http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
전기화재 원인분석을 위한 용융흔 외형 판별 딥러닝 알고리즘 설계
조장훈,방준호,유인호,김태형,선민영 국제차세대융합기술학회 2021 차세대융합기술학회논문지 Vol.5 No.6
본 논문에서는, 단락흔과 열흔 판별을 위한 CNN기법과 ResNet의 성능 분석을 비교 분석하는 알고리즘 을 제안하고 검증하였다. 학습을 위한 데이터는 실험을 통해 제작하여 원본 데이터로 생성한 후, 알고리즘에 적용 시켜 학습데이터와 검증데이터로 확보하였다. Resnet 기법을 활용하여 CNN의 오차를 줄이는 방법으로 신경망의 파라미터를 학습하는 것과는 다르게 입력과 출력의 차이를 이용하는 잔차 학습(Residual learning)을 도입함으로 써, 더욱 깊은 네트워크층을 사용하여 효율적으로 학습 가능한 구조를 나타내고 있다. 분석결과 CNN과 Resnet 판별 정확도는 각각 93,54%, 96.81%로 얻었다. In this paper, we proposed and verified an algorithm that compares and analyzes the performance analysis of the CNN method and Resnet for the distinguish Arc beads and Molten mark. The data for training was produced through experiments and generated as original data, and then applied to the algorithm to obtain training data and validation data. Unlike learning neural network parameters as a way to reduce CNN errors using Resnet techniques, by introducing Residual learning that utilizes the difference between input and output, it shows a structure that can be efficiently learned using a deeper network layer. As a result of the analysis, the CNN and Resnet classification accuracies were 93.54% and 96.81% respectively.
조장훈 세계기독교통일신령협회 2004 統一世界 Vol.- No.9
대전교구에서는 가정교회운동을 시작하면서 다음 세 가지 기본자세를 내세웠다. 세가지 기본자세는 참부모님의 말씀을 중심하고 세울 수 있었다.
조장훈 세계기독교통일신령협회 2003 統一世界 Vol.- No.10
1972년 말 겨울방학이었다. 서울에서 아르바이트를 하면서 고등학교를 다니는 나는 잠시 휴가를 내어 시골에 홀로 계신 어머니를 뵈러 고향에 갔었다. 어느 날 여선생님 같은 예쁜 부인이 내 집을 찾아왔다. 지나가는 길이라면서 미소를 띄우고 대청마루에 앉았다. 나는 서울에서 내려온 전도사라는 말에 너무 인간적으로 훌륭하게 느꼈다. 기독교회를 다니는 나는 통일교회에서 왔다는 것을 알면서도 고구마를 삶아 대접하며 성경을 놓고 이야기를 주고받았다. 그 이튿날 주일 오후에는 통일교회에서 강의를 듣게 되었다. 그 여전도사는 40일 철야기도와 금식을 하고 있었다. 매일아침 이른 새벽 나를 성지로 데리고 가서 이해할 수 없는 말씀을 읽게 하고는 눈물로 기도를 하곤 했었다. 나는 말씀보다는 그분의 정성과 기도에 감동을 받아 통일교인이 되었다.
Resnet 알고리즘을 이용한 1차, 2차 단락흔 판별
조장훈(Jang Hoon Jo),방준호(Junho Bang),유인호(Inho Yoo),김태형(Tae Hyung Kim) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
전기 화재현장에서 확보된 단락흔을 통하여 전기 화재 발생 원인을 판별하기 위한 연구를 진행하였다. 1,2차 단락흔 판별을 위해 Resnet 알고리즘을 제안하고 검증하였다. 학습을 위한 데이터는 Hiv 전선의 1, 2차 단락흔 시료를 현미경으로 촬영하고 학습 데이터와 검증 데이터로 확보하였다. Resnet기법을 활용하여 오차를 줄이기 위해 신경망의 파라미터를 학습하는 것과는 다르게 입력과 출력의 차이를 이용하는 잔차 학습(Residual learning)을 도입함으로써, 더욱 깊은 네트워크층을 사용하여 효율적으로 학습 가능한 구조를 나타내고 있다. 분석결과 Resnet 판별 정확도는 88.2%로 각각 얻었다.
유연 리튬 폴리머 이차전지의 기계적 변형에 따른 성능 및 안전성 평가
조장훈(Jang-Hun Jo),김진영(Jin-Yeong Kim),유기태(Ki-Tae You),엄정원(Joung-Won Eom),김유진(Yu-Jin Kim),김동오(Dong-O Kim),박민혁(Min-Hyeok Park),박재원(Jae-Won Park),이명훈(Myeong-Hun Lee),변재원(Jai-Won Byeon) 한국신뢰성학회 2021 신뢰성응용연구 Vol.21 No.3
Purpose: Flexible lithium-ion batteries have been used as energy sources for wearable and flexible devices. However, their reliability in mechanical stress environments must be guaranteed for them to be stably used in these applications. In this study, the effect of mechanical fatigue on the performance and safety of a lithium polymer battery, which is a flexible lithium-ion battery, was investigated. Methods: Mechanical fatigue tests were conducted under bending, torsion, and wrinkling (i.e., a combination of bending and torsion) modes at various fatigue rates and strains. The capacity degradation of these fatigued flexible lithium-ion batteries was evaluated using the charge–discharge test. Their safety was assessed using various environmental and electrical misuse tests in accordance with existing standards. Results: The capacity degradation of all fatigued batteries was greater than that of the undeformed battery. In particular, the torsion and wrinkling stress had a greater effect on capacity degradation. The environmental and electrical misuse tests revealed that leakage, explosion, and ignition phenomena were not caused by mechanical fatigue. Conclusion: Mechanical fatigue stress can be concluded to be the main factor affecting the performance degradation of flexible lithium-ion batteries. Furthermore, further studies are required to determine the root causes of this significant performance degradation.