http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
SnBiAg 전도성 페이스트를 이용한 Shingled 결정질 태양광 모듈의 전기적 특성 분석
윤희상,송형준,강민구,조현수,고석환,주영철,장효식,강기환,Yoon, Hee-Sang,Song, Hyung-Jun,Kang, Min Gu,Cho, Hyeon Soo,Go, Seok-Whan,Ju, Young-Chul,Chang, Hyo Sik,Kang, Gi-Hwan 한국재료학회 2018 한국재료학회지 Vol.28 No.9
In recent years, solar cells based on crystalline silicon(c-Si) have accounted for much of the photovoltaic industry. The recent studies have focused on fabricating c-Si solar modules with low cost and improved efficiency. Among many suggested methods, a photovoltaic module with a shingled structure that is connected to a small cut cell in series is a recent strong candidate for low-cost, high efficiency energy harvesting systems. The shingled structure increases the efficiency compared to the module with 6 inch full cells by minimizing optical and electrical losses. In this study, we propoese a new Conductive Paste (CP) to interconnect cells in a shingled module and compare it with the Electrical Conductive Adhesives (ECA) in the conventional module. Since the CP consists of a compound of tin and bismuth, the module is more economical than the module with ECA, which contains silver. Moreover, the melting point of CP is below $150^{\circ}C$, so the cells can be integrated with decreased thermal-mechanical stress. The output of the shingled PV module connected by CP is the same as that of the module with ECA. In addition, electroluminescence (EL) analysis indicates that the introduction of CP does not provoke additional cracks. Furthermore, the CP soldering connects cells without increasing ohmic losses. Thus, this study confirms that interconnection with CP can integrate cells with reduced cost in shingled c-Si PV modules.
바이트 평균의 Gray-Scale화를 통한 Signature가 존재하지 않는 멀티미디어 데이터 조각 파일 타입 분류 연구
윤현호(Hyun-ho Yoon),김재헌(Jae-heon Kim),조현수(Hyun-soo Cho),원종은(Jong-eun Won),김견우(Gyeon-woo Kim),조재현(Jae-hyeon Cho) 한국정보보호학회 2020 정보보호학회논문지 Vol.30 No.2
일반적으로 시그니처와 파일 메타정보가 없는 파편화된 파일은 복구가 어렵다. 특히 멀티미디어 파일은 파편화 가능성이 크고 높은 엔트로피를 가지고 있으므로 현재 시그니처 기반의 카빙으로는 복구하는 것이 거의 불가능하다. 이러한 문제를 해결하기 위해 파편화된 파일에 대한 연구가 진행되고 있지만 멀티미디어 파일에 대한 연구는 부족한 실정이다. 본 논문은 시그니처(Signature)와 파일 메타정보가 없는 파편화된 멀티미디어 파일의 타입을 분류하는 연구이다. 파일 타입에 따라 특정 바이트 값의 빈도 차이를 통해 각 파일 타입의 특징값을 추출하며, 그에 맞는 Gray-Scale 테이블을 설계하고 CNN(Convolutional Neural Networks) 모델을 이용하여 JPG, PNG, H.264, WAV 총 4가지 멀티미디어의 파일 타입을 분류하는 방법을 제시한다. 본 논문을 통해 시그니처와 파일 메타정보가 없는 파편화된 파일 타입의 분류 연구를 촉진하여 다양한 파일의 복구 가능성을 높일 수 있을 것으로 기대된다. In general, fragmented files without signatures and file meta-information are difficult to recover. Multimedia files, in particular, are highly fragmented and have high entropy, making it almost impossible to recover with signature-based carving at present. To solve this problem, research on fragmented files is underway, but research on multimedia files is lacking. This paper is a study that classifies the types of fragmented multimedia files without signature and file meta-information. Extracts the characteristic values of each file type through the frequency differences of specific byte values according to the file type, and presents a method of designing the corresponding Gray-Scale table and classifying the file types of a total of four multimedia types, JPG, PNG, H.264 and WAV, using the CNN (Convolutional Natural Networks) model. It is expected that this paper will promote the study of classification of fragmented file types without signature and file meta-information, thereby increasing the possibility of recovery of various files.