http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
동적 파괴모델링에 의한 TBM 디스크 커터의 최적 절삭간격 예측
유상화,장수호,조정우,전석원,You, Sang-Hwa,Chang, Soo-Ho,Cho, Jung-Woo,Jeon, Seok-Won 한국터널지하공간학회 2008 한국터널지하공간학회논문집 Vol.10 No.1
It is of great importance to determine the optimum cutter spacing in TBM. In order to determine the optimum cutter spacing, a series of cutting tests by linear cutting machine (LCM) are performed with changing cutter space. This study showed that a numerical method for estimating the optimum cutter spacing could be developed by AUTODYN-3D in order to overcome the limitation of LCM test. By using this method, the optimum cutter spacing of Hwangdeung granite was estimated. TBM 장비에서 최적의 커터간격을 결정하는 것은 매우 중요하다. 실제로 이러한 최적 커터간격은 커터간격을 변화시켜가며 수 회의 선형절삭시험(LCM시험)을 수행하여 이를 통해 얻어진 절삭 비에너지를 비교함으로써 도출될 수 있다. 본 연구에서는 AUTODYN-3D를 이용하여 실제 선형절삭시험을 수행하지 아니하더라도 최적 커터간격을 예측할 수 있는 수치해석적 기법을 제시하였으며, 본 기법을 황등화강암에 적용하여 최적 커터간격을 예측하였다.
조유상(You-Sang Cho),최민지(Min-Ji Choi),여인욱(In-Wook Yeo),한주혁(Ju-Hyuck Han),김용석(Yong-Suk Kim) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
본 연구에서는 준지도학습을 통해 이미지 생성을 목적으로 개발된 SGAN(Semi-Supervised GAN)을 응용해 호흡음 분류 및 예측하는 모델을 연구했다. MFCC(Mel-Frequency Cepstral Coefficient)를 거친 호흡음 데이터를 사용하여 딥러닝을 시킨다. 호흡음을 통해 호흡기 질환을 예측하는 기존 모델들은 지도 학습을 활용하였지만 본 연구 모델은 준지도학습을 사용하여 모델을 구축했다. 본 논문에서는 기존의 지도학습 모델들의 방식에서 벗어나, 준지도학습을 사용하여, 호흡기 질환을 예측했다.
조유상(You-Sang Cho),김용석(Yong-Suk Kim) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 논문은 전세계 주요 사망원인 중 세번째에 속하는 호흡기 질환의 중요한 지표인 호흡음을 분류하는 모델을 연구하였다. 준지도학습 중 하나인 Pseudo-Label 을 사용하여 기존 지도학습의 분류 모델과는 다른 방향으로 제시하였다. 데이터는 Kaggle 의 호흡음 데이터를 사용하였다. 이를 비슷한 길이로 잘라 데이터의 수를 늘렸다. 기존 지도학습의 모델이 사용한 전처리와 같은 WT 를 사용하여 조건을 맞추고 Pseudo-Label 모델의 결과와 비교하였다. 지도학습 SVM 모델의 Accuracy 와 Pseudo-Label 모델의 Accuracy 가 각각 0.92 와 0.93 로 성능이 유사하다는 점을 확인할 수 있었다. 향후 연구로는 데이터의 추가적인 데이터 확보하여 Pseudo-Label 모델을 개선할 계획이다.