• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2986-2988
• /
• 2000

현재의 네트웍 환경은 다양한 통신 장비와 서비스들의 개발로 망 구성 요소간 이질적인 특성이 증가함에 따라 복잡해지고 어려워진 반면 사용자의 네트웍에 대한 품질 요구는 점점 더 증가하고 있다. 이러한 환경은 고성능의 네트웍 관리시스템과 전문적인 네트웍 진단기술을 필요로 한다. 하지만 기존의 관리시스템들은 네트웍 트래픽 모니터링에 의한 단순 평면적인 통계 기능을 가지고 있을 뿐만 아니라 네트웍 진단 기술 또한 체계화 되지 못하였다. 따라서 본 논문은 전력통신망에서 네트웍 전체를 대상으로 네트웍 성능, 장애 상태를 분석하여 네트웍의 현황을 진단하고 트래픽 특성을 통한 문제자원을 파악한 후 원인과 해결책을 제공하도록 지능적인 네트웍 분석기법을 통한 효과적인 전력통신망 운용 관리 방안을 제시한다.

• Proceedings of the KIEE Conference
• /
• 2005.04a
• /
• pp.235-237
• /
• 2005

철도차량에 취부되는 추진장치는 차량의 성능을 결정하는 매우 중요한 요소이다. 이러한 추진장치에 대한 다양한 성능을 평가하고 진단하기 위해 상시계측시스템을 구축하여 활용하고 있다. 이러한 계측장비들은 추진장치에 대한 계측 및 분석을 통한 시험을 평가하고 완성차 시험이나 본선시운전 시험시에 발생할 수 있는 고장원인을 찾아내고 해결하는데 많은 도움을 주고 있다 본 논문에서는 한국형 고속전철차량에 설치되어있는 상시계측시스템을 통해 추진장치에 대한 고장진단을 실시한 내용에 대하여 기술하였다.

• Proceedings of the KIEE Conference
• /
• summer
• /
• pp.1313-1315
• /
• 2004

고속철도는 수많은 하이테크 기술의 결정체이며, 이 중에서도 주변압기, 주전력변환장치 및 주전동기는 차량의 성능을 결정하는 매우 중요한 요소이다. 이러한 전장품들에 대한 다양한 성능을 평가하고 진단하기 위해 상시계측시스템을 구축하여 활용하고 있다. 이러한 계측장비들은 여러 전장품에 대한 계측 및 분석을 통한 시험평가와 동시에 완성차시험이나 본선시운전 시험시에 발생할 수 있는 고장원인을 찾아내고 해결하는데 많은 도움을 주고 있다. 본 논문에서는 상시계측시스템을 통해 주변압기, 주전력변환장치, 전동기 등에 대한 고장진단을 실시한 내용에 대하여 연구하였다.

• Annual Conference of KIPS
• /
• 2009.04a
• /
• pp.946-949
• /
• 2009

본 논문에서는 그리드 기반 워크플로우 시스템을 심혈관계 질환 진단 시스템에 적용하고 그 성능을 평가하였다. 논문은 그리드 기반 워크플로우의 정책을 정의하고 CIM기반의 표준 모델로 구현하였다. 또한 정의된 정책은 기존의 그리드 기반 자원 관리 시스템의 정책과 통합하기 위한 정책 결정자를 제안하였으며 이를 Pegasus와 Kepler기반으로 구현하였다. 응용 및 성능 평가를 위하여 제안하는 시스템은 심혈관계 질환 진단 시스템에 적용 되었으며 사용자의 SLA를 시간과 비용관점에서 효과적인 수행을 만족시킬 수 있음을 실험을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1181-1183
• /
• 2022

신생아 호흡곤란증후군(RDS, Respiratory Distress Syndrome)은 미숙아 사망의 주된 원인 중 하나이며, 이 질병은 빠른 진단과 치료가 필요하다. 소아의 x-ray 영상을 시각적으로 분석하여 RDS 의 판별을 하고 있으나, 이는 전문의의 주관적인 판단에 의지하기 때문에 상당한 시간적 비용과 인력이 소모된다. 이에 따라, 본 논문에서는 전문의의 진단을 보조하기 위해 심층 신경망을 활용한 소아 RDS/nonRDS 판별 방법을 제안한다. 소아 전신 X-ray 영상에 폐 영역 분할을 적용한 데이터 세트와 증강방법으로 추가한 데이터 세트를 구축하며, RDS 판별 성능을 높이기 위해 ImageNet 으로 사전학습된 DenseNet 판별 모델에 대해 구축된 데이터 세트로 추가 미세조정 학습을 수행한다. 추론 시 입력 X-ray 영상에 대해 MSRF-Net 으로 분할된 폐 영역을 얻고 이를 DenseNet 판별 모델에 적용하여 RDS 를 진단한다. 실험결과, 데이터 증강과 폐 영역을 분할을 적용한 판별 방법이 소아전신 X-ray 데이터 세트만을 사용하는 것과 비교하여 3.9%의 성능향상을 보였다.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.8
• /
• pp.241-251
• /
• 2022

Diagnosis and management of customer's skin condition is an important essential function in the cosmetics and beauty industry. As the social media environment spreads and generalizes to all fields of society, the interaction of questions and answers to various and delicate concerns and requirements regarding the diagnosis and management of skin conditions is being actively dealt with in the social media community. However, since social media information is very diverse and atypical big data, an intelligent skin condition diagnosis system that combines appropriate skin condition information analysis and artificial intelligence technology is necessary. In this paper, we developed the skin condition diagnosis system SCDIS to intelligently diagnose and manage the skin condition of customers by processing the text analysis information of social media into learning data. In SCDIS, an artificial neural network model, AnnTFIDF, that automatically diagnoses skin condition types using artificial neural network technology, a deep learning machine learning method, was built up and used. The performance of the artificial neural network model AnnTFIDF was analyzed using test sample data, and the accuracy of the skin condition type diagnosis prediction value showed a high performance of about 95%. Through the experimental and performance analysis results of this paper, SCDIS can be evaluated as an intelligent tool that can be used efficiently in the skin condition analysis and diagnosis management process in the cosmetic and beauty industry. And this study can be used as a basic research to solve the new technology trend, customized cosmetics manufacturing and consumer-oriented beauty industry technology demand.

• Journal of the Korean Society of Propulsion Engineers
• /
• v.21 no.3
• /
• pp.91-100
• /
• 2017

The solution was developed for the maintenance decision support of combined cycle power plant gas turbine. The developed solution was applied to MHI501G gas turbine and is, in present, on the process of field test at GUNSAN combined cycle power plant, South Korea. The developed solution provides the calculated result of optimal overhaul maintenance period through following modules: Real Time Performance Monitoring, Model-Based Diagnostics, Performance Trend Analysis, Optimal Overhaul Maintenance Interval, Compressor Washing Period Management, and Blade Path Temperature Analysis. Model-Based Diagnostics module analyzed the differences between the data of gas turbine performance model and the online measurement. Compressor washing management module suggests the optimal point of balancing between the compressor performance and the maintenance cost.

• Journal of Korean Society of Transportation
• /
• v.23 no.1
• /
• pp.9-20
• /
• 2005

Accident type and/or factor identification is important in accident reduction planning. The aim of this paper is to apply the hierarchical approach with binomial distribution and logistic regression analysis to find out types and factors, respectively. Based on 2001 Suwon city black spot data, a binomial distribution modeling approach has been applied to diagnose the black spots, with the help of safety performance modeling approach has been applied to diagnose the black spots, with the help of safety performance function. Then, the logistic regression analysis has been employed to identify the critical factors. Some accident remedies are also reviewed in the light of the model outcomes. The proposed research framework sheds light on a different accident related research and can also be successfully applied to similar studies and sites.

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.3
• /
• pp.845-850
• /
• 2023

In this paper, we propose a method for diagnosing ball bearing vibration using transfer learning. STFT, which can analyze vibration signals in time-frequency, was used as input to CNN to diagnose failures. In order to rapidly learn CNN-based deep artificial neural networks and improve diagnostic performance, we proposed a transfer learning-based deep learning learning technique. For transfer learning, the feature extractor and classifier were selectively learned using a VGG-based image classification model, the data set for learning was publicly available ball bearing vibration data provided by Case Western Reserve University, and performance was evaluated by comparing the proposed method with the existing CNN model. Experimental results not only prove that transfer learning is useful for condition diagnosis in ball bearing vibration data, but also allow other industries to use transfer learning to improve condition diagnosis.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.317-320
• /
• 2021

본 연구는 주기적인 알츠하이머 병의 중증도 모니터링을 위해 스마트 인솔을 통한 보행 특징 추출과 머신러닝 기반 중증도 분류의 성능에 대해 살펴보았다. 최근 고령화가 가속화되는 추세에 있어 치매 환자가 급증하고 있으며, 중증도가 심해질수록 필요한 치료 비용 및 노력이 급증하기 때문에 조기 진단이 최선의 치료 전략으로 보여진다. 환자 친화적이고 저비용의 관성 측정 장치가 내장된 스마트 인솔만을 사용하여 다양한 보행 실험 패러다임에서 환자의 보행 특징을 추출하고, 이를 알츠하이머 병의 중증도 진단을 위한 머신러닝 기반 분류기를 훈련시켜 성능을 평가한 결과, 숫자세기와 같이 뇌에 부하를 주는 하위 작업이 포함된 복합 보행을 측정한 데이터셋을 사용하여 훈련된 분류 모델이 일반 걷기 데이터셋을 사용한 모델보다 성능이 높게 나타나는 것이 관찰되었다. 본 연구는 안전하고 환경적 제약이 적은 방법을 사용하여 시기 적절한 진단뿐만 아니라 주기적인 중증도 모니터링 시스템의 일환으로 활용될 수 있을 것이다.