http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
잔류 용매 제거를 위한 (+)-dihydromyricetin의 에탄올 전처리 건조
이희건 ( Hee-gun Lee ),김진현 ( Jin-hyun Kim ) 한국화학공학회 2022 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.60 No.2
본 연구에서는 정제된(+)-dihydromyricetin로부터 잔류 용매를 효과적으로 제거할 수 있는 건조 방법을 개발하였다. 에탄올 전 처리를 통한 회전 증발(rotary evaporation)에 의해 잔류 아세톤 농도를 ICH 규정치(5,000 ppm) 이하로 효율적으로 제거하였다. 또한 잔류 에탄올 역시 물 첨가를 통한 회전 증발로 ICH 규정치(5,000 ppm)를 충족시켰으며 잔류 수분 함량은 4% 이내였다. 모든 건조 온도(35, 45, 55 ℃)에서 잔류 용매는 건조 초기에 급격히 제거되었으며 건조 효율은 건조 온도가 높을수록 증가하였다. 건조 메커니즘 조사 결과, 에탄올 전 처리에 의한 잔류 용매 제거는 아세톤-에탄올 혼합물의 높은 증기압과 아세톤-에탄올 간의 수소 결합과 연관됨을 알 수 있었다. In this study, a drying method that can effectively remove residual solvent from (+)-dihydromyricetin was developed. Residual acetone concentration was efficiently removed below ICH-specified value (5,000 ppm) by simple rotary evaporation with ethanol pretreatment. In addition, the residual ethanol met the ICH-specified value (5,000 ppm) by simple rotary evaporation through the addition of water, and the residual moisture also met the specified value (<4%) for active pharmaceutical ingredients. At all the drying temperature (35, 45, and 55 ℃), a large amount of the residual solvent was initially removed during the drying, and the drying efficiency increased when increasing the drying temperature. Removal of residual solvent by ethanol pretreatment was shown to be related to high vapor pressure of acetone-ethanol mixture and hydrogen bonding between acetone and ethanol.
Backpropagation 신경회로망을 사용한 한글 필기체 오프라인 문자인식
이희건(H.K.Lee),방승양(S.Y.Bang) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.1
Backpropagation은 모델 자체가 단순하면서도 여러 응용 분야에서 좋은 결과가 보고됨으로써 가장 광범위하게 채택되는 모델이며, 특히 한글 필기체 오프라인 문자인식처럼 기존의 방법론으로도 잘 해결되기 어려운 문제에 적합할 수 있다. 그러나 통상 Backpropagation을 사용한 문자인식은 학습 데이타에 대해서는 만족할 만한 인식 결과를 보이고 있으나, 미학습 데이타에 대해서는 매우 취약한 약점을 지니고 있다. 즉 신경회로망은 사람이 원하는 내용을 학습하는 것이 아니라 학습패턴에 대한 최적해를 구하기 때문에 미학습 데이타에 대해서는 그 인식률이 떨어지게 된다. 본 논문에서는 한글 필기체 오프라인 문자인식에서 미학습 데이타에 대해서도 인식률을 향상시킬 수 있도록, 문제에 대한 휴리스틱한 지식을 최대한 활용한 몇가지 방안을 제안하고 있다. 즉 한글 필기체 오프라인 문자인식에 적합한 특징(feature)의 선정과 3가지 형태분류 및 영역분할 인식이라는 방식을 사용함으로서 일반화 능력의 향상을 시도하고, 한 사람이 정자로 쓴 한글 필기체 420자를 대상으로 하여 이를 실험하였다. 실험 결과 미학습 데이타에 대해서도 평균 90% 정도의 인식률을 얻을 수 있어, 제안된 방법론의 가능성을 타진할 수 있었다.