http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
정우재,김민우,조재찬,정윤호,Jeong, Woojae,Kim, Minwoo,Cho, Jaechan,Jung, Yunho 한국전기전자학회 2018 전기전자학회논문지 Vol.22 No.3
본 논문에서는 restricted coulomb energy(RCE) 신경망 기반 가스 분류기를 제안하고, 이의 실시간 학습 및 분류를 위한 하드웨어 구현 결과를 제시한다. RCE 신경망은 네트워크 구조가 학습에 따라 유동적이며, 실시간 학습 및 분류가 가능하므로, 가스 분류 응용에 적합한 특징을 갖는다. 설계된 가스 분류기는 UCI gas dataset에 대해 99.2%의 분류 정확도를 보였으며, Intel-Altera cyclone IV FPGA 기반 구현 결과, 26,702개의 logic elements로 구현 가능함을 확인하였다. 또한, FPGA test system을 구성하여 63MHz의 동작 주파수로 실시간 검증을 수행하였다. In this paper, we propose the gas classifier based on restricted column energy neural network (RCE-NN) and present its hardware implementation results for real-time learning and classification. Since RCE-NN has a flexible network architecture with real-time learning process, it is suitable for gas classification applications. The proposed gas classifier showed 99.2% classification accuracy for the UCI gas dataset and was implemented with 26,702 logic elements with Intel-Altera cyclone IV FPGA. In addition, it was verified with FPGA test system at an operating frequency of 63MHz.
LIDAR를 이용한 Object classification 및 객체 특징점 추출
정우재(WooJae Jeong),박만복(Manbok Park) 한국자동차공학회 2018 한국자동차공학회 부문종합 학술대회 Vol.2018 No.6
LIDAR(Light detection and ranging)는 빛의 반사를 이용하여 LIDAR로부터 객체까지의 거리를 측정하는 장치이다. LIDAR가 부착된 자율주행차량은 운행 중에 보행자, 차량 등과 같은 중요한 객체들을 인식한다. 그러나 LIDAR 센서는 운행에 필요한 객체 정보를 검출함과 동시에 필요하지 않은 객체 정보도 검출한다. 본 논문에서는 LIDAR의 채널에 따라 달라지는 객체의 특징을 분석하여 운행에 필요한 객체와 필요하지 않은 객체를 분류하는 알고리즘을 소개한다. 이 알고리즘은 차량의 운행상황에 필요한 정보만을 처리하여 연산시간 단축 및 인식 오류를 줄일 수 있다. 본 논문의 연구결과는 향후 이동객체, 고정객체 판단 알고리즘 설계에 토대가 되며 정밀지도와의 융합에도 적용 될 수 있다.
팔라듐 전극 집적으로 국부적 pH 조정이 가능한 무효소 혈당 센서 개발
정우재(Woojae Jeong),김범상(Beomsang Kim),곽종현(Jong-Hyun Kwak),신흥주(Heungjoo Shin) 대한기계학회 2021 대한기계학회 춘추학술대회 Vol.2021 No.11
Non-enzymatic glucose sensors are attracting attention due to their thermal/chemical stability and cost-effective manufacturing. The common detection mechanism of non-enzymatic glucose sensors is based on the interaction of glucose with reactive hydrous oxide layer on metal electrode. Therefore, sufficient hydroxide ions and a large electrode surface area are advantageous for sensitive glucose detection. In this study, we present a non-enzymatic glucose sensor based on nanoporous carbon electrode with gold nanoparticle incorporated with a palladium microelectrode enabling local pH modulation; this allows for sensitive glucose detection (10-200 M) without the need for pretreatment and complex sample control device. In addition, the nanoporous carbon electrode with metal nanoparticles was fabricated at a wafer level using conventional microfabrication technologies including carbon-MEMS ensuring cost-effectiveness. The glucose sensor performance was tested by comparing glucose detection with and without pH modulation using the integrated palladium microelectrode.
객체 인식 알고리즘 향상을 위한 고정물체 이동물체 구분 방법
정우재(Woojae Jeong),박만복(Manbok Park),김시한(Shihan Kim) 한국자동차공학회 2018 한국자동차공학회 학술대회 및 전시회 Vol.2018 No.11
LIDAR(Light detection and ranging)는 빛의 반사를 이용하여 LIDAR로부터 객체까지의 거리를 측정하는 장치이며, 자율주행 인식 알고리즘에서 아주 중요한 역할을 하는 센서이다. LIDAR가 부착된 자율주행차량은 운행 중에 보행자, 차량 등과 같은 중요한 객체들을 인식하며, 위 객체들을 Point Cloud 정보로 고정객체와 이동객체로 분류하는 알고리즘은 중요하다. 자기차량과 상대객체간의 상대속도 차이를 이용하여 고정, 이동객체를 구분하는 기존 방식은 상당한 오차가 존재하였다. 본 논문에서는 고정물체와 이동물체 구분의 오차를 개선하는 알고리즘을 개발하고실차 사업을 통해 검증했다.
정우재(Woojae Jeong),정윤호(Yunho Jung) 한국전기전자학회 2019 전기전자학회논문지 Vol.23 No.4
본 논문은 실시간 자가학습과 분류 기능을 모두 지원하는 support vector machine (SVM) 기반 가스 분류기의 하드웨어 구조 설계 및 구현 결과를 제시한다. 제안된 가스 분류기는 학습 알고리즘으로 modified sequential minimal optimization(MSMO)을 사용하였고, 학습과 분류 기능을 공유구조를 사용하여 설계함으로써 기존 논문 대비 하드웨어 면적을 35% 감소시켰다. 설계된 가스 분류기는 Xilinx Zynq UltraScale+ FPGA를 사용하여 구현 및 검증되었고, 108MHz의 동작 주파수에서 3,337개의 CLB LUTs로 구현 가능함을 확인하였다. In this paper, we propose a support vector machine (SVM) based gas classifier that can support real-time self-learning. The modified sequential minimal optimization (MSMO) algorithm is employed to train the proposed SVM. By using a shared structure for learning and classification, the proposed SVM reduced the hardware area by 35% compared to the existing architecture. Our system was implemented with 3,337 CLB (configurable logic block) LUTs (look-up table) with Xilinx Zynq UltraScale+ FPGA (field programmable gate array) and verified that it can operate at the clock frequency of 108MHz.