• 제목/요약/키워드: 회로 모델링

검색결과 1,670건 처리시간 0.03초

모델링 실천을 통한 과학 영재학생들의 메타모델링 지식 구성요소별 인식수준 분석 (Analysis of the Cognitive Level of Meta-modeling Knowledge Components of Science Gifted Students Through Modeling Practice)

  • 김기향;백성혜
    • 대한화학회지
    • /
    • 제67권1호
    • /
    • pp.42-53
    • /
    • 2023

  • 본 연구는 화학교과 내용 맥락 하에서 모델링 실천을 통해 드러난 메타모델링 지식 구성요소별 인식수준을 진단함으로써 메타모델링 지식과 통합된 모델링 실천 프로그램 구성을 위한 기초자료를 얻고자 하였다. A 과학 영재학교 2학년 재학생 16명을 대상으로 화학 교사가 변칙현상이 포함된 탐구기반 모델링을 진행하였으며, 모델의 가변성, 모델의 다중성, 모델링 과정 등 메타모델링 지식 구성요소별 인식수준을 분석하기 위하여 학생이 기록한 탐구노트와 연구자가 기록한 관찰노트를 분석에 활용하였다. 인식수준은 0단계부터 3단계까지 분류하였다. 분석 결과, 메타모델링 지식의 구성요소 중 모델링 과정에 대한 인식수준이 가장 높았으며 모델의 다중성 다음으로 모델의 가변성에 대한 인식수준이 가장 낮은 것으로 나타났다. 모델 가변성에 대한 낮은 인식수준의 원인은 학생들이 개념모델을 객관적 사실로 인식하는 것과 관련이 깊고, 모델 다중성에 대한 낮은 인식수준의 원인은 주어진 현상에 대해 오직 하나의 올바른 모델이 존재한다는 신념과 관련이 있다. 학생들은 개념모델을 화학기호와 같은 상징적 모델을 이용하여 정교화하였으나 모델링 전 과정에 영향을 주는 자료해석의 중요성에 대한 인식이 부족하였다. 모델의 본성을 명시적으로 안내할 수 있는 사전활동의 도입하고, 자료해석의 중요성을 구체적 예시를 통해 안내할 필요가 있다. 다른 관점에서 제안된 모델의 수용 가능성을 고려하고 검증하는 훈련이 모델링 실천 프로그램을 통해 이루어져야 한다.

  • https://doi.org/10.5012/jkcs.2023.67.1.42 인용 PDF HTML

EV/HEV용 모터 구동 시스템의 Noise 예측을 위한 통합 시뮬레이션에 대한 연구 (Total Simulation for the Noise Prediction of Motor Driving System in EV/HEV System)

  • 권오현;이재중;김광호;안지현;권혁수;김미로;정상용;나완수
    • 한국전자파학회논문지
    • /
    • 제24권7호
    • /
    • pp.710-721
    • /
    • 2013

  • 본 연구에서는 배터리 내부의 회로 모델링, 다이나믹 다이오드를 이용한 인버터, 2-D EM Tool을 이용한 모터의 해석 결과를 합친 EV/HEV용 모터 구동시스템의 통합 시뮬레이션 방법을 제안한다. 배터리의 모델링을 위해서 충전상태(DOD: Depth of Discharge)에 따라서 변화하는 인덕턴스, 저항, 캐패시턴스 성분을 AC 임피던스 분석법을 이용하여 산출하였으며, 역회복 시간이 반영된 다이나믹 다이오드를 사용하여 인버터를 모델링하였다. 모터의 특성은 매입형 영구 자석 모터의 EM 필드 해석을 Ansys Maxwell 15.0 버전을 사용하여 모델링하였다. 즉, 배터리 및 인버터의 회로 모델과 EM 필드 해석을 통한 모터 해석 모델을 통합한 시뮬레이션 방법을 제시하고, 전체의 통합 모델링을 Ansys Simplorer 10.0 버전을 사용하여 수행하였다. 그리고 이를 통하여 EV/HEV 모터 구동회로의 전도성 노이즈 스펙트럼 분석을 수행하였고, 그 분석 결과가 정성적으로 유의미함을 확인하였다.

  • https://doi.org/10.5515/KJKIEES.2013.24.7.710 인용 PDF KSCI

Xception 모델링을 이용한 흉부 X선 영상 폐렴(pneumonia) 진단 시 배치 사이즈별 비교 분석 (Comparative Analysis by Batch Size when Diagnosing Pneumonia on Chest X-Ray Image using Xception Modeling)

  • 김지율;예수영
    • 한국방사선학회논문지
    • /
    • 제15권4호
    • /
    • pp.547-554
    • /
    • 2021

  • 흉부 X선 영상의 폐렴을 신속하고 정확하게 진단하기 위하여 동일한 Xception 딥러닝 모델에 배치 사이즈를 4, 8, 16, 32로 다르게 적용하여 각각 3회의 모델링을 실시하였다. 그리고 성능평가 및 metric 평가에 대한 결과값을 3회 평균값으로 산출하여 배치 사이즈별 흉부 X선 영상의 폐렴 특징 추출과 분류의 정확도 및 신속성을 비교 평가하였다. 딥러닝 모델링의 성능평가 결과 배치 사이즈 32를 적용한 모델링의 경우 정확도, 손실함수 값, 평균제곱오차, 1 epoch 당 학습 소요 시간의 결과가 가장 우수한 결과를 나타내었다. 그리고 Test Metric의 정확도 평가는 배치 사이즈 8을 적용한 모델링이 가장 우수한 결과를 나타내었으며, 정밀도 평가는 모든 배치 사이즈에서 우수한 결과를 나타내었다. 재현율 평가는 배치 사이즈 16을 적용한 모델링이 가장 우수한 결과를 나타내었으며, F1-score는 배치 사이즈 16을 적용한 모델링이 가장 우수한 결과를 나타내었다. 그리고 AUC score 평가는 모든 배치 사이즈의 결과가 동일하였다. 이러한 결과를 바탕으로 배치 사이즈 32를 적용한 딥러닝 모델링이 높은 정확도, 안정적인 인공신경망 학습 및 우수한 신속성의 결과를 나타내었다. 향후 딥러닝을 이용한 흉부 X선 영상의 폐렴에 대한 특징 추출 및 분류에 관하여 자동진단 연구 시 배치 사이즈를 32로 적용한다면 정확하면서도 신속한 병변 검출이 가능할 것이라고 사료된다.

  • https://doi.org/10.7742/jksr.2021.15.4.547 인용 PDF KSCI HTML

학습률 적용에 따른 흉부영상 폐렴 유무 분류 비교평가 (Comparative Evaluation of Chest Image Pneumonia based on Learning Rate Application)

  • 김지율;예수영
    • 한국방사선학회논문지
    • /
    • 제16권5호
    • /
    • pp.595-602
    • /
    • 2022

  • 본 연구는 딥러닝을 이용한 흉부 X선 폐렴 영상에 대하여 정확하고 효율적인 의료영상의 자동진단을 위해서 가장 효율적인 학습률을 제시하고자 하였다. Inception V3 딥러닝 모델에 학습률을 0.1, 0.01, 0.001, 0.0001로 각각 설정한 후 3회 딥러닝 모델링을 수행하였다. 그리고 검증 모델링의 평균 정확도 및 손실 함수 값, Test 모델링의 Metric을 성능평가 지표로 설정하여 딥러닝 모델링의 수행 결과로 획득한 결과값의 3회 평균값으로 성능을 비교 평가하였다. 딥러닝 검증 모델링 성능평가 및 Test 모델링 Metric에 대한 성능평가의 결과, 학습률 0.001을 적용한 모델링이 가장 높은 정확도와 우수한 성능을 나타내었다. 이러한 이유로 본 논문에서는 딥러닝 모델을 이용한 흉부 X선 영상에 대한 폐렴 유무 분류 시 학습률을 0.001로 적용할 것을 권고한다. 그리고 본 논문에서 제시하는 학습률의 적용을 통한 딥러닝 모델링 시 흉부 X선 영상에 대한 폐렴 유무 분류에 대한 인력의 보조적인 역할을 수행할 수 있을 거라고 판단하였다. 향후 딥러닝을 이용한 폐렴 유무 진단 분류 연구가 계속해서 진행될 시, 본 논문의 논문 연구 내용은 기초자료로 활용될 수 있다고 여겨지며 나아가 인공지능을 활용한 의료영상 분류에 있어 효율적인 학습률 선택에 도움이 될 것으로 기대된다.

  • https://doi.org/10.7742/jksr.2022.16.5.595 인용 PDF KSCI HTML

시스템 모델링을 위한 일반화된 RBF 신경회로망의 온라인 구성 (An On-line Construction of Generalized RBF Networks for System Modeling)

  • 권오신;김형석;최종수
    • 전자공학회논문지CI
    • /
    • 제37권1호
    • /
    • pp.32-42
    • /
    • 2000

  • 이 논문에서는 비선형 시스템 모델링을 위한 일반화된 RBF 신경회로망(GRBFN)을 순차적으로 구성하기 위한 온라인 학습 알고리즘을 제안한다. 상수 연결강도를 갖는 표준 RBF 신경회로망의 확장형인GRBFN은 여러 개의 국부 선형모델을 결합하여 비선형 시스템을 표현할 수 있는 구조이다. 제안한 학습 알고리즘은 구조 학습과 파라미터 학습을 수행하는 두 단계의 학습으로 구성된다. 구조 학습은 주어진 훈련 데이터로부터 새로운 은닉 유니트 및 선형 국부모델을 할항하기 위하여 훈련 오차와 Mahalanobis 거리에 기초한 두 개의 생성 조건을 이용하여 GRBFN 모델을 구성한다. 파라미터 학습은 경사강하 법칙을 기반으로 기존 네트웍의 파라미터 벡터를 갱신한다. 제안한 알고리즘의 모델링 성능을 평가하기 위해서 잘 알려진 두 예제에 대한 시뮬레이션 및 결과를 제시한다.

  • PDF