http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
데이터 증강에 따른 스팩트로그램 기반 차량 주행음의 감성적인 음질 특성 분류 정확도 변화
김동하(Dong Ha Kim),이종수(Jongsoo Lee) 대한기계학회 2022 大韓機械學會論文集A Vol.46 No.5
최근 내연기관 대신 모터를 사용하는 전기자동차 기술이 발달함에 따라서 사용자가 원하는 차량주행음을 생성하기 위한 능동음향설계에 대한 연구가 활발하게 진행되고 있다. 따라서 기존의 전문가적 판단에 따라 정성적으로 평가되던 차량의 감성적인 음질 특성을 딥러닝 기반 알고리즘과 같은 가상 모델을 통해서 정량적으로 평가해야하는 필요성이 증가하였다. 딥러닝 기반 알고리즘은 다량의 학습데이터가 있어야 예측의 정확도를 향상시킬 수 있지만 실제 산업현장에서 필요한 만큼의 데이터를 구하는데 어려움이 있다. 본 연구에서는 데이터 증강 횟수에 따른 딥러닝 기반 알고리즘 정확도 변화를 제시한다. 또한 설명가능 인공지능 기법을 사용하여 알고리즘의 판단 근거를 검증하고자 한다. Along with the development of the technology of electric vehicles using a motor instead of an internal combustion engine, research on the active acoustic design for generating a vehicle driving sound that is desired by users is being actively conducted. Therefore, the need to quantitatively evaluate effective sound quality characteristics of a vehicle according to existing expert judgment, through a virtual model such as a deep learning-based algorithm has increased. Deep learning-based algorithms can improve the accuracy of prediction when there is a large amount of learning data; however, obtaining such data in actual industrial sites is difficult. In this study, we presented a change in the accuracy of a deep learning-based algorithm based on the number of data augmentation. Additionally, we verified the basis of the algorithm"s judgment by implementing the explainable artificial intelligence technique.