http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 안장원(Ahn, Jang-Won) (검색결과 19 건)
- 무료
- 기관 내 무료
- 유료
-
Steel Box교와 PSC Box교의 LCC 분석에 관한 사례연구
안장원,차강석,김용수,Ahn Jang-Won,Cha Kang-Suk,Kim Yong-Su 한국건설관리학회 2001 한국건설관리학회 논문집 Vol.2 No.2
본 연구는 사례연구를 통해서 강박스교와 PSC박스교의 생애주기비용(LCC)을 분석하여 경제성을 평가하는데 목적이 있다. 본 연구에서는 유지관리비를 산출하기 위해 보수 및 교체주기에 대한 설문조사를 실시하였으며, 교량 형식별 LCC 분석 및 비교에는 현재가치 법을 이용하였다. 본 연구의 수행 결과를 요약하면 다음과 같다. (1) 사례 연구를 통해 강박스교와 PSC박스교의 LCC 분석모델을 제시하였다. (2) 설문조사를 실시하여 강박스교와 PSC박스교 부속물의 보수 및 교체주기를 산정하였다. (3) LCC 사례 연구 결과, PSC박스교가 강박스교보다 경제적인 것으로 분석 되었다. The purpose of this study is to evaluate economics by the Life Cycle cost(LCC) analysis of Steel Box Girder and Prestressed Box Girder bridge types. The study has been performed as a case study. A questionnaire survey for the repair and replacement cycle has been done in order to predict operation and maintenance costs. For LCC analysis and comparison, the present value technique is used. The results of this study are summarized as follows: (1) A LCC analysis model of Steel Box Girder and Prestressed Box Girder bridge types is suggested through a case study. (2) The repair and replacement cycle of elements of them are investigated using a questionnaire survey. (3) As a result of LCC case study, the type of Prestressed Box Girder bridge is analyzed more economic than Steel Box Girder.
-
-
-
-
-
-
천연식품성분에 의한 의한 발암성 니트로사민생성인자 분해작용 2. 해조유출물의 아질산염 분해작용
김선봉,안장원,염동민,이동호,박영호,김동수,KIM Seon-Bong,AHN Bang-Weon,YEUM Dong-Min,LEE Dong-Ho,PARK Yeung-Ho,KIM Dong-Soo 한국수산과학회 1987 한국수산과학회지 Vol.20 No.5
The present paper was investigated to elucidate the nitrite-scavenging ability of seaweed extracts. Seaweed extracts possessed the scavenging ability of nitrite. By fractionation of seaweed extracts, nitrite-scavenging ability of laver(Porphyra tenera), sea lettuce(Enteromorpha compresa) extracts were effective in the water-soluble fraction, but sea mustard (Undaria pinnatifida), sea staghorn (Codium fragile) extracts in the methanol-soluble fraction. Nitrite scavenging ability of seaweed extracts was also pH-dependent, highest at pH1.2 and lowest at pH6.0. Particularly, nitrite-scavenging abilities of water-soluble fractions obtained from laver and sea lettuce were similar to that of L-ascorbic acid at pHl.2. After seaweed extracts were treated with sodium borohydride, nitrite-scavenging ability was remarkably decreased at pH1.2. It is assumed that reducing powers of seaweed extracts participated in their nitrite-scavenging abilities. 일상 식생활에서 널리 섭취하고 있는 해조류를 사용하여 니트로사민의 직접적인 생성인자인 아질산염 분해작용에 관하여 검토하였는데, 그 결과를 요약하면 다음과 같다. 1. 본 실험에 사용한 시료들의 아질산염 분해능은 김${\cdot}$파래 등은 수용성획분과 methanol 가용성획분에서, 미역${\cdot}$청각 등은 methanol 가용성획분에서 그 분해능이 높게 나타났다. 2. 반응용액의 pH 변화에 따른 아질산염 분해능은 pH 1.2에서 가장 컸으며, pH가 증가할수록 분해능은 감소하였다. 3. 각 시료를 10mg씩 취하여 얻은 아질산염 분해능은 동량의 L-ascorbic acid와 비교한 경우, 김과 파래는 pH 1.2에서 L-ascorbic acid와 거의 비슷한 분해능을 나타내었다. 4. 각 시료를 $NaBH_4$로 처리하여 환원능을 소실시킨 후에 측정한 아질산염 분해능은 pH 1.2에서 시료 모두 그 값이 현저하게 감소하였다.
-
주어진 클래스를 최적 개수의 노드로 분리하는 2단계 임계 논리망
이기한(Ki-Han Lee),안장원(Jang-Won Ahn),조동섭(Dong-Sub Cho),황희융(Hee-Yeung Hwang),전주식(Chu-Shik Jhon) 한국정보과학회 1994 정보과학회논문지 Vol.21 No.5
패턴 분류기는 Threshold logic Network(TLN)의 노드로 표현되는 초평면 분리 함수에 의해서 클래스들을 분리하는 고전적인 패턴 인식 방법이다. 만약에 클래스들이 최적 개수의 단조 볼록 클래스로 분리된다면, TLN은 최적 개수의 노드로 구현될 수 있다. 따라서, 본 논문에서는 먼저, 패턴과 패턴을 이루는 성분의 개수에 무관하게 클래스의 단조 여부를 쉽게 알 수 있는 단조 검사표와 클래스를 단조 부분 클래스로 분리하는 Separating2Unate 알고리즘을 제시한다. 그리고, 주어진 클래스를 최적 개수의 단조 클래스로 분리하기 위해서, 삽입 후 제거 정리를 제안하고 이 정리와 Separating2Unate 알고리즘을 이용한 NOMPSG 알고리즘을 제시한다. 또한, NOMPSG에 의해서 분리된 단조 클래스를 최적 개수의 단조 볼록 클래스로 분리하기 위해서, 단조 클래스가 볼록인지를 쉽게 알 수 있고 볼록이 아닌 경우에 단조 볼록 클래스로 분리할 수 있는 근거를 제시하는 볼록 조건을 제안하고, 이를 이용한 NODF 알고리즘을 제시한다. 다음으로 NOMPSG와 NODF를 이용해서 여러 클래스를 최적 개수의 단조 볼록 클래스로 분리하는 MIMO 알고리즘을 제시한다. 한편, NOMPSG, NODF 그리고 MIMO에 의해서 구하여진 단조 볼록 클래스를 TLN으로 구현하기 위해서 공통 성분이 존재하는 경우에도 쉽고 정확하게 노드의 강도와 임계값을 구하는 부분 서열표와 강도-임계값표를 제안하고, 이들을 이용한 Generate-Weight-Threshold 알고리즘을 제시한다. 마지막으로 이들 알고리즘들을 이용하여, 두 클래스를 최적 구조의 TLN으로 구현하는 2_class_Implement 알고리즘과 여러 클래스를 최적 구조의 TLN으로 구현하는 m_class_Implement 알고리즘을 제시한다. 실험을 통하여 이들 제안된 알고리즘들이 주어진 클래스들을 최적 개수의 노드를 갖는 2 단계 TLN으로 구현하는 것을 확인하였다. Pattern Classifier is a classical pattern recognition method implemented by Threshold Logic Network(TLN) whose node represents a separating hyperplane unction which is separating the given pattern classes. TLN can be implemented into optimal number of nodes when the classes can be separated into the optimal number of monotonic convex class. Therefore, this paper has proposed a monotonic check table which can easily determine whether the class is monotonic and suggested a Separating2Unate algorithm that will decompose the class into monotonic subclasses despite of the number of patterns and components of the pattern. We have proposed Subtraction After Addition Theorem and suggested NOMPSG algorithm by using the Subtraction After Addition Theorem and the Separating2Unate algorithm to decompose the class into optimal number of monotonic subclasses. Also, to decompose the monotonic class obtained by NOMPSG into optimal number of monotonic convex subclasses, we have proposed the convex condition which easily finds whether the monotonic class is convex and a clue to decompose it into monotonic convex subclasses and suggested an NODF algorithm by using the convex condition. Furthermore, by using NOMPSG and NODF, we have suggested an MIMO algorithm that will decompose several classes into optimal number of monotonic convex subclasses. Hence, to implement monotonic convex class obtained by NOMPSG, NODF and MIMO intoTLN, we have proposed the partial ordering table and threshold value table which must accurately find the weight and the threshold value of node even if common variable exists, and suggested a Generate_Weight_Threshold algorithm by using these tables. Lastly, by using these algorithms we have suggested 2_class_Implement algorithm which implements two classes into optimal structured TLN, and m_class_Implement algorithm which implements several classes into optimal structured TLN. Through the experiments we have confirmed that the proposed algorithms can be effectively used to construct 2 level TLN with the optimal number of nodes.
-
-
일반적인 부울 함수를 구현하는 최적 개수의 임계 논리 게이트를 갖는 2단계 임계 논리망의 합성
이기한(Ki-Han Lee),안장원(Jang-Won Ahn),조동섭(Dong-Sub Cho),황희융(Hee-Yeung Hwang),전주식(Chu-Shik Jhon) 한국정보과학회 1994 정보과학회논문지 Vol.21 No.7
임계 논리망을 구성하는 임계 논리 게이트는 선형 분리 가능한 부울 함수를 구현한다. 따라서, 선형분리 가능하지 않은 함수를 임계 논리망으로 구현하기 위해서는 먼저, 단조 부분 함수들로 분리해야 하고, 이들 단조 부분함수들을 다시 선형 분리 가능한 부분 함수로 분리해야 한다. 그러나 기존의 방법들은 최적 개수의 단조부분 함수나 선형 분리 가능한 부분 함수를 구하지 못했다. 본 논문에서는 선형 분리 가능하지 않는 함수를 최적 개수의 단조 부분 함수들로 분리하기 위한 알고리즘을 제시하고, 주어진 함수가 단조인지를 쉽게 알 수있는 단조 검사표를 구하는 방법을 제안한다. 그리고, 단조이지만 선형 분리 가능하지 않는 함수를 최적 개수의 선형 분리 가능한 부분 함수로 분리하기 위한 알고리즘을 제시하고, 단조 함수가 신형 분리 가능한지를 알기 위한 강도와 임계값을 쉽게 구할 수있는 부분 서열표와 강도-임계값표를 구하는 방법을 제안한다. 본 논문에서 제안한 알고리즘들을 여러 실험을 통해서 살펴본 결과 함수를 최적 개수의 임계 논리 게이트를 갖는 2단계 임계 논리망으로 구현되는 것을 볼 수가 있었으며, 특히, 기존의 방법에서는 다루지 않은 함수의 무관항을 처리하여 보다 최적의 구조를 갖는 임계 논리망을 구현하였다. Threshold Logic Gate(TLG) which composes Threshold Logic Network(TLN) can implement linear separable Boolean functions. Futhermore, to implement linearly nonseparable function into TLN, firstly the function must be decomposed into unate subfunctions. And, these unate function must be decomposed into linearly separable subfunctions. However, the existing methods could not decompose the function into the optimal number of linearly separable subfunctions. In this paper we have suggested an algorithm for decomposing a function that is linearly nonseparable into the optimal number of unate subfunctions We have proposed a method to construct a unate check table which can easily determine whether the function is unate We have also suggested another algorithm that decomposes the unate but linearly nonseparable functions into the optimal number of linear separable subfunctions And, we have proposed a method to constuct a partial order table and a weight-threshold table which can easily assign the value of weights and threshold to determine if the function is linearly seaprable. Experimental results using the algorithms proposed in this paper have shown that the any given function can be implemented into two layer TLN with the optimal number of TLGs. Especially, we have taken the don't care terms, which have been largly ignored m the existing methods, to yield a TLN with even more optimal number of TLG.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
