http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
論文(논문) : 정밀항법 시스템 설계 및 알고리즘 검증
정성균 ( Seong Kyun Jeong ),김태희 ( Tae Hee Kim ),이재은 ( Jae Eun Lee ),이상욱 ( Sang Uk Lee ) 한국항공운항학회 2013 한국항공운항학회지 Vol.21 No.1
As GNSS(Global Navigation Satellite System) is used in various filed, many countries establish GNSS system independently. But GNSS system has the limitation of accuracy and stability in stand-alone mode, because this system has error elements which are ionospheric delay, tropospheric delay, orbit ephemeris error, satellite clock error, and etc. For overcome of accuracy limitation, the DGPS(Differential GPS) and RTK(Real-Time Kinematic) systems are proposed. These systems perform relative positioning using the reference and user receivers. ETRI(Electronics and Telecommunications Research Institute) is developing precision navigation system in point of extension of GNSS usage. The precision navigation system is for providing the precision navigation solution to common users. If this technology is developed, GNSS system can be used in the fields which require precision positioning and control. In this paper, we introduce the precision navigation system and perform design and algorithm verification.
운영체제의 프로세스와 자원 관리 체계용 시뮬레이터의 설계 및 구현
정성균(Seong-Kyun Jeong),백광흠(Kwang-Heum Baek),이상곤(Sang-Kon Lee) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.2B
컴퓨터 운영체제에 사용되는 다양한 CPU 스케줄러의 사용 방법과 장단점을 쉽게 파악할 수 있게 시뮬레이션하고 자원(Resource)의 할당법을 사용자 인터페이스로 기초 학습자에게 교육하고, 중급 학습자 이상에게는 프로그램의 분석과 스케줄링의 알고리즘 분석을 이해시키는 운영체제의 시뮬레이션 프로그램을 설계하고 구현하였다.
정성균 ( Seong Kyun Jeong ),이상욱 ( Sang Uk Lee ) 한국항공운항학회 2010 한국항공운항학회지 Vol.18 No.1
GNSS(Global Navigation Satellite System) Ground Station performs GNSS signal acquisition and processing. This system generates error correction information and distributes them to GNSS users. GNSS Ground Station consists of sensor station which contains receiver and meteorological sensor, monitoring and control subsystem which monitors and controls sensor station, control center which generates error correction information, and uplink station which transmits correction information to navigation satellites. Monitoring and control subsystem acquires and processes navigation data from sensor station. The processed data is transmitted to GNSS control center. Monitoring and control subsystem consists of data acquisition module, data formatting and archiving module, data error correction module, navigation determination module, independent quality monitoring module, and system maintenance and management module. The independent quality monitoring module inspects navigation signal, data, and measurement. This paper introduces independent quality monitoring and performs the analysis using measurement data.
정보 과학 교육 : 프로세스 스케줄링 메카니즘을 교육하는 시뮬레이션 프로그램의 구현
정성균 ( Seong Kyun Jeong ),이상곤 ( Sang Kon Lee ),이신원 ( Shin Won Lee ) 한국컴퓨터교육학회 2010 한국컴퓨터교육학회 학술발표대회논문집 Vol.14 No.1
컴퓨터 운영체제에서 사용되는 다양한 CPU 스케줄러의 메커니즘을 이해하여 사용 방법과 장단점을 파악할 수 있게 시뮬레이션하고, 운영체제 교과의 기초 학습자에게는 사용자 인터페이스를 제공하고, 중급 학습자 이상에게는 프로그램의 분석과 스케줄링의 알고리즘을 이해시키는 프로그램을 설계하고 구현하였다.
정성호(Seong-Ho Jeong),한정은(Jeong-Eun Han),정성균(Seong-Kyun Jeong),봉재환(Jae-Hwan Bong) 한국전자통신학회 2022 한국전자통신학회 논문지 Vol.17 No.2
서로 다른 특징을 가지는 이미지를 통합하여 작물의 병충해 분류를 위한 심층신경망을 훈련하는 것이 학습결과에 어떤 영향을 미치는지 확인하고, 심층신경망의 학습 결과를 개선할 수 있는 이미지 통합방법에 대해 실험하였다. 실험을 위해 두 종류의 작물 이미지 공개 데이터가 사용되었다. 하나는 인도의 실제 농장 환경에서 촬영된 작물 이미지이고 다른 하나는 한국의 실험실 환경에서 촬영한 작물 이미지였다. 작물 잎 이미지는 정상인 경우와 4종류의 병충해를 포함하여 5개의 하위 범주로 구성되었다. 심층신경망은 전이학습을 통해 사전 훈련된 VGG16이 특징 추출부에 사용되었고 분류기에는 다층퍼셉트론 구조를 사용하였다. 두 공개 데이터는 세 가지 방법으로 통합되어 심층신경망의 지도학습에 사용되었다. 훈련된 심층신경망은 평가 데이터를 이용해 평가되었다. 실험 결과에 따르면 심층신경망을 실험실 환경에서 촬영한 작물 이미지로 학습한 이후에 실제 농장 환경에서 촬영한 작물 이미지로 재학습하는 경우에 가장 좋은 성능을 보였다. 서로 다른 배경의 두 공공데이터를 혼용하여 사용하면 심층신경망의 학습 결과가 좋지 않았다. 심층신경망의 학습 과정에서 여러종류의 데이터를 사용하는 방법에 따라 심층신경망의 성능이 달라질 수 있음을 확인하였다. It is worth verifying the effectiveness of data integration between data with different features. This study investigated whether the data integration affects the accuracy of deep neural network (DNN), and which integration method shows the best improvement. This study used two different public datasets. One public dataset was taken in an actual farm in India. And another was taken in a laboratory environment in Korea. Leaf images were selected from two different public datasets to have five classes which includes normal and four different types of plant diseases. DNN used pre-trained VGG16 as a feature extractor and multi-layer perceptron as a classifier. Data were integrated into three different ways to be used for the training process. DNN was trained in a supervised manner via the integrated data. The trained DNN was evaluated by using a test dataset taken in an actual farm. DNN shows the best accuracy for the test dataset when DNN was first trained by images taken in the laboratory environment and then trained by images taken in the actual farm. The results show that data integration between plant images taken in a different environment helps improve the performance of deep neural networks. And the results also confirmed that independent use of plant images taken in different environments during the training process is more effective in improving the performance of DNN.
Performance Analysis of Navigation Algorithm for GNSS Ground Station
정성균,박한얼,이지은,이상욱,김재훈,Jeong, Seong-Kyun,Park, Han-Earl,Lee, Jae-Eun,Lee, Sang-Uk,Kim, Jae-Hoon Korea Society of Satellite Technology 2008 한국위성정보통신학회논문지 Vol.3 No.2
Global Navigation Satellite System (GNSS) is been developing in many countries. The satellite navigation system has the importance in economic and military fields. For utilizing satellite navigation system properly, the technology of GNSS Ground Station is needed. GNSS Ground Station monitors the signal of navigation satellite and analyzes navigation solution. This study deals with the navigation software for GNSS Ground Station. This paper will introduce the navigation solution algorithm for GNSS Ground Station. The navigation solution can be calculated by the code-carrier smoothing method, the Kalman-filter method, the least-square method, and the weight least square method. The performance of each navigation algorithm in this paper is presented.