel economy of the vehicle improves by active fuel-cut driving. A deep-learning technique is proposed to predict fuel-cut driving with vehicle speed, acceleration and road gradient data in the study. It’s 3~10 of hidden layers and 10~20 of variables and is applied to the 9600 data obtained in the test driving of a vehicle in the road of 12km. Its accuracy is about 84.5% with 10 variables, 7 hidden layers and Relu as activation function. Its error is regarded from the fact that the change rate of input data is higher than the rate of fuel consumption data. Therefore the accuracy can be better by the normalizing process of input data. It’s unnecessary to get the signal of vehicle injector or OBD, and a deep-learning technique applied to the data to be got easily, like GPS. It can contribute to eco-drive for the computing time small. 차량의 변속기어가 체결된 주행 상태에서 가속페달을 방치하는 경우 연료차단 주행이 시작된다. 적극적인 연료차단 주행을 활용하면 차량 연비가 개선된다. 본 연구에서는 차량의 속도, 가속도, 도로구배를 입력데이터로 사용하여 연료차단 주행 여부를 예측할 수 있는 딥러닝 기법을 제안하였다. 약 12km 정도의 도로주행을 통해 측정한 9600개의 데이터에 은닉층 3~10개, 매개변수 10~20개의 딥러닝 연산법을 적용하여 연료차단 주행여부를 예측하였다. 연산 결과, 렐루함수를 활성화함수로 적용하고 은닉층 7개, 매개변수 10개인 경우 정확도 84.5% 수준으로 예측할 수 있었다. 입력데이터인 속도, 가속도, 도로구배의 변화율이 연료소모율 데이터의 변화율에 비해 큰 것이 오차의 원인으로 판단된다. 따라서 입력데이터 정규화 과정을 통해 정확도를 높일 수 있을 것으로 예상된다. 본 연구의 특징은 차량의 연료분사 인젝터나 OBD 데이터를 사용하지 않고 GPS 등에서 쉽게 측정할 수 있는 데이터에 딥러닝을 적용한 방식이다. 또한 연산량이 적어 본 연구에서 제안한 방식으로 친환경 경제운전에 적용하기 용이할 것으로 기대된다.
-
강정욱(Jung-Yoog Kang),전용호(Yong-Ho Jeon) 한국전자통신학회 2019 한국전자통신학회 논문지 Vol.14 No.1
본 연구는 유리차수 미분의 수학적인 방법을 시스템의 응답을 제어하는 제어기에 적용하고자 한다. 일반적인 PID제어기의 라플라스 변환은 의 정수지수를 갖게 된다. 유리차수의 미분은 라플라스 변환에서 에 대한 유리수 지수를 갖게 된다. 따라서 이를 제어기로 구성하기 위해서는 유리수 지수에 대한 설계가 적절하지 않아 이산시간으로 변환하여 설계하는 방법을 제안한다. 이를 표준 2차 시스템에 적용하여 성능을 살펴보고, 산업현장에서 많이 사용되는 솔레노이드밸브에 적용한다. 외란 상태의 추정이 가능하도록 루엔버거 관측기를 설계하고 관측된 상태에 대하여 유리차수 제어기를 적용하여 균일하며 정밀한 제어성능을 얻을 수 있었다. 정상상태의 위치오차가 0.1 [%]이내이고, 기동시간이 약 0.3 [s]이내의 정밀하며 균일한 위치제어성능 가짐을 확인할 수 있었다. This study aims to apply the mathematical method of fractional order derivatives to the controller that controls the system response. In general, the Laplace transform of the PID controller has an exponent of the integer order of s. The derivative of the fractional order has a fractional exponent of s when it is transformed by Laplace transform. Therefore, this controller proposes a design method with the result of discrete time conversion. Because controllers with fractional exponents of s are not easy to design. This controller is applied to a standard secondary system and its performance is examined. Then, it applies to solenoid valve which is widely used in industrial field. A Luenberger‘s observer was designed to estimate the disturbance state and the observed state was applied to the fractional order controller. As a result, uniform and precise control performance was obtained. It was confirmed that the position error of the steady state is within 0.1 [%] and the rising time is within about 0.03 [s].
-
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
