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 : 정이나(Yi-Na Jeong) (검색결과 16 건)
- 무료
- 기관 내 무료
- 유료
-
온라인 마케팅 전략을 위한 SNS와 Web기반 BDAS(Big data Data Analysis Scheme) 설계
정이나,이병관,박석규,Jeong, Yi-Na,Lee, Byung-Kwan,Park, Seok-Gyu 한국정보통신학회 2015 한국정보통신학회논문지 Vol.19 No.1
This paper proposes the BDAS(Big Data analysis Scheme) design that extracts the real time shared information from SNS and Web, analyzes the extracted data rapidly for customers, and makes an on-line marketing strategy efficiently. First, the BDAS collects the data shared in SNS and Web. Second, it provides the result of visualization by analyzing the semantics of the collected data as positive or negative. Therefore, because the BDAS ensures an average 90% accuracy in judging the semantics about the shared SNA and Web data, it can judge customer's propensity accurately and be used for on-line marketing strategy efficiently.
-
-
정이나(Yi-Na Jeong),이병관(Byung-Kwan Lee),안희학(Heui-Hak Ahn) 한국산업정보학회 2014 한국산업정보학회논문지 Vol.19 No.5
본 논문은 도심환경에서 차량과 보행자가 위치하고 있는 도로 정보에 따라 위험도를 추론하고, 이 정보를 이용하여 차량 간의 충돌사고와 차량과 보행자간의 충돌사고를 예방하는 퍼지 기반 차량 충돌 예방 시스템을 제안한다. 제안하는 퍼지기반 차량 충돌 예방 시스템은 첫째, 보행자의 스마트 기기로 보행자의 위치를 파악하고, 차량은 차량에 장착된 GPS로 차량 위치를 파악하여, 보행자와 차량의 자신의 정보를 이웃들에게 전달한다. 둘째, 보행자와 차량은 이동방향과 속도, 도로 정보를 고려하여 위험도를 추론한다. 셋째, 추론한 정보를 보행자와 차량에게 전달하여 경로 우회 또는 속도 감속과 같은 정보를 보행자와 차량에게 제공한다. 그 결과, 퍼지기반 차량 충돌예방 시스템은 보행자와 차량에게 발생할 수 있는 위험성을 미리 추론하고 예방함으로 인해 충돌사고를 미연에 방지할 수 있을 뿐만 아니라 사고와 교통체증을 방지함으로써 다양한 자원 손실을 줄일 수 있다. This paper proposes the Collision Prevention System based on Fuzzy which reasons a risk with the location information of vehicles and pedestrians and prevents collision between vehicles, and between a vehicle and a pedestrian with the reasoned risk. The proposed system provides three functions. First, it identifies a pedestrian’s location with his smart phone and a vehicle’s location with the GPS equipped in the vehicle. and transfers the identified information to their neighbors. Second, it makes a vehicle and a pedestrian reason a risk by considering a moving direction, a moving speed and road information. Third, it provides a vehicle and a pedestrian with the reasoned information such as route detour, speed reduction, etc. Therefore, the proposed collision prevention system based on Fuzzy not only prevents collision accidents beforehand by reasoning a risk, but also reduces a variety of losses by protecting traffic accident and congestion.
-
Comparison of Antioxidant Activities on High Oleic Acid and High Linoleic Acid Safflower Germplasm
Yi Jin Jeong(정이진),Da Jeong Kim(김다정),Awraris Derbie Assefa(아와리스 더비 아세파),Young Ah Jeon(전영아),On Sook Hur(허온숙),Na Young Ro(노나영),Hyun Choong Ok(옥현충),Ju Hee Rhee(이주희),Myeong Chul Lee(이명철),Hyung Jin Baek(백형진 한국약용작물학회 2017 한국약용작물학회 학술대회논문집 Vol.2017 No.2
-
-
Regional Variations in Fatty acid Compositions of Perilla (Perilla frutescens) Seeds
Da Jeong Kim(김다정),Yi Jin Jeong(정이진),Awraris Derbie Assefa(아와리스 아세파),On Sook Hur(허온숙),Na Young Ro(노나영),Jae Eun Lee(이재은),Ju Hee Rhee(이주희),Sok Young Lee(이석영),Jung Sook Sung(성정숙) 한국약용작물학회 2018 한국약용작물학회 학술대회논문집 Vol.2018 No.1
-
Variation in Fatty Acid Compositions of Perilla Seeds Collected from Russia
Da Jeong Kim(김다정),Yi Jin Jeong(정이진),Awraris Derbie Assefa,On Sook Hur(허온숙),Na Young Ro(노나영),Jae Eun Lee(이재은),Ho Sun Lee(이호선),Myeong Chul Lee(이명철),Ju Hee Rhee(이주희),Sok Young Lee(이석영),Jung Sook Sung(성정숙 한국약용작물학회 2018 한국약용작물학회 학술대회논문집 Vol.2018 No.2
-
Variation in Antioxidant Activity of Perilla leaves (Perilla frutescens) Collected from Russia
Da Jeong Kim(김다정),Yi Jin Jeong(정이진),Awraris Derbie Assefa(아와리스 아세파),On Sook Hur(허온숙),Na Young Ro(노나영),Jae Eun Lee(이재은),Ju Hee Rhee(이주희),Sok Young Lee(이석영),Jung Sook Sung(성정숙) 한국약용작물학회 2018 한국약용작물학회 학술대회논문집 Vol.2018 No.1
-
PredFeed Net: 먹이 배급의 자동화를 위한 GRU 기반 먹이 배급량 예측 모델
심규정 ( Kyu-jeong Sim ),손수락 ( Su-rak Son ),정이나 ( Yi-na Jeong ) 한국인터넷정보학회 2024 인터넷정보학회논문지 Vol.25 No.2
This paper proposes PredFeed Net, a neural network model that mimics the food distribution of fish farming experts. Unlike existing food distribution automation systems, PredFeed Net predicts food distribution by learning the food distribution patterns of experts. This has the advantage of being able to learn using only existing environmental data and food distribution records from food distribution experts, without the need to experiment by changing food distribution variables according to the environment in an actual aquarium. After completing training, PredFeed Net predicts the next food ration based on the current environment or fish condition. Prediction of feed ration is a necessary element for automating feed ration, and feed ration automation contributes to the development of modern fish farming such as smart aquaculture and aquaponics systems.
-
차량 내·외부 데이터 및 딥러닝 기반 차량 위기 감지 시스템 설계
손수락(Su-Rak Son),정이나(Yi-Na Jeong) 한국정보전자통신기술학회 2021 한국정보전자통신기술학회논문지 Vol.14 No.2
현재 자율주행차량 시장은 3레벨 자율주행차량을 상용화하고 있으나, 안정성의 문제로 완전 자율주행 중에도 사고가 발생할 가능성이 있다. 실제로 자율주행차량은 81건의 사고를 기록하고 있다. 3레벨과 다르게 4레벨 이후의 자율주행차량은 긴급상황을 스스로 판단하고 대처해야 하기 때문이다. 따라서 본 논문에서는 CNN을 통하여 차량 외부의 정보를 수집하여 저장하고, 저장된 정보와 차량 센서 데이터를 이용하여 차량이 처한 위기 상황을 0~1 사이의 수치로 출력하는 차량 내.외부 데이터 및 딥러닝 기반 차량 위기 감지 시스템을 제안한다. 차량 위기 감지 시스템은 CNN기반 신경망 모델을 사용하여 주변 차량과 보행자 데이터를 수집하는 차량 외부 상황 수집 모듈과 차량 외부 상황 수집 모듈의 출력과 차량 내부 센서 데이터를 이용하여 차량이 처한 위기 상황을 수치화하는 차량 위기 상황 판단 모듈로 구성된다. 실험 결과, VESCM의 평균 연산 시간은 55ms 였고, R-CNN은 74ms, CNN은 101ms였다. 특히, R-CNN은 보행자 수가 적을 때 VESCM과 비슷한 연산 시간을 보이지만, 보행자 수가 많아 질수록 VESCM보다 많은 연산 시간을 소요했다. 평균적으로 VESCM는 R-CNN보다 25.68%, CNN보다 45.54% 더 빠른 연산 시간을 가졌고, 세 모델의 정확도는 모두 80% 이하로 감소하지 않으며 높은 정확도를 보였다. Currently, autonomous vehicle markets are commercializing a third-level autonomous vehicle, but there is a possibility that an accident may occur even during fully autonomous driving due to stability issues. In fact, autonomous vehicles have recorded 81 accidents. This is because, unlike level 3, autonomous vehicles after level 4 have to judge and respond to emergency situations by themselves. Therefore, this paper proposes a vehicle crisis detection system(VCDS) that collects and stores information outside the vehicle through CNN, and uses the stored information and vehicle sensor data to output the crisis situation of the vehicle as a number between 0 and 1. The VCDS consists of two modules. The vehicle external situation collection module collects surrounding vehicle and pedestrian data using a CNN-based neural network model. The vehicle crisis situation determination module detects a crisis situation in the vehicle by using the output of the vehicle external situation collection module and the vehicle internal sensor data. As a result of the experiment, the average operation time of VESCM was 55ms, R-CNN was 74ms, and CNN was 101ms. In particular, R-CNN shows similar computation time to VESCM when the number of pedestrians is small, but it takes more computation time than VESCM as the number of pedestrians increases. On average, VESCM had 25.68% faster computation time than R-CNN and 45.54% faster than CNN, and the accuracy of all three models did not decrease below 80% and showed high accuracy.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
