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 : 오상진 (검색결과 399 건)
- 무료
- 기관 내 무료
- 유료
-
오상진,박상혁,박병호 대한교통학회 2008 대한교통학회지 Vol.26 No.4
The goals of this study are to develop travel time functions based on intersection delay and to analyze the applicability of the functions to traffic assignment models. The study begins with the premise that the existing assignment models can not effectively account for intersection delay time. In pursuing the goals, this study gives particular attention to dividing the link travel time into link moving time and stopped time at node, making the models based on such variables as the travel speed, volume, geometry, and signal data of signalized intersections in Cheongju, and analyzing the applicability of these models to traffic assignment. There are several major findings. First, the study presents the revised percentage of lanes (considering type of intersection) instead of g/C for calculating intersection delay, which is analyzed to be significant in the paired t-test. Second, the assigned results of applying these models to the Cheongju network in EMME/2 are compared with the data observed from a test car survey in Cheongju. The analyses show that the BPR models do not consider the intersection delay, but the modified uniform delay model and modified Webster model are comparatively well fitted to the observed data. Finally, the assigned results of applying these models are statistically compared with the test car survey data in assigned volume, travel time, and average speed. The results show that the estimates from the divided travel time model are better fitted to observed data than those from the BPR model 본 연구는 교차로 지체를 고려한 통행시간함수를 개발하고, 이를 도시가로망에 적용하여 분석하는데 그 목적을 두고 있다. 이는 기존 통행배정 모형이 교차로 지체를 적절히 고려하지 못하고 있다는 분석에 근거하고 있다. 이를 위하여 본 연구에서는 링크의 통행시간을 구간 순행시간과 교차로 지체시간으로 구분하고, 청주시 주행속도, 교통량, 기하구조 및 신호운영 자료 등을 수집하여 계획단계에 적절한 구간 순행시간과 교차로 지체시간 산출모형을 구축하고, 이를 통행배정 단계에 적용하여 그 타당성을 분석하는데 중점을 두고 있다. 주요 연구결과는 다음과 같다. 첫째, 교차로 지체시간을 산출하기 위해 교차로의 녹색시간비 대신 접근로의 차로수비율을 교차로 유형별로 보정한 후, 이를 실제 녹색시간비율과의 t-검정을 시행하여, 평균값에 차이가 없다는 귀무가설을 기각할 수 없는 것으로 분석되어, 보정 차로수비율을 모형구축에 적용하였다. 둘째, 기존의 BPR모형과 보정 차로수비를 이용한 균일지체기반 수정모형 및 Webster기반 수정모형을 청주시 가로망에 EMME/2를 활용하여 통행배정하여 주행속도 조사자료와 비교한 결과, BPR모형은 교차로 지체의 영향을 반영하지 못하는 것으로 나타난 반면에 균일지체기반 수정모형과 Webster기반 수정모형은 관측된 조사자료에 보다 근접한 결과를 보였다. 셋째, 이들 모형의 배정결과와 실측 통행시간, 교통량, 평균통행속도간 통계검증 결과 통행시간 분리모형이 BPR모형 보다 실측치와의 통계적 오차가 감소하는 것으로 분석되었다.
-
-
-
-
오상진,최혜빈,유상우,이현식 한국CDE학회 2022 한국CDE학회 논문집 Vol.27 No.3
In the plant construction industry, the precise initial recognition of P&ID components and prompt delivery of those components to subsequent processes are critical. Deep learning-based image recognition has proven its ability to efficiently process P&ID and potentially replace manual analysis. Previous studies on symbol recognition have achieved outstanding performance based on supervised learning. They are, however, limited in that they require large amounts of high-quality labeled datasets, and producing those datasets is expensive and takes a considerable amount of time. This causes difficulties in application in the field where P&ID must be analyzed as quickly and precisely as possible within a short bidding time. In this paper, we propose a semi-supervised symbol recognition model based on novel labeling dataset methods. We minimized manual labeling work using Template Matching and advanced fake drawing. By using only 2.5% labeled datasets of standard operations, our model achieved an F1 score of 99.55 in symbol recognition and 99.34 in symbol detection involving 15 random P&IDs, compared to the supervised model’s F1 score of 95.29 and 97.43 respectively. This demonstrates our architecture’s capacity in efficiently addressing the problem of chronic labeling tasks and outperforming existing supervised symbol recognition models
-
-
-
-
-
악성코드 분석의 Ground-Truth 향상을 위한 Unified Labeling과 Fine-Grained 검증
오상진,박래현,권태경 한국정보보호학회 2019 정보보호학회논문지 Vol.29 No.3
According to a recent report by anti-virus vendors, the number of new and modified malware increased exponentially. Therefore, malware analysis research using machine learning has been actively researched in order to replace passive analysismethod which has low analysis speed. However, when using supervised learning based machine learning, many studies uselow-reliability malware family name provided by the antivirus vendor as the label. In order to solve the problem oflow-reliability of malware label, this paper introduces a new labeling technique, “Unified Labeling”, and further verifies themalicious behavior similarity through the feature analysis of the fine-grained method. To verify this study, various clusteringalgorithms were used and compared with existing labeling techniques. 최근 AV 벤더들의 악성코드 동향 보고서에 따르면 신종, 변종 악성코드의 출현 개수가 기하급수적으로 증가하고있다. 이에 따라 분석 속도가 떨어지는 수동적 분석방법을 대체하고자 기계학습을 적용하는 악성코드 분석 연구가 활발히 연구되고 있다. 하지만 지도학습기반의 기계학습을 이용할 때 많은 연구에서 AV 벤더가 제공하는 신뢰성이 낮은 악성코드 패밀리명을 레이블로 사용하고 있다. 이와 같이 악성코드 레이블의 낮은 신뢰성 문제를 해결하기 위해본 논문에서는 새로운 레이블링 기법인 “Unified Labeling”을 소개하고 나아가 Fine-grained 방식의 특징 분석을통해 악성 행위 유사성을 검증한다. 본 연구의 검증을 위해 다양한 기반의 클러스터링 알고리즘을 이용하여 기존의레이블링 기법과 비교하였다.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
